Systematic Review and Meta-Analysis of Urban Air Quality in the Arabian Peninsula
Notice bibliographique
Résumé
Air pollution is causing a global health, climate, and environmental crisis. Air quality (AQ) in hyper-arid regions, such as the Arabian Peninsula, remains under-explored, posing significant concerns for public health and the scientific community. Both long-term and short-term exposure to high pollutant levels, whether from anthropogenic or natural sources, can pose serious health risks. This paper offers a comprehensive review and meta-analysis of urban AQ literature published in the region over the past decade (2013–June 2025). We aim to provide guidance and highlight key directions for future research in the field. This paper examines key pollutants, emission sources, implications of urban sources, and the most studied countries, methodologies, limitations, and recommendations from different case studies. Our analysis reveals a significant research gap highlighting insufficient recent literature. Saudi Arabia was the most studied country with 20 papers, followed by the broader Arabian Peninsula (sixteen), Qatar (twelve), the United Arab Emirates and Iraq (seven each), Kuwait (four), Oman (three), Jordan, and Bahrain (one each). The primary methods employed included measurements and sampling (28%) and remote sensing (24%), with a focus on pollutants such as dust (23.1%), NOx/NO2/NO (17.2%), PM2.5 (17.6%), and PM10 (12%). Industrial emissions (27%) and natural dust (24%) were identified as significant emission sources. Monitoring methods included grab sampling (19%), integrated sampling (34%), and continuous monitoring (47%). Notably, 13.3% of AQ sensors were linked to a station, 27.6% were self-referenced, and 59.1% did not specify calibration methods. The findings highlight the need for further research, regular calibration of air quality monitors, and the integration of advanced modeling approaches. Moreover, we recommend exploring the links between air pollution and urban development to ensure cleaner air and contribute to the global dialogue on sustainable and cross-border AQ solutions.
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 | 0,020 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,024 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».