德克萨斯州空气污染和癌症患病率的空间分析:使用卫星遥感数据的机器学习方法

科学领域:

• 环境科学 环境科学
• 公共卫生 公共卫生
• 地理空间分析的研究.

背景情况:

• 空气污染是全球癌症风险因素,但使用遥感的空间分析尚未得到充分探索.
• 了解空气污染物和癌症的地理分布对于公共卫生干预至关重要.

研究的目的:

• 分析来自卫星的空气污染数据与德克萨斯州各县的癌症患病率之间的关系.
• 确定与癌症相关的关键空气污染物,并绘制它们的空间分布图.

主要方法:

• 在2022年对德克萨斯州254个县进行机器学习 (SVM,RF,MLP,OLS) 的8种空气污染物 (SO2,NO2,CO,HCHO,CH4,PM1,PM10,AER AI) 的综合卫星测量.
• 利用了Sentinel-5前身和哥白尼号大气监测服务的数据,以及CDC的癌症流行数据.
• 进行了空间聚类和顺序重要性分析.

主要成果:

• 癌症患病率的显著空间自相关性 (莫兰的I=0.69).
• 观察到不同的区域污染模式:德克萨斯东部高,中部中等,德克萨斯西部较低,AER AI较高.
• 支持矢量机 (SVM) 模型显示出最佳性能 (R2 = 0.791),识别了SO2,AER AI,CH4和颗粒物作为重要的预测因素.

结论:

• 遥感和机器学习有效地评估区域环境健康,在地面监测有限的地方.
• 特定的空气污染物与德克萨斯州的癌症患病率之间存在显著的关联.
• 这些发现支持通过地理空间分析确定高风险地区的有针对性的公共卫生干预措施.