Spatiotemporal Land Use Regression Models of Fine, Ultrafine, and Black Carbon Particulate Matter in New Delhi, India
Notice bibliographique
Résumé
Air pollution in New Delhi, India, is a significant environmental and health concern. To assess determinants of variability in air pollutant concentrations, we develop land use regression (LUR) models for fine particulate matter (PM2.5), black carbon (BC), and ultrafine particle number concentrations (UFPN). We used 136 h (39 sites), 112 h (26 sites), 147 h (39 sites) of PM2.5, BC, and UFPN data respectively, to develop separate morning (0800-1200) and afternoon (1200-1800) models. Continuous measurements of PM2.5 and BC were also made at a single fixed rooftop site located in a high-income residential neighborhood. No continuous measurements of UFPN were available. In addition to spatial variables, measurements from the fixed continuous monitoring site were used as independent variables in the PM2.5 and BC models. The median concentrations (and interquartile range) of PM2.5, BC, and UFPN at LUR sites were 133 (96-232) μg m(-3), 11 (6-21) μg m(-3), and 40 (27-72) × 10(3) cm(-3) respectively. In addition (a) for PM2.5 and BC, the temporal variability was higher than the spatial variability; (b) the magnitude and spatial variability in pollutant concentrations was higher during morning than during afternoon hours. Further, model R(2) values were higher for morning (for PM2.5, BC, and UFPN, respectively: 0.85, 0.86, and 0.28) than for afternoon models (0.73, 0.69, and 0.23); (c) the PM2.5 and BC concentrations measured at LUR sites all over the city were strongly correlated with measured concentrations at a fixed rooftop site; (d) spatial patterns were similar for PM2.5 and BC but different for UFPN; (e) population density and road variables were statistically significant predictors of pollutant concentrations; and (f) available geographic predictors explained a much lower proportion of variability in measured PM2.5, BC, and UFPN than observed in other LUR studies, indicating the importance of temporal variability and suggesting the existence of uncharacterized sources.
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 | 0,000 | 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 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».