MétaCan
Menu
Retour à la cohorte
Enregistrement W2014620186 · doi:10.1080/10473289.2006.10464540

Air Emission Inventories in North America: A Critical Assessment

2006· article· en· W2014620186 sur OpenAlexaff
C. Andrew Miller, George M. Hidy, J.M. Hales, C. E. Kolb, A. Werner, Bernd Haneke, D. D. Parrish, H. Christopher Frey, Leonora Rojas‐Bracho, Marc Deslauriers, Bill Pennell, J.D. Mobley

Notice bibliographique

RevueJournal of the Air & Waste Management Association · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésAir quality indexEmission inventoryPaceMetropolitan areaEnvironmental scienceWork (physics)Quality (philosophy)Emerging technologiesAir pollutantsAir pollutionEnvironmental resource managementComputer scienceOperations researchRisk analysis (engineering)BusinessEngineeringMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Although emission inventories are the foundation of air quality management and have supported substantial improvements in North American air quality, they have a number of shortcomings that can potentially lead to ineffective air quality management strategies. Major reductions in the largest emissions sources have made accurate inventories of previously minor sources much more important to the understanding and improvement of local air quality. Changes in manufacturing processes, industry types, vehicle technologies, and metropolitan infrastructure are occurring at an increasingly rapid pace, emphasizing the importance of inventories that reflect current conditions. New technologies for measuring source emissions and ambient pollutant concentrations, both at the point of emissions and from remote platforms, are providing novel approaches to collecting data for inventory developers. Advances in information technologies are allowing data to be shared more quickly, more easily, and processed and compared in novel ways that can speed the development of emission inventories. Approaches to improving quantitative measures of inventory uncertainty allow air quality management decisions to take into account the uncertainties associated with emissions estimates, providing more accurate projections of how well alternative strategies may work. This paper discusses applications of these technologies and techniques to improve the accuracy, timeliness, and completeness of emission inventories across North America and outlines a series of eight recommendations aimed at inventory developers and air quality management decision-makers to improve emission inventories and enable them to support effective air quality management decisions for the foreseeable future.

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)0,009
score de la tête « metaresearch » (Gemma)0,019
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,356

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,008
Études des sciences et des technologies0,0020,001
Communication savante0,0040,006
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,013
Tête enseignante GPT0,290
Écart entre enseignants0,277 · 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

Citations54
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Air & Waste Management AssociationMême sujetAir Quality and Health ImpactsTravaux en français237 207