Air Quality and Health Impacts of Freight Modal Shifts: Review and Assessment
Notice bibliographique
Résumé
Freight movement is a significant and growing contributor to transportation emissions globally. Modal shifts in freight, that is, moving freight from a higher emission mode to one associated with lower emissions, are discussed as a strategy to reduce emissions of criteria pollutants and greenhouse gases (GHGs). However, there is limited knowledge of the magnitude of potential benefits and their impacts on human health. The overall goal of this study is to identify and characterize the potential of modal shifts in freight transport for mitigating air pollutant emissions, air pollutant concentrations, population exposure to air pollutants, and health impacts. The analysis was conducted in the Canadian context, with a focus on land-based freight such as trucks, trains, and pipelines, as well as marine shipping for inland and coastal waters. A structured review of the existing literature database, and a critical assessment of the findings was conducted, using a weight-of-evidence approach. The assessment took into consideration potential local and regional variables for Canada. The results indicated that there is limited evidence that road-to-rail, road-to-marine, and rail-to-marine modal shifts could reduce pollutant and GHG emissions. There was insufficient evidence on modal shifts involving the pipeline mode, and on the air quality, population exposure, and health impacts related to any modal shift. Several research gaps remain, which must be addressed establish the emissions, air quality, and health impacts of freight modal shifts.
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 | 0,006 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».