MétaCan
Menu
Retour à la cohorte
Enregistrement W2898560230 · doi:10.1016/j.atmosenv.2018.10.038

Temporal and spatial variability of traffic-related PM2.5 sources: Comparison of exhaust and non-exhaust emissions

2018· article· en· W2898560230 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 Environment · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensMinistry of the Environment, Conservation and ParksEnvironment and Climate Change CanadaUniversity of Toronto
Organismes subventionnairesEnvironment and Climate Change CanadaCanada Foundation for Innovation
Mots-clésEnvironmental scienceParticulatesAerosolAtmospheric sciencesSpatial variabilityApportionmentRoad dustEnvironmental engineeringAir pollutionMeteorologyEnvironmental chemistryChemistryGeographyGeology

Résumé

récupéré en direct d'OpenAlex

The contribution of traffic-related particulate matter (PM 2.5 , particles smaller than 2.5 μm in diameter) sources can vary temporally and spatially, which may disproportionately contribute to health outcomes. Furthermore, non-exhaust emissions are a growing concern due to the high concentrations of redox active metals that can be present. The temporal and spatial variabilities of traffic-related PM 2.5 sources were investigated in this study by comparing source contributions between two near-road sites. In order to identify local PM 2.5 sources with greater temporal and spatial resolution, receptor modeling was performed for hourly-resolved organics, inorganic ions , trace elements, and black carbon in PM 2.5 simultaneously measured at downtown and highway sites located within 15 m of a major roadway and highway, respectively, in Toronto. The source apportionment study revealed that traffic-related PM 2.5 sources were mainly from exhaust emissions (9%–19% of PM 2.5 ) and non-exhaust emissions including brake wear (2%–6%) and resuspension of road dust (3%–4%). The traffic-related sources exhibited strong diurnal and spatial variabilities, whereas no spatial and temporal differences were observed for the largest PM 2.5 contributors, oxidized organic aerosol and secondary sulphate. During morning rush hours, the overall contribution of traffic exhaust and non-exhaust emissions were elevated up to 35%–48% of total PM 2.5 mass, which was found to be the largest PM 2.5 source at the highway site and the second largest contributor in the downtown area. Furthermore, the contribution of traffic-related sources at the highway site was higher than at the downtown site by a factor of 2–3, suggesting that exposure to traffic-related emissions varies greatly in space and time. Nearly one-third of the traffic-related source contributions were associated with non-exhaust emissions from brake wear and road dust resuspension in the urban environment. Elevated levels of non-exhaust sources were correlated with the number of heavy-duty vehicles, rather than total traffic volume. Although the contribution of brake wear and road dust sources to total PM 2.5 mass was relatively low, non-exhaust emissions contributed a substantial fraction of trace elements, especially for Ba (74–79%), Cu (66–71%), and Mn (53–65%) in the urban atmosphere.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,272
Écart entre enseignants0,254 · 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