Space-time characterization of community noise and sound sources in Accra, Ghana
Notice bibliographique
Résumé
Abstract Urban noise pollution is an emerging public health concern in growing cities in sub-Saharan Africa (SSA), but the sound environment in SSA cities is understudied. We leveraged a large-scale measurement campaign to characterize the spatial and temporal patterns of measured sound levels and sound sources in Accra, Ghana. We measured sound levels and recorded audio clips at 146 representative locations, involving 7-days (136 locations) and 1-year measurements between 2019 and 2020. We calculated metrics of noise levels and intermittency and analyzed audio recordings using a pre-trained neural network to identify sources. Commercial, business, and industrial areas and areas near major roads had the highest median daily sound levels (LAeq 24hr : 69 dBA and 72 dBA) and the lowest percentage of intermittent sound; the vice-versa was found for peri urban areas. Road-transport sounds dominated the overall sound environment but mixtures of other sound sources, including animals, human speech, and outdoor music, dominated in various locations and at different times. Environmental noise levels in Accra exceeded both international and national health-based guidelines. Detailed information on the acoustical environmental quality (including sound levels and types) in Accra may guide environmental policy formulation and evaluation to improve the health of urban residents.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».