荷兰NO2和PM2.5的每小时土地使用回归建模
Aisha Ndiaye1, Youchen Shen1, Kalliopi Kyriakou1
1Division of Environmental Epidemiology, Institute for Risk Assessment Sciences, Utrecht University, Pobox 80125, 3508, TC Utrecht, the Netherlands.
Environmental research
|May 27, 2024
概括
对于二氧化 (NO2) 和细颗粒物 (PM2.5) 的新的每小时空气污染模型捕捉了每天的变化,改进了暴露评估. 这些模型的表现优于动态健康研究的传统年平均值.
科学领域:
- 环境健康 环境健康
- 大气科学 大气科学
- 地理空间分析是什么
背景情况:
- 年平均土地利用回归 (LUR) 模型是空气污染暴露评估的标准,但错过了白天变化.
- 这种限制可能会导致偏见的动态暴露评估,影响依赖时间活动模式的健康研究.
- 需要高分辨率的时间模型来准确捕捉动态空气污染暴露.
研究的目的:
- 开发和评估荷兰的二氧化 (NO2) 和细颗粒物 (PM2.5) 的每小时土地利用回归 (LUR) 模型.
- 为了比较监督线性回归 (SLR) 和随机森林 (RF) 建模方法的性能.
- 评估时间因素 (季节,工作日/周末) 对模型性能和变量选择的影响.
主要方法:
- 在2016-2019年的NO2和PM2.5的模拟平均每小时度使用LUR,SLR和RF.
- 包括预测因素:人口,道路,土地利用,卫星数据和化学运输模型估计,缓冲区尺寸各不相同.
- 使用每小时监测数据,比较每小时模型与临时调整的年平均模型.
主要成果:
- 每小时的NO2模型表现良好 (R2 0.50-0.78),而PM2.5模型表现适度 (R2 0.24-0.62).
- 在温暖的季节和周末,与寒冷的季节和周日相比,模型的性能下降.
- 射频和单反相机模型表现相似;经过时间调整的年度模型表现低于小时模型.
结论:
- 独立的每小时空气污染模型有利于准确的动态暴露评估.
- 模型性能因时间,季节和工作日类型而异,需要量身定制的方法.
- 这些发现支持开发特定时间模型,以改善健康影响评估.
