A Spatial Model of Urban Winter Woodsmoke Concentrations
Notice bibliographique
Résumé
In many urban areas, residential wood burning is a significant wintertime source of PM2.5. In this study, we used a combination of fixed and mobile monitoring along with a novel spatial buffering procedure to estimate the spatial patterns of woodsmoke. Two-week average PM2.5 and levoglucosan (a marker for wood smoke) concentrations were concurrently measured at upto seven sites in the study region. In addition, pre-selected routes spanning the major population areas in and around Vancouver, B.C. were traversed during 19 cold, clear winter evenings from November, 2004 to March, 2005 by a vehicle equipped with GPS receiver and a nephelometer. Fifteen-second-average values of light scattering coefficient (bsp) were adjusted for variations between evenings and then combined into a single, highly resolved map of nighttime winter bsp levels. A relatively simple but robust (R(2) = 0.64) land use regression model was developed using selected spatial covariates to predict these temporally adjusted bsp values. The bsp values predicted by this model were also correlated with the measured average levoglucosan concentrations at our fixed site locations (R(2) = 0.66). This model, the first application of land use regression for woodsmoke, enabled the identification and prediction of previously unrecognized high woodsmoke regions within an urban airshed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».