Characterization of urban aerosols and their sources by positive matrix factorization : the cases of Beirut and Montréal
Notice bibliographique
Résumé
Ce travail de thèse est axé sur la caractérisation chimique des particules fines (PM2.5), l'identification des sources de PM2.5 et l'évaluation du risque sanitaire associé à l'exposition des polluants pour des échantillons prélevés sur deux sites à Beyrouth, Liban, et un site à Montréal, Canada. L'échantillonnage des aérosols a été réalisé sur deux sites au Liban entre le 29 Avril et le 9 Octobre 2014 : un site suburbain «USJ» et un site urbain « Hersh ». Les concentrations moyennes de PM2.5 étaient de 29±16 µg/m3 pour le site urbain de Beyrouth et de 32±14 µg/m3 pour le site suburbain de Beyrouth. Un échantillonnage a été effectué sur un site urbain à Montréal entre le 13 Août et le 11 Novembre 2020 et la concentration moyenne de PM2.5 était de 4±3 µg/m3. En plus des ions solubles dans l'eau, des éléments, du carbone élémentaire et organique, les mesures de la composition des PM2.5 comprenaient une large gamme de marqueurs moléculaires organiques. Cette étude utilise ces mesures pour explorer qualitativement les sources potentielles (par exemple à partir de la corrélation des éléments) avant de passer à une approche plus quantitative de l’identification des sources à l'aide de la factorisation matricielle positive (PMF). L’identification et la quantification des sources de PM2.5 a été effectuée en utilisant simultanément des espèces organiques et inorganiques dans le modèle PMF. Le but de ce travail est d'étudier les sources de PM non résolues auparavant, telles que les sources primaires et secondaires biogéniques et anthropiques en utilisant certains marqueurs organiques sélectionnés, tels que les n-alcanes, l'hopane, les acides gras, les acides dicarboxyliques et les traceurs d'aérosols organiques secondaires biogéniques dans le modèle PMF. Un modèle d'évaluation des risques pour la santé a été utilisé pour déterminer le risque associé aux éléments émis des sources identifiées à l'aide du modèle PMF.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».