Indoor Emissions Contributed the Majority of Ultrafine Particles in Chinese Urban Residences
Notice bibliographique
Résumé
Ultrafine particle (UFP) pollution should be controlled to reduce its effects on health. The design of control measures is limited owing to the uncertainty of source contributions in Chinese residences, where indoor UFP pollution is more severe than in Western residences. Herein, a source-specific, time-dependent UFP concentration model was developed by applying an infiltration factor model incorporating coagulation effects. A Monte Carlo framework with the UFP concentration model was employed to estimate the probabilistic distribution of source contributions in Chinese residences. The input parameter distributions were determined based on our survey and previous studies. The annually averaged indoor UFP concentration was estimated at (2.75 ± 1.71) × 10 4 #/cm 3, ranging from 2.35 × 10 3 to 1.27 × 10 5 #/cm 3 outside the kitchen, and at (5.48 ± 3.08) × 10 4 #/cm 3, ranging from 2.90 × 10 3 to 1.94 × 10 5 #/cm 3 in the kitchen. Indoor sources contributed more to indoor UFPs, accounting for 61% in the nonkitchen and 80% in the kitchen, surpassing their contribution to indoor PM 2.5 in Chinese residences. Meanwhile, the indoor UFP emission contributions were higher than those in the United States, Canada, and Germany, owing to higher emissions from cooking and cigarette smoking. These results will aid in elucidating human exposure to UFPs and in designing more targeted control measures.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».