📖+30 XP
🎧+20 XP
✅+35 XP
レベル B1 – 中級CEFR B1
4 分
205 語
研究はStony Brook UniversityのMinghao Qiuが主導し、筆頭著者はYangmingkai Liです。成果はScience Advancesに掲載されました。研究では2006年から2023年までの地表オゾン観測値を気象や衛星データと組み合わせて分析しました。
火災時のオゾン変化を推定するために機械学習モデルを使い、NOAAのHazard Mapping System(HMS)による煙のプルーム製品で「煙の日」を定義しました。解析では周囲の気温と紫外線量を統制して、煙の日と非煙の日のオゾンを比較しました。
結果として、一部の地域、特に東部や中西部を含む地域で日々の地表付近オゾンが最大で16%上昇しました。曝露―反応の関係に基づく試算で、山火事由来のオゾンは米国内の65歳以上の超過死亡を年間2,000以上増加させると見積もられています。研究は、これまで粒子状物質に焦点を当てた研究がオゾンを無視してきたため健康負荷を過小評価している可能性を指摘しています。
難しい単語
- 研究 — 新しいことを調べる仕事や活動研究は, 研究では
- オゾン — 空気中にある一種類の気体地表オゾン観測値, 地表付近オゾン
- 機械学習 — コンピューターが経験から学ぶ方法機械学習モデル
- 統制する — 影響を取り除くため条件を一定にすること統制して
- 観測値 — 観察や測定で得た数値地表オゾン観測値
- 超過死亡 — 通常より多く発生した死亡の数
- 粒子状物質 — 空気中に浮かぶ小さな固体や液体
ヒント:記事中の強調表示された単語にマウスオーバー/フォーカス/タップすると、その場で簡単な意味が表示されます。
ディスカッション用の質問
- あなたの地域で山火事の煙が増えたとき、普段の生活でどんな対策をしますか?
- オゾンの影響を考えると、政府や自治体はどんな対策を優先すべきだと思いますか?理由も述べてください。
- この記事では機械学習モデルを使っています。機械学習を使う利点や注意点は何だと思いますか?