• 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>Scientific Reports >Estimation of Ground PM2.5 Concentrations using a DEM-assisted Information Diffusion Algorithm: A Case Study in China
【2h】

Estimation of Ground PM2.5 Concentrations using a DEM-assisted Information Diffusion Algorithm: A Case Study in China

机译：使用DEM辅助信息扩散算法估算地面PM2.5浓度：以中国为例

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

When estimating national PM2.5 concentrations, the results of traditional interpolation algorithms are unreliable due to a lack of monitoring sites and heterogeneous spatial distributions. PM2.5 spatial distribution is strongly correlated to elevation, and the information diffusion algorithm has been shown to be highly reliable when dealing with sparse data interpolation issues. Therefore, to overcome the disadvantages of traditional algorithms, we proposed a method combining elevation data with the information diffusion algorithm. Firstly, a digital elevation model (DEM) was used to segment the study area into multiple scales. Then, the information diffusion algorithm was applied in each region to estimate the ground PM2.5 concentration, which was compared with estimation results using the Ordinary Kriging and Inverse Distance Weighted algorithms. The results showed that: (1) reliable estimate at local area was obtained using the DEM-assisted information diffusion algorithm; (2) the information diffusion algorithm was more applicable for estimating daily average PM2.5 concentrations due to the advantage in noise data; (3) the information diffusion algorithm required less supplementary data and was suitable for simulating the diffusion of air pollutants. We still expect a new comprehensive model integrating more factors would be developed in the future to optimize the interpretation accuracy of short time observation data.
机译：在估算国家PM2.5浓度时，由于缺乏监测点和异质的空间分布，传统插值算法的结果不可靠。 PM2.5空间分布与海拔高度密切相关，并且在处理稀疏数据插值问题时，信息扩散算法已显示出高度可靠性。因此，为克​​服传统算法的弊端，提出了一种将高程数据与信息扩散算法相结合的方法。首先，使用数字高程模型（DEM）将研究区域划分为多个尺度。然后，将信息扩散算法应用于每个区域，以估算地面PM2.5浓度，并将其与使用普通Kriging和逆距离加权算法的估算结果进行比较。结果表明：（1）利用DEM辅助信息扩散算法获得了局部地区的可靠估计； （2）由于噪声数据的优势，信息扩散算法更适用于估计每日平均PM2.5浓度； （3）信息扩散算法所需的补充数据较少，适用于模拟空气污染物的扩散。我们仍然希望将来能开发出一个综合了更多因素的综合模型，以优化短时观测数据的解释精度。

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