Physicochemical Characterization of the Particulate Matter in New Jersey/New York City Area, Resulting from the Canadian Quebec Wildfires in June 2023
Notice bibliographique
Résumé
The global increase in wildfires, primarily driven by climate change, significantly affects air quality and health. Wildfire-emitted particulate matter (WFPM) is linked to adverse health effects, yet the toxicological mechanisms are not fully understood given its physicochemical complexity and the lack of spatiotemporal exposure data. This study focuses on the physicochemical characterization of WFPM from a Canadian wildfire in June 2023, which affected over 100 million people in the US Northeast, particularly around New Jersey/New York. Aerosol systems were deployed to characterize WFPM during the 3 day event, revealing unprecedented mass concentrations mainly in the WFPM 0.1 and WFPM 0.1–2.5 size fractions. Peak WFPM 2.5 concentrations reached 317 μg/m 3, nearly 10 times the National Ambient Air Quality Standard (NAAQS) 24 h average limit. Chemical analysis showed a high organic-to-total carbon ratio (96%), consistent with brown carbon wildfires nanoparticles. Large concentrations of high-molecular-weight PAHs were found predominantly bound to WFPM 0.1, with retene, a molecular marker of biomass burning and a known teratogen, being the most abundant (>70%). Computational modeling estimated a total lung deposition of 9.15 mg over 72 h, highlighting the health risks of WFPM, particularly due to its long-distance travel capability and impact on densely populated areas.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».