MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389330123 · doi:10.5194/egusphere-2023-2038-rc1

Comment on egusphere-2023-2038

2023· peer-review· en· W4389330123 sur OpenAlexaffabout
Shoma Yamanouchi, Shayamilla Mahagammulla Gamage, Sara Torbatian, Jad Zalzal, Laura Minet, Audrey Smargiassi, Ying Liu, Ling Liu, Youngseob Kim, Daniel Yazgi, Andrée-Anne Brown, Marianne Hatzopoulou

Notice bibliographique

Revuenon disponible
Typepeer-review
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensHealth CanadaMinistère des Ressources naturelles et des ForêtsMinistère de l’Environnement, de la Lutte contre les changements climatiques, de la Faune et des ParcsUniversité de MontréalUniversity of VictoriaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésAir quality indexEnvironmental scienceAir pollutionPollutantPollutionSpatial variabilityOzoneAtmospheric sciencesMeteorologyGeographyClimatologyPhysical geographyStatisticsMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. Air pollution is a major health hazard, and while air quality overall has been improving in industrialized nations, pollution is still a major economic and public health issue, with some species, such as ozone (O3), still exceeding the standards set by governing agencies. Chemical transport models (CTM) are valuable tools that aid in our understanding of the risks of air pollution both at local and regional scales. In this study, the Polair3D v1.11 CTM of the Polyphemus air quality modeling platform was set up over Quebec, Canada to assess the model’s capability in predicting key air pollutant species over the region, at seasonal temporal scales and at regional spatial scales. The simulation by the model included 3 nested domains, at resolutions of 9 km by 9 km, 3 km by 3 km, and two 1 km by 1 km domains covering the cities of Montreal and Quebec. We find that the model accurately captures the spatial variability and seasonal effects, and to a lesser extent, the hour-by-hour or day-to-day temporal variability for a fixed location. The model at both the 3 km and the 1 km resolution struggled to capture high frequency temporal variability, and showed large variabilities in correlation and bias from site to site. When comparing the biases and correlation at a site-wide scale, the 3 km domain showed slightly higher correlation for carbon monoxide (CO), nitrogen dioxide (NO2) and nitric oxide (NO), while ozone (O3), sulfur dioxide (SO2) and PM2.5 showed slight increases in correlation at the 1 km domain. The performance of the Polair3D model was in line with other models over Canada, and comparable to Polair3D’s performance over Europe.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,960

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0040,002
Science ouverte0,0030,002
Intégrité de la recherche0,0220,011
Charge utile insuffisante (le modèle a refusé de juger)0,3270,213

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.

Tête enseignante Opus0,121
Tête enseignante GPT0,383
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAir Quality and Health Impacts→Travaux en français237 207→