MétaCan
Menu
Retour à la cohorte
Enregistrement W3036598697 · doi:10.1680/jenes.20.00006

Analysis of noise and air pollution in Sambalpur City, India, during Diwali

2020· article· en· W3036598697 sur OpenAlexvenueno aff
A K Sahu, Priyabrata Pradhan, Chitta Ranjan Mohanty, Madhusmita Pradhan

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPollutionAir pollutionFireworksEnvironmental scienceNoise pollutionParticulatesAir quality indexSulfur dioxideToxicologyPollutantVeterinary medicineEnvironmental engineeringGeographyMeteorologyMedicineBiologyArchaeologyNoise reductionEcology

Résumé

récupéré en direct d'OpenAlex

Diwali (or Deepavali) is one of the most glamorous cultural festivals in India. It is the festival of light and is celebrated every year during the month of November with great firework displays. Burning of different fireworks generates acute noise and toxic fumes, which lead to noise and air pollution in the environment. The excessive use of fireworks aggravates the level of air and noise pollution and causes adverse impacts on human health. The present paper assesses the noise pollution and air pollution during Diwali in Sambalpur City, one of the premier cities in the western part of Odisha State in Eastern India. The noise level is measured on Diwali day and is compared with that on normal days. Similarly, air quality is measured on Diwali day and compared with that on normal days (pre-Diwali and post-Diwali). The average equivalent continuous noise levels (L eq ) and noise pollution levels have increased in all areas on Diwali compared with those on non-Diwali days. It is also observed that there is a significant rise of air pollutants, total suspended particulate matter, PM 10 , PM 2.5 , sulfur dioxide (SO 2 ) and nitrogen dioxide (NO 2 ) in ambient air due to burning of crackers in Diwali.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,425
Score d'incertitude au seuil0,192

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,271
Écart entre enseignants0,260 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetNoise Effects and ManagementTravaux en français237 207