MétaCan
Menu
Retour à la cohorte
Enregistrement W4393595968 · doi:10.5281/zenodo.4641947

Evaluation data for "Global, high-resolution, reduced-complexity air quality modeling for PM2.5 using InMAP (Intervention Model for Air Pollution)"

2021· dataset· en· W4393595968 sur OpenAlexaboutno aff
Sumil K Thakrar, Christopher W. Tessum, Joshua S. Apte, Srinidhi Balasubramanian, Dylan B. Millet, Spyros Ν. Pandis, Julian Marshall, Jason Hill

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAir quality indexAir pollutionIntervention (counseling)Environmental sciencePollutionMeteorologyHigh resolutionComputer scienceRemote sensingGeographyPsychology

Résumé

récupéré en direct d'OpenAlex

This zip file contains data for performing Global InMAP model runs and evaluations. To the extent that any of the data is covered by third party licenses, it is the responsibility of the user to follow the terms of those licenses. A description of the contents of this directory is below: measurements.csv<br> Vetted global dataset of ground-level annual-average measurements of total PM2.5 and species (pNO3, pSO4, pNH4) compiled from monitoring networks, used for model performance evaluation. Data sources are: World Health Organization (Global), European Environment Agency (Europe), National Air Pollution Surveillance Program (Canada), Environmental Protection Agency (United States of America), Central Pollution Control Board (India), Australian Government State of the Environment (Australia), and Acid Deposition Monitoring Network In East Asia (EANET) (East Asia). population directory<br> Population count data is from the Gridded Population of The World (v4.10) projected to year 2020. The data is in 15x15 arcminute grids, except for in grid cells where the population is above 80,000, where the population data is 30x30 arcseconds. GlobalInMAPData_v1.ncf<br> Regular-grid Global InMAP input data for the year 2005 for use as the "InMAPData" variable in the InMAP configuration file. It was created from GEOS-Chem v.11-01 simulation outputs with the 'inmap preproc' command. global_inmap_004x003_v1.1.0.gob<br> Global InMAP variable grid resolution input data for coords for year 2016 for use as the "VariableGridData" variable in the InMAP configuration file. It was created with the 'inmap grid' command using GlobalInMAPData_v1.ncf and population.shp. 2016_emissions directory<br> Total PM2.5 and precursor emissions to arrive at total PM2.5 concentrations from Global InMAP. Units for polygonized emissions inputs (shapefiles) are short (US) tons/yr, and units for gridded emissions inputs (NetCDF files) are kg/yr. global_emission_changes directory<br> nh3.nc, nox.nc, and sox.nc are gridded emissions for changes in inorganic precursors for comparing Global InMAP and GEOS-Chem. Units are kg/yr. NH4-gc.nc, NIT-gc.nc, and SO4-gc.nc are results for changes in concentrations arising from these changes in emissions for 3 months, 1 month, and 2 months. usa_emission_changes directory<br> Emissions for comparing Global InMAP and US InMAP (described in Tessum et al., 2017).<br> Emissions are derived using the United States National Emissions Inventory (NEI) 2014v.1, processed exactly as in Thakrar et al., 2020.<br> Emissions are coal-powered electricity generation (NEI Source Classification Code: 10100212) and gasoline passenger vehicles (NEI Source Classification Code: 2201210080).<br> Units are ug/s. Tessum, C.W.; Hill, J.D.; Marshall, J.D. InMAP: A model for air pollution interventions. PloS One 2017, 12 (4) e0176131.<br> Thakrar, S.K.; Balasubramanian, S.; Adams, P.J.; Azevedo, I.M.; Muller, N.Z.; Pandis, S.N.; Polasky, S.; Pope III, C.A.; Robinson, A.L.; Apte, J.S.; Tessum, C.W.; Marshall, J.D.; Hill; J.D. Reducing mortality from air pollution in the United States by targeting specific emission sources. Environmental Science &amp; Technology Letters 2020, 7(9), pp.639-645.<br> Gridded Population of the World, Version 4 (GPWv4): National Identifier Grid. Palisades, NY: NASA Socioeconomic Data and Applications Center (SEDAC). http://dx.doi.org/10.7927/H41V5BX1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,408
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,000
Communication savante0,0000,001
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,311
Tête enseignante GPT0,384
Écart entre enseignants0,073 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetAir Quality Monitoring and ForecastingTravaux en français237 207