Investigating Effects of Meteorology, Built Environment, and Traffic Composition on Near Road Air Pollution in Dense Urban Areas
Notice bibliographique
Résumé
This study aimed at capturing the determinants of near-road concentrations of ultrafine particles (UFP) using linear mixed-effects models, investigating the effects of meteorology, built environment, and traffic. In addition, the differences in the levels of UFP between both sides of the road were investigated. To reach these objectives, field measurements were conducted on 16 weekdays in the months of March and April 2015, along Papineau Avenue, a high-volume street in Montreal, Canada. Four sites were identified varying in land use, building height, and road characteristics. Air quality measurements were conducted at each location (on both sides of the road) for two consecutive hours, at four different times during the day and repeated four times, leading to a total of 16 visits per location. Traffic volume and composition was also recorded. On-site meteorological variables including wind speed, wind direction, temperature and relative humidity were collected using a portable weather station. Linear mixed-effects models with random intercept were developed for both dependent variables: the natural logarithm of the mean UFP concentration and the difference in UFP concentrations between two sides of the road. Lower temperatures and wind speeds were associated with increased UFP concentrations. Winds orthogonal to the road tended to increase UFP concentrations as well as the differences between both sides of the road. Finally, built environment variables such as the presence of open areas and buildings on both sides of the road, had a positive influence on the difference between UFP on the two sides.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».