Assessing PM<sub>2.5</sub> pollution in the Northeastern United States from the 2023 Canadian wildfire smoke: an episodic study integrating air quality and health impact modeling with emissions and meteorological uncertainty analysis
Notice bibliographique
Résumé
Abstract Between June 6 and 8, 2023, wildfires in Quebec, Canada generated massive smoke plumes that traveled long distances and deteriorated air quality across the Northeastern United States (US). Surface daily PM2.5 observations exceeded 100 µg m−3, affecting major cities such as New York City and Philadelphia, while many areas lacked PM2.5 monitors, making it difficult to assess local air quality conditions. To address this gap, we developed a WRF-CMAQ-BenMAP modeling system to provide rapid, spatially continuous estimates of wildfire-attributable PM2.5 concentrations and associated health impacts, particularly benefiting regions lacking air quality monitoring. CMAQ simulations driven by two wildfire emissions datasets and two meteorological drivers showed good agreement with PM2.5 observations, with linear regression results of R2 ∼0.6 and slope ∼0.9. We further quantified uncertainties introduced by varying emissions and meteorological drivers and found the choice of wildfire emissions dataset alone can alter PM2.5 simulations by up to 40 µg m−3 (∼40%). Short-term health impacts were evaluated using the BenMAP model. Validation against asthma-associated emergency department (ED) visits in New York State confirmed the framework’s ability to replicate real-world outcomes, with ED visits increased up to ∼40%. The modeling results identified counties most severely affected by wildfire plumes, the majority of which lack regulatory air quality monitors. Our approach highlights the value of integrated modeling for identifying vulnerable populations and delivering timely health burden estimates, regardless of local monitoring availability.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».