Eighteen years of daily PM2.5 predictions (2005–2022) for a region of western Canada: Machine learning and satellite inputs for applications in rural health
Notice bibliographique
Résumé
ABSTRACT Northeastern British Columbia is a rural and remote region in Western Canada that is experiencing rapid growth in unconventional oil and gas development (UOGD) and increasingly severe wildfire impacts. Air quality is a concern for the communities in the region, but there is very limited air pollution monitoring. To address this gap, this study explores the application of machine learning to the satellite-based estimates of aerosols and meteorology from the Modern-Era Retrospective analysis for Research and Applications, Version 2 (MERRA-2) to estimate daily fine particulate matter (PM 2.5 ) at a spatial and temporal resolution relevant for ongoing health studies. The random forest model was trained and validated on the ground-level air quality monitoring network from 2013 to 2022 and then used to predict and backcast daily concentrations in the study area at a 50-kilometer resolution from 2005 to 2022. The predictions were then compared to global and provincial health guidelines and analyzed for annual trends. Our model achieved a 10-fold cross validation root mean square error (RMSE) and R 2 of 3.89 μg/m 3 and 0.77, and test scores of 3.02 μg/m 3 and 0.78. Between 2006 and 2021, the number of days exceeding PM 2.5 guidelines increased by 122%, and the person-days exceeding the guideline increased by 166%. At our spatial resolution, we find that wildfire is a more important variable in predicting daily PM 2.5 concentrations compared to UOGD. We demonstrate the application of satellite reanalysis products to estimate ground-level PM 2.5 in a rural area of Canada with minimal ground monitoring stations.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».