Impact of Solvent Emissions on Reactive Aromatics and Ozone in the Great Lakes Region
Notice bibliographique
Résumé
While transportation emissions have declined over the past several decades, volatile organic compound (VOC) emissions from solvent use applications have increased as urban areas expand. In this work, the Canadian air quality model (GEM-MACH-TEB) is used to assess the importance of solvent emissions during the Michigan Ontario Ozone Source Experiment (MOOSE). Model predictions are compared to ozone and total mono-substituted aromatics (TOLU) observations collected in Windsor, Ontario. For summer 2018, model estimates of TOLU from solvent emissions are smaller (30% for an 8 h daytime average) in Windsor than estimates from positive matrix factorization (44% for a 24 h average). The use of updated U.S. solvent emissions from the EPA’s VCPy (Volatile Chemical Product framework) for summer 2021 simulations increases the solvent use source contribution over Detroit/Windsor (30–50% for an 8 h daytime average). This also provides a more uniform spatial distribution across the U.S./Canada border (30–50% for an 8 h daytime average). Long-chain alkanes are the dominant speciation in the model’s air pollutant emission inventory and in the observation-derived solvent use factor. Summertime 8 h daytime ozone decreased by 0.4% over Windsor for a 10% solvent use VOC emission reduction scenario. A 10% mobile NOx emission reduction scenario resulted in a 0.6% O3 decrease over Windsor and more widespread changes over the study region.
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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».