Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

Sampling Plans01:23

Sampling Plans

888
Sampling is a crucial step in analytical chemistry, allowing researchers to collect representative data from a large population. Common sampling methods include random, judgmental, systematic, stratified, and cluster sampling.
Random sampling is a method where each member of the population has an equal chance of being selected for the sample. It involves selecting individuals randomly, often using random number generators or lottery-type methods. For example, when analyzing the properties of a...
888
Steps in Outbreak Investigation01:18

Steps in Outbreak Investigation

485
In the ever-evolving field of public health, statistical analysis serves as a cornerstone for understanding and managing disease outbreaks. By leveraging various statistical tools, health professionals can predict potential outbreaks, analyze ongoing situations, and devise effective responses to mitigate impact. For that to happen, there are a few possible stages of the analysis:
485

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Explainable AI for effective management of urban heat sources.

Scientific reports·2025
Same author

Using Zeolite Materials to Remove Pharmaceuticals from Water.

Materials (Basel, Switzerland)·2024
Same author

Air pollution seasons in urban moderate climate areas through big data analytics.

Scientific reports·2024
Same author

The influence of meteorological factors and terrain on air pollution concentration and migration: a geostatistical case study from Krakow, Poland.

Scientific reports·2022
Same author

Application of Photo Texture Analysis and Weather Data in Assessment of Air Quality in Terms of Airborne PM<sub>10</sub> and PM<sub>2.5</sub> Particulate Matter.

Sensors (Basel, Switzerland)·2021
Same author

The Use of Public Data from Low-Cost Sensors for the Geospatial Analysis of Air Pollution from Solid Fuel Heating during the COVID-19 Pandemic Spring Period in Krakow, Poland.

Sensors (Basel, Switzerland)·2021
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jan 14, 2026

Asthma Detection Research Based on Voice Signal Processing and Machine Learning
04:04

Asthma Detection Research Based on Voice Signal Processing and Machine Learning

Published on: July 22, 2025

914

Identificación de macro-regiones de contaminación del aire mediante aprendizaje automático y análisis

Tymoteusz Morawiec1, Mateusz Zareba1, Tomasz Danek1

  • 1Department of Geoinformatics and Applied Computer Science, Faculty of Geology, Geophysics and Environmental Protection, AGH University of Krakow, Krakow, Malopolska, Poland.

PloS one
|January 12, 2026
PubMed
Resumen

La contaminación del aire en Polonia, en particular las partículas (PM), plantea importantes desafíos para la salud pública. Este estudio utilizó agrupaciones avanzadas para mapear los niveles de PM10, revelando distintas zonas de alta contaminación en áreas urbanas del sur y regiones del norte con bajas emisiones.

Palabras clave:
contaminación del airePoloniapartículasaprendizaje automáticoanálisis espacio-temporalsalud públicaplanificación espacialmonitoreo ambientalciencia ambientalanálisis de clústeres

Más Videos Relacionados

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
07:13

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy

Published on: February 25, 2021

4.4K
Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
06:22

Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections

Published on: September 19, 2025

423

Videos de Experimentos Relacionados

Last Updated: Jan 14, 2026

Asthma Detection Research Based on Voice Signal Processing and Machine Learning
04:04

Asthma Detection Research Based on Voice Signal Processing and Machine Learning

Published on: July 22, 2025

914
Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy
07:13

Early Detection of Cyanobacterial Blooms and Associated Cyanotoxins using Fast Detection Strategy

Published on: February 25, 2021

4.4K
Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
06:22

Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections

Published on: September 19, 2025

423

Área de la Ciencia:

  • Ciencias Ambientales
  • Salud Pública
  • Planificación Espacial

Sus antecedentes:

  • La contaminación por material particulado (PM) es un problema crítico ambiental y de salud pública en Polonia.
  • La planificación espacial eficaz requiere una comprensión detallada de la distribución de la contaminación.

Objetivo del estudio:

  • Realizar un análisis espacio-temporal de la contaminación por material particulado (PM) en Polonia.
  • Identificar patrones espaciales y anomalías locales de las concentraciones de PM utilizando técnicas avanzadas de agrupamiento.
  • Informar las estrategias de salud pública y planificación espacial para la gestión de la calidad del aire.

Principales métodos:

  • Se utilizaron datos de 173 estaciones de monitoreo de la calidad del aire (2015-2023).
  • Se aplicó agrupamiento no supervisado basado en la métrica Dynamic Time Warping (DTW) para escalas de tiempo diarias y anuales.
  • Se analizaron más de 13 millones de observaciones para delinear macro-regiones y clústeres locales.

Principales resultados:

  • Se identificaron cuatro macro-regiones y dieciséis clústeres, destacando variaciones espaciales significativas en las concentraciones de PM10 (19,7 a 27,18 µg/m³).
  • Se confirmó la influencia de factores topográficos, urbanos y microclimáticos en la distribución de PM.
  • Se observaron clústeres distintos de alto contenido de PM en el sur urbanizado de Polonia (Silesia, Pequeña Polonia) en comparación con las tierras bajas del norte con bajas emisiones.

Conclusiones:

  • Las políticas regionales de calidad del aire requieren coordinación supra-regional para ser efectivas.
  • El análisis de datos de alta resolución es crucial para una planificación ambiental y de salud pública eficaz para mitigar los impactos de la contaminación del aire.