Impacts of current and projected oil palm plantation expansion on airquality over Southeast Asia
Notice bibliographique
Résumé
Abstract. Over recent decades oil palm plantations have rapidly expanded across Southeast Asia (SEA). According to the United Nations, oil palm production in SEA increased by a factor of 3 from 1995 to 2010. We investigate the impacts of current (2010) and near-term future (2020) projected oil palm expansion in SEA on surface–atmosphere exchange and the resulting air quality in the region. For this purpose, we use satellite data, high-resolution land maps, and the chemical transport model GEOS-Chem. Relative to a no oil palm plantation scenario (∼ 1990), overall simulated isoprene emissions in the region increased by 13 % due to oil palm plantations in 2010 and a further 11 % in the near-term future. In addition, the expansion of palm plantations leads to local increases in ozone deposition velocities of up to 20 %. The net result of these changes is that oil palm expansion in SEA increases surface O3 by up to 3.5 ppbv over dense urban regions, and in the near-term future could rise more than 4.5 ppbv above baseline levels. Biogenic secondary organic aerosol loadings also increase by up to 1 µg m−3 due to oil palm expansion, and could increase by a further 2.5 µg m−3 in the near-term future. Our analysis indicates that while the impact of recent oil palm expansion on air quality in the region has been significant, the retrieval error and sensitivity of the current constellation of satellite measurements limit our ability to observe these impacts from space. Oil palm expansion is likely to continue to degrade air quality in the region in the coming decade and hinder efforts to achieve air quality regulations in major urban areas such as Kuala Lumpur and Singapore.
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 | 0,000 | 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 ».