Do meteorological variables impact air quality differently across urbanization gradients? A case study of Kaohsiung, Taiwan, China
Notice bibliographique
Résumé
Air pollution has become a major challenge to global urban sustainable development, necessitating urgent solutions. Meteorological variables are key determinants of air quality; however, research on their impact across different urban gradients remains limited, and their mechanisms are largely unexplored. This study investigates the dynamic effects of meteorological variables on air quality under varying levels of urbanization using Kaohsiung City, Taiwan, as a case study. Meteorological and air pollutant data from monitoring stations in Kaohsiung, Taiwan, for the year 2023 were collected and analyzed. The Air Quality Index (AQI) was used to quantify air quality levels, and Granger causality tests and Vector Autoregression (VAR) models were employed to analyze the dynamic relationships between meteorological variables and AQI. The results revealed that: (1) Suburban areas exhibited significantly better air quality than urban and near-urban areas, with annual AQI values of 59.58 in Meinong (outskirts), 67.86 in Renwu (suburbs area), and 76.73 in Qianjin (urban area), showing a progressive improvement in air quality from urban to suburban areas, primarily due to lower levels of urbanization and abundant forest resources; (2) Temperature and relative humidity emerged as key meteorological variables influencing AQI, with Granger causality tests indicating that temperature significantly affects AQI, especially in urban areas. Impulse response analysis revealed that temperature had a notable positive and negative correlation effect on AQI over lagged periods, while wind speed showed a negative correlation with AQI in suburban areas, gradually shifting to a positive correlation over time; (3) Variance decomposition indicated that temperature had the largest impact on AQI in urban areas, particularly with cumulative lag effects, while wind speed was the main variables influencing air quality in suburban areas. This study provides scientific evidence for future urban planning and environmental management, supporting the development of more effective air quality improvement strategies to promote sustainable urban development.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».