Elemental composition of fine and coarse particles across the greater Los Angeles area: Spatial variation and contributing sources
Notice bibliographique
Résumé
The inorganic components of particulate matter (PM), especially transition metals, have been shown to contribute to PM toxicity. In this study, the spatial distribution of PM elements and their potential sources in the Greater Los Angeles area were studied. The mass concentration and detailed elemental composition of fine (PM2.5) and coarse (PM2.5-10) particles were assessed at 46 locations, including urban traffic, urban community, urban background, and desert locations. Crustal enrichment factors (EFs), roadside enrichments (REs), and bivariate correlation analysis revealed that Ba, Cr, Cu, Mo, Pd, Sb, Zn, and Zr were associated with traffic emissions in both PM2.5 and PM2.5-10, while Fe, Li, Mn, and Ti were affected by traffic emissions mostly in PM2.5. The concentrations of Ba, Cu, Mo, Sb, Zr (brake wear tracers), Pd (tailpipe tracer), and Zn (associated with tire wear) were higher at urban traffic sites than urban background locations by factors of 2.6–4.6. Both PM2.5 and PM2.5-10 elements showed large spatial variations, indicating the presence of diverse emission sources across sampling locations. Principal component analysis extracted four source factors that explained 88% of the variance in the PM2.5 elemental concentrations, and three sources that explained 86% of the variance in the PM2.5-10 elemental concentrations. Based on multiple linear regression analysis, the contribution of traffic emissions (27%) to PM2.5 was found to be higher than mineral dust (23%), marine aerosol (18%), and industrial emissions (8%). On the other hand, mineral dust was the dominant source of PM2.5-10 with 45% contribution, followed by marine aerosol (22%), and traffic emissions (19%). This study provides novel insight into the spatial variation of traffic-related elements in a large metropolitan area.
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 | 0,000 |
| 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 ».