MétaCan
Menu
Retour à la cohorte
Enregistrement W2130939364 · doi:10.5094/apr.2014.052

A year-long comparison of particle formation events at paired urban and rural locations

2014· article· en· W2130939364 sur OpenAlexafffundabout
Yun‐Seok Jun, Cheol–Heon Jeong, Kelly Sabaliauskas, W. R. Leaitch, Greg J. Evans

Notice bibliographique

RevueAtmospheric Pollution Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEnvironment and Climate Change CanadaUniversity of TorontoOccupational Cancer Research Centre
Organismes subventionnairesMinistry of EnvironmentSvenska Forskningsrådet FormasCanadian Foundation for Climate and Atmospheric Sciences
Mots-clésNucleationDowntownEnvironmental scienceAtmospheric sciencesUltrafine particleParticle (ecology)Air mass (solar energy)Particle numberMeteorologyGeographyPhysical geographyChemistryPhysicsGeologyMechanicsArchaeology

Résumé

récupéré en direct d'OpenAlex

Ultrafine particle size distribution data were collected in downtown Toronto and rural Egbert from May 2007 to May 2008. Particle formation events were observed in both locations and contributed to increased concentrations of particles less than 25 nm in diameter. These events were more frequent in spring and fall and rarely occurred in winter. Stronger solar radiation and drier air were correlated with the occurrence of formation events at both locations. Nucleation events occurred simultaneously at both sites on 10% of the days, and these events involved a shared air mass. Half of these simultaneous events were associated with northern air masses and only a quarter with southerly air masses. The higher loading of aged particles in southerly air masses transported from upwind industrial sectors appeared to limit the occurrence of nucleation events. Formation events occurred less frequently in downtown Toronto than at the rural site, and the frequency was lower on weekdays. It is hypothesized that vehicular emissions were responsible for the suppression of nucleation events in downtown Toronto.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,319
Score d'incertitude au seuil0,634

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,084
Tête enseignante GPT0,384
Écart entre enseignants0,300 · 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

Citations36
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAtmospheric Pollution ResearchMême sujetAir Quality and Health ImpactsTravaux en français237 207