ESTIMATING PM2.5 IN THE BEIJING-TIANJIN-HEBEI REGION USING MODIS AOD PRODUCTS FROM 2014 TO 2015
Notice bibliographique
Résumé
Abstract. Fine particulate matter with a diameter less than 2.5 μm (PM2.5) has harmful impacts on regional climate, economic development and public health. The high PM2.5 concentrations in China’s urban areas are mainly caused by the combustion of coal and gasoline, industrial pollution and unknown/uncertain sources. The Beijing-Tianjin-Hebei (BTH) region with a land area of 218,000 km2, which contains 13 cities, is the biggest urbanized region in northern China. The huge population (110 million, 8% of the China’s population), local heavy industries and vehicle emissions have resulted in severe air pollution. Traditional models have used 10 km Moderate-resolution Imaging Spectroradiometer (MODIS) Aerosol Optical Depth (AOD) products and proved the statistical relationship between AOD and PM2.5. In 2014, the 3 km MODIS AOD product was released which made PM2.5 estimations with a higher resolution became possible. This study presents an estimation on PM2.5 distributions in the BTH region from September 2014 to August 2015 by combining the MODIS satellite data, ground measurements of PM2.5, meteorological parameters and social-economic factors based on the geographically weighted regression model. The results demonstrated that the 10 km AOD product provided results with a slightly higher accuracy although the 3 km AOD product could provide more information about the spatial variations of PM2.5 estimations. Additionally, compared with the global regression, the geographically weighed model was able to improve the estimation results.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».