The impact of a warming climate on ozone induced mortality
Notice bibliographique
Résumé
BACKGROUND: Ozone concentrations are expected to increase in a warming climate. This rate of change in ozone concentrations with temperature is referred to as the climate penalty factor (CPF). We use a mathematical approach called the adjoint method to estimate the sensitivity of total mortality due to short-term ozone exposure in North America to changes in temperature at any location. AIMS: We aim to identify areas where change in temperatures has the largest impact on population mortality due to short-term exposure to ozone. We also try to quantify by what magnitude these impacts differ from one location to another, and why high impact locations exhibit such behavior. METHODS: We use the adjoint sensitivity analysis modules developed for the USEPA’s community multiscale air quality (CMAQ) model. This method enables us to differentiate between the North American mortality influences induced by changes in temperatures at various locations. We account for the impact of temperature rise on ozone through atmospheric chemistry, moisture content, and vegetative (biogenic) emissions. RESULTS: Our model-based estimations for CPF are in good agreement with regional trends observed in the eastern US (1.4 - 2.4 ppb/C). We estimate a total of 370 additional summertime deaths for each degree increase in atmospheric temperatures. Most importantly, the unique high-NOx environments in urban areas make their warming by far most influential in contributing to increased North American mortality. We attribute this significantly larger contribution in urban areas to the different role played by water vapor in such environments. CONCLUSIONS: We conclude that our results point to a) viability of urban NOx emission controls (i.e., mobile emission reductions) as a climate change adaptation measure, and b) sizeable contribution of the urban heat island (UHI) effect to North American air pollution mortality.
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) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».