Source Apportionment of Fine Organic Particulate Matter (PM2.5) in Central Addis Ababa, Ethiopia
Notice bibliographique
Résumé
The development of infrastructure, a rapidly increasing population, and urbanization has resulted in increasing air pollution levels in the African city of Addis Ababa. Prior investigations into air pollution have not yet sufficiently addressed the sources of atmospheric particulate matter. This study aims to identify the major sources of fine particulate matter (PM2.5) and its seasonal contribution in Addis Ababa, Ethiopia. Twenty-four-hour average PM2.5 mass samples were collected every 6th day, from November 2015 through November 2016. Chemical species were measured in samples and source apportionment was conducted using a chemical mass balance (CMB) receptor model that uses particle-phase organic tracer concentrations to estimate source contributions to PM2.5 organic carbon (OC) and the overall PM2.5 mass. Vehicular sources (28%), biomass burning (18.3%), plus soil dust (17.4%) comprise about two-thirds of the PM2.5 mass, followed by sulfate (6.5%). The sources of air pollution vary seasonally, particularly during the main wet season (June–September) and short rain season (February–April): From motor vehicles, (31.0 ± 2.6%) vs. (24.7 ± 1.2%); biomass burning, (21.5 ± 5%) vs. (14 ± 2%); and soil dust, (11 ± 6.4%) vs. (22.7 ± 8.4%), respectively, are amongst the three principal sources of ambient PM2.5 mass in the city. We suggest policy measures focusing on transportation, cleaner fuel or energy, waste management, and increasing awareness on the impact of air pollution on the public’s 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».