MétaCan
Menu
Retour à la cohorte
Enregistrement W4408427369 · doi:10.5194/egusphere-egu25-11663

The inclusion of photochemical initial concentrations in the combined-phase source apportionment of PM2.5, PAHs and VOCs from an industrialized environment

2025· preprint· en· W4408427369 sur OpenAlexaffabout
Uwayemi M. Sofowote, Ewa Dąbek-Złotorzyńska, Mahmoud M. Yassine, Dennis Mooibroek, May Siu, Valbona Celo, Philip K. Hopke

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensEnvironment and Climate Change CanadaMinistry of EnvironmentMinistry of the Environment, Conservation and Parks
Organismes subventionnairesnon disponible
Mots-clésApportionmentEnvironmental scienceEnvironmental chemistryEnvironmental engineeringChemistryPolitical science

Résumé

récupéré en direct d'OpenAlex

PM2.5 species, PAHs and VOCs were sampled between 2013 and 2019 once every three or six days for a period of 24 hours in an industrialized city in Ontario, Canada, and analyzed to apportion their common sources. The consequences of using these species jointly for receptor modelling were assessed via combined-phase source apportionment that used the data as is, and in an approach that considered the potential for photochemical losses of gas-phase species. Thus, initial concentrations corrected for photochemistry, called PIC were calculated. The data were then analyzed either with positive matrix factorization or its dispersion-normalized variant (DN-PMF). Comparisons of applying PMF to the originally observed input data (BASE) and DN-PMF on data with PIC corrections were made. When the combined phase input data were analyzed, nine factors were resolved for both BASE and DN-PIC PMF. These factors were: particulate sulphate, secondary organic aerosol (SOA), particulate nitrate (pNO3), biomass burning with natural gas, crustal matter, winter blend of gasoline, coking/coal combustion, steelmaking, and summer blend/light duty vehicular emissions. On comparison of the BASE and DN-PIC PMF results, the average PM mass contribution of the summer gasoline fuel factor increased from 2% in BASE case to 5%, suggesting severe underestimation of this source’s initial contributions without DN-PIC. Also, substantial increases of reactive VOCs in the SOA factor, and PAHs with ≥four rings in the pNO3 and steelmaking factors were observed with DN-PIC PMF compared to the BASE PMF case, indicating that for the SOA factor, reactive VOCs at the location of study contributed to its sources.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,129
Score d'incertitude au seuil0,256

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,337
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAir Quality Monitoring and ForecastingTravaux en français237 207