Retrospective Isotopic Analysis of Summertime Urban Atmospheric Sulfate in South Asia Using Improved Source Constraints
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The emissions of sulfur dioxide (SO 2 ), a harmful atmospheric pollutant, are on the rise in South Asia. Sulfate, formed from the oxidation of SO 2, often comprises 10%–67% of aerosol mass and has a profound impact on climate, air quality/human health, and the environment. The potential drivers of sulfate-linked urban air pollution in South Asian megacities─facing a choking air pollution crisis─remain poorly understood due to a lack of systematic observations. Here, we conducted stable S-isotope (δ 34 S) fingerprinting of sulfate aerosols in summertime megacity Delhi in South Asia to evaluate the potential drivers. With newly developed region-specific isotopic endmembers in this study, a statistical source apportionment of urban atmospheric sulfate was feasible. Results show that coal combustion (80 ± 12%) and oil combustion (14 ± 11%), followed by road dust (4 ± 3%) and biomass burning (2 ± 2%), were major contributors to atmospheric sulfate in summertime Delhi. Retrospective analysis showed a marked isotopic shift in stable sulfate isotopic composition in summertime megacity Delhi wherein the average δ 34 S value was 4 ± 1‰ in 2015 and 2 ± 1‰ in 2021, respectively. This was evidently linked to changes in the dominant fuel type as sulfate sourced from coal combustion (oil combustion) significantly increased ∼ 20% (decreased ∼ 20%) during this period. With no clear increase in the number of thermal power plants in and around Delhi, we speculate that the substantial increase in coal-derived sulfate could plausibly be linked to a rise in the informal industries such as brick production and food and agricultural product processing operations, whose SO 2 emissions remain challenging to estimate. While further observations from the region are warranted, the findings here suggest that the continued dependence on coal in developing nations of South Asia could be one of the reasons for rising SO 2 levels.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».