文献

J-GLOBAL ID：201802219441114692   整理番号：18A0851628

高分解能衛星エアロゾル光学深度を用いたテキサス州における毎日のPM2.5濃度の予測【JST・京大機械翻訳】

Predicting daily PM_2.5 concentrations in Texas using high-resolution satellite aerosol optical depth

著者 (7件)： Zhang Xueying (Department of Epidemiology, Human Genetics and Environmental Sciences, The University of Texas Health Science Center at Houston School of Public Health, Houston, TX 77030, USA) ,  Chu Yiyi (Department of Biostatistics, The University of Texas Health Science Center at Houston School of Public Health, Houston, TX 77030, USA) ,  Wang Yuxuan (Department of Earth and Atmospheric Sciences, University of Houston, Houston, TX 77204, USA) ,  Wang Yuxuan (Department of Earth System Sciences, Tsinghua University, Beijing 100084, China) ,  Zhang Kai (Department of Epidemiology, Human Genetics and Environmental Sciences, The University of Texas Health Science Center at Houston School of Public Health, Houston, TX 77030, USA) ,  Zhang Kai (Department of Biostatistics, The University of Texas Health Science Center at Houston School of Public Health, Houston, TX 77030, USA) ,  Zhang Kai (Southwest Center for Occupational and Environmental Health, The University of Texas Health Science Center at Houston School of Public Health, Houston, TX 77030, USA)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 631-632  ページ： 904-911  発行年： 2018年 
JST資料番号： C0501B  ISSN： 0048-9697  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： テキサスにおける空気力学的直径<2.5μm(PM2.5)を有する粒子状物質の規制モニタリングデータは,限られた空間的および時間的範囲を有する。本研究の目的は,テキサス州における衛星検索エーロゾル光学深さ(AOD)を用いて,日毎に地上レベルPM2.5濃度を推定することである。MODIS衛星から得られた画像に基づいて,大気補正(MAIAC)アルゴリズムの多重角度影響を通して生成された1km分解能でAOD値を得た。次に,AODs,土地利用の特徴,地理的特性,気象条件,および日特異的なランダム効果に基づく混合効果モデルを開発し,2008~2013年の間のテキサス州のPM2.5濃度(μg/m3)を推定した。混合効果モデルの性能を,10倍の交差検証からの平均二乗予測誤差(RMSPE)の決定係数(R2)と平方根を用いて評価し,訓練目的の観察の90%とモデルの真の予測能力を評価するための観測の10%をランダムに選択した。混合効果回帰モデルは良好な予測性能(10倍交差検証からR2値:0.63~0.69)を示した。モデル性能は地域と研究年によって変化し,テキサスの東地域と2009年の年は比較的高い予測精度(東地域に対してR2:0.62;2009年に対してR2:0.69)を示した。テキサス州の1km格子セルにおいて開発したモデルを通して発生したPM2.5濃度は,2008年から2013年に減少傾向を示し,より汚染された地域において予測PM2.5のより高い減少を示した。著者らの知見は,MAIAC AODに基づいて開発された混合効果回帰モデルがテキサスにおける地表レベルPM2.5を予測するための実行可能なアプローチであることを示唆する。毎日の基礎における1km分解能における予測PM2.5濃度は,テキサスにおけるPM2.5の短期および長期健康影響を調査するための疫学研究に使用できる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  リモートセンシング ,  *エアロゾル ,  *テキサス州 ,  *高分解能 ,  回帰モデル ,  土地利用 ,  予測誤差 ,  *PM2.5 ,  地表面 ,  *予測 ,  気象条件 ,  画像
準シソーラス用語： 予測精度 ,  MODIS , 【Automatic Indexing@JST】

著者キーワード (4件)： AOD ,  土地利用の回帰 ,  PM2.5 ,  リモートセンシング

分類 (1件)： 粒状物調査測定  (SB03060E)

タイトルに関連する用語 (7件)： 高分解能 ,  衛星 ,  エアロゾル ,  光学 ,  深度 ,  テキサス州 ,  予測