Wildland fire emission factors in North America: synthesis of existing data, measurement needs and management applications
Notice bibliographique
Résumé
Field and laboratory emission factors (EFs) of wildland fire emissions for 276 known air pollutants sampled across Canada and the US were compiled. An online database, the Smoke Emissions Repository Application (SERA), was created to enable analysis and summaries of existing EFs to be used in smoke management and emissions inventories. We evaluated how EFs of select pollutants (CO, CO2, CH4, NOx, total particulate matter (PM), PM2.5 and SO2) are influenced by combustion phase, burn type and fuel type. Of the 12 533 records in the database, over a third (n = 5637) are represented by 23 air pollutants, most designated as US Environmental Protection Agency criteria air pollutants, greenhouse gases, hazardous air pollutants or known air toxins. Among all pollutants in the database, including the most common pollutants PM, CO, CO2 and CH4, records are unevenly distributed with a bias towards flaming combustion, prescribed burning and laboratory measurements. Across all EFs, records are most common for south-eastern and western conifer forests and western shrubland types. Based on identified data gaps, we offer recommendations for future studies, including targeting underrepresented air pollutants, smouldering combustion phases and improved source characterisation of wildland fire emissions.
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 | 0,000 |
| Science ouverte | 0,001 | 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 tête enseignante, 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 ».