MétaCan
Menu
Retour à la cohorte
Enregistrement W1583097470 · doi:10.1111/j.1541-0064.2009.00252.x

Meteorological influences on the spatial and temporal variability of NO<sub>2</sub> in Toronto and Hamilton

2009· article· en· W1583097470 sur OpenAlexafffundvenueabout
M. Altaf Arain, Rose Blair, Norm Finkelstein, Jeff Brook, Michael Jerrett

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEnvironment and Climate Change CanadaMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchHealth CanadaMinistry of Education, IndiaMinistry of Earth SciencesNational Water Research Institute
Mots-clésMorningWind speedEnvironmental scienceEveningSpatial variabilityWind directionAtmospheric sciencesMeteorologyAir pollutionClimatologySeasonalityPollutantGeographyStatisticsMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

The spatial and temporal variability of nitrogen dioxide (NO2) concentrations and their relationships with meteorology was evaluated in the Toronto–Hamilton urban airshed. NO2 concentrations were highest in the early morning and late evening. Mean concentrations were highest in winter, although individual one‐hour NO2 concentrations were found to be highest in summer. Wind direction was the strongest control on hourly NO2 concentration, and temperature and wind speed also had an effect. Our analysis of NO2 concentration variation by wind direction showed that areas downwind of major highways, urban centres and industry were exposed to higher pollutant concentrations. Seasonal patterns of NO2 concentration displayed significant spatial heterogeneity, in particular, in Toronto. Onshore winds sheltered coastal inhabitants from the full extent of NO2 exposure they would otherwise experience. Seasonal variations in meteorology and emissions mean that the degree of spatial variability in NO2 concentrations changes from season to season. This study will help to improve existing land‐use regression‐based NO2 prediction models by incorporating meteorological controls on NO2 distributions for health effect studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,024
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 GPT0,224
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations22
Publié2009
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetAir Quality and Health ImpactsTravaux en français237 207