Assessment of Air Quality Using Personal Exposure Sensors during the 2023 Dhofar Monsoons Period
Notice bibliographique
Résumé
Dhofar, the largest governorate by area in the Sultanate of Oman, is the only area in the Arabian Peninsula that experiences the influence of the southwest monsoon originating from the southern tropical Indian Ocean.Dhofar experienced its highest peak in tourism during the monsoon of 2023, with an 18.4% increase compared to the same period in 2022.Increased tourists' arrivals, active transportation, elevated patronage of restaurants and shops, high engagement of tour operators, expanded participation in recreational activities, staging of cultural and festival events in tourist destinations; collectively impact on the air quality.The aim of this study is to investigate personal exposure to indoor and outdoor air pollutants during the Dhofar monsoon season through real-time air quality monitors equipped with GPS-Enabled weather tracker.Selected air pollutants include PM10, PM2.5, PM1, CO2, CO, VOC, NO2 and O3.The various microenvironments were characterized by differing pollutant levels.PM10 levels were highest at festivals (489 µg/m³), while PM2.5 and PM1 were most prevalent in homes (207 µg/m³ and 64.4 µg/m³, respectively).The TAD identified incense burning at festivals and in homes as a significant source of high PM levels.Diesel bikes for children entertainments, tourist vehicles, and diesel generators for outdoor restaurant electricity were major contributors to PM emissions at festivals and on streets.Restaurants had the highest concentration of VOCs (58.7 ppm), while the highest NO2 levels were found in the valleys (10.0 ppm).CO2 concentration was high in restaurants and cars (both at 1.5 x 10³ ppm), while CO levels were elevated only in restaurants (3.8 ppm).Except for ozone, which was either undetected or present at low levels, the PE of tourists is concluded to be well above the background concentrations of other pollutants during the measurement campaign.With respect to the relative contributions of specific microenvironments to tourists' timeweighted, integrated exposure to PM2.5, hills were the most significant contributors, followed by markets, valleys, and beaches.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».