Summertime Spatial Variations in Atmospheric Particulate Matter and Its Chemical Components in Different Functional Areas of Xiamen, China
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to the highly heterogeneous and dynamic nature of urban areas in Chinese cities, air pollution exhibits well-defined spatial variations. Rapid urbanization in China has heightened the importance of understanding and characterizing atmospheric particulate matter (PM) concentrations and their spatiotemporal variations. To investigate the small-scale spatial variations in PM in Xiamen, total suspended particulate (TSP), PM10, PM5 and PM2.5 measurements were collected between August and September in 2012. Their average mass concentrations were 102.50 μg∙m−3, 82.79 μg∙m−3, 55.67 μg∙m−3 and 43.70 μg∙m−3, respectively. Organic carbon (OC) and elemental carbon (EC) in PM2.5 were measured using thermal optical transmission. Based on the PM concentrations for all size categories, the following order for the different functional areas studied was identified: hospital > park > commercial area > residential area > industrial area. OC contributed approximately 5%–23% to the PM2.5 mass, whereas EC accounted for 0.8%–6.95%. Secondary organic carbon constituted most of the carbonaceous particles found in the park, commercial, industrial and residential areas, with the exception of hospitals. The high PM and EC concentrations in hospitals were primarily caused by vehicle emissions. Thus, the results suggest that long-term plans should be to limit the number of vehicles entering hospital campuses, construct large-capacity underground parking structures, and choose hospital locations far from major roads.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle