Particulates and Gaseous Emission from the Indian Cropland Agricultural Sector and Health Burden Attributable to Emitted Primary PM<sub>2.5</sub>
Notice bibliographique
Résumé
The agricultural sector significantly contributes to atmospheric pollution, impacting air quality through activities such as tillage, planting, fertilizer application, harvesting, crop residue burning, and grain handling. The outcome of this work is the documentation of the emission inventory of particulates (PM 10 and PM 2.5 ) and gaseous emissions (SO 2, CO, NO x, NH 3, and volatile organic compounds (VOCs)) from the agricultural industry, particularly crop production. Further, the emissions of elemental carbon (EC), organic carbon (OC), and polycyclic aromatic hydrocarbons (PAHs), which are part of particulate matter (PM), were calculated along with greenhouse gases (CO 2, CH 4, and N 2 O) coming from the agricultural sector for 2021, with projections for 2051. Total greenhouse gas emissions in 2021 were 408 Tg, while PM 10 and PM 2.5 emissions were approximately 2.5 and 1.1 Tg, respectively. The health impact of primary agricultural PM 2.5 was quantified, revealing an estimated approximately 4 million disability-adjusted life years (DALYs) and 0.13 million deaths attributable to these emissions in 2021. The findings highlight the urgent need to reduce emissions at their source and ensure sustainable agricultural practices. This study provides critical data for policymakers to address air quality and health challenges. Furthermore, the developed emission inventory will serve as a valuable resource for researchers conducting air quality modeling and environmental impact assessments.
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 | 0,000 | 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 | 0,001 | 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 ».