Chemical characterization and source identification of PM2.5 at Baengnyeongdo Island, South korea: Three-year dynamics (2019–2021)
Notice bibliographique
Résumé
Fine particulate matter (PM 2.5 ) remains a critical air pollutant with substantial public health risks, particularly in East Asia, where domestic emissions and transboundary transport contribute to elevated concentrations. This study examined the annual and seasonal variations of PM 2.5 and its chemical constituents at Baengnyeongdo Island, South Korea, from 2019 to 2021. The constituents analyzed included carbonaceous components (organic carbon [OC] and elemental carbon [EC]), major inorganic ions (sulfate [SO 4 2− ] and nitrate [NO 3 − ]), crustal elements (e.g., silicon [Si], calcium [Ca], iron [Fe], titanium [Ti]), and various other metallic species. The study also sought to identify potential sources of PM 2.5 , with particular emphasis on transboundary influences. Results showed a significant increase in PM 2.5 levels in 2021 (spring mean: 32.657 µgm −3 ), attributed to the resumption of industrial activities following the COVID-19 lockdowns, specific meteorological conditions, such as higher spring relative humidity (74.91%) and increased aerosol water content (32.16 µgm −3 ), and significant transboundary pollution, particularly from China. Seasonal analysis indicated that OC, EC, NO3-, and crustal elements (Si, Ca, Fe, Ti) were the dominant contributors. For example, OC and EC peaked in spring and winter, which was associated with biomass burning, heating, and industrial emissions, which were enhanced by low winter temperatures. NO 3 − also exhibited significant winter peaks (5.921 µgm −3 in 2021), driven by conditions favoring NH 4 NO 3 formation, while SO 4 2− levels, highest in 2019 (4.357 µgm −3 ), displayed a more moderate trend. Meteorological parameters, including aerosol water content, relative humidity, temperature, and wind patterns, play a major role in PM 2.5 formation, accumulation, and dispersion. Back-trajectory modeling consistently confirmed air mass transport from the heavily industrialized regions of China, Mongolia, and Russia during high-pollution episodes across all seasons. These findings underscore the complex interplay between local emissions, transboundary transport, and meteorological factors, highlighting the urgent need for coordinated international air quality management policies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».