MétaCan
Menu
Retour à la cohorte
Enregistrement W2948793607 · doi:10.5539/jgg.v11n2p35

Impacts of Anthropogenic Factors on Urban Air Quality in Lagos Metropolis

2019· article· en· W2948793607 sur OpenAlexvenueno aff
Peter Nkashi Agan

Notice bibliographique

RevueJournal of Geography and Geology · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPollutantEnvironmental scienceAir quality indexMegacityAir pollutionLand useEnvironmental engineeringEnvironmental protectionStovePollutionState of the EnvironmentVegetation (pathology)GeographyEnvironmental resource managementEcologyCivil engineeringEngineeringMeteorology

Résumé

récupéré en direct d'OpenAlex

Land use is the utilization and reordering of land cover for human comfort. This process disrupts the pristine state of the environment reducing the quality of environmental receptors like water, air, vegetation etc. Air pollution is introduced into the environment as a result of anthropogenic activities from commercial, industrial and residential areas. These activities are burning of fossil fuels for power generation, transport of goods and services, valorization of raw materials into finished products, bush burning, use of gas cookers, generators and electric stove etc. The introduction of pollutants into the planetary layer of the atmosphere has impacted negatively on the quality of the environment posing threat to humans and the survival of the ecosystem. In Lagos metropolis, commercial activities and high population densities have caused elevated levels of pollution in the city. This study aimed to investigate the spatial distribution of pollutant in Lagos metropolis with a view to revealing the marked spatial/temporal difference in pollutants levels over residential, commercial and industrial land uses. Commercial and industrial land uses revealed higher levels of pollutants than the residential areas. Pearson product moment correlation coefficients revealed strong positive relationship between land use and air quality in the city.

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 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 candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,987

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,315
Écart entre enseignants0,294 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetAir Quality and Health ImpactsTravaux en français237 207