Mapping Potential Population‐Level Pesticide Exposures in Ecuador Using a Modular and Scalable Geospatial Strategy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Human populations and ecosystems are extensively exposed to pesticides. Most nations lack the capacity to control pesticide contamination and have limited availability of pesticide use information. Ecuador is a country with intense pesticide use with high exposure risks to humans and the environment, although relative or combined risks are not well understood. Here, we analyzed the distribution of application rates in Ecuador and identified regions of concern because of high potential exposure. We used a geospatial analysis to identify grid cells (∼8 km × 8 km) where the highest pesticide application rates and density of human populations overlap. Furthermore, we identified other regions of concern based on the number of amphibian species as an indicator of ecosystem integrity and the location of natural protected areas. We found that 28% of Ecuador's population dwelled in areas with high pesticide application rate. We identified an area of ∼512 km 2 in the Amazon region where high application rates, large human settlements, and a high number of amphibian species overlapped. Additionally, we distinguished clusters of pesticide application rates and human populations that intersected with natural protected areas. Ecuador exemplifies how pesticides are disproportionately applied in areas with the potential to affect human health and ecosystems' integrity. Global estimates of population dwelling, pesticide application rates, and environmental factors are key in prioritizing locations to conduct further exposure assessments. The modular and scalable nature of the geospatial tools we developed can be expanded and adapted to other regions of the world where data on pesticide use are limited.
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.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 découle