MétaCan
Menu
Retour à la cohorte
Enregistrement W4231677753 · doi:10.5194/acp-2021-278-rc1

Comment on acp-2021-278

2021· peer-review· en· W4231677753 sur OpenAlexaff
Beth S. Nelson, Gareth J. Stewart, Will Drysdale, Mike J. Newland, Adam Vaughan, Rachel E. Dunmore, P. M. Edwards, Alastair C. Lewis, Jacqueline F. Hamilton, W. Joe F. Acton, C. N. Hewitt, Leigh R. Crilley, Mohammed S. Alam, Ülkà ⁄ A. Şahin, David C. S. Beddows, William J. Bloss, Eloise J. Slater, Lisa K. Whalley, Dwayne E. Heard, James M. Cash, B. Langford, Eiko Nemitz, Roberto Sommariva, Sam Cox, Shivani, Ranu Gadi, Bhola Ram Gurjar, James R. Hopkins, Andrew R. Rickard, James Lee

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensYork University
Organismes subventionnairesEarth System Sciences Organization, Ministry of Earth SciencesNational Physical LaboratoryNatural Environment Research CouncilMinistry of Earth Sciences
Mots-clésSpan (engineering)OzoneMeteorologyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract. The Indian megacity of Delhi suffers from some of the poorest air quality in the world. While ambient NO2 and particulate matter (PM) concentrations have received considerable attention in the city, high ground-level ozone (O3) concentrations are an often overlooked component of pollution. O3 can lead to significant ecosystem damage and agricultural crop losses, and adversely affect human health. During October 2018, concentrations of speciated non-methane hydrocarbon volatile organic compounds (C2–C13), oxygenated volatile organic compounds (o-VOCs), NO, NO2, HONO, CO, SO2, O3, and photolysis rates, were continuously measured at an urban site in Old Delhi. These observations were used to constrain a detailed chemical box model utilising the Master Chemical Mechanism v3.3.1. VOCs and NOx (NO + NO2) were varied in the model to test their impact on local O3 production rates, P(O3), which revealed a VOC-limited chemical regime. When only NOx concentrations were reduced, a significant increase in P(O3) was observed; thus, VOC co-reduction approaches must also be considered in pollution abatement strategies. Of the VOCs examined in this work, mean morning P(O3) rates were most sensitive to monoaromatic compounds, followed by monoterpenes and alkenes, where halving their concentrations in the model led to a 15.6 %, 13.1 %, and 12.9 % reduction in P(O3), respectively. P(O3) was not sensitive to direct changes in aerosol surface area but was very sensitive to changes in photolysis rates, which may be influenced by future changes in PM concentrations. VOC and NOx concentrations were divided into emission source sectors, as described by the Emissions Database for Global Atmospheric Research (EDGAR) v5.0 Global Air Pollutant Emissions and EDGAR v4.3.2_VOC_spec inventories, allowing for the impact of individual emission sources on P(O3) to be investigated. Reducing road transport emissions only, a common strategy in air pollution abatement strategies worldwide, was found to increase P(O3), even when the source was removed in its entirety. Effective reduction in P(O3) was achieved by reducing road transport along with emissions from combustion for manufacturing and process emissions. Modelled P(O3) reduced by ∼ 20 ppb h−1 when these combined sources were halved. This study highlights the importance of reducing VOCs in parallel with NOx and PM in future pollution abatement strategies in Delhi.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,995

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,002
Communication savante0,0050,003
Science ouverte0,0040,002
Intégrité de la recherche0,0420,020
Charge utile insuffisante (le modèle a refusé de juger)0,3030,286

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 Opus0,068
Tête enseignante GPT0,325
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAir Quality Monitoring and ForecastingTravaux en français237 207