Fugitive Particulate Matter Emissions to the Atmosphere from Tracked and Wheeled Vehicles in a Desert Region by Hybrid-Optical Remote Sensing
Notice bibliographique
Résumé
A hybrid-optical remote sensing (hybrid-ORS) method was developed to quantify mass emission factors (EFs) for fugitive particulate matter with aerodynamic diameters ≤ 10 μm (PM10) and ≤ 2.5 μm (PM2.5). In-situ range-resolved extinction coefficient and concurrent point measurements of PM10 and PM2.5 mass concentrations are used to quantify two-dimensional (2-D) PM10 and PM2.5 mass concentration profiles. Integration of each 2-D mass concentration profile with wind data, event duration, and source type provides the corresponding fugitive PM10 and PM2.5 EFs. This method was used to quantify EFs for fugitive PM10 and PM2.5 emitted from tracked and wheeled vehicles travelling on unpaved roads in a desert region. The EFs for tracked vehicles ranged from 206 g/km to 1,738 g/km for PM10 and from 78 g/km to 684 g/km for PM2.5, depending on vehicle speed and vehicle type. The EFs for the wheeled vehicle ranged from 223 g/km to 4,339 g/km for PM10 and from 44 g/km to 1,627 g/km for PM2.5. Field implementation of the hybrid-ORS method demonstrates that the method can rapidly capture multiple profiles of the PM plumes and is well suited for improved quantification of fugitive PM EFs from vehicles traveling on unpaved 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.
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 | 0,000 |
| 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) | 0,000 | 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 ».