文献

J-GLOBAL ID：201902237793955776   整理番号：19A2641252

大気汚染環境のためのバックグラウンドPM2.5濃度の推定【JST・京大機械翻訳】

Estimation of background PM_2.5 concentrations for an air-polluted environment

著者 (8件)： Wang Sheng-Hsiang (Department of Atmospheric Sciences, National Central University, Taoyuan, Taiwan) ,  Hung Ruo-Ya (Department of Atmospheric Sciences, National Central University, Taoyuan, Taiwan) ,  Lin Neng-Huei (Department of Atmospheric Sciences, National Central University, Taoyuan, Taiwan) ,  Gomez-Losada Alvaro (European Commission, Joint Research Centre (JRC), Edificio Expo, C/Inca Garcilaso 3, 41092 Seville, Spain) ,  Pires Jose C.M. (LEPABE, DEQ, Faculdade de Engenharia da Universidade do Porto. Rua Dr. Roberto Frias s/n, 4200-465 Porto, Portugal) ,  Shimada Kojiro (Global Innovation Research Organization, Tokyo University of Agriculture and Technology, Fuchu, Tokyo 183-8538, Japan) ,  Hatakeyama Shiro (Institute of Agriculture, Graduate School of Tokyo University of Agriculture and Technology, Tokyo 183-8538, Japan) ,  Takami Akinori (National Institute for Environmental Studies, 16-2 Onogawa, Tsukuba, Ibaraki 305-8506, Japan)
資料名： Atmospheric Research  (Atmospheric Research)
巻： 231  ページ： Null  発行年： 2020年 
JST資料番号： E0540A  ISSN： 0169-8095  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： 背景PM2.5濃度は,自然の国内と外国の汚染源からの複合放出を表し,大気質管理の観点から最大効果に対する意味を持ち,これは排出削減により達成できる。しかし,人口密度の高い地域(例えば台湾)に対するバックグラウンド監視サイトを介してバックグラウンドPM2.5濃度を推定することは挑戦的である。本研究では,台湾の3つの大気質観測所からの11年間の時系列(2005~2016)を用いてバックグラウンド濃度を推定する2つの統計的方法を比較した。2つの方法の結果は,バックグラウンドPM2.5濃度推定に対して良好な一致を示し,それは約4.4μg/m3で,文献報告に匹敵した。傾向分析によると,最近の東アジアにおけるより良い放出制御の結果として,濃度は1~2μg m~-3 10年~1の速度で減少した。さらに,局所的な濃度は,局所的な放出,地形効果,および気象レジームのために,地域のバックグラウンド値を最大5倍超えることができる。PM2.5の交差郡輸送を考慮すると,2つの卓越風シナリオ間に5μg m-3の高い差が存在する。本研究は,PM2.5削減のために達成可能で合理的な目標を設定することに関する政策立案者にとって重要な情報を提供する。Copyright 2019 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： 地形効果 ,  *PM2.5 ,  汚染源 ,  統計的方法 ,  *大気汚染 ,  気象 ,  東アジア ,  人口密度 ,  台湾 ,  大気管理
準シソーラス用語： 卓越風 ,  バックグラウンド濃度 ,  大気質 ,  排出量低減 , 【Automatic Indexing@JST】

著者キーワード (4件)： 大気質モニタリングネットワーク ,  背景レベル ,  隠れMarkovモデル ,  PM2.5濃度

分類 (2件)： 雲と降水の微物理  (DC05110M) ,  中小規模擾乱,降水特性  (DC05120X)

タイトルに関連する用語 (4件)： 大気汚染 ,  環境 ,  バックグラウンド ,  推定