EXPLORING LAND COVER EFFECTS ON URBAN AIR QUALITY: A CASE OF 659 DISTRICTS IN INDIA
Notice bibliographique
Résumé
Abstract. Land use and land cover changes (LUCC) affects the atmospheric environment directly or indirectly. Therefore, understanding the atmospheric response to LUCC is of great significance to maintain and improve the ecological environment. In this study, based on fine particulate matter (PM2.5) and LC products, we first compared the differences of PM2.5 between urban and surrounding areas, and then further investigated the variations of PM2.5 in different and land cover (LC) using Mann-Kendall (MK) test and Sen’s trend analysis approach at the district-level in India during 1998–2015. The results showed that the numbers of districts where the differences of PM2.5 (DPM2.5) between urban and the surrounding areas were greater than zero were increasing during 1998–2015. There is an upward trendency of annual mean PM2.5. The annual mean PM2.5 was higher than 40 μg/m3 in 58% of India’s areas where there were mainly located in the Ganges plains of northern India with cropland (L01) and urban areas (L07). The annual mean PM2.5 was less than 10 μg/m3 were mainly found in north-western India with permanent ice and snow (L10), accounting for 10% of India’s area. There are significant positive trends of PM2.5 concentration in 90% of cropland (L01) and 88% of urban area (L07) and the average slope were 0.83 μg/m3 and 0.82 μg/m3 respectively, which were higher than those in the rest of LC. This research serves as the basis of reference for the equitable allocation of land resources and restructuring of land use and land cover patterns in urban areas of India that severely affected by air pollution.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».