Spatio-Temporal Change Pattern Investigation of PM2.5 in Jiangsu Province with MODIS Time Series Products
Notice bibliographique
Résumé
In the last decade, the spatio-temporal patterns of PM2.5 on various scales, ranging from global, continent, and country to regional levels, has been the focus of considerable studies. However, these studies on spatio-temporal variability have concentrated primarily on changes in the spatial distribution patterns of regional PM2.5 concentrations and ignored temporal characteristics at a local site from a heterogeneous surface, such as local variability, persistence, and stability of PM2.5 exposure. Understanding the temporal characteristics of PM2.5 concentration changes at the local scale will help determine the local impacts of PM2.5, such as local exposure risk and vulnerability to PM2.5. This study aims to reveal the local characteristics of temporal variation at the scale of a prefecture-level city and its distinct-varying patterns from those at the provincial scale by using the annual satellite-derived PM2.5 concentration product from 2000 to 2015. The evolutionary trends, stability, and persistence of annual changes were discovered with a set of time series analysis methods, such as linear regression analysis + F-test, coefficient of variation method, and Hurst index. This study uses PM2.5 product data for a total of 16 years, from 2000 to 2015, and uses time series analysis methods, such as Theil–Sen median trend analysis + Mann–Kendall test, one-dimensional linear regression analysis + F-test, coefficient of variation method, and Hurst index, to reveal the temporal variation characteristics and spatial patterns of PM2.5 in Jiangsu Province. The results show that the increasing trends or slopes of annual averaged PM2.5 concentrations in Jiangsu Province are not consistent at the prefecture-level city scale, but they are consistent in northern, central and southern Jiangsu at a larger upward trend since 2000. The areas with significant increasing trends are concentrated in Xuzhou and Lianyungang and other northern cities. From the viewpoint of variability, the areas in medium and high variability are mainly aggregated in the areas north of the Yangtze River. According to the combination of persistence analysis and trend analysis, future variation in PM2.5 concentrations indicates an inverse persistence for an increasing trend, meaning the air quality decline in Jiangsu will slow.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
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 ».