Chemical Characterization and Seasonality of Ambient Particles (PM2.5) in the City Centre of Addis Ababa
Notice bibliographique
Résumé
Ambient air pollution is a growing public health concern in major African cities, including Addis Ababa (Ethiopia), where little information is available on fine particulate matter (PM2.5, with aerodynamic diameter <2.5 µm) pollution. This paper aims to characterize annual PM2.5, including bulk composition and seasonal patterns, in Addis Ababa. We collected 24-h PM2.5 samples in the central city every 6 days from November 2015 to November 2016. The mean (±SD) daily PM2.5 concentration was 53.8 (±25.0) µg/m3, with 90% of sampled days exceeding the World Health Organization’s guidelines. Principal components were organic matter (OM, 44.5%), elemental carbon (EC, 25.4%), soil dust (13.5%), and SNA (sulfate, nitrate, and ammonium ions, 8.2%). Higher PM2.5 concentrations were observed during the heavy rain season, while crustal dust concentrations ranged from 2.9 to 37.6%, with higher levels during dry months. Meteorological variables, vehicle emissions, biomass fuels, unpaved roads, and construction activity contribute to poor air quality. Compared to the Air Quality Index (AQI), 31% and 36% of observed days were unhealthy for everyone and unhealthy for sensitive groups, respectively. We recommend adopting effective prevention strategies and pursuing research on vehicle emissions, biomass burning, and dust control to curb air pollution in the city.
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 | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».