Investigating the Impact of Aviation Activity on Fine Particulate Matter, Black Carbon, and Ultrafine Particles Using Flight Track Data at the Ottawa International Airport
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Ambient particulate matter pollution has been found to increase in concentration downwind from airports. This relationship is mostly evident for particles in the ultrafine size range. Furthermore, epidemiological research has found that those who live near airports have increased risks of premature mortality, decreased lung function, and adverse birth outcomes. Previous exposure studies of airport emissions have been based in urban centers, making it difficult to selectively measure airport emissions without the contribution of other related sources. Our aim was to characterize the relationships between air pollutant particle measures (ultrafine particles [UFP], fine particulate matter [PM 2.5 ], black carbon [BC]) and air traffic (landings and take-offs [LTO]) at the Ottawa International Airport [YOW]. A monitoring site was established in greenspace approximately 600 m east of YOW and away from roadways and urban development. Air pollutant particles were measured continuously from June 2022 to January 2023. Flight track data was used to derive hourly LTO counts. Analyses of source directionality showed that UFP concentrations were higher when downwind from the airport. Further, when wind speeds were less than 20 km/h, UFP and LTO showed similar diurnal trends. No evidence of these associations was evident for PM 2.5 and BC. After selecting for airport wind directions and wind speeds less than 20 km/h, linear regression models showed each additional takeoff led to a 10–13% increase in the 50th to 99th UFP concentration percentiles. Our findings support policies designed to reduce potential health impacts of airport emissions on the exposed community.
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 | 0,000 | 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 ».