Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
30
Lista A
Status:
Autorzy: Bieganowski Andrzej, Józefaciuk Grzegorz, Bandura Lidia, Guz Łukasz, Łagód Grzegorz, Franus Wojciech
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2018
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 8
Wolumen/Tom: 18
Numer artykułu: 2463
Strony: 1 - 14
Web of Science® Times Cited: 36
Scopus® Cytowania: 48
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 30 lipca 2018
Abstrakty: angielski
The possibility of detecting low levels of soil pollution by petroleum fuel using an electronic nose (e-nose) was studied. An attempt to distinguish between pollution caused by petrol and diesel oil, and its relation to the time elapsed since the pollution event was simultaneously performed. Ten arable soils, belonging to various soil groups from the World Reference Base (WRB), were investigated. The measurements were performed on soils that were moistened to field capacity, polluted separately with both hydrocarbons, and then allowed to dry slowly over a period of 180 days. The volatile fingerprints differed throughout the course of the experiment, and, by its end, they were similar to those of the unpolluted soils. Principal component analysis (PCA) and artificial neural network (ANN) analysis showed that the e-nose results could be used to detect soil contamination and distinguish between pollutants and contamination levels