کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6962086 1452247 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimating individualized exposure impacts from ambient ozone levels: A synthetic information approach
ترجمه فارسی عنوان
برآورد اثرات فردی تحت تاثیر قرار گرفتن در معرض سطوح ازن محیط: یک رویکرد اطلاعاتی مصنوعی
کلمات کلیدی
جمعیت مصنوعی، کیفیت هوا، ازن، میکرو محیط، قرار گرفتن در معرض شخصی،
ترجمه چکیده
شواهد کافی وجود دارد که قرار گرفتن در معرض کوتاه مدت ازن با افزایش علائم تنفسی همراه است. با این حال، بسیاری از مطالعات جمعیت، فعالیت ها یا سطوح غلظت آلودگی را در فضا و / یا زمان جمع می کنند، در غیر اینصورت تغییرات بحرانی در سطوح قرار گرفتن در معرض خطر را ثبت نمی کنند. ما تخمینی از محدوده کیفیت هوا را با مدل اطلاعات مصنوعی منطقه متروپولیتن هوستون مقایسه می کنیم و به ما اجازه می دهیم که سطوح قرار گرفتن در معرض افراد را براساس زمان دقیق، مکان های جغرافیایی و محیط های محیطی فعالیت ها اضافه کنیم. چند سناریو از مدل در سطوح مختلف قطعنامه اجرا می شود. هنگامی که ما از تفکیک زمانی و مکانی داده ها اطمینان داریم، نسبت جمعیتی که تجربیات تیز را در مواجهه کوتاه مدت افزایش می دهد، به میزان قابل توجهی افزایش می یابد. این امر می تواند بسیار مهم باشد اگر جمعیت های حساس با توجه به افزایش خطر ابتلا به اثرات نامطلوب سلامتی تجربه کنند. ما متوجه می شویم که افراد در یک کد پستی، محله و حتی خانوار دارای سطوح مختلف قرار گرفتن در معرض هستند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
There is ample evidence that short-term ozone exposure is associated with increased respiratory symptoms. Many studies, however, aggregate the population, activities, or concentration levels of the pollutant across space and/or time, failing to capture critical variations in the exposure levels. We couple spatiotemporal air quality estimates of ozone with a synthetic information model of the Houston Metropolitan Area, allowing us to attach exposure levels to individuals based on exact times, geo-locations, and microenvironments of activities. Several scenarios of the model are run at different levels of resolution. When we maintain the spatiotemporal resolution of the data, the proportion of the population that experiences sharp increases in short-term exposure increases substantially. This can be particularly important if experienced by sensitive populations given the increased risk for adverse health effects. We find that individuals in the same zip code, neighborhood, and even household have varying levels of exposure.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 103, May 2018, Pages 146-157
نویسندگان
, , , , , , ,