Correlation between PM2.5 and Particle Number Concentrations in Four Major Cities: Toronto, Los Angeles, Helsinki and London
Notice bibliographique
Résumé
Gaining more knowledge on how different particulate metrics are related would help in successfully controlling particulate matter (PM) concentrations in the ambient air. This study focused on the mass and number concentrations, particularly PM2.5 or mass concentration of particles with diameter of <2.5 µm in order to illustrate that mitigating PM2.5 would not necessarily reduce the ultrafine particles (UFP) concentration. Particles with diameter <0.1 µm are best quantified by the particle number concentration (PNC). The two parameters, PM2.5 and PNC are affected by different drivers, therefore may vary spatially and temporally between cities. PM2.5 is relatively more homogenous within an air shed while PNC is more variable depending mainly on the distribution of the combustion emission sources. To better understand these two important metrics and demonstrate their similarities and differences, this study aims to provide quantitative information on the relationship between ambient PM2.5 and PNC in four cities: Toronto, Canada; Los Angeles, USA; Helsinki, Finland; and London, UK. All these cities are located in the temperate region though Helsinki and Toronto are classified under Moist Continental Mid-Latitude Climate while London and Los Angeles are classified under Moist Subtropical Mid-Latitude climate based on the Köppen-Geiger system. Urban areas are particularly interesting because high population density implies that considerable amount of anthropogenic pollutants are produced in any city.
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 | 0,001 |
| 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) | 0,002 | 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 ».