Air Quality: Assessment of Pollutant Levels and Chemistry in Kitchener, ON using multisensor pods
Notice bibliographique
Résumé
Air quality is a growing concern amongst governmental bodies worldwide. A large number of scientific studies accumulated over the past 25 years suggest that poor ambient air quality is attributed to adverse health effects, especially in vulnerable communities that exhibit pre-existing conditions. The United Nations Children’s Fund (UNICEF) reported around 600 000 deaths globally in children under the age of 5 as a result of acute lower respiratory infections caused by poor air quality. With the current statistics on air quality impacts, it is clear that more needs to be done. This MSc work aims to put into perspective the current state of air quality in Ontario, Canada and provide insight into mitigation strategies. Here, we focus on 1) characterizing the impacts of COVID-19 on air quality across Southern Ontario (Chapter 2), where emission levels were shown have a significant decrease in the majority of sites studied, 2) exploring the state of air quality near elementary schools in a medium-sized sub-urban city, where locations near major roads and highways exhibited the poorest air quality conditions (Chapter 3), 3) incorporating a machine learning algorithm to disentangle the multitude of variables that influence the state of air quality, where meteorology was found to have the greatest influence, with anthropogenic sources contributing to an extent (Chapter 4), and 4) studies on the dark reaction pathways of aminophenol derivatives (nitrogen-containing aromatic carbons; NOCs), where hygroscopicity growth factors (κ) of these insoluble products under sub- and super-saturated conditions ranged from 0.4-0.6, higher than that of levoglucosan, which is a prominent proxy for biomass burning organic aerosol (BBOA) (Chapter 5). These individual studies highlight the importance of atmospheric chemistry and the need for frequent monitoring and routine studies on mitigation strategies and their formation pathways.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 0,001 |
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 ».