MétaCan
Menu
Retour à la cohorte
Enregistrement W2990854312 · doi:10.5194/acp-20-7783-2020

Decadal changes in anthropogenic source contribution of PM <sub>2.5</sub> pollution and related health impacts in China, 1990–2015

2020· article· en· W2990854312 sur OpenAlexfundno aff
Jun Liu, Yixuan Zheng, Guannan Geng, Chaopeng Hong, Meng Li, Xin Li, Fei Liu, Dan Tong, Ruili Wu, Bo Zheng, Kebin He, Qiang Zhang

Notice bibliographique

RevueAtmospheric chemistry and physics · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensnon disponible
Organismes subventionnairesDalhousie UniversityChina Postdoctoral Science FoundationNational Natural Science Foundation of ChinaEmory UniversityHealth Effects Institute
Mots-clésChinaParticulatesEnvironmental scienceConfidence intervalAir pollutionAgriculturePollutionAir quality indexGeographyMedicineMeteorologyEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Air quality in China has changed dramatically in response to rapid development of the economy and to policies. In this work, we investigate the changes in anthropogenic source contribution to ambient fine particulate matter (PM 2.5 ) air pollution and related health impacts in China during 1990–2015 and elucidate the drivers behind the decadal transition. We estimate the contribution of five anthropogenic emitting sectors to ambient PM 2.5 exposure and related premature mortality over China during 1990–2015 with 5-year intervals, by using an integrated model framework of a bottom-up emission inventory, a chemical transport model, and the Global Exposure Mortality Model (GEMM). The national anthropogenic PM 2.5 -related premature mortality estimated with the GEMM for nonaccidental deaths due to noncommunicable diseases and lower respiratory infections rose from 1.26 million (95 % confidence interval (CI) [1.05, 1.46]) in 1990 to 2.18 million (95 % CI [1.84, 2.50]) in 2005; then, it decreased to 2.10 million (95 % CI [1.76, 2.42]) in 2015. In 1990, the residential sector was the leading source of the PM 2.5 -related premature mortality (559 000, 95 % CI [467 000, 645 900], 44 % of total) in China, followed by industry (29 %), power (13 %), agriculture (9 %), and transportation (5 %). In 2015, the industrial sector became the largest contributor of PM 2.5 -related premature mortality (734 000, 95 % CI [615 500, 844 900], 35 % of total), followed by the residential sector (25 %), agriculture (23 %), transportation (10 %), and power (6 %). The decadal changes in source contribution to PM 2.5 -related premature mortality in China represent a combined impact of socioeconomic development and clean-air policy. For example, active control measures have successfully reduced pollution from the power sector, while contributions from the industrial and transportation sectors have continuously increased due to more prominent growth in activity rates. A transition in fuel consumption has dominated the decrease in the contribution from residential sector. Meanwhile, the contribution from the agriculture sector has continuously increased due to persistent NH 3 emissions and enhanced formation of secondary inorganic aerosols under an NH 3 -rich environment.

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)0,001
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 enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,259
Écart entre enseignants0,248 · 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

Citations89
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAir Quality and Health ImpactsTravaux en français237 207