Spatial-temporal patterns of ambient fine particulate matter (PM<sub>2.5</sub>) and black carbon (BC) pollution in Accra
Notice bibliographique
Résumé
Abstract Sub-Saharan Africa (SSA) is rapidly urbanizing, and ambient air pollution has emerged as a major environmental health concern in growing cities. Yet, effective air quality management is hindered by limited data. We deployed robust, low-cost and low-power devices in a large-scale measurement campaign and characterized within-city variations in fine particulate matter (PM2.5) and black carbon (BC) pollution in Accra, Ghana. Between April 2019 and June 2020, we measured weekly gravimetric (filter-based) and minute-by-minute PM2.5 concentrations at 146 unique locations, comprising of 10 fixed (∼1 year) and 136 rotating (7 day) sites covering a range of land-use and source influences. Filters were weighed for mass, and light absorbance (10−5m−1) of the filters was used as proxy for BC concentration. Year-long data at four fixed sites that were monitored in a previous study (2006–2007) were compared to assess changes in PM2.5 concentrations. The mean annual PM2.5 across the fixed sites ranged from 26 μg m−3 at a peri-urban site to 43 μg m−3 at a commercial, business, and industrial (CBI) site. CBI areas had the highest PM2.5 levels (mean: 37 μg m−3), followed by high-density residential neighborhoods (mean: 36 μg m−3), while peri-urban areas recorded the lowest (mean: 26 μg m−3). Both PM2.5 and BC levels were highest during the dry dusty Harmattan period (mean PM2.5: 89 μg m−3) compared to non-Harmattan season (mean PM2.5: 23 μg m−3). PM2.5 at all sites peaked at dawn and dusk, coinciding with morning and evening heavy traffic. We found about a 50% reduction (71 vs 37 μg m−3) in mean annual PM2.5 concentrations when compared to measurements in 2006–2007 in Accra. Ambient PM2.5 concentrations in Accra may have plateaued at levels lower than those seen in large Asian megacities. However, levels are still 2- to 4-fold higher than the WHO guideline. Effective and equitable policies are needed to reduce pollution levels and protect public health.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».