Beyond SO<sub>x</sub> reductions from shipping: assessing the impact of NO<sub>x</sub> and carbonaceous-particle controls on human health and climate
Notice bibliographique
Résumé
Abstract Historically, cargo ships have been powered by low-grade fossil fuels, which emit particles and particle-precursor vapors that impact human health and climate. We used a global chemical-transport model with online aerosol microphysics (GEOS-Chem-TOMAS) to estimate the aerosol health and climate impacts of four emission-control policies: (1) 85% reduction in sulfur oxide (SOx) emissions (Sulf); (2) 85% reduction in SOx and black carbon (BC) emissions (Sulf-BC); (3) 85% reduction in SOx, BC, and organic aerosol (OA) emissions (Sulf-BC-OA); and (4) 85% reduction in SOx, BC, OA, and nitrogen oxide (NOx) emissions (Sulf-BC-OA-NOx). The SOx reductions reflect the 0.5% fuel-sulfur cap implemented by the International Maritime Organization (IMO) on 1 January 2020. The other reductions represent realistic estimates of future emission-control policies. We estimate that these policies could reduce fine particulate matter (PM2.5)-attributable mortalities by 13 300 (Sulf) to 38 600 (Sulf-BC-OA-NOx) mortalities per year. These changes represent 0.3% and 0.8%, respectively, of annual PM2.5-attributable mortalities from anthropogenic sources. Comparing simulations, we estimate that adding the NOx cap has the greatest health benefit. In contrast to the health benefits, all scenarios lead to a simulated climate warming tendency. The combined aerosol direct radiative effect and cloud-albedo indirect effects (AIE) are between 27 mW m−2 (Sulf) and 41 mW m−2 (Sulf-BC-OA-NOx). These changes are about 2.1% (Sulf) to 3.2% (Sulf-BC-OA-NOx) of the total anthropogenic aerosol radiative forcing. The emission control policies examined here yield larger relative changes in the aerosol radiative forcing (2.1%–3.2%) than in health effects (0.3%–0.8%), because most shipping emissions are distant from populated regions. Valuation of the impacts suggests that these emissions reductions could produce much larger marginal health benefits ($129–$374 billion annually) than the marginal climate costs ($12–$17 billion annually).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».