Effect of industrialization on the differences in sources and composition of ambient PM2.5 in two Southern Ontario locations
Notice bibliographique
Résumé
PM2.5 was sampled over a seven-year period (2013–2019) at two locations ∼50 km apart in Southern Ontario (concurrently for five years: 2015–2019). One is a heavily industrialized site (Hamilton), while the other was a rural site (Simcoe). To assess the impact of industrialization on the composition and sources of PM affecting air quality in these two locations, Positive matrix factorization coupled with dispersion normalization (DN-PMF) was used to identify six and eight factors at Simcoe and Hamilton, respectively. The Simcoe factors in order of diminishing PM mass contribution were: particulate sulphate (pSO4), secondary organic aerosol (SOA), crustal matter, particulate nitrate (pNO3), biomass burning, and vehicular emissions. At Hamilton, the effects of industrialization were observed by the ∼36% higher average ambient PM2.5 concentration for the study period as well as the presence of factors unique to metallurgy, i.e., coking and steelmaking, compared to Simcoe. The coking and steelmaking factors contributed ∼15% to the PM mass at Hamilton. Seasonal variants of appropriate nonparametric trend tests with the associated slopes (Sen's) were used to assess statistically significant changes in the factor contributions to PM2.5 over time. Specifically at Hamilton, a significant decline in PM contributions was noted for coking (−0.03 μg/m³/yr or −4.1%/yr) while steelmaking showed no statistically significant decline over the study period. Other factors at Hamilton that showed statistically significant declines over the study period were: pSO4 (−0.27 μg/m³/yr or −12.6%/yr), biomass burning (−0.05 μg/m³/yr or −9.02%/yr), crustal matter (−0.03 μg/m³/yr or −5.28%/yr). These factors mainly accounted for the significant decline in PM2.5 over the study period (−0.35 μg/m³/yr or −4.24%/yr). This work shows the importance of long-term monitoring in assessing the unique contributions and temporal changes of industrialization on air quality in similarly affected locations.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».