MétaCan
Menu
Retour à la cohorte
Enregistrement W4366506754 · doi:10.11159/iceptp23.149

Optically Classified Aerosol Properties for Mersin - Erdemli

2023· article· en· W4366506754 sur OpenAlexvenueno aff
S. Yeşer Aslanoğlu, Gülen Güllü

Notice bibliographique

RevueProceedings of the World Congress on Civil, Structural, and Environmental Engineering · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAerosolComputer scienceRemote sensingEnvironmental scienceGeologyMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

Planetary studies have been focused on identifying the chemical components of the earth's atmosphere for over three centuries.Nitrogen, oxygen, carbon dioxide, and noble gases are the major, and trace species are the minor chemicals of the planet earth's atmosphere.They might be found in solid spheroids, liquid droplets, or gases.Whether the specie is an aerosol or a trace gas, many of them are short-lived, necessitating prompt investigation methods to define their spatial and temporal abundance.Remote sensing technologies are robust and prompt solution methods in atmospheric chemistry and physics.Satellite onboard and in-situ sensors provide continuous and human-independent observations even in remote sites.These remotely sensed near real-time data enable scientists to study trends, climatologies, long-range transport of pollutants, and air quality.This study implements a robust aerosol classification method for IMS-METU-Erdemli AERONET station measurements.The station is significant in Levantine Basin and serves a mixture of marine, dust, and anthropogenic aerosols.Results reveal that the ambient air of Erdemli has high pollution levels primarily composed of spheroid particles.Furthermore, these spheroids are more prone to contaminate clouds in smaller sizes, while bigger sizes show the hygroscopicity of the particles.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil0,649

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,213
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Civil, Structural, and Environmental EngineeringMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207