Long-term trends of impacts of global gasoline and diesel emissions on ambient PM<sub>2.5</sub> and O<sub>3</sub> pollution and the related health burden for 2000–2015
Notice bibliographique
Résumé
Abstract Global economic development and urbanization during the past two decades have driven the increases in demand of personal and commercial vehicle fleets, especially in developing countries, which has likely resulted in changes in year-to-year vehicle tailpipe emissions associated with aerosols and trace gases. However, long-term trends of impacts of global gasoline and diesel emissions on air quality and human health are not clear. In this study, we employ the Community Earth System Model in conjunction with the newly developed Community Emissions Data System as anthropogenic emission inventory to quantify the long-term trends of impacts of global gasoline and diesel emissions on ambient air quality and human health for the period of 2000–2015. Global gasoline and diesel emissions contributed to regional increases in annual mean surface PM 2.5 (particulate matter with aerodynamic diameters ⩽2.5 μ m) concentrations by up to 17.5 and 13.7 µ g m −3 , and surface ozone (O 3 ) concentrations by up to 7.1 and 7.2 ppbv, respectively, for 2000–2015. However, we also found substantial declines of surface PM 2.5 and O 3 concentrations over Europe, the US, Canada, and China for the same period, which suggested the co-benefits of air quality and human health from improving gasoline and diesel fuel quality and tightening vehicle emissions standards. Globally, we estimate the mean annual total PM 2.5 - and O 3 -induced premature deaths are 139 700–170 700 for gasoline and 205 200–309 300 for diesel, with the corresponding years of life lost of 2.74–3.47 and 4.56–6.52 million years, respectively. Diesel and gasoline emissions create health-effect disparities between the developed and developing countries, which are likely to aggravate afterwards.
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 | 0,003 | 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 | 0,002 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».