Harjavallan ja Porin ilmanlaatu : Seurantasuunnitelma 2021-2025
Bibliographic record
Abstract
Tämän opinnäytetyön tavoitteena oli laatia kokonaiskatsaus Harjavallan ja Porin ilmanlaadusta, sen mittaamisesta ja ilmanlaatuun vaikuttavista tekijöistä. Opinnäytetyö toteutettiin osin Porin kaupungin elinvoima- ja ympäristötoimialan toimeksiannosta; tehtävänä oli laatia Harjavallan ja Porin kaupungeille ilmanlaadun seurantasuunnitelma vuosille 2021-2025. Seurantasuunnitelma laadittiin yhteistyössä Porin kaupungin ilmansuojeluinsinööri Jari Lagerroosin kanssa. \n \nOpinnäytetyössä käsiteltiin ilmanlaatua yleisesti Suomessa, ilmanlaadun mittaamista, ilmansaasteiden terveysvaikutuksia, päästöjen pitoisuuksien kehitystä Porissa ja Harjavallassa sekä päästöjen vähentämiskeinoja. Lisäksi työssä käsiteltiin Harjavallan ja Porin teollisuutta, teollisuuden ilmanpäästöjä, ilmanlaadun mittausverkkoa ja -järjestelmää sekä ilmanlaadusta viestimistä. \n \nHarjavallan ja Porin ilmanlaatu on yleisesti hyvä. Rikkidioksidipitoisuudet ovat pysyneet hyvin pieninä Porin mittausasemilla. Harjavallassa rikkidioksidipitoisuudet ovat olleet suurteollisuuspuiston läheisyydestä johtuen Poria korkeammat, mutta ovat laskeneet viime vuosien aikana. Typpidioksidi- ja pienhiukkaspitoisuudet ovat olleet alle raja- ja ohjearvojen Porissa, mutta hengitettävien hiukkasten ohjearvoon verrannolliset vuorokausiraja-arvot ovat ylittyneet Porissa erityisesti keväisin katupölystä johtuen. Myös Harjavallassa pienhiukkaspitoisuudet ovat olleet matalia, mutta hiukkasten sisältämät nikkeli- ja arseenipitoisuudet ovat ylittyneet.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.104 | 0.046 |
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".