Air Quality Impacts of the January 2025 Los Angeles Wildfires: Insights from Public Data Sources
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
High Resolution Image Download MS PowerPoint Slide Smoke from the Los Angeles (LA) wildfires that started on January 7, 2025 caused severe air quality impacts across the region. Government agencies released guidance on assessing personal risk, pointing to publicly available data platforms that present information from monitoring networks and smoke plume outlines. Additional satellite-based products provide supporting information during dynamic wildfire smoke events. We evaluate the regional air quality impacts of the fires through publicly available fine particulate matter (PM 2.5 ) and nitrogen dioxide (NO 2 ) observations from regulatory monitoring stations, PurpleAir low-cost sensors, the TEMPO and TROPOMI satellite sensors, and Hazard Mapping System (HMS) Smoke Plumes during this multifire event. The most extreme air quality impacts were observed on January 8–9, particularly in the southern half of LA county, where daily average PM 2.5 concentrations at the downtown LA regulatory monitor reached 101.7 μg/m 3 and 52.3 μg/m 3 in Compton. On January 8th, 12 PurpleAir sensors located closer to burn areas exceeded daily PM 2.5 concentrations of 225 μg/m 3 . While smoke impacts were largely consistent across all data sources, differences in the spatiotemporal, including vertical, resolution of each product may affect interpretability for end users. This study underscores the importance of integrating multiple air quality data sources and improving accessibility to enhance public health messaging during wildfire events.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,005 | 0,005 |
| 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 découle