Assessing the Air Quality Health Benefits of Location-Specific Emission Controls: A Source Attribution Study using Adjoint Sensitivity Analysis
Notice bibliographique
Résumé
Background. Air quality management strategies that seek to maximize the benefits of emission control policies are best informed by source-specific air quality damage estimates. Adjoint sensitivity analysis is a tool that allows modellers to differentiate between emissions in different locations and their influences on air quality-related health effects and can thus guide emission reduction policies to preferentially target sources whose emissions are most influential on health. Aims. In this work, we aim to create a streamlined approach for comparing health benefits to costs of air pollution abatement using the source-specific information offered by adjoint sensitivity analysis. Methods. We use the adjoint of CMAQ to integrate epidemiological data with adjoint chemical transport modeling. We attribute national averted mortality in Canada and the U.S. (expressed in monetary terms as a “health benefit”) to location-specific emission reductions of NOx, VOCs and other species in North America. Results. Our past work on ozone and NO2-related mortality suggests significant spatial variability of health benefits related to emission reductions across North America. The largest Canadian health benefits come from emission reductions upwind of Toronto; reaching upwards of $250K/day and $50K/day (for 10% reductions in NOx and VOCs). For the U.S., we observe consistently higher-magnitude influences, and in some major urban areas we estimate negative influences (disbenefits) of controlling emissions (e.g., -$680K/day from New York for NOx) whose interpretation requires consideration for long-term air quality planning. As a continuation of past work, we conduct a multi-pollutant analysis and investigate the temporal component of health benefit influences related to emission controls in various locations. Conclusions. The source specificity of adjoint heath benefit influences offers valuable information for selective targeting of emissions for strategic air quality management.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».