An empirical model to estimate daily forest fire smoke exposure over a large geographic area using air quality, meteorological, and remote sensing data
Notice bibliographique
Résumé
Exposure to forest fire smoke (FFS) is associated with a range of adverse health effects. The British Columbia Asthma Medication Surveillance (BCAMS) product was developed to detect potential impacts from FFS in British Columbia (BC), Canada. However, it has been a challenge to estimate FFS exposure with sufficient spatial coverage for the provincial population. We constructed an empirical model to estimate FFS-related fine particulate matter (PM2.5) for all populated areas of BC using data from the most extreme FFS days in 2003 through 2012. The input data included PM2.5 measurements on the previous day, remotely sensed aerosols, remotely sensed fires, hand-drawn tracings of smoke plumes from satellite images, fire danger ratings, and the atmospheric venting index. The final model explained 71% of the variance in PM2.5 observations. Model performance was tested in days with high, moderate, and low levels of FFS, resulting in correlations from 0.57 to 0.83. We also developed a method to assign the model estimates to geographical local health areas for use in BCAMS. The simplicity of the model allows easy application in time-constrained public health surveillance, and its sufficient spatial coverage suggests utility as an exposure assessment tool for epidemiologic studies on FFS exposure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».