Assessing the Air Pollution Tolerance Index of Urban Plantation: A Case Study Conducted along High-Traffic Roadways
Notice bibliographique
Résumé
Road transport and traffic congestion significantly contribute to dust pollution, which negatively impacts the growth of roadside plants in urban areas. This study aims to quantify the air pollution tolerance index (APTI) and analyze the impacts of dust deposition on different plant species and trees planted along a busy urban roadside in Lahore, Pakistan by considering seasonal variations. The APTI of each species is determined based on inputs of various biochemical parameters (leaf extract pH, ascorbic acid content, relative water content, and total chlorophyll levels), including dust deposition. In this study, laboratory analysis techniques are employed to assess these factors in selected plant species such as Mangifera indica, Saraca asoca, Cassia fistula, and Syzygium cumini. A statistical analysis is conducted to understand the pairwise correlation between various parameters and the APTI at significant and non-significant levels. Additionally, uncertainties in the inputs and APTI are addressed through a probabilistic analysis using the Monte Carlo simulation method. This study unveils seasonal variations in key parameters among selected plant species. Almost all biochemical parameters exhibit higher averages during the rainy season, followed by the summer and winter. Conversely, dust deposition on plants follows an inverse trend, with values ranging from 0.19 to 4.8 g/cm2, peaking during winter, notably in Mangifera indica. APTI values, ranging from 9.39 to 14.75, indicate varying sensitivity levels across species, from sensitive (Syzygium cumini) to intermediate tolerance (Mangifera indica). Interestingly, plants display increased tolerance during regular traffic hours, reflecting a 0.9 to 5% difference between the APTI at peak and regular traffic hours. Moreover, a significant negative correlation (−0.86 at p < 0.05 level) between APTI values and dust deposition suggests a heightened sensitivity to pollutants during the winter. These insights into the relationship between dust pollution and plant susceptibility will help decision makers in the selection of resilient plants for urban areas and improve air quality.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».