CHANGES OF SPATIAL DISPARITIES IN SATELLITE-DERIVED PM<sub>2.5</sub> EXPOSURES OVER 2010–2019 IN CHINA
Notice bibliographique
Résumé
Abstract. Air pollution, especially fine particulate matter (PM2.5), has attracted extensive attention due to its adverse impacts on public health. Although PM2.5 pollution was significantly reduced in China over time, while little is known how the spatial disparity of PM2.5 exposure has evolved, especially from both absolute and relative perspectives. Here, we estimate the long-term PM2.5 exposures in China based on satellite observations and convolutional neural network, and characterize the spatial disparity of PM2.5 exposure using Theil index and rank-rank relationship. The result shows that both PM2.5 exposure and absolute spatial disparity were substantially reduced between 2010 and 2019. The nation-wide concentrations (Theil index) declined from 48.0µg/m3 (0.13) to 35.5µg/m3 (0.054). The inter-provincial disparities dominate the overall disparity in 2010, while the intra-provincial disparity contributed the most in 2019. However, while absolute disparities have diminished, relative disparities persist. PM2.5 exposures in the least 20th percentile polluted cities have increased over time, while exposures in other regions declined. On average, the more (less) polluted cities in 2010 were still the more (less) polluted cities in 2019 (except for the very most 2 percentile polluted cities), indicating that the population in more polluted cities still experiences more air pollution than others. Spatial pattern of relative disparity changes was also observed. Overall, understanding not only absolute spatial disparity but also relative disparity is required to help formulate targeted policies for an equitable environment, leaving nobody behind.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».