Notice bibliographique
Résumé
<strong class="journal-contentHeaderColor">Abstract.</strong> Long-term PM<sub>2.5</sub> data are needed to study the atmospheric environment, human health, and climate change. PM<sub>2.5</sub> measurements are sparsely distributed and of short duration. In this study, daily PM<sub>2.5</sub> concentrations are estimated from 1959 to 2022 using a machine learning method at 4011 terrestrial sites in the Northern Hemisphere based on hourly atmospheric visibility data, which are extracted from the Meteorological Terminal Aviation Routine Weather Report (METAR). PM<sub>2.5</sub> monitoring is the target of machine learning, and atmospheric visibility and other related variables are the inputs. The training results show that the slope between the estimated PM<sub>2.5</sub> concentration and the monitored PM<sub>2.5</sub> concentration is 0.946± 0.0002 within the 95 % confidence interval (CI), the coefficient of determination (R<sup>2</sup>) is 0.95, the root mean square error (RMSE) is 7.0 μg/m<sup>3</sup>, and the mean absolute error (MAE) is 3.1 μg/m<sup>3</sup>. The test results show that the slope between the predicted PM<sub>2.5</sub> concentration and the monitored PM<sub>2.5</sub> concentration is 0.862 ± 0.0010 within a 95 % CI, the R<sup>2</sup> is 0.80, the RMSE is 13.5 μg/m<sup>3</sup>, and the MAE is 6.9 μg/m<sup>3</sup>. The multiyear mean PM<sub>2.5</sub> concentrations from 1959 to 2022 in the United States, Canada, Europe, China, and India are 11.2 μg/m<sup>3</sup>, 8.2 μg/m<sup>3</sup>, 20.1 μg/m<sup>3</sup>, 51.3 μg/m<sup>3</sup> and 88.6 μg/m<sup>3</sup>, respectively. PM<sub>2.5</sub> is low and continues to decrease from 1959 to 2022. PM<sub>2.5</sub> in the United States increases slightly at a rate of 0.38 μg/m<sup>3</sup>/decade from 1959 to 1990 and decreases at a rate of -1.32 μg/m<sup>3</sup>/decade from 1991 to 2022. Trends in Europe are positive (5.69 μg/m<sup>3</sup>/decade) from 1959 to 1972 and negative (-1.91 μg/m<sup>3</sup>/decade) from 1973 to 2022. Trends in China and India are increasing (3.04 and 3.35 μg/m<sup>3</sup>/decade, respectively) from 1959 to 2012 and decreasing (-38.82 and -42.84 μg/m<sup>3</sup>/decade, respectively) from 2013 to 2022. The dataset is available at National Tibetan Plateau / Third Pole Environment Data Center (<a href="https://doi.org/10.11888/Atmos.tpdc.301127" target="_blank" rel="noopener">https://doi.org/10.11888/Atmos.tpdc.301127</a>) (Hao et al., 2024).
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 | 0,001 | 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) | 0,014 | 0,028 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».