Assessing contributions of natural surface and anthropogenic emissions to atmospheric mercury in a fast-developing region of eastern China from 2015 to 2018
Notice bibliographique
Résumé
Mercury (Hg) is a global toxic pollutant that can be released into the atmosphere through anthropogenic and natural sources. The uncertainties in the estimated emission amounts are much larger from natural than anthropogenic sources. A method was developed in the present study to quantify the contributions of natural surface mercury emissions to ambient gaseous elemental mercury (GEM) concentrations through application of positive matrix factorization (PMF) analysis with temperature and NH 3 as indicators of GEM emissions from natural surfaces. GEM concentrations were continuously monitored at a 2-hourly resolution at a regional background site in the Yangtze River Delta in eastern China during 2015–2018. Annual average GEM concentrations were in the range of 2.03–3.01 ng m −3 , with a strong decreasing trend at a rate of -0.32±0.07 ng m −3 yr −1 from 2015 to 2018, which was mostly caused by reduced anthropogenic emissions since 2013. The estimated contributions from natural surface emissions of mercury to the ambient GEM concentrations were in the range of 1.00–1.13 ng m −3 on annual average, with insignificant interannual changes, but the relative contribution increased significantly from 41 % in 2015 to 57 % in 2018, gradually surpassing those from anthropogenic sources.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».