Air Quality Measurements in Kitchener, Ontario, Canada Using Multisensor Mini Monitoring Stations
Notice bibliographique
Résumé
The Region of Waterloo is the third fastest growing region in Southern Ontario in Canada with a population of 619,000 as of 2019. However, only one air quality monitoring station, located in a city park in Kitchener, Ontario, is currently being used to assess the air quality of the region. In September 2020, a network of AQMesh Multisensor Mini Monitoring Stations (pods) were installed near elementary schools in Kitchener located near different types of emission source. Data analysis using a custom-made long-distance scaling software showed that the levels of nitrogen oxides (NO and NO2), ground level ozone (O3), and fine particulate matter (PM2.5) were traffic related. These pollutants were used to calculate the Air Quality Health Index-Plus (AQHI+) at each location, highlighting the inability of the provincial air quality monitoring station to detect hotspot areas in the city. The case study presented here quantified the impact of the 2021 summer wildfires on the local air quality at a high time resolution (15-min). The findings in this article show that these multisensor pods are a viable alternative to expensive research-grade equipment. The results highlight the need for networks of local scale air quality measurements, particularly in fast-growing cities in Canada.
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 | 0,001 | 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 | 0,000 | 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) | 0,001 | 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 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 ».