ランダムな森林と平均フィルターを用いて大気圏のエアロソル深さの測定の空間的覆いを増加させる

科学分野:

• 大気科学 大気科学
• 環境科学 環境科学
• 公衆衛生は公衆衛生である.

背景:

• エアロゾールは,大気化学,雲の形成,気候,そして人間の健康に大きな影響を与えます.
• 衛星から得られたエアロゾール光学深度 (AOD) データは,雲や表面条件などの要因により,空間的カバーが限られている.
• 不完全なAODデータは,正確な粒子物質モデリングと健康研究を妨げています.

研究 の 目的:

• AODデータの空間的カバーを拡大するための方法を開発する.
• 国境付近の米国の高解像度,毎日のAODマップを作成する.
• 健康と環境の研究のための大気汚染の特徴付けを改善する.

主な方法:

• ランダムな森林モデルを訓練して,AODを予測し,空間的依存性を捉えました.
• このモデルは,平均フィルターと平均フィルターなしで組み合わせて,データの推定を最大化しました.
• このアプローチにより,アメリカ大陸に限定された全範囲の,高解像度の日々のAODデータが生成されました.

主要な成果:

• 日々のAODデータのために,かなり高い空間的カバーを達成しました.
• 国境付近のアメリカ全土で,高解像度AODの見積もりを作成しました.
• 強化されたAODデータは,詳細な大気汚染物質濃度研究に適しています.

結論:

• 開発されたランダムフォレストモデルは,衛星AODのカバーの限界を効果的に克服しています.
• 全面的なAODデータは,大気の研究と公衆衛生の評価のための貴重なリソースを提供します.
• この方法は,空気の質とその影響を理解するために,AODデータの利用を促進します.