MétaCan
Menu
Retour à la cohorte
Enregistrement W3011100939 · doi:10.1080/10962247.2020.1743794

Expansion of a size disaggregation profile library for particulate matter emissions processing from three generic profiles to 36 source-type-specific profiles

2020· review· en· W3011100939 sur OpenAlexaff
Elisa I. Boutzis, Junhua Zhang, Michael D. Moran

Notice bibliographique

RevueJournal of the Air & Waste Management Association · 2020
Typereview
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésZoomParticulatesFeature (linguistics)Computer scienceComputer graphics (images)Environmental scienceComputational scienceChemistryEngineeringPetroleum engineering

Résumé

récupéré en direct d'OpenAlex

This study describes a significant upgrade to the particulate matter (PM) size disaggregation profile library used for preparing emissions files for the GEM-MACH (Global Environmental Multiscale-Modelling Air-quality and CHemistry) chemical transport model (CTM). This model uses a sectional (bin) approach to represent the PM size distribution, where one configuration employs 12 size bins to disaggregate PM2.5 and PM10 inventory emissions into the first 10 bins ranging from 0.01 to 10.24 μm in diameter. For the size disaggregation step, a small library of three generic PM size disaggregation profiles is currently applied for three broad source categories (area, mobile, and point). However, as might be expected, these generic profiles are not always representative: for example, emissions from two very different area sources ‒ paved road dust and residential wood combustion ‒ are disaggregated using the same generic size distribution profile. In order to improve the current small PM size disaggregation profile library, a comprehensive literature review was conducted: over 100 relevant publications were identified and PM size distribution profiles for 36 different emission source types were selected and compiled. These 36 source-type-specific PM size distribution profiles were then combined based on process type with corresponding PM speciation profiles to create a library of chemically speciated and size-resolved PM disaggregation profiles. This library can now be used by the SMOKE (Sparse Matrix Operator Kernel Emissions) emissions processing system for the 12-bin version of GEM-MACH to perform PM chemical speciation and size allocation in one step. The size-profile data collected and compiled in this study may also be used for emissions processing for other CTMs with a size-resolved representation of PM. Details of the compilation of the 36 PM size disaggregation profiles are discussed, and the differences in processed PM emissions based on the current and updated PM size disaggregation profile libraries are shown.Implications: A new and expanded particulate matter (PM) size disaggregation profile library covering 36 emission source types has been developed based on an extensive literature review. Its use can produce significant changes in the size allocation of bulk PM inventory emissions processed for input to size-resolved PM chemical transport models. Such models are used to predict atmospheric visibility and to simulate the interactions of aerosol particles with atmospheric radiation and with clouds. The use of more accurate, size-resolved primary PM emissions by these models should improve their predictive skill for atmospheric PM processes affecting air quality, meteorology, and climate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,044
Tête enseignante GPT0,294
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Air & Waste Management AssociationMême sujetAir Quality and Health ImpactsTravaux en français237 207