Impact on air quality and health due to the Saddleworth Moor fire in northern England
Notice bibliographique
Résumé
Abstract On June 24th 2018 one of the largest UK wildfires in recent history broke out on Saddleworth Moor, close to Manchester, in north-west England. Since wildfires close to large populations in the UK have been relatively small and rare in the past, there is little knowledge about the impacts. This has prevented the development of effective strategies to reduce them. This paper uses a high-resolution coupled atmospheric-chemistry model to assess the impact of the fires on particulate matter with a diameter less than 2.5 µ m (PM 2.5 ) across the region and the impact on health from short-term exposure. We find that the fires substantially degraded air quality. PM 2.5 concentrations increased by more than 300% in Oldham and Manchester and up to 50% in areas up to 80 km away such as Liverpool and Wigan. This led to one quarter of the population (2.9 million people) in the simulation domain (−4.9–0.7°E and 53.0–54.4°N) being exposed to moderate PM 2.5 concentrations on at least one day, according to the Daily Air Quality Index (36–53 µ g m −3 ), between June 23rd and 30th 2018. This equates to 4.5 million people being exposed to PM 2.5 above the WHO 24-hour guideline of 25 µ g m −3 on at least one day. Using a concentration-response function we calculate the short-term health impact, which indicates that in total over the 7-day period 28 (95% CI: 14.1–42.1) deaths were brought forward, with a mean daily excess mortality of 3.5 deaths per day (95% CI: 1.8–5.3). The excess mortalities from PM 2.5 from the fires represented up to 60% of the total excess mortality (5.7 of 9.5 excess deaths), representing an increase of 3.8 excess mortalities (165% increase) compared to if there were no fires. We find the impact of mortality due to PM 2.5 from the fires on the economy was also substantial (£21.1 m).
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 | 0,000 | 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) | 0,001 | 0,001 |
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 ».