Chemical Characterization and Source Apportionment of PM2.5 in Rabigh, Saudi Arabia
Notice bibliographique
Résumé
The present study describes the measurement, chemical characterization and delineation of sources of fine particulate matter (PM2.5) in Rabigh, Saudi Arabia. The 24-h PM2.5 was collected from May 6th–June 17th, 2013. The sources of various air pollutants and their characterization was carried by computations of Enrichment Factor (EF), Positive Matrix Factorization (PMF) and Backward-in-time Trajectories. The 24-h PM2.5 showed significant temporal variability with average (37 ± 16.2 μg m–3) exceeding the WHO guideline (20 μg m–3) by 2 fold. SO42–, NO3–, NH4+ and Cl– ions dominated the ionic components. Two broad categories of aerosol Trace Elements (TEs) sources were defined as anthropogenic (Ni, V, Zn, Pb, S, Lu and Br) and soil/crustal derived (Si, Rb, Ti, Fe, Mn, Mg, K, Sr, Cr, Ca, Cu, Na and Al) elements from computations of EF. Anthropogenic elements originated primarily from fossil-fuel combustion, automobile and industrial emissions. A factor analysis model (PMF) indicated the major sources of PM2.5 as Soil (Si, Al, Ti, Fe, Mg, K and Ca); Industrial Dust (Ca, Fe, Al, and Si); Fossil-Fuel combustion (V, Ni, Pb, Lu, Cu, Zn, NH4+, SO42– and BC); Vehicular Emissions (NO3–, C2O42–, V and BC) and Sea Sprays (Cl– and Na). Backward-in-time trajectories showed a significant contribution by long distance transport of fine aerosols to the overall daily PM2.5 levels. Results are consistent with previous studies and highlight the need for more comprehensive research into particulate air pollution in Rabigh and the neighboring areas. This is essential for the formulation of sustainable guidelines on air pollutant emissions in Saudi Arabia and the whole Middle East.
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 | 0,003 | 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) | 0,000 | 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 ».