Global Inequality of PM <sub>2.5</sub> Exposure and Ecological Possession over 2001–2020
Notice bibliographique
Résumé
Long-term exposure to ambient fine particulate matter (PM 2.5 ) air pollution presents a marked environmental risk factor affecting human health and has been demonstrated to increase human morbidity and mortality rates. In contrast to the health risks posed by air pollution, a healthy ecology serves as the foundation for human survival and well-being. However, there are still issues of ecological distribution and possession that are inequitable between humans and nature, as well as between different countries. This study scrutinizes the global, national, and grid-scale disparities in PM 2.5 exposure and ecological possession during the period 2001–2020. Our findings reveal that (a) PM 2.5 concentrations have been on the rise in several countries, including India, Saudi Arabia, Yemen, Russia, Turkey, Bangladesh, Ethiopia, Algeria, Iran, and Myanmar. Conversely, a decreasing trend in PM 2.5 levels is evident in China, the United States, Brazil, Canada, and most European countries. (b) A notable decrease in the risk of PM 2.5 exposure has been observed in densely populated regions in south-eastern China, specifically along the Heihe–Tengchong Line, attributable to a series of effective management measures. (c) Lower ecological quality possession was observed in parts of the Americas, Africa, Asia, and Europe, suggesting increased competition for ecological resources in these regions. We emphasize that humanity shares a common destiny within the global community, and strongly advocate for governments and relevant bodies to address these disparities in PM 2.5 exposure and ecological quality possession, with the aim of preserving the environment and attaining sustainable development goals.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».