Global fine-scale changes in ambient NO2 during COVID-19 lockdowns
Notice bibliographique
Résumé
Abstract Nitrogen dioxide (NO2) is an important contributor to air pollution and can adversely affect human health1–9. A decrease in NO2 concentrations has been reported as a result of lockdown measures to reduce the spread of COVID-1910–20. Questions remain, however, regarding the relationship of satellite-derived atmospheric column NO2 data with health-relevant ambient ground-level concentrations, and the representativeness of limited ground-based monitoring data for global assessment. Here we derive spatially resolved, global ground-level NO2 concentrations from NO2 column densities observed by the TROPOMI satellite instrument at sufficiently fine resolution (approximately one kilometre) to allow assessment of individual cities during COVID-19 lockdowns in 2020 compared to 2019. We apply these estimates to quantify NO2 changes in more than 200 cities, including 65 cities without available ground monitoring, largely in lower-income regions. Mean country-level population-weighted NO2 concentrations are 29% ± 3% lower in countries with strict lockdown conditions than in those without. Relative to long-term trends, NO2 decreases during COVID-19 lockdowns exceed recent Ozone Monitoring Instrument (OMI)-derived year-to-year decreases from emission controls, comparable to 15 ± 4 years of reductions globally. Our case studies indicate that the sensitivity of NO2 to lockdowns varies by country and emissions sector, demonstrating the critical need for spatially resolved observational information provided by these satellite-derived surface concentration estimates.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».