Effect of Plant Community Structure and Road Greenbelt Width on PM2.5 Concentration
Notice bibliographique
Résumé
Road greenbelts can reduce the concentration of airborne fine particulate matter (PM 2.5 ).This effect is highly sensitive to the community structure of vegetation and greenbelt widths.To determine the optimal community structure and appropriate greenbelt width, PM 2.5 concentrations were tested in four greenbelts with arbor-shrub-grass and arbor-grass plant communities of different greenbelt widths (0, 5, 10, 15, and 20 m) in Suzhou Industrial Park.The daily change law of PM 2.5 concentration and the effects of community structure and greenbelt width on the reduction of PM 2.5 concentration were analyzed.Results demonstrated that the road greenbelts significantly reduced the PM 2.5 concentration.The PM 2.5 concentration in the road greenbelts was low in the morning and evening.At daytime, the PM 2.5 concentration in the arbor-shrub-grass community showed two peaks and one valley, and the PM 2.5 concentration in the arbor-grass community presented a single peak.The PM 2.5 reduction rate of the greenbelts significantly increased with the increase in greenbelt width.However, the reduction rate decreased gradually when the greenbelt width exceeded 15 m.The greenbelts with different community structures reduced the PM 2.5 concentration to different extents.When the greenbelt was narrow (≤ 5 m), the arbor-shrub-grass community achieved a high average PM 2.5 reduction rate.When the greenbelt was wide (5 m to 20 m), the arbor-grass community reduced the PM 2.5 concentration significantly.When the greenbelt width exceeded 20 m, the arbor-shrub-grass community with reasonable allocation reduced the PM 2.5 concentration more than the arbor-grass community did.The effects of road greenbelt width and plant community on PM 2.5 concentration were discussed simultaneously for the first time in this study.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».