MétaCan
Menu
Retour à la cohorte
Enregistrement W2164445937 · doi:10.5194/amt-8-3263-2015

Plume-based analysis of vehicle fleet air pollutant emissions and the contribution from high emitters

2015· article· en· W2164445937 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueAtmospheric measurement techniques · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesResearch Executive AgencyMinistry of Education, IndiaMinistry of Earth SciencesCanada Foundation for InnovationGovernment of Canada
Mots-clésEnvironmental sciencePlumeBTEXPollutantGasolineEmission inventoryAir pollutionMeteorologyEnvironmental chemistryAtmospheric sciencesTolueneChemistryXyleneWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. An automated identification and integration method has been developed for in-use vehicle emissions under real-world conditions. This technique was applied to high-time-resolution air pollutant measurements of in-use vehicle emissions performed under real-world conditions at a near-road monitoring station in Toronto, Canada, during four seasons, through month-long campaigns in 2013–2014. Based on carbon dioxide measurements, over 100 000 vehicle-related plumes were automatically identified and fuel-based emission factors for nitrogen oxides; carbon monoxide; particle number; black carbon; benzene, toluene, ethylbenzene, and xylenes (BTEX); and methanol were determined for each plume. Thus the automated identification enabled the measurement of an unprecedented number of plumes and pollutants over an extended duration. Emission factors for volatile organic compounds were also measured roadside for the first time using a proton transfer reaction time-of-flight mass spectrometer; this instrument provided the time resolution required for the plume capture technique. Mean emission factors were characteristic of the light-duty gasoline-dominated vehicle fleet present at the measurement site, with mean black carbon and particle number emission factors of 35 mg kg fuel−1 and 7.5 × 1014 # kg fuel−1, respectively. The use of the plume-by-plume analysis enabled isolation of vehicle emissions, and the elucidation of co-emitted pollutants from similar vehicle types, variability of emissions across the fleet, and the relative contribution from heavy emitters. It was found that a small proportion of the fleet (< 25 %) contributed significantly to total fleet emissions: 100, 100, 81, and 77 % for black carbon, carbon monoxide, BTEX, and particle number, respectively. Emission factors of a single pollutant may help classify a vehicle as a high emitter; however, regulatory strategies to more efficiently target multi-pollutant mixtures may be better developed by considering the co-emitted pollutants as well.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,445

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,212
Écart entre enseignants0,197 · 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