Toxic trajectories: Modeling heavy metal-laden phosphate dust dispersion and multi-receptor health risks near Kpémé’s industrial zone
Notice bibliographique
Résumé
Industrial emissions in developing regions pose catastrophic yet unquantified health-ecological threats, exemplified by Togo’s Kpémé phosphate plant. Current approaches fail to resolve atmospheric dispersion dynamics of toxic metal-laden TSP (e.g., Cd, Hg) or contextualize exposure risks for vulnerable receptors, leaving critical data gaps in meteorology and region-specific standards. We pioneer an integrated framework to establish receptor-resolved health risks by unveiling dispersion pathways and proposing Africa’s first harmonized air standards. Our novel methodology overcomes data poverty via synthetic meteorology validation and adapts regulations to local climatology. AERMOD View dispersion modeling leveraged MERRA-2/ERA5 meteorological data (2018–2022), validated by a Performance Score (PS=0.81), and 100 receptor sites. We introduced Togo-specific coefficients (e.g., K Togo =1.2) to adapt Québec air standards and developed new risk indices quantifying exposure, neurotoxic hazard quotients (HQ), and metal-specific carcinogenic risks (CR). Results demonstrate extreme TSP exceedances: 31.97 times daily standards (120 µg/m³) under normal conditions and 122.84 times during extreme events. Schools emerged as critical hotspots, with Keta Abate Kopé reaching 287 µg/m³ annually. Health impacts proved catastrophic: children’s HQ for neurotoxic metals (Pb and Hg) hit 356 times thresholds, while CR for Cr(VI) reached 12.46—exceeding safety limits (>0.0001) by orders of magnitude. Vulnerability analysis revealed clinics/schools endured triple the exposure of residential zones. This work establishes that contextual standardization and receptor-specific risk mapping are non-negotiable for Global South pollution governance. Fusing dispersion modeling with adaptive standards redefines industrial accountability, demanding urgent stack filtration and child safety buffers for climate-resilient policies in aerosol-exposed zones.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».