MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161996384 · doi:10.82308/2177

Light-Absorbing Carbonaceous Particles in Urban Regions: Physicochemical Properties and the Application of Data-Driven Modeling

2024· dissertation· en· W7161996384 sur OpenAlexaboutno aff
Houjie Li

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric chemistry and aerosols
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAir pollutionEnvironmental pollutionUrban environmentHomogeneous

Résumé

récupéré en direct d'OpenAlex

Les particules carbonées absorbant la lumière (LAC), composées de carbone noir (BC) et de carbone brun (BrC), sont un groupe d'aérosols radiativement actifs qui peuvent avoir un impact significatif sur l'environnement et le climat en absorbant le rayonnement solaire, en assombrissant les surfaces de neige/glace et en servant de noyaux de condensation des nuages ou de noyaux de glace. Cependant, les effets des LACs sur le climat et la santé restent incertains en raison de mesures insuffisantes de leurs propriétés physico-chimiques. Dans les zones urbaines, les émissions anthropiques sont les principales sources de LACs, mais des sources naturelles telles que les feux de forêt peuvent également contribuer aux émissions de LACs. Étudier la tendance saisonnière des LACs dans les villes est crucial pour développer des politiques ciblées visant à atténuer la pollution de l'air et à réduire l'exposition des résidents aux LACs. De plus, la fréquence des feux de forêt dans le monde augmente fortement en raison du changement climatique. Les LACs émis par les feux de forêt peuvent subir un transport à longue distance depuis leurs origines jusqu'aux zones urbaines, compliquant la compréhension de la pollution atmosphérique urbaine. Pour évaluer systématiquement les effets totaux des LACs sur le climat et la santé humaine, il est essentiel de mener des observations plus approfondies sur les propriétés physico-chimiques et les sources d'émission des LACs.Cette thèse présente les concentrations massiques et les coefficients d'absorption du BC et du BrC, ainsi que leurs variations spatio-temporelles à Montréal, une ville au climat froid confrontée à une menace croissante de feux de forêt, mais la mesure des LACs reste rare. Le premier travail a utilisé une année d'observation en temps réel du BC et d'autres co-polluants pour démontrer une distribution bimodale de la concentration massique de BC, montrant un pic hivernal durant plus de 3 mois en plus d'un pic estival. Les comparaisons entre le centre-ville de Montréal et l'aéroport international de Montréal ont révélé que la concentration massique moyenne de BC près de l'aéroport était 4 fois plus élevée que la concentration au centre-ville de Montréal. Le confinement dû à la pandémie de COVID-19 a provoqué une baisse drastique des concentrations de BC et d'autres polluants atmosphériques jusqu'à 72%, révélant l'influence anthropique significative sur la pollution atmosphérique urbaine.La deuxième étude présente les variations sur un an de la concentration massique de LAC et des coefficients d'absorption de juillet 2022 à juillet 2023. Nous avons d'abord démontré la tendance saisonnière des LACs à Montréal. Ensuite, les données de juin et juillet 2023 ont révélé que les fumées des feux de forêt apportaient une grande proportion de BrC primaire et de précurseurs de BrC secondaire et augmentaient la concentration massique de BC de plus de 26% à Montréal. Bien que la combustion de combustibles fossiles soit généralement la principale source de LACs dans les zones urbaines, lorsque la combustion de biomasse devient la source prédominante, le BrC peut contribuer à plus de 50% de l'absorption totale de la lumière à une longueur d'onde de 370 nm, le BrC secondaire représentant plus de 20% de l'absorption du BrC. Cela démontre clairement l'importance significative du BrC sur l'absorption de la lumière.Dans la troisième partie de la thèse, nous avons développé un modèle d’apprentissage machine (AM) pour prédire la concentration massique de BC en fonction des polluants atmosphériques courants tels que le CO, les NOx, les PM2.5 et l'O3. L'Organisation Mondiale de la Santé (OMS) a suggéré que la surveillance de la concentration massique de BC est nécessaire, compte tenu des effets uniques du BC sur la santé et le climat. Cependant, l'achat de nouveaux instruments pour le BC à chaque station de qualité de l'air nécessiterait un budget important, ce qui rend difficile sa réalisation. Ainsi, nous avons développé un modèle de AM basé sur des algorithmes de réseau neuronal récurrent et de mémoire à court terme long (MCTL) qui sont bons pour capturer les modèles à long terme et faire des prédictions plus précises. Nous avons entraîné et testé notre modèle avec quatre ans de données et démontré ses performances élevées avec une année de nouvelles données.Cette thèse contribue à la compréhension des sources, des variations et des propriétés des LACs à Montréal, un site au climat froid où l'hiver peut durer 5 mois, et a fourni des résultats qui aideront à comprendre leurs effets sur le climat et la santé humaine. Avec des émissions croissantes provenant de sources anthropiques et des feux de forêt estivaux plus fréquents, continuer à observer les LACs dans les régions urbaines aidera à atténuer le changement climatique et à améliorer la qualité de l'air, protégeant les personnes des dangers potentiels

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,237
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAtmospheric chemistry and aerosols→Travaux en français237 207→