DEVELOPING A LAND USE REGRESSION MODEL FOR ULTRAFINE PARTICLE CONCENTRATIONS IN VANCOUVER, CANADA
Notice bibliographique
Résumé
Background and Aims: Epidemiologic studies have associated adverse health outcomes with exposure to traffic-related air pollutants, principally NO2, at levels below those showing effects in controlled exposure studies. (1) This suggests the importance of related contaminants in the traffic exhaust mixture such as ultrafine particles (UFP) (<0.1µm in diameter). Presently, no routine monitoring for UFP exists in North America and little information is available regarding UFP spatial distribution.We measured particle number concentrations (PNC) in Vancouver to develop a land use regression (LUR) model for use in epidemiologic studies and to identify important factors influencing concentrations. Methods: During a three-week sampling period in spring 2010, PNC were measured with portable condensation particle counters (CPC3007, TSI®, Shoreview, MN) for one hour at eighty locations previously used to characterize spatial variability in nitrogen oxides. PNC was measured continuously at four additional locations to assess temporal variation. LUR modeling was conducted using geographic predictors, including: road length, vehicle density, intersection and bus stop density, land use type, fast food restaurant density, population density and elevation. Results: The range of measured (one-hour median) PNC values was highly variable, 1500 -105000 particles/cm3, (mean [SD] = 18200 [15900] particles/cm3). Pearson correlations of PNC with two-week average NO, NO2 and NOx concentrations at the same sites were 0.59, 0.61 and 0.65. A preliminary LUR model (R2= 0.44) for temporally-adjusted PNC included ln-distance to nearest major road, area of industrial land within a 750m radius and density of bus stops within 100m. Conclusions: Measured PNC was highly correlated with measured nitrogen oxides. However, geographic predictors explained a smaller proportion of variability in PNC levels than found previously for nitrogen oxides, suggesting some common sources and additional unknown factors accounting for PNC spatial variability. (2) A subsequent UFP LUR model will incorporate wind speed and direction.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».