Analysis of model-based PM2.5 emission factors for on-road mobile sources in Mexico
Notice bibliographique
Résumé
Se investigan los resultados del empleo del modelo US-EPA MOVES2010a para calcular los factores de emisin del parque vehicular mexicano, y se comparan dichos resultados con las estimaciones del Inventario Nacional de Emisiones de Mxico (INEM) de 2005. El estudio muestra que los factores de emisin PM2.5 basados en modelos, actualizados a partir de estudios recientes, pueden tener un impacto significativo en la estimacin de emisiones de PM2.5 procedentes de fuentes mviles en Mxico. Porcentajes mayores de vehculos antiguos tienden a incrementar las estimaciones de emisiones PM2.5 cuando se utiliza el modelo MOVES2010a en comparacin con las del INEM 2005; sin embargo, el impacto global sobre las emisiones de material particulado vara segn la cantidad y antigedad de los vehculos, y de acuerdo con los porcentajes de vehculos antiguos impulsados por diesel y gasolina en el parque vehicular de cada entidad federativa. Los resultados tambin indican que las estimaciones de PM2.5 con MOVES2010a fueron particularmente sensibles a la velocidad vehicular, la temperatura ambiente y el contenido de azufre, pero no a la humedad relativa. Hay una gran necesidad de comprender las caractersticas
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 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) | 0,001 | 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 ».