Investigating\nthe Use Of Portable Air Pollution Sensors\nto Capture the Spatial Variability Of Traffic-Related Air Pollution
Notice bibliographique
Résumé
Advances\nin microsensor technologies for air pollution monitoring\nencourage a growing use of portable sensors. This study aims at testing\ntheir performance in the development of exposure surfaces for nitrogen\ndioxide (NO<sub>2</sub>) and ozone (O<sub>3</sub>). In Montreal, Canada,\na data-collection campaign was conducted across three seasons in 2014\nfor 76 sites spanning the range of land uses and built environments\nof the city; each site was visited from 6 to 12 times, for 20 min,\nusing NO<sub>2</sub> and O<sub>3</sub> sensors manufactured by Aeroqual.\nLand-use regression models were developed, achieving <i>R</i><sup>2</sup> values of 0.86 for NO<sub>2</sub> and 0.92 for O<sub>3</sub> when adjusted for regional meteorology to control for the\nfact that all of the locations were not monitored at the same time.\nA total of two exposure surfaces were then developed for NO<sub>2</sub> and O<sub>3</sub> as averages over spring, summer, and fall. Validation\nagainst the fixed-station data and previous campaigns suggests that\nAeroqual sensors tend to overestimate the highest NO<sub>2</sub> and\nO<sub>3</sub> concentrations, thus increasing the range of values\nacross the city. However, the sensors suggest a good performance with\nrespect to capturing the spatial variability in NO<sub>2</sub> and\nO<sub>3</sub> and are very convenient to use, having great potential\nfor capturing temporal variability.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,012 | 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 ».