Comparative Analysis of Pollutant Levels during Lockdowns Across Different Land-Use over the Emirate of Abu Dhabi, United Arab Emirates
Notice bibliographique
Résumé
The outbreak of the COVID-19 pandemic has had a significant effect on people all over the world, posing health, economic, and social threats to the entire human population. As a part of preventive measures, at the end of March 2020 the UAE promulgated various lockdown measures to reduce the risk of the pandemic, which have a major impact on its local air quality levels. This research investigates the effect of the lockdown measures on the levels of the air pollutants like NO2 and PM2.5in Abu Dhabi Emirate using air quality stations data for the months of March and April 2020. Overall, NO2 levels have fallen dramatically by a range of 19% to 60% across all land use areas within the Emirate. Conversely, PM2.5 levels varied during the lockdown in April 2020, with increases ranging from 31% to 65% in rural and suburban industrial areas and decreases ranging from 2% to 33% in urban and suburban population areas. It can be observed that the lockdown measures had a huge impact on the NO2 levels due to reduced transportation and human activities while PM2.5 levels displayed great variability. The statistical analysis shows a significant moderate positive relationship (rs 0.476) at 0.05 level between NO2 and traffic volume crossing Musaffah Bridge.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».