Source Attribution of Health Benefits from Air Pollution Abatement in Canada and the United States: An Adjoint Sensitivity Analysis
Notice bibliographique
Résumé
BACKGROUND: Decision making regarding air pollution can be better informed if air quality impacts are traced back to individual emission sources. Adjoint or backward sensitivity analysis is a modeling tool that can achieve this goal by allowing for quantification of how emissions from sources in different locations influence human health metrics. OBJECTIVES: We attributed short-term mortality (valuated as an overall "health benefit") in Canada and the United States to anthropogenic nitrogen oxides (NO(x)) and volatile organic compound (VOC) emissions across North America. METHODS: We integrated epidemiological data derived from Canadian and U.S. time-series studies with the adjoint of an air quality model and also estimated influences of anthropogenic emissions at each location on nationwide health benefits. RESULTS: We found significant spatiotemporal variability in estimated health benefit influences of NO(x) and VOC emission reductions on Canada and U.S. mortality. The largest estimated influences on Canada (up to $250,000/day) were from emissions originating in the Quebec City-Windsor Corridor, where population centers are concentrated. Estimated influences on the United States tend to be widespread and more substantial owing to both larger emissions and larger populations. The health benefit influences calculated using 24-hr average ozone (O(3)) concentrations are lower in magnitude than estimates calculated using daily 1-hr maximum O(3) concentrations. CONCLUSIONS: Source specificity of the adjoint approach provides valuable information for guiding air quality decision making. Adjoint results suggest that the health benefits of reducing NO(x) and VOC emissions are substantial and highly variable across North America.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».