Vehicles are major sources of air p

Vehicles are major sources of air pollutant emissions, and individuals living near large roads endure high exposures and health risks associated with traffic-related air pollutants. Air pollution epidemiology, health risk, environmental justice, and transportation planning studies would all benefit from an improved understanding of the key information and metrics needed to assess exposures, as well as the strengths and limitations of alternate exposure metrics. This study develops and evaluates several metrics for characterizing exposure to traffic-related air pollutants for the 218 residential locations of participants in the NEXUS epidemiology study conducted in Detroit (MI, USA). Exposure metrics included proximity to major roads, traffic volume, vehicle mix, traffic density, vehicle exhaust emissions density, and pollutant concentrations predicted by dispersion models. Results presented for each metric include comparisons of exposure distributions, spatial variability, intraclass correlation, concordance and discordance rates, and overall strengths and limitations. While showing some agreement, the simple categorical and proximity classifications (e.g., high diesel/low diesel traffic roads and distance from major roads) do not reflect the range and overlap of exposures seen in the other metrics. Information provided by the traffic density metric, defined as the number of kilometers traveled (VKT) per day within a 300 m buffer around each home, was reasonably consistent with the more sophisticated metrics. Dispersion modeling provided spatially- and temporally-resolved concentrations, along with apportionments that separated concentrations due to traffic emissions and other sources. While several of the exposure metrics showed broad agreement, including traffic density, emissions density and modeled concentrations, these alternatives still produced exposure classifications that differed for a substantial fraction of study participants, e.g., from 20% to 50% of homes, depending on the metric, would be incorrectly classified into “low”, “medium” or “high” traffic exposure classes. These and other results suggest the potential for exposure misclassification and the need for refined and validated exposure metrics. While data and computational demands for dispersion modeling of traffic emissions are non-trivial concerns, once established, dispersion modeling systems can provide exposure information for both on- and near-road environments that would benefit future traffic-related assessments.

Keywords: air pollution, dispersion modeling, epidemiology, exhaust, exposure misclassification, PM2.5, traffic, vehicle

ผลลัพธ์ (ไทย) 1:

ยานพาหนะเป็นแหล่งสำคัญของการปล่อยมลพิษอากาศ และบุคคลที่อาศัยอยู่ใกล้ถนนใหญ่ทนภาพสูงและความเสี่ยงด้านสุขภาพที่เกี่ยวข้องกับสารมลพิษอากาศที่เกี่ยวข้องกับการจราจร อากาศมลพิษระบาด ความเสี่ยงสุขภาพ ความยุติธรรมด้านสิ่งแวดล้อม และการขนส่งวางแผนการศึกษาทั้งหมดจะมีประโยชน์จากความเข้าใจที่ดีขึ้นของคีย์ข้อมูลและเครื่องมือวัดที่จำเป็นในการประเมิน ภาพ รวมทั้งจุดแข็ง และข้อจำกัดของการวัดแสงแบบอื่น ศึกษาพัฒนา และประเมินวัดหลายสำหรับกำหนดลักษณะการสัมผัสกับสารมลพิษอากาศที่เกี่ยวข้องกับการจราจรในสถานอยู่อาศัย 218 ของผู้เรียนในการศึกษาวิทยาการระบาด NEXUS ในดีทรอยต์ (MI สหรัฐอเมริกา) การวัดแสงอยู่ใกล้กับถนนหลัก ปริมาณ รถผสม จราจรหนาแน่น ความหนาแน่นการปล่อยไอเสียของยานพาหนะ และความเข้มข้นมลพิษที่ทำนาย โดยรูปแบบการกระจายตัว ผลลัพธ์ที่แสดงสำหรับแต่ละวัดรวมถึงเปรียบเทียบการกระจายแสง ปริภูมิความแปรผัน ความสัมพันธ์ intraclass สอดคล้อง และ discordance ราคา รวมจุดแข็ง และข้อจำกัด ขณะแสดงข้อตกลงบาง แตกง่ายและจัดประเภทความใกล้ชิด (เช่น ถนนจราจรดีเซลดีเซลสูงต่ำและห่างจากถนนใหญ่) ไม่สะท้อนช่วงการเหลื่อมกันของภาพที่เห็นในวัดอื่น ๆ ด้วย ข้อมูลโดยการจราจรหนาแน่นวัด กำหนดเป็นจำนวนกิโลเมตรในการเดินทาง (VKT) ต่อวันภายในบัฟเฟอร์ 300 เมตรรอบบ้านละ สมเหตุสมผลสอดคล้องกับการวัดที่ซับซ้อนมากขึ้น กระจายตัวโมเดลให้ spatially - และ temporally-แก้ไขความเข้มข้น พร้อมกับ apportionments ที่แยกความเข้มข้นปล่อยจราจรและแหล่งอื่น ๆ ในขณะที่หลายวัดแสงแสดงให้เห็นว่าข้อตกลงกว้าง ความหนาแน่นของการจราจร การปล่อยความหนาแน่น และความเข้ม ข้นสร้างแบบจำลอง จัดประเภทความเสี่ยงเหล่านี้แทนที่ยังคง ผลิตที่แตกต่างเที่ยวอาสา พบ เช่นจาก 20% เป็น 50% ของบ้าน ตามวัด จะถูกแบ่งออกเป็นชั้น "ต่ำ" "กลาง" หรือ "สูง" จราจรแสง เหล่านี้และผลลัพธ์อื่น ๆ แนะนำเป็น misclassification แสงและวัดแสงรับ และตรวจสอบความถูกต้อง ข้อมูลและความต้องการคำนวณการจำลองการกระจายตัวของจราจรปล่อยความกังวลไม่ใช่เล็กน้อย ครั้งก่อตั้ง มีเธนโมเดลระบบสามารถให้ข้อมูลแสงสำหรับสภาพแวดล้อมทั้งใน - และใกล้ถนนที่จะได้รับประโยชน์การประเมินผลที่เกี่ยวข้องกับการจราจรในอนาคตคำสำคัญ: อากาศมลพิษ โมเดลเธน ระบาดวิทยา ไอเสีย แสง misclassification, PM2.5 จราจร ยานพาหนะ

ผลลัพธ์ (ไทย) 2:

ยานพาหนะเป็นแหล่งสำคัญของการปล่อยมลพิษทางอากาศและประชาชนที่อาศัยอยู่ใกล้ถนนใหญ่ทนความเสี่ยงสูงและความเสี่ยงต่อสุขภาพที่เกี่ยวข้องกับมลพิษทางอากาศการจราจรที่เกี่ยวข้อง อากาศระบาดวิทยามลพิษความเสี่ยงด้านสุขภาพความยุติธรรมด้านสิ่งแวดล้อมและการศึกษาการวางแผนการขนส่งจะได้รับประโยชน์จากความเข้าใจที่ดีขึ้นของข้อมูลที่สำคัญและตัวชี้วัดที่จำเป็นในการประเมินความเสี่ยงเช่นเดียวกับจุดแข็งและข้อ จำกัด ของตัวชี้วัดการสัมผัสอื่น การศึกษาครั้งนี้ได้พัฒนาและประเมินผลตัวชี้วัดหลายลักษณะการสัมผัสกับสารมลพิษทางอากาศการจราจรที่เกี่ยวข้องกับ 218 สถานที่อยู่อาศัยของผู้เข้าร่วมในการศึกษาระบาดวิทยา NEXUS ดำเนินการในดีทรอยต์ (MI, USA) ตัวชี้วัดที่ได้รับสารรวมอยู่ใกล้กับถนนสายสำคัญปริมาณการจราจรรถผสมความหนาแน่นของการจราจรไอเสียรถยนต์หนาแน่นของการปล่อยมลพิษและความเข้มข้นของสารมลพิษที่คาดการณ์โดยแบบจำลองการกระจายตัว นำเสนอผลสำหรับแต่ละตัวชี้วัดรวมถึงการเปรียบเทียบของการกระจายการสัมผัสความแปรปรวนอวกาศสัมพันธ์ intraclass สอดคล้องและอัตราความบาดหมางกันและจุดแข็งโดยรวมและข้อ จำกัด ในขณะที่การแสดงข้อตกลงบางอย่างเด็ดขาดการจำแนกประเภทและความใกล้ชิดง่าย (เช่นดีเซลสูง / ถนนจราจรดีเซลต่ำและระยะทางจากถนนสายหลัก) ไม่ได้สะท้อนให้เห็นถึงช่วงและการทับซ้อนของความเสี่ยงที่เห็นในตัวชี้วัดอื่น ๆ ข้อมูลจากการจราจรหนาแน่นตัวชี้วัดหมายถึงจำนวนกิโลเมตรเดินทาง (VKT) ต่อวันภายใน 300 เมตรกันชนรอบ ๆ บ้านแต่ละสอดคล้องสมเหตุสมผลกับตัวชี้วัดที่ซับซ้อนมากขึ้น แบบจำลองการกระจายให้ spatially- และความเข้มข้นชั่วคราว-แก้ไขพร้อมกับ apportionments ที่แยกความเข้มข้นเนื่องจากการปล่อยก๊าซเรือนกระจกจราจรและแหล่งข้อมูลอื่น ๆ ในขณะที่หลายตัวชี้วัดที่แสดงให้เห็นว่าการเปิดรับข้อตกลงในวงกว้างรวมถึงความหนาแน่นของการจราจรหนาแน่นและความเข้มข้นของการปล่อยก๊าซจำลองทางเลือกเหล่านี้ยังคงผลิตจำแนกประเภทการสัมผัสที่แตกต่างกันสำหรับส่วนมากของผู้เข้าร่วมการศึกษาเช่นจาก 20% เป็น 50% ของที่อยู่อาศัยขึ้นอยู่กับ ตัวชี้วัดที่จะได้รับการจัดอย่างไม่ถูกต้องเป็น "ต่ำ", "กลาง" หรือ "สูง" เรียนการสัมผัสการจราจร เหล่านี้และผลอื่น ๆ ที่แนะนำที่มีศักยภาพสำหรับการเปิดรับจำแนกและความจำเป็นในการกลั่นและการตรวจสอบตัวชี้วัดการสัมผัส ขณะที่ข้อมูลและความต้องการการประมวลผลสำหรับการสร้างแบบจำลองการกระจายตัวของการปล่อยการจราจรมีความกังวลไม่น่ารำคาญก่อตั้งขึ้นเมื่อการกระจายระบบการสร้างแบบจำลองสามารถให้ข้อมูลการเปิดรับทั้งในและสภาพแวดล้อมที่อยู่ใกล้ถนนที่จะได้รับประโยชน์การประเมินผลในอนาคตที่เกี่ยวข้องกับการจราจร. คำสำคัญ: มลพิษทางอากาศ แบบจำลองการกระจายระบาดวิทยา, ไอเสียจำแนกการสัมผัส PM2.5 จราจรยานพาหนะ