通过整合易于获得的数据源来改善住宅木材燃烧排放库存

科学领域:

• 环境科学 环境科学
• 大气化学 大气化学
• 公共卫生 公共卫生

背景情况:

• 住宅木材燃烧 (RWB) 在冬季对城市地区的PM2.5污染作出了重大贡献.
• 由于缺乏关于设备位置,类型和使用强度的详细数据,因此无法准确评估人口对RWB排放的暴露.

研究的目的:

• 开发一个高分辨率的排放清单,用于住宅木材燃烧在北克,加拿大.
• 提高对人口暴露于RWB排放的评估的准确性.

主要方法:

• 利用一种新的数据驱动方法,将机器学习与房地产,社会经济普查,家庭调查和建筑登记数据相结合.
• 机器学习模型估计了家电拥有率 (木和壁炉),分别达到80.3%和63%的变化解释.
• 综合所有权率与木材消耗,电器类型和排放因子,以创建1公里²分辨率的排放清单.

主要成果:

• 该研究成功地捕获了RWB电器所有权和使用强度的空间模式,揭示了柴火炉 (农村,低收入) 和壁炉 (城市) 的明显趋势.
• 观察到每个家庭排放的空间和区域差异很大,受木材消费,所有权和家电类型 (传统与认证) 的影响.
• 生成的排放库存显示,在高峰RWB期间,PM_2.5度的增加与观察到的强相关性 (r=0.86).

结论:

• 简单的空间代理 (人口,城市化) 不足以准确地绘制RWB排放;社会经济因素和区域供暖偏好至关重要.
• 开发的数据驱动方法提供了更准确的RWB排放分布的表示.
• 研究结果支持改善空气质量建模和针对性公共卫生干预措施,与木烟污染有关.