MétaCan
Menu
Retour à la cohorte
Enregistrement W2031519871 · doi:10.1021/es060517w

Air Quality Impacts of Climate Mitigation:  UK Policy and Passenger Vehicle Choice

2006· article· en· W2031519871 sur OpenAlexafffund
Eric Mazzi, Hadi Dowlatabadi

Notice bibliographique

RevueEnvironmental Science & Technology · 2006
Typearticle
Langueen
DomaineEnergy
ThématiqueEnergy, Environment, and Transportation Policies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of British ColumbiaCarnegie Mellon UniversityExxon Mobil CorporationNational Science Foundation
Mots-clésDiesel fuelAir quality indexParticulatesEnvironmental scienceGasolineClimate changeNatural resource economicsRange (aeronautics)Climate policyBusinessWaste managementEngineeringEconomicsMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

In 2001-2002 the UK began taxing vehicles according to CO2 emission rates. Since then, there has been a significant increase in consumer choice of small cars and diesel engines. We estimate CO2 reductions and air quality impacts resulting from UK consumers switching from petrol to diesel cars from 2001 to 2020. Annual reductions of 0.4 megatons (Mt) of CO2 and 1 million barrels of oil are estimated from switching to diesels. However, diesels emit higher levels of particulate matter estimated to result in 90 deaths annually (range 20-300). We estimate 570, 460, and 0 additional deaths per Mt of CO2 abated, for Euro III, Euro IV, and post-Euro IV emission class vehicles, respectively. CO2 policies are suspected to have contributed substantially to diesel growth, but the magnitude of impact has yet to be quantified rigorously. To the extent that CO2 policies contribute to diesel growth, coordinating CO2 controls with tightening of emission standards would save lives. This research shows that climate policy, while reducing fuel use and CO2, does not always ensure ancillary health benefits. Lessons from the UK can help inform policies designed elsewhere which strive to balance near-term ambient air quality and health with long-term climate mitigation.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,310
Score d'incertitude au seuil0,617

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,005
Tête enseignante GPT0,249
Écart entre enseignants0,244 · 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'étudeObservationnel
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

Citations57
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetEnergy, Environment, and Transportation PoliciesTravaux en français237 207