Toxicity Ranking of European Industrial Facilities
Notice bibliographique
Résumé
Abstract Here, we present a methodology to improve environmental assessment of Europe based facilities, industries and regions by linking the European Pollutant Release and Transfer Register and the USEtox, a scientific consensus model for characterizing human and ecotoxicological impacts of chemicals. Such environmental assessment is an increasingly important need in policy and finance. In this paper we measure human, cancer and non-cancer toxicity and ecotoxicity risks of more than 10,000 companies from point source pollutant releases in Europe from 2007 to 2017. We discuss water and air emissions of dozens of pollutants in urban, rural, coastal and inland areas. There are clusters of toxicity in the most industrialized regions of North-England, North-Italy, the German Ruhr-area, South-Poland, in the Benelux states, and in coastal areas of Spain, Portugal and Nordic countries. There is an overlap of areas of the largest emissions of human toxicity and ecotoxicity. We confirm toxicity potential of major pollutants in previous research papers (Hg accounting for 71% of the total human toxicity and Zn accounting for 55% of total ecotoxicity). Human toxicity is estimated to be mostly non-cancer type in Europe. Companies in the electricity production sector are estimated to have the largest human toxicity potential (52% of total) in the European Union 2017 and companies in the sewerage sector have the largest ecotoxicity impact potential (41%). Total human toxicity almost halved from 2001 to 2017, although the downward trend reversed in 2016. Ecotoxicity increased by 20% in the same period. A key advantage of our methodology and indicators is that they can be used to measure progress towards the United Nation's Sustainable Development Goals and the environmental objectives in the EU Taxonomy regulation on the company facility level and regionally.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».