Elucidating emissions control strategies for ozone to protect human health and public welfare within the continental United States
Notice bibliographique
Résumé
Abstract Ground-level ozone, which forms photochemically in the atmosphere from precursor emissions of oxides of nitrogen (NO x ) and volatile organic compounds, is a criteria pollutant that harms human health and public welfare. For a representative summer episode, premature mortality and potential productivity losses (PPLs) of selected crops and trees attributable to ozone exposure have been quantified using ozone fields from the Community Multiscale Air Quality (CMAQ) model. We applied exposure-response models for the increased risk of premature mortality due to long-term exposure to ozone over a theoretical minimum risk exposure level (TMREL) and for the reduced accumulation of vegetative biomass for four crop species and eleven tree species using the W126 metric designed to capture impacts on plants. To elucidate which emissions contributed to these disbenefits, we applied adjoint-based sensitivity analysis, which efficiently estimates sensitivities of concentration-based metrics with respect to numerous emissions parameters simultaneously. The adjoint of CMAQ was applied to the continental US to calculate the influence of spatially-resolved ozone precursor emissions on the annual average, domain-wide daily maximum 8 h average over the TMREL (elevated MDA8), premature mortality attributable to exposure to ozone above the TMREL, and PPLs. These quantities provide the impact in terms of the percent reduction in precursor emissions. Additionally, locations where similar percent reductions in ozone precursor emissions would impact one or more endpoints greater than average have been identified. NO x emissions were found to contribute most to the three metrics. The distinct spatial patterns of emissions influences on public welfare disbenefits as compared to the elevated MDA8 and premature mortality suggest that the current regulatory averaging time motivates different emissions control strategies than those that could most directly protect public welfare.
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 | 0,003 | 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 | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».