MétaCan
Menu
Retour à la cohorte
Enregistrement W6939896376 · doi:10.6084/m9.figshare.12959853

Multipollutant impacts to U.S. receptors of regional on-road freight in Ontario, Canada

2020· article· en· W6939896376 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDamagesMetropolitan areaGreenhouse gasCriteria air contaminantsAir pollutantsAir pollutionClimate change

Résumé

récupéré en direct d'OpenAlex

On-road freight is a significant source of air pollutant and greenhouse gas emissions. The resulting economic damages can cross borders through processes of atmospheric fate and transport, regardless of whether that freight serves local or regional demand. Understanding patterns of freight demand and atmospheric processes can thus inform inter-jurisdictional efforts to mitigate multipollutant damages. We quantify how different freight trips across 49 census divisions in the Province of Ontario, Canada create an economic burden on downwind US receptors. We apply an integrated modeling approach combining a travel demand model, a mobile emissions simulator, and marginal damages from emissions. Economic damages include the increased risk of premature death from PM<sub>2.5</sub> related to primary PM<sub>2.5</sub> (represented by damages from inert primary PM<sub>2.5</sub>), NO<sub>X</sub>, SO<sub>2</sub>, and NH<sub>3</sub>, and the global effects of climate change from greenhouse gases (CO<sub>2</sub>, CH<sub>4</sub>, N<sub>2</sub>O). Over 90% of the $1.4 billion (2010USD) in transboundary air pollutant damages at US receptors result from regional freight demand across Ontario in 2012. A single major freight corridor, the ON-401 expressway, contributes more than half of all damages. Most of these damages impact the states situated to the south and east of the province. Mean estimates of annual damages range from millions to tens of millions (2010USD) across major eastern metropolitan areas including New York, Boston, Philadelphia, and D.C. Most of these damages result from NO<sub>X</sub>, which constitutes 95% of inorganic PM<sub>2.5</sub>-related pollutant emissions by mass. Thus, targeting NOx from freight movements along the ON-401 expressway could avoid millions to tens of millions of damages annually in eastern US cities. These results indicate that local green freight policies may be unable to address the environmental burden at cross-border receptors. Cooperation is needed among local, provincial, and federal governments to encourage policies targeting the most harmful emissions along routes servicing regional freight demands. <i>Implications:</i> On-road freight movement in Ontario can yield billions of dollars in annual economic damages to US residents through its effects on air pollution and climate change. We use an integrated modeling approach combining an on-road freight travel demand, mobile emissions, and marginal damages of emissions to quantify and study these economic damages. Regional freight contributes approximately 90% of damages, with one major freight corridor, the ON-401 expressway, contributing 59%. Most damages derive from emissions of NOx and amount to millions to tens of millions of dollars in annual damages across major Eastern US cities. Thus, targeting NOx from freight movements along the ON-401 expressway could avoid millions of damages annually in eastern US cities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0730,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,208
Écart entre enseignants0,172 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetVehicle emissions and performanceTravaux en français237 207