MétaCan
Menu
Retour à la cohorte
Enregistrement W3119886513 · doi:10.1680/jenes.20.00051

‘RS’ and ‘GIS’ based air quality atlas with integrated land use and land cover change analysis in India

2021· article· en· W3119886513 sur OpenAlexvenueno aff
Lokeshwari Navalgund, Keshava Joshi, G. Srinikethan, Vinayaka B. Shet

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUrbanizationAir quality indexEnvironmental scienceAir pollutionParticulatesLand coverLand usePopulationPollutantPollutionGeographyEnvironmental protectionEnvironmental engineeringMeteorologyEnvironmental healthEcology

Résumé

récupéré en direct d'OpenAlex

In this paper, the effect of land use and land cover and the impact of urbanisation on respirable particulate matter (RSPM), sulfur oxide (SO x ) and nitrogen oxide (NO x ) of the Hubli-Dharwad, a Tier II city in India, are correlated based on the trends in air quality observed from 2006 to 2013, population from 1990 to 2010, the number of vehicles between the periods of 2004 and 2013 and urbanisation between the periods of 1975 and 2009. It has been found that urbanisation has increased threefold from 92 km 2 in 1975 to 271 km 2 in 2009 and the corresponding decrease in agricultural area was from 368.22 to 123.43 km 2 . The RSPM in the study region is increasing at a rate of 8.9% per year. The study shows that vehicular pollutants are the major cause of air pollution, followed by industries, with the highest RSPM value of 128 μg/m 3 at traffic junctions in the Hubli-Dharwad region in 2013. Based on the trend analysis, the air quality atlas predicted for 2030 shows that the RSPM level in the air will reach 150 μg/m 3 , well above the national ambient air quality standards, and will have serious consequences on human health if proper strategies are not undertaken. Owing to the unique geographical setting of Hubli-Dharwad, its future urbanisation will be in a narrow area, which may lead to a severe air pollution problem that needs immediate attention to provide a safe environment.

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)0,001
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 enseignants0,008
Score d'incertitude au seuil0,358

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,253
Écart entre enseignants0,227 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetAir Quality and Health ImpactsTravaux en français237 207