Measurement of Road Transport Emissions. Case study: Centinela-La Rumorosa Road, Baja California, México
Notice bibliographique
Résumé
Air pollution is a global issue, and the transportation sector is recognized as the third-largest contributor to anthropogenic greenhouse gas emissions. Vehicles emit a range of chemical compounds as a direct result of the combustion process. The nature and quantity of these emissions depend on the vehicle's characteristics, road, and local weather conditions. As a result, these emissions require special attention due to the adverse effects contributing to global warming and significantly impacting human health. In this regard, diagnosing and monitoring air quality is crucial for understanding the nature and quantity of emissions generated by various sources. However, in developing countries, the necessary inputs, and data for conducting such analyses are not always available. Therefore, the purpose of this study is to estimate emissions specifically generated from road operations. To achieve this, HDM-4 calculation tool is utilized to quantitatively estimate these emissions. This tool was applied in Baja California, Mexico, on the Centinela-La Rumorosa highway. The results obtained show that annually, 372.5 tons of pollutant emissions are generated, composed of HC, CO, CO2, NOx, Par, SO2, and PB, covering a mere 128 kilometers of length within a state road network spanning 11,429 kilometers. This highlights the necessity of implementing strategies to reduce emissions or the environmental impact generated by vehicular operations on roads in developing countries.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».