Modélisation et cartographie des polluants atmosphériques à Abidjan (Côte d’Ivoire)
Bibliographic record
Abstract
La pollution de l’air est une nuisance environnementale majeure dans les villes d’Afrique de l’Ouest. L’urbanisation rapide avec un étalement non maîtrisé et la forte croissance du parc automobile contribuent à augmenter les niveaux de pollution de l’air. Cette étude vise à répondre à deux objectifs principaux : établir les caractéristiques de l’environnement routier influençant significativement les concentrations de dioxyde d’azote et de particules et produire des cartes de prédiction des niveaux de concentration de ces polluants pour l’ensemble du réseau routier d’Abidjan. Une collecte de données extensive a été réalisée avec des vélos instrumentés de capteurs mobiles en décembre 2021 (920 kilomètres et 71 heures). Les résultats des modèles généralisés additifs démontrent le rôle très important de l’environnement routier : les niveaux des trois polluants sont systématiquement plus élevés sur les autoroutes ainsi que sur les routes primaires, secondaires et tertiaires comparativement à une rue résidentielle. Les cartes de prédiction relèvent des patrons spatiaux bien différents pour le dioxyde d’azote en comparaison des matières particulaires.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".