An Integrated WRF-CAMx Modeling Approach for Impact Analysis of Implementing the Emergency PM2.5 Control Measures during Red Alerts in Beijing in December 2015
Notice bibliographique
Résumé
In December 2015, the Beijing-Tianjin-Hebei (BTH) region experienced several episodes of heavy air pollution. Beijing municipal government therefore issued 2 red alerts on December 7 and 19, respectively, and also implemented emergency control measures to alleviate the negative effects of pollution. It is estimated that the heavy pollutions in 2 red alert periods in Beijing were due mainly to the accumulation of air pollutants from local emission sources and the transboundary transport of pollutants from surrounding areas. The collected meteorological and PM2.5 data indicate that the severity of air pollutions were enlarged by the poor meteorological conditions along with lower mixing layer height. In this study, the WRF-CAMx modeling system was utilized not only for analyzing the contributions of PM2.5 from different sources, but also for quantitatively assessing the effects of implementing various emergency control measures on PM2.5 pollution control during the red alert periods. The modeling results show that local emissions were the most dominant contributors (64.8%–83.5%) among all emission sources, while the main external contributions came from the city of Baoding (3.4%–9.3%). In addition, among 5 different emission source categories, coal and traffic were the two dominant contributors to PM2.5 concentration in urban area of Beijing. Then four pollution control scenarios were designed particularly to investigate the effectiveness of the emergency control measures, and the results show that, generally these emergency control measures have positive effects on air pollution reduction. In particular, restrictive measures of traffic volume control and industrial activity shutdown/suspension have been found as the most effective measures in comparison to other emergency control measures. It is recommended that such effective measures should be considered to implement when next time similar heavy air pollutions occur in the city of Beijing.
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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».