Analyzing Regional Inluence of Particulate Matter on the City of Beijing, China
Notice bibliographique
Résumé
The concentration levels of particulate matter (PM) in the city of Beijing (39.92°N, 116.46°E), China are dependant on the long-range transport of PM in addition to local stationary and mobile sources. To analyze the regional influences of PM10 on the city of Beijing for the year 2004, 366 back trajectories were generated using Hybrid Single-Particle Langragian Integrated Trajectory modeling. The trajectories were then characterized by regions traversed 24 hrs back in time. The comparative impact scores of the trajectories were calculated based on the emission rates of PM10 and its precursors in each region the trajectories traversed as well its distance to Beijing. For the purpose of the subject analysis, the 366 days in 2004 were categorized as good (< 50 µg/m3), moderate (50-150 µg/m3), and poor (> 150 µg/m3) air quality groups based on daily PM10 concentrations. Besides Hebei which surrounds Beijing in all directions, our results identified Inner Mongolia, Shanxi, and Mongolia as regions having greater influence on Beijing air quality due to the prevailing westerly and northwesterly winds. Overall, the higher the overall impact score of a particular trajectory cluster, the larger the probability of having poor air quality days and the smaller the probability of having good air quality days. The analysis also indicates that on an annual basis, when air masses travel from Shanxi, which is home to many coal-fired power plants, Beijing tends to have poor air quality due to high PM10 concentrations. In comparison, when air masses originating over Inner Mongolia, where anthropogenic emissions are low, Beijing tends to have good PM air quality. However, our case study showed that during the spring, air masses originating over Inner Mongolia and Mongolia tend to carry dust and sand to Beijing, leading to poor PM air quality.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».