Trace Metals in Global Air: First Results from the GAPS and GAPS Megacities Networks
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Trace metals, as constituents of ambient air, can have impacts on human and environmental health. The Global Atmospheric Passive Sampling (GAPS) and GAPS Megacities (GAPS-MC) networks investigated trace metals in the air at 51 global locations by deploying polyurethane foam disk passive air samplers (PUF–PAS) for periods of 3–12 months. Aluminum and iron exhibited the highest concentrations in air ( x̅ = 3400 and 4630 ng/m 3, respectively), with notably elevated values at a rural site in Argentina thought to be impacted by resuspended soil. Urban sites had the highest levels of toxic Pb and Cd, with enrichment factors suggesting primarily anthropogenic influences. High levels of As at rural sites were also observed. Elevated trace metal concentrations in cities are associated with local emissions and higher PM 2.5 and PM 10 concentrations. Brake and tire wear-associated metals Sb, Cu, and Zn are significantly correlated and elevated at urban locations relative to those at background sites. These data demonstrate the versatility of PUF–PAS for measuring trace metals and other particle-associated pollutants in ambient air in a cost-effective and simple manner. The data presented here will serve as a global baseline for assessing future changes in ambient air associated with industrialization, urbanization, and population growth.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».