Retrieval of bulk hygroscopicity from PurpleAir PM<sub>2.5</sub> sensor measurements
Notice bibliographique
Résumé
Abstract. PurpleAir sensors offer a unique opportunity for a large-scale and densely populated array of sensors to study surface air quality. While PurpleAir sensors are inexpensive and abundant, they must be corrected to better agree with validated coincident measurements from more sophisticated instrumentation. Traditionally, this correction is performed using statistical methods. We propose a method to both correct PurpleAir PM2.5 measurements and allow for an estimate of the hygroscopic growth of aerosols, using a novel correction approach based on the optimal estimation method (OEM). The hygroscopic growth of aerosols can be retrieved using the sensitivity of the correction to water activity, which influences the measured size distribution of the aerosols. By employing the physically based correction using calibrated measurements from the nearby Ontario Ministry of the Environment, Conservation and Parks air quality site, the average daily mean absolute error (MAE) of the PurpleAir PM2.5 measurements is decreased from 5.58 to 1.68 µg m−3, and the average daily bias decreases from 4.75 to −0.23 µg m−3. This improvement in the correction is comparable to that seen using conventional statistical methodologies. Our OEM retrieval also allowed us to estimate seasonal bulk hygroscopicity values ranging from 0.33 to 0.40. These values are consistent with the accepted ranges of bulk hygroscopicity for atmospheric particulate matter (0.1 to 0.9) determined in previous studies using calibrated air quality measurement instruments, which suggests that our method allows a new aerosol product to be determined from a large sensor network.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».