Unraveling the Spatiotemporal Heterogeneity in the Oxidation Potential of Fine Particulate Matter in China
Notice bibliographique
Résumé
The oxidative potential (OP) of fine particulate matter (PM 2.5 ) is a more robust health impact indicator than mass concentration alone. While China’s stringent air pollution controls have significantly reduced PM 2.5 levels, the temporal evolution of OP and its relationship with PM 2.5 remain unclear. This study establishes a national PM 2.5 OP database (2000–2020) using a source-oriented CMAQ model. Key findings reveal that OP decreases alongside PM 2.5 concentrations over the study period, but the decline in OP (16%) is less pronounced than that of PM 2.5 (37%) after 2012, leading to a 35% increase in mass-normalized OP (OP m ). Source apportionment analysis identifies distinct phase-specific drivers: anthropogenic secondary organic aerosols (ASOA) were the dominant contributor to OP increases (∼68%) prior to 2012, while reductions in transportation, power generation, and biomass burning emissions drove OP declines during 2012–2017. Post-2017, stringent controls on anthropogenic non-methane volatile organic compounds (NMVOCs) made ASOA the dominant declining source. Notably, urban-rural disparities in OP exposure exceed those of PM 2.5 mass concentrations, primarily reflecting differences in dominant emission sources. As the first nationwide study to systematically evaluate the decoupling of PM 2.5 mass and OP trends in China, these findings underscore the need for targeted strategies to mitigate PM-related health risks.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».