将低成本传感器与分散模型集成,以获得对城市空气质量的高分辨率洞察力
Anna C O'Regan1, Henrik Grythe2, Philipp Schneider2
1Sustainable Futures Lab, School of Engineering & Architecture, University College Cork, Cork, Ireland; Sustainability Institute, University College Cork, Lee Rd, Sunday's Well, Cork T23 XE10, Ireland.
Environment international
|March 1, 2026
概括
一个新的数据融合模型显著改善了城市空气质量预测,揭示了住宅区的PM2.5污染率更高. 这种先进的建模有助于制定有针对性的政策,以减少空气污染和保护公共健康.
科学领域:
- 环境科学 环境科学
- 公共卫生 公共卫生
- 大气化学 大气化学
背景情况:
- 城市空气污染对健康构成重大风险,需要准确的建模来制定有效的政策.
- 现有的空气质量模型可能低估了来自住宅来源的排放,导致不准确的暴露评估.
研究的目的:
- 开发和验证集成传感器数据的先进城市空气质量模型.
- 将数据融合模型的性能与基线模型进行比较.
- 加强对空气质量政策的评估,并确定污染热点.
主要方法:
- 开发一个基线城市空气质量模型.
- 将来自低成本传感器和监管监控器的数据集成到基线模型中,以创建数据融合模型.
- 模型输出的比较和公平模式合规性和偏差的评估.
主要成果:
- 数据融合模型提供了高时空分辨率的空气质量数据,特别是PM2.5.5.
- 在晚上和冬季期间观察到较高的PM2.5度,人口加权暴露几乎是基线预测的两倍.
- 数据融合模型确定了峰值度转移到住宅区,比基线高10μg/m3,表明住宅排放低估.
结论:
- 数据融合模型提供了更准确的城市空气质量和公共暴露的评估.
- 这种改进的建模支持制定有针对性的空气质量政策,特别是减少固体燃料燃烧造成的污染.
- 该研究强调了整合多种数据源对于有效的城市空气质量管理和公共卫生保护的重要性.


