Isolating the impact of COVID-19 lockdown measures on urban air quality in Canada
Notice bibliographique
Résumé
Abstract We have investigated the impact of reduced emissions due to COVID-19 lockdown measures in spring 2020 on air quality in Canada’s four largest cities: Toronto, Montreal, Vancouver, and Calgary. Observed daily concentrations of NO 2 , PM 2.5 , and O 3 during a “pre-lockdown” period (15 February–14 March 2020) and a “lockdown” period (22 March–2 May 2020), when lockdown measures were in full force everywhere in Canada, were compared to the same periods in the previous decade (2010–2019). Higher-than-usual seasonal declines in mean daily NO 2 were observed for the pre-lockdown to lockdown periods in 2020. For PM 2.5 , Montreal was the only city with a higher-than-usual seasonal decline, whereas for O 3 all four cities remained within the previous decadal range. In order to isolate the impact of lockdown-related emission changes from other factors such as seasonal changes in meteorology and emissions and meteorological variability, two emission scenarios were performed with the GEM-MACH air quality model. The first was a Business-As-Usual (BAU) scenario with baseline emissions and the second was a more realistic simulation with estimated COVID-19 lockdown emissions. NO 2 surface concentrations for the COVID-19 emission scenario decreased by 31 to 34% on average relative to the BAU scenario in the four metropolitan areas. Lower decreases ranging from 6 to 17% were predicted for PM 2.5 . O 3 surface concentrations, on the other hand, showed increases up to a maximum of 21% close to city centers versus slight decreases over the suburbs, but O x (odd oxygen), like NO 2 and PM 2.5 , decreased as expected over these cities.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».