What Factors Dominate the Change of PM2.5 in the World from 2000 to 2019? A Study from Multi-Source Data
Notice bibliographique
Résumé
As the threat to human life and health from fine particulate matter (PM2.5) increases globally, the life and health problems caused by environmental pollution are also of increasing concern. Understanding past trends in PM2.5 and exploring the drivers of PM2.5 are important tools for addressing the life-threatening health problems caused by PM2.5. In this study, we calculated the change in annual average global PM2.5 concentrations from 2000 to 2020 using the Theil–Sen median trend analysis method and reveal spatial and temporal trends in PM2.5 concentrations over twenty-one years. The qualitative and quantitative effects of different drivers on PM2.5 concentrations in 2020 were explored from natural and socioeconomic perspectives using a multi-scale geographically weighted regression model. The results show that there is significant spatial heterogeneity in trends in PM2.5 concentration, with significant decreases in PM2.5 concentrations mainly in developed regions, such as the United States, Canada, Japan and the European Union countries, and conversely, significant increases in PM2.5 in developing regions, such as Africa, the Middle East and India. In addition, in regions with more advanced science and technology and urban management, PM2.5 concentrations are more evenly influenced by various factors, with a more negative influence. In contrast, regions at the rapid development stage usually continue their economic development at the cost of the environment, and under a high intensity of human activity. Increased temperature is known as the most important factor for the increase in PM2.5 concentration, while an increase in NDVI can play an important role in the reduction in PM2.5 concentration. This suggests that countries can achieve good air quality goals by setting a reasonable development path.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».