Ankara ve Ottawa atmosferlerindeki organik kirleticilerin mevsimsel değişiklikleri ve kaynaklarının belirlenmesi
Notice bibliographique
Résumé
This study aimed at providing a thorough understanding of temporal and spatial variations of VOCs and underlying factors in different microenvironments in two different urban atmospheres, with different degrees of regulatory enforcement. The VOC data were collected in field campaigns conducted in Ankara, Turkey, and Ottawa, Canada over the years 2000-2004. Insight into the sources of VOCs in different urban atmospheres was sought by using three commonly used receptor models namely; Positive Matrix Factorization (PMF), Chemical Mass Balance (CMB) Model and Conventional Factor Analysis (CFA). Motor vehicle related source profiles were developed to use in receptor modeling. Motor vehicles are the most abundant VOC sources with about 60% and 95% contributions to ambient levels in Ankara and Ottawa, respectively. Residential heating (31%) during winter season, biogenic (9%) and architectural coating (12%) emissions during summer season and solvent use (about 12%) emissions are the next abundant VOC sources in Ankara. In addition, a new method to estimate the contribution of sources from wind sectors in urban atmosphere was developed and implemented in this study. The comparison of the results of these two cities demonstrated the influence of control measures on ambient levels and sources of VOCs observed in different urban atmospheres. VOC levels in Ankara exceed EU levels and they are about factor of two higher than that are measured in Ottawa owing to lack of implementation of emission control regulations for VOCs in Ankara compared to well adopted regulations in Ottawa.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,006 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 0,039 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».