Land-Use Regression Models for Metals Associated with Airborne Particulate Matter in Calgary, Alberta
Notice bibliographique
Résumé
Background: Fine airborne particulate matter has been associated with cardiovascular and respiratory morbidity and mortality, and there is evidence that metals may contribute to these adverse health effects. We developed seasonal land-use regression (LUR) models to characterize the spatial distribution of PM-associated metals in Calgary, Alberta. Previous studies have successfully modeled PM and gaseous pollutants; however, to our knowledge this is the first study to develop LUR models for metals. Methods: Particulate matter with <1.0 µm in aerodynamic diameter (PM1.0) was measured at 25 sites during 2-week periods in August 2010 and January 2011. PM1.0 filters were analyzed using inductively-coupled plasma mass spectrometry. Industrial sources were obtained through the National Pollutant Release Inventory and verified using Google Maps. Traffic and zoning data were obtained from the City of Calgary. Predictor variables were generated using ArcMap-10.1. LUR models for arsenic, chromium, copper, lead, manganese, mercury, nickel, vanadium, and zinc were developed using SAS-EG-4.2. Results: Preliminary summer models explained 60-90% of the variability in arsenic, chromium, copper, lead, manganese, mercury, nickel, vanadium, and zinc, while winter models explained 40-80% of the variability in metals concentrations. Industrial sources and industrial land-use zoning were the strongest predictors (p<0.05). However, traffic was not a major predictor for most metals. These findings contrast with LUR models for PM and gaseous pollutants in which traffic variables were highly influential. There was an average improvement of 5-10% in model efficacy when wind speed and direction were included. Conclusions: These results suggest that airborne metals vary spatially with the distribution of local industrial sources and that LUR modeling can be used to predict local metals concentrations. Future analyses will include LUR modeling of the remaining PM-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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».