Decoupling impacts of weather conditions on interannual variations in concentrations of criteria air pollutants in south China – constraining analysis uncertainties by using multiple analysis tools
Notice bibliographique
Résumé
Abstract. In this study, three methods including the random forest (RF) algorithm, boosted regression trees (BRTs) and the improved complete ensemble empirical mode decomposition with adaptive noise (ICEEMDAN) were adopted for investigating emission-driven interannual variations in concentrations of air pollutants including PM2.5, PM10, O3, NO2, CO, SO2 and (NO2+O3) monitored in six cities in south China from May 2014 to April 2021. The first two methods were used to calculate the deweathered hourly concentrations, and the third one was used to calculate decomposed hourly residuals. To constrain the uncertainties in the calculated deweathered or decomposed hourly values, a self-developed method was applied to calculate the range of the deweathered percentage changes (DePCs) of air pollutant concentrations in annual scale. Emission-driven trends and emission-driven percentage changes (PCs) during the whole seven-year period were generated with the four methods being applied to analyzing the data. The consistency in the trends between the RF-deweathered and BRTs-deweathered concentrations and the ICEEMDAN-decomposed residuals of an air pollutant in a city reaches approximately 70 % of all the studied cases, but that in the PCs reaches only approximately 30 % of all the cases. The remaining cases with inconsistent trends and/or PCs indicated large uncertainties produced by one or more of the three methods. The calculated PCs from the deweathered concentrations and decomposed residuals were thus combined with the corresponding range of DePCs calculated from the self-developed method to gain the robust range of DePCs where applicable. Building on the robust ranges, the mitigation effects were discussed.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».