Capturing the vertical distribution of near-highway nitrogen dioxide using UAV-based measurements
Notice bibliographique
Résumé
This pilot study evaluates the use of Uncrewed Aerial Vehicles (UAVs) to capture variations in the transport and dispersion of nitrogen dioxide (NO 2 ) under different atmospheric dispersion conditions. The vertical distribution of NO 2 concentration was observed using an unmodified handheld electrochemical gas sensor mounted onboard a UAV, beside a major Canadian highway. Observations were taken in both poor and good dispersion conditions, as determined by the Atmospheric Dispersion Index and Ventilation Index. Results reveal atmospheric stability has a significant impact on the vertical profiles of NO 2 . The low wind speeds and limited vertical mixing experienced during poor dispersion conditions resulted in concentrations increasing with altitude, contrasting with the stable NO 2 concentrations observed during good dispersion conditions. Statistical analysis reveals significant differences between ground-level measurements and simultaneous UAV-based readings at higher altitudes during poor dispersion, suggesting the influence of regional emissions accumulating due to poor mixing. These preliminary results demonstrate the potential for UAV-based measurements in air quality management. The ability to capture nuanced dynamics such as the accumulation of regional emissions is critical when studying pollutions events such as wildfires. • Vertical profiles of NO 2 were captured near a major Canadian highway under varying atmospheric dispersion conditions. • During poor dispersion conditions, NO 2 concentrations increased with altitude, while they remained relatively stable during good dispersion. • Significant differences were observed between ground-level measurements and UAV-based observations at higher altitudes during poor dispersion, suggesting the accumulation of regional emissions.
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) | 0,000 | 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 ».