The impact of Covid-19 on air quality in Bucharest, Romania
Notice bibliographique
Résumé
In this study, the authors aimed to assess the air quality within Bucharest City, Romania’s capital, during the Covid-19 pandemic. It was well established that for quite a long period, Bucharest was among the worst Romanian cities in terms of air quality. Thus, in this study, an investigation of the effects of imposed quarantine and lockdown in terms of air pollution was carried out. The levels of the main air pollutants, particulate matter (PM 2.5 and PM 10 ), nitrogen dioxide (NO 2 ) and benzene (C 6 H 6 ), were recorded within the period of January 2020–April 2022 by using six stationary monitoring stations (B-1, B-2, B-3, B-4, B-5 and B-6) belonging to the Romanian National Network for Monitoring Air Quality. During the lockdown period (16 March–14 May 2020), the measurements indicated significant reductions only for PM 2.5 , nitrogen dioxide and benzene, while for PM 10 , due to the fact that a sandstorm appeared, the results were unreliable. The results focused on the B-3 and B-6 traffic monitoring stations because road traffic was one of the main sources of pollution in cities. Compared with the 2018–2019 period, during the lockdown, all the air pollutants from all the measuring stations dramatically dropped, highlighting thus the important role of traffic and its significant contribution to air quality depreciation in Bucharest, particularly in terms of nitrogen dioxide pollution. Therefore, the urgent need for decisions to be made in terms of improving the air quality of the city, particularly from a road traffic perspective, arose.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».