Femtosecond Stimulated Raman Spectroscopy for Detecting Inorganic Phosphate in the Great Lakes
Notice bibliographique
Résumé
The eutrophication of rivers, lakes, and marine coastlines remains a persistent global issue. In Lake Erie, excessive nutrient inputs have led to the growth of harmful algal blooms (HABs) that cause fish to die off in large numbers, among other negative outcomes (Wurtsbaugh et al., 2019). HABs also lead to poor water quality, which is a concern for the millions of people who rely on the Great Lakes for drinking water and recreation (Sellner et al., 2003). For instance, certain species present in HABs contain toxins that can alter cellular processes of organisms from plankton to humans (Harper at al., 1992; Sellner et al., 2003). Soluble reactive phosphate (SRP) is a small subset of the total phosphorus (TP) of an aquatic environment and is usually in the form of orthophosphate. SRP is the most important component of TP for biological functions and is a key contributor to the growth of algae. There has been a recent increase in HAB growth in Lake Erie, and it has been proposed that, despite a reduction in the overall loading of TP to Lake Erie over time, the fraction of more bioavailable SRP may be increasing (Maccoux et al., 2016). Traditionally, SRP has been measured via an absorbance measurement in the UV-visible region of the electromagnetic spectrum. In the most common method, molybdate is used to form a blue-coloured complex with orthophosphate (Tarapchak, 1983). In this case, the concentration of SRP is inferred via the absorption of the molybdate-phosphate complex. Issues with this method include signal interference, lengthy measurement time, difficulties making in-situ measurements, and toxicity of reagents (Sarwar et al., 2019). There is a need for a new technique to measure phosphate in lakes, and we propose measuring the vibrational properties of the nutrient via its Raman response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».