Global changes in the hazardous atmospheric NO2 during the COVID-19 lockdown and post-lockdown periods
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
• Examination of NO2 in global hotspots, 3000 cities and 86 major urban centres during LD. • A considerable decline in NO2 is found in all major hotspots and urban centres during LD. • After ease of LD, NO2 is reversed back to the previous year level in most areas. • The reversal of pollution in urban areas demands a revision of current vehicular norms. There are several environmental policies such as vehicular emission norms and industrial regulations, yet many countries grapple with poor air quality. In this context, the COVID-19 lockdown (LD, March–April 2020) provided a unique opportunity to examine the anthropogenic and natural sources of air pollution. Here, we observe a notable decrease in NO₂ pollution in its global hotspots such as East China (EC), Indo-Gangetic Plain (IGP), Western Europe (WE), South Africa (SA), the United States of America (USA) and Southeast Asia (SEA), about 5–30% during LD. A similar decrease in NO₂ is also observed in the major urban centres of the world (e.g. New York, Delhi, Beijing, London, Mexico, Toronto, Canberra, Johannesburg and Paris) in the same period. This reduction is owing to the temporary pause of human activities such as industrial operations and transport, which are the major sources of NO₂ there. However, after the ease of LD (i.e. post-lockdown period or PostLD), high NO₂ pollution is observed in most regions and cities (about 10–30%), which is more pronounced in the cities of EC (e.g. Beijing), IGP (e.g. Delhi), WE (e.g. London) and the USA (e.g. New York, Pittsburgh). In addition, some other global cities (e.g. Mumbai, Bangalore, Wuhan, Montreal, Bonn and Jakarta) also show a comparable rise in NO₂ during PostLD, about 5–25%. These results indicate that the decline in NO₂ pollution was primarily due to the strict vehicular regulations during LD. Therefore, this assessment suggests revisiting the existing vehicular policies and enforcing additional measures to reduce air pollution for a healthy and sustainable planet.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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