The Co-occurrence of Wildfire Smoke and Extreme Heat Events in British Columbia, 2010–2022: Evaluating Spatiotemporal Trends and Inequities in Exposure Burden
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Climate change is fueling more frequent and severe wildfire smoke (WFS) and extreme heat events (EHEs), and co-exposure may have synergistic adverse health effects. We evaluated the spatiotemporal trends in population exposure to co-occurring WFS and EHEs (WFS-EHEs) in British Columbia (BC). We calculated the frequency, intensity, and trends in WFS-EHEs in each census dissemination area (DA) in BC between 2010 and 2022. WFS-EHEs were identified using established exceedance thresholds and daily data on fine particulate matter, smoke plumes, and meteorological conditions. Trends were identified using the Mann–Kendall and Theil–Sen approaches. Census data was used to identify the characteristics of the most exposed communities. Over 13 years, there were 276,666 DA-level WFS-EHEs, impacting all BC residents and leading to a cumulative 170.8 million person-days of exposure. Although there was substantial year-to-year variability, the frequency and intensity of WFS-EHEs increased over time, with 60.8% of co-occurrences between 2018 and 2022. 42.5% of DAs (∼1.9 million people) experienced significant increases in exposure. The highest co-exposure burden occurred in rural communities with lower adaptive capacity. Our findings demonstrate the need for public health guidance on these increasingly frequent and intense compound hazards and can inform climate change adaptation and mitigation efforts in BC and elsewhere.
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) | 0,000 | 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 ».