Inequitable Spatial and Temporal Patterns in the Distribution of Multiple Environmental Risks and Benefits in Metro Vancouver
Notice bibliographique
Résumé
Abstract The urban environment impacts residents' health and well‐being in many ways. Environmental benefits and risks may be interactively and inequitably distributed across different populations in cities, and these patterns may change over time. Here, we assess the spatial distribution of environmental risks and benefits in pairs, considering synergies and trade‐offs, in an illustrative metropolitan area (Metro Vancouver) in Canada in the years 2006 and 2016. We classify census dissemination areas as sweet, sour, risky, or medium spots based on relative exposures for six environmental combinations: Walkability and NO2; heat stress and NO2; vegetation coverage and NO2; vegetation coverage and heat stress; walkability and accessibility to natural recreational areas; and heat stress and accessibility to natural recreational areas. We evaluate whether different population groups are disproportionately exposed to lower environmental quality based on linear regressions and other metrics. We find that while performance for individual environmental variables improved over the decade, considering their combinations, sweet spots became sweeter and sour spots became sourer. Residents with high material and social deprivation and visible minorities were disproportionately exposed to lower environmental quality in both years for most of the environmental combinations. Further, we find that these inequities were not improving over time for all groups: for instance, South Asian residents in the region faced higher disproportionate burdens or diminished access to benefits in 2016, as compared to 2006. Given these findings, we suggest considerations of cumulative exposure in prioritizing areas for intervention, targeting the sour and risky spots persistently experienced by overburdened populations.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».