MétaCan
Menu
Back to cohort

Identification et contribution des sources de HCNM en zone rurale

2010· article· fr· W2272991590 on OpenAlexfundno aff
Stéphane Sauvage, Nadine Locoge, Hervé Plaisance, P. Coddeville, Jean-Claude Galloo

Bibliographic record

VenuePollution atmosphérique · 2010
Typearticle
Languagefr
FieldEarth and Planetary Sciences
TopicAtmospheric chemistry and aerosols
Canadian institutionsnot available
FundersMinistry of Environment - Saskatchewan
KeywordsGeographyGeology

Abstract

fetched live from OpenAlex

Les composés hydrocarbonés non méthaniques (HCNM) jouent un rôle prépondérant dans la chimie de l’atmosphère puisqu’ils interviennent en tant que précurseurs de la formation de polluants secondaires comme l’ozone ou les aérosols organiques secondaires. Disposant d’une base de données conséquente d’au moins cinq années de mesures systématiques de 46 HCNM sur trois sites de l’observatoire MERA (Mesure et Évaluation en zone Rurale de la pollution Atmosphérique à longue distance), le modèle sources-récepteur PMF (Positive Matrix Factorization) a été appliqué pour mettre en évidence des associations inter-espèces et identifier des profils de sources à l’origine des concentrations mesurées sur les sites récepteurs. L’application de ce type de modèle sur des sites ruraux, éloignés des sources et à des espèces réactives comme les HCNM a constitué une nouvelle approche. L’hypothèse de la conservation des masses sur lequel s’appuie le modèle est discutable compte tenu de la réactivité différente des espèces. C’est pourquoi la réactivité a été prise en compte par l’ajout d’une composante d’incertitude comme données d’entrée du modèle. Une étude de sensibilité du modèle a permis de consolider les résultats obtenus par rapport aux choix méthodologiques. Cinq profils de sources communs aux trois sites ont été identifiés : les profils « chauffage résidentiel », « échappement automobile », « évaporation de carburants », « biogénique » et « sources lointaines ». Les contributions relatives de ces sources aux teneurs en HCNM sont cohérentes avec les données d’inventaire d’émissions et avec les résultats d’autres travaux. Elles font apparaître une hiérarchie différente et logique pour les trois sites. L’analyse de ces contributions par classe de rétrotrajectoires de masses d’air met en évidence les parts d’influence locale et continentale où les profils de sources urbaines contribuent davantage alors que la part d’influence océanique est dominée par le profil « sources lointaines ».

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.063
Threshold uncertainty score0.124

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.001
Bibliometrics0.0010.001
Science and technology studies0.0000.000
Scholarly communication0.0010.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.008
GPT teacher head0.228
Teacher spread0.220 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2010
Admission routes1
Has abstractyes

Explore more

Same venuePollution atmosphériqueSame topicAtmospheric chemistry and aerosolsFrench-language works237,207