Application of MM5-CAMx-PSAT Modeling Approach for Investigating Emission Source Contribution to Atmospheric<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mrow><mml:msub><mml:mrow><mml:mtext>SO</mml:mtext></mml:mrow><mml:mn mathvariant="bold">2</mml:mn></mml:msub></mml:mrow></mml:math>Pollution in Tangshan, Northern China
Notice bibliographique
Résumé
The MM5-CMAx-PSAT modeling approach was presented to identify the variation of emission contribution from each modeling grid to regional and urban air quality per unit emission rate change. The method was applied to a case study in Tangshan Municipality, a typical industrial region in northern China. The variation of emission contribution to the monthly atmospheric SO2concentrations in Tangshan from each modeling grid of 9 × 9 km per 1000 t/yr of emission rate change was simulated for four representative months in 2006. It was found that the northwestern part of Tangshan region had the maximum contribution variation ratio (i.e., greater than 0.36%) to regional air quality, while the lowest contribution variation ratio (i.e., less than 0.3%) occurred in the coastal areas. Principal component analysis (PCA), canonical correlation analysis (CCA), and Pearson correlation analysis indicated that there was an obvious negative correlation between the grid-based variation of emission contribution to regional air quality and planetary boundary layer height (PBLH) as well as wind speed, while terrain data presented insignificant impacts on emission contribution variation. The proposed method was also applied to analyze the variation of emission contribution to the urban air quality of Tangshan (i.e., a smaller scale).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».