The health impacts of Indonesian peatland fires
Notice bibliographique
Résumé
Abstract Background Indonesian peatlands have been drained for agricultural development for several decades. This development has made a major contribution to economic development. At the same time, peatland drainage is causing significant air pollution resulting from peatland fires. Peatland fires occur every year, even though their extent is much larger in dry (El Niño) years. We examine the health effects of long-term exposure to fine particles (PM 2.5 ) from all types of peatland fires (including the burning of above and below ground biomass) in Sumatra and Kalimantan, where most peatland fires in Indonesia take place. Methods We derive PM 2.5 concentrations from satellite imagery calibrated and validated with Indonesian Government data on air pollution, and link increases in these concentrations to peatland fires, as observed in satellite imagery. Subsequently, we apply available epidemiological studies to relate PM 2.5 exposure to a range of health outcomes. The model utilizes the age distribution and disease prevalence of the impacted population. Results We find that PM 2.5 air pollution from peatland fires, causes, on average, around 33,100 adults and 2900 infants to die prematurely each year from air pollution. In addition, peatland fires cause on average around 4390 additional hospitalizations related to respiratory diseases, 635,000 severe cases of asthma in children, and 8.9 million lost workdays. The majority of these impacts occur in Sumatra because of its much higher population density compared to Kalimantan. A main source of uncertainty is in the Concentration Response Functions (CRFs) that we use, with different CRFs leading to annual premature adult mortality ranging from 19,900 to 64,800 deaths. Currently, the population of both regions is relatively young. With aging of the population over time, vulnerabilities to air pollution and health effects from peatland fires will increase. Conclusions Peatland fire health impacts provide a further argument to combat fires in peatlands, and gradually transition to peatland management models that do not require drainage and are therefore not prone to fire risks.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».