MétaCan
Menu
Retour à la cohorte
Enregistrement W4241738342 · doi:10.20886/jklh.15.1.45-52

Distribusi Temporal Konsentrasi PM10 Menggunakan Alat Particle Plus EM-10000

2021· article· id· W4241738342 sur OpenAlexaff
Yoga Wahyu Utama, D A Permadi

Notice bibliographique

RevueJurnal Ecolab · 2021
Typearticle
Langueid
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Distribusi Temporal Konsentrasi PM10 Menggunakan Alat Particle Plus EM-10000. Tingkat polusi partikulat di Kota Bandung umumnya melebihi kualitas udara ambien nasional. Sektor transportasi menjadi sumber utama dalam pencemaran konsentrasi PM10 di Kota Bandung, dimana kendaraan bermotor menyumbang 70% pencemar partikulat (PM10). Faktor lain yang berpengaruh terhadap variabilitas temporal konsentrasi PM10 selain sumber emisi lokal adalah faktor meteorologi dan sumber regional yang berasal dari luar daerah Kota Bandung. Meteorologi dapat memengaruhi proses dispersi maupun difusi partikulat yang dapat menyebabkan peningkatan atau penurunan konsentrasi PM10. Sumber regional juga memiliki peran terhadap variabilitas temporal konsentrasi PM10 karena secara substansial PM10 dapat terbawa dari tempat yang jauh melalui mekanisme long range transport. Penelitian ini dilakukan untuk menganalisa distribusi temporal konsentrasi PM10 di Itenas Bandung agar data yang diperoleh dapat dimanfaatkan untuk meminimalisir terjadinya paparan jangka pendek yang dapat menyebabkan risiko kesehatan. Konsentrasi PM10 bersumber dari pencemar lokal (transportasi) dan pencemar regional (luar daerah Kota Bandung) yang diidentifikasi dengan model HYSPLIT, serta pengaruh faktor meteorologi terhadap variabilitas temporal konsentrasi PM10. Pengukuran konsentrasi PM10 dilakukan selama 1 bulan (Juli 2020) di musim kemarau. Distribusi temporal konsentrasi PM10 menunjukkan pola bimodial di mana terdapat dua jam puncak yaitu pukul 8 pagi dan pukul 10 malam, variabilitas temporal yang terjadi disebabkan oleh transportasi, temperatur dan kecepatan angin. Sementara, kelembaban tidak memiliki pengaruh terhadap variabilitas temporal konsentrasi PM10 saat musim kemarau. Daerah yang dapat berpotensi menjadi sumber pencemar konsentrasi PM10 di Kota Bandung berasal dari daerah Kabupaten Cilacap, Kabupaten Ciamis, Kabupaten dan Kota Tasikmalaya, Kabupaten Garut, dan Kabupaten Bandung.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,006

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 Opus0,037
Tête enseignante GPT0,299
Écart entre enseignants0,262 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal EcolabMême sujetAir Quality and Health ImpactsTravaux en français237 207