MétaCan
Menu
Retour à la cohorte
Enregistrement W3175393931 · doi:10.1016/j.envint.2021.106732

The state of science on severe air pollution episodes: Quantitative and qualitative analysis

2021· article· en· W3175393931 sur OpenAlexaff
Lídia Morawska, Tong Zhu, Nairui Liu, Mehdi Amouei Torkmahalleh, María de Fátima Andrade, Benjamin Barratt, Parya Broomandi, Giorgio Buonanno, Luis Carlos Belalcázar, Jianmin Chen, Yan Cheng, Greg J. Evans, Mario E. Gavidia-Calderón, Hai Guo, Ivan Hanigan, Min Hu, Cheol H. Jeong, Frank J. Kelly, Laura Gallardo, Prashant Kumar, Xiaopu Lyu, Benjamin J. Mullins, Claus Nordstrøm, Gavin Pereira, Xavier Querol, Néstor Y. Rojas, Armistead G. Russell, Helen Thompson, Hao Wang, Lina Wang, Tao Wang, Aneta Wierzbicka, Tao Xue, Celine Ye

Notice bibliographique

RevueEnvironment International · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFondo de Financiamiento de Centros de Investigación en Áreas PrioritariasNatural Environment Research CouncilMedical Research CouncilDepartment of Water and Environmental Regulation, Government of Western AustraliaHorizon 2020 Framework ProgrammeSight Research UKMinisterio de Ciencia e InnovaciónAgència de Gestió d'Ajuts Universitaris i de RecercaGeneralitat de Catalunya
Mots-clésEnvironmental scienceAir pollutionPollutionDuration (music)Baseline (sea)Climate changeMeteorologyClimatologyGeographyEcology

Résumé

récupéré en direct d'OpenAlex

) data from 100 cities in five continents, investigated the trends of number, frequency, and duration of pollution episodes, and compared these with the baseline trend in air pollution. We showed that the factors contributing to these events are complex; however, long-term measures to abate emissions from all anthropogenic sources at all times is also the most efficient way to reduce the occurrence of severe air pollution events. In the short term, accurate forecasting systems of such events based on the meteorological conditions favouring their occurrence, together with effective emergency mitigation of anthropogenic sources, may lessen their magnitude and/or duration. However, there is no clear way of preventing events caused by natural sources affected by climate change, such as wildfires and desert dust outbreaks.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,878
Score d'incertitude au seuil0,697

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,039
Tête enseignante GPT0,367
Écart entre enseignants0,328 · 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

Citations70
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment InternationalMême sujetAir Quality and Health ImpactsTravaux en français237 207