Trends and Influencing Factors of Summer Air Quality Changes in Four Forest Types
Notice bibliographique
Résumé
Forest ecosystems are crucial in mitigating air pollution and improving air quality. Therefore, investigating the relationships between air quality, forest structure, and environmental factors in different forest types is of significant importance. This study conducted three months of continuous monitoring (June–September 2023) of air quality factors (particulate matter (PM2.5 and PM10), ozone (O3), and negative air ions (NAI)) and environmental factors (air temperature (TA), relative humidity (RH), light intensity (LI), and wind speed (WS)) in four subtropical forest types, along with vegetation characteristic surveys. The effects of forest structure and environmental factors on air quality were determined by correlation and multiple regression analysis. The results showed that the forest air quality is at its best in July during the summer season. Concentrations of particulate matter (PM) and ozone (O3) in mixed coniferous and broadleaf forests (MCB), as well as deciduous broadleaf forests (DB), are lower than those in moso bamboo forests (MB) and evergreen broadleaf forests (EB). The troughs of PM concentrations occur in the early morning (4:00–6:00), while the troughs of O3 concentrations occur in the early morning (4:00–6:00) and in the evening (18:00). NAI concentrations were highest in DB (1287 ions/cm3), followed by MCB (1187 ions/cm3), MB (896 ions/cm3), and EB (584 ions/cm3), with NAI concentrations peaking between 14:00 and 16:00. PM concentrations in forest air were primarily influenced by stand density (SD) and the Shannon–Wiener index of herbaceous layer (SWH) (p < 0.05); ozone concentrations were significantly affected by tree height (TH) and canopy density (CD) (p < 0.05); and NAI concentrations were primarily related to TH and diameter at breast height (DBH). Air particulate matter concentrations were negatively affected by TA and RH (p < 0.01), and ozone concentrations were negatively influenced by RH and WS and were positively influenced by TA. TA has a direct and significant positive effect on the NAI concentration (p < 0.01), and RH indirectly influences the changes in NAI concentration through its interaction with TA. This study provides new insights for vegetation optimization in forest parks and planning forest health-promoting activities for sub-healthy populations.
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 ».