A comprehensive PM2.5 vulnerability index for medium-sized cities based on environmental big data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 2021, the World Health Organization (WHO) tightened its particulate matter advisory standards for the first time in 16 years. This means that even small amounts of airborne particles can cause adverse health effects. Therefore, comprehensive and multidimensional approaches are required to effective PM management. This study aims to develop a comprehensive PM2.5 vulnerability index utilizing dynamic data that changes in time to provide real-time information on PM2.5 vulnerability in areas with limited social infrastructures. The target area is Chuncheon City, which is located in the downwind area of Seoul and is surrounded by mountains, making it prone to pollutant stagnation. The target period is the winter season of January-March 2022 (i.e., the post COVID-19 period). To utilize data with different individual units, normalization was performed using the Min-Max method, and the vulnerability index was calculated using the Principal Component Analysis (PCA) method to resolve multicollinearity among variables. In Chuncheon, a remote region (e.g., Dongsan-myeon) showed the lowest PM2.5 vulnerability index and a sub-rural region (e.g., Sinbuk-eup) showed the highest one. The difference in the vulnerability index depending on each region is expected to be utilized as basic data for establishing measures to deal with PM2.5 problems.AcknowledgmentThis research was supported by Particulate Matter Management Specialized Graduate Program through the Korea Environmental Industry & Technology Institute(KEITI) funded by the Ministry of Environment(MOE) and thank you to National Air Emission Inventory and Research Center for providing the data and this work was suported by the National Research Foundation of Korea(NRF) grant funded by the Korea government(MSIT) (RS-2024-00356913).
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,009 | 0,018 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle