MétaCan
Menu
Retour à la cohorte
Enregistrement W1566712352 · doi:10.24102/ijes.v1i1.39

Assessment of Gaseous Pollutants along High Traffic Roads in Kano, Nigeria

2012· article· en· W1566712352 sur OpenAlexvenueno aff
Oluwole Joshua Okunola, Adamu Uzairu, C. E. Gimba, Gloria Ihuoma Ndukwe

Notice bibliographique

RevueInternational Journal of Environment and Sustainability · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPollutantRoad trafficEnvironmental healthEnvironmental scienceGeographyEngineeringTransport engineeringMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

This study was aimed at assessing the air quality along some busy roads in Kano metropolis. The study was conducted from December 2009 to September 2010; air pollutants such as: CO, H2S, NO2, SO2, FL and NH3 were included in this study. The results indicated that the concentrations of CO, H2S, NO2 and SO2 measured, with few exceptions, at some sites were above the air quality index AQI stipulated by USEPA, especially during the afternoon periods. This implies that traffic emission within Kano metropolis is not within the safe limits, revealing that transport-related pollution in Kano metropolis can be potentially hazardous to health. In addition, the results also indicated that the total level of pollutants in all sites was noted across the seasons.. Increases during the Warm and Wet Season provide strong evidence that rainfall impacts the pollutants concentrations at all sites.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,310
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environment and SustainabilityMême sujetAir Quality and Health ImpactsTravaux en français237 207