• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>International Journal of Environmental Research and Public Health >A Bayesian Downscaler Model to Estimate Daily PM2.5 Levels in the Conterminous US
【2h】

A Bayesian Downscaler Model to Estimate Daily PM2.5 Levels in the Conterminous US

机译：一种贝叶斯缩减模型用于估计美国本土每天的PM2.5水平

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

There has been growing interest in extending the coverage of ground particulate matter with aerodynamic diameter ≤ 2.5 μm (PM2.5) monitoring networks based on satellite remote sensing data. With broad spatial and temporal coverage, a satellite-based monitoring network has a strong potential to complement the ground monitor system in terms of the spatiotemporal availability of the air quality data. However, most existing calibration models focus on a relatively small spatial domain and cannot be generalized to a national study. In this paper, we proposed a statistically reliable and interpretable national modeling framework based on Bayesian downscaling methods to be applied to the calibration of the daily ground PM2.5 concentrations across the conterminous United States using satellite-retrieved aerosol optical depth (AOD) and other ancillary predictors in 2011. Our approach flexibly models the PM2.5 versus AOD and the potential related geographical factors varying across the climate regions and yields spatial- and temporal-specific parameters to enhance model interpretability. Moreover, our model accurately predicted the national PM2.5 with an R2 at 70% and generated reliable annual and seasonal PM2.5 concentration maps with its SD. Overall, this modeling framework can be applied to national-scale PM2.5 exposure assessments and can also quantify the prediction errors.
机译：对基于卫星遥感数据的空气动力学直径≤2.5μm（PM2.5）监测网络的地面颗粒物覆盖范围的兴趣日益浓厚。基于卫星的监测网络具有广阔的空间和时间覆盖范围，就空气质量数据的时空可用性而言，具有强大的潜力来补充地面监测系统。但是，大多数现有的校准模型只关注相对较小的空间范围，因此不能推广到国家研究中。在本文中，我们提出了一种基于贝叶斯缩减方法的统计上可靠且可解释的国家建模框架，该模型可用于通过卫星探测的气溶胶光学深度（AOD）和其他方法对全美国范围内的每日地面PM2.5浓度进行校准辅助预测因素在2011年。我们的方法可以灵活地对PM2.5与AOD以及可能在气候区域变化的潜在相关地理因素进行建模，并产生时空特定参数以增强模型的可解释性。此外，我们的模型可以准确地预测R 2 为70％的国家PM2.5，并使用其SD生成可靠的年度和季节性PM2.5浓度图。总体而言，该建模框架可以应用于国家级PM2.5暴露评估，也可以量化预测误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号