MétaCan
Menu
Retour à la cohorte
Enregistrement W3043326738 · doi:10.1680/jenes.20.00004

Review of developments in air quality modelling and air quality dispersion models

2020· article· en· W3043326738 sur OpenAlexvenueno aff
Sarah Khan, Quamrul Hassan

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAtmospheric dispersion modelingAir quality indexDispersion (optics)Mathematical modelTerrainAir pollutionAtmosphere (unit)DiffusionMeteorologyEnvironmental scienceComputer scienceStatistical physicsApplied mathematicsMathematicsPhysicsGeographyStatistics

Résumé

récupéré en direct d'OpenAlex

Air dispersion models are mathematical tools used for simulating the physical and chemical processes governing the diffusion and transformation of pollutants in the atmosphere. The simplest dispersion models are steady-state Gaussian plume models. They are based on mathematical approximation of the plume behaviour and follow some basic assumptions that may not always present a realistic scenario. Despite having these limitations, they provide reasonable results when used aptly. More recently, advanced dispersion models are being developed, which are based on a more refined approach of simulating the dispersion phenomenon following the properties of the atmosphere rather than relying on general mathematical approximation. This has expanded the field of modelling to tackle difficult situations such as complex terrain and long-distance transport. In this review paper, the developments in air quality modelling, with emphasis on dispersion modelling, are presented. Further, a few models are selected representing different categories in dispersion modelling, which are Gaussian models – American Meteorological Society/Environmental Protection Agency Regulatory Model, Caline4, Airviro Gauss, Complex Terrain Dispersion Model and Fugitive Dust Model; Eulerian models – California Grid Model, Flexible Air Quality Regional Model and Panache; Lagrangian models – Graz Lagrangian Model, Flexible Particle Dispersion Model, Austal2000 and Hybrid Single Particle Lagrangian Integrated Trajectory Model; and advanced dispersion models – UK–Atmospheric Dispersion Modelling System 5, The Air Pollution Model and Calpuff. A comparison has been done based on certain characteristic features obtained from various publications.

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)0,001
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 seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0000,000
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,027
Tête enseignante GPT0,222
Écart entre enseignants0,195 · 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

Citations52
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetAtmospheric chemistry and aerosolsTravaux en français237 207