Regional Estimates of Chemical Composition of Fine Particulate Matter Using a Combined Geoscience-Statistical Method with Information from Satellites, Models, and Monitors
Notice bibliographique
Résumé
Abstract An accurate fine-resolution surface of the chemical composition of fine particulate matter (PM2.5) would offer valuable information for epidemiological studies and health impact assessments. We develop geoscience-derived estimates of PM2.5 composition from a chemical transport model (GEOS-Chem) and satellite observations of aerosol optical depth, and statistically fuse these estimates with ground-based observations using a geographically weighted regression over North America to produce a spatially complete representation of sulfate, nitrate, ammonium, black carbon, organic matter, mineral dust, and sea-salt over 2000–2016. Significant long-term agreement is found with cross-validation sites over North America (R2 = 0.57─0.96), with the strongest agreement for sulfate (R2 = 0.96), nitrate (R2 = 0.90), and ammonium (R2 = 0.86). We find that North American decreases in population-weighted fine particulate matter (PM2.5) concentrations since 2000 have been most heavily influenced by regional changes in sulfate and organic matter. Regionally, the relative importance of several chemical components are found to change with PM2.5 concentration, such as higher PM2.5 concentrations having a larger proportion of nitrate and a smaller proportion of sulfate. This data set offers information for research into the health effects of PM2.5 chemical components.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».