PENGARUH EMISI DARI KEGIATAN INDUSTRI MANUFAKTUR TERHADAP KUALITAS UDARA (PM2.5, PM10, BLACK CARBON DAN ORGANIC CARBON) DI KOTA TANGERANG
Notice bibliographique
Résumé
Industri manufaktur memiliki potensi untuk menghasilkan emisi melalui tahap produksinya yang memanfaatkan energi dari bahan bakar fosil. Besarnya jumlah polutan yang terkeluarkan dari lingkungan industri juga dapat bervariasi tergantung pada jenis dan kapasitas bahan bakar yang dipakai, serta tinggi rendahnya cerobong asap yang diterapkan oleh pabrik tersebut. Penelitian ini menyajikan inventarisasi emisi partikulat PM2.5, PM10, Black Carbon, dan Organic Carbon dari sektor industri manufaktur di Kota Tangerang pada tahun 2022. Menggunakan alat analisis ABC-EIM, penelitian ini berfokus pada sumber konsumsi bahan bakar, point source, dan proses produksi industri manufaktur. Hasil menunjukkan beban emisi partikulat yang signifikan dari sumber konsumsi bahan bakar dan proses produksi logam. Total beban emisi point source adalah sebesar 62 ton/tahun. Kemudia hasil pemodelan AERMOD pada pola penyebaran emisi di sekitar kawasan industri manufaktur dengan kontribusi konsentrasi partikulat sebesar 3% (PM2.5) dan 16% (PM10) oleh industri manufaktur terdekat dengan stasiun pemantauan Tangerang Pasirjaya.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,008 |
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 ».