Field measurements of indoor and community air quality in rural Beijing before, during, and after the COVID-19 lockdown
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and aims The outbreak of the coronavirus (COVID-19) initiated a global prevention response to curb the spread of the virus, including a series of actions to reduce human mobility. Previous studies report reductions in outdoor PM₂.₅ associated with COVID-19 lockdown in many countries and regions. Few studies assessed the impacts of COVID-19 on local air quality in environments with diverse socioeconomic and household energy use patterns. We evaluated whether indoor and community PM₂.₅ in homes with different energy use patterns in rural Beijing, China differed before, during, and after the lockdown. Methods We deployed low-cost PM₂.₅ sensors (Plantower), calibrated with co-located filter-based PM₂.₅, to measure indoor and community air quality in 147 homes from 30 villages in Beijing in January-April, 2022. We apply mixed-effects models to assess the impact of the COVID-19 lockdown on indoor PM₂.₅ and used the random component superposition model (RCSM) to estimate the contributions of indoor and outdoor sources to indoor PM₂.₅. Results Community pollution was higher during the lockdown period (61 ± 47 μg/m³) compared with before (45 ± 35 μg/m³) and after (47 ± 37 μg/m³) the lockdown. However, we did not observe higher indoor PM₂.₅ during the lockdown (during vs. before: 98 ± 86 vs. 96 ± 83 μg/m³). Indoor-generated PM₂.₅ was lowest in homes using clean energy exclusively for heating and without smokers, and did not change significantly during the lockdown compared with homes using solid fuels. Conclusions Indoor air quality did not worsen during the COVID-19 lockdown in our rural Beijing sites, though community PM₂.₅ was higher during the lockdown. Indoor-generated PM₂.₅ in homes using clean energy exclusively for heating was low and stable, while decreased during the lockdown in homes using solid fuel, which may be due to less solid fuel burning for heating because outdoor temperatures warmed.
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.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle