文献

J-GLOBAL ID：202102226510946808   整理番号：21A0676594

ニューヨーク州におけるPM_2.5濃度の推定:機械学習を用いた表面PM_2.5に及ぼす垂直混合の影響の理解【JST・京大機械翻訳】

Estimation of PM2.5 Concentrations in New York State: Understanding the Influence of Vertical Mixing on Surface PM2.5 Using Machine Learning

著者 (6件)： Hung Wei-Ting (Atmospheric Sciences Research Center, University at Albany, State University of New York, Albany, NY 12222, USA) ,  Lu Cheng-Hsuan (Sarah) (Atmospheric Sciences Research Center, University at Albany, State University of New York, Albany, NY 12222, USA) ,  Lu Cheng-Hsuan (Sarah) (Joint Center for Satellite Data Assimilation, Boulder, CO 80301, USA) ,  Alessandrini Stefano (Research Applications Laboratory, National Center of Atmospheric Research, Boulder, CO 80305, USA) ,  Kumar Rajesh (Research Applications Laboratory, National Center of Atmospheric Research, Boulder, CO 80305, USA) ,  Lin Chin-An (Atmospheric Sciences Research Center, University at Albany, State University of New York, Albany, NY 12222, USA)
資料名： Atmosphere (Web)  (Atmosphere (Web))
巻： 11  号： 12  ページ： 1303  発行年： 2020年 
JST資料番号： U7137A  ISSN： 2073-4433  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ニューヨーク州(NYS)では,中西部,中大西洋,および太平洋の北西状態に由来するエアロゾルに関連した,一時的な高微粒子物質(PM_2.5)濃度が報告されている。本研究では,多重線形回帰(MLR)と人工ニューラルネットワーク(ANN)を含む機械学習技術を用いて,20162019年の夏季のNYSの大気質モニタリングサイトにおける表面PM_2.5質量濃度を推定した。気象,エアロゾル,および地理的予測子を含む種々の予測子を考察した。垂直混合とアロフトエアロゾルの指標として設計した垂直予測子も適用した。全体としてANNモデルはMLRモデルよりも良好に機能し,垂直予測子の適用はANNモデルのPM_2.5推定の精度を改善した。leave-one-out交差検証結果は,有意な交差サイト変動を示し,異なるPM_2.5特性を持つサイトで異なる予測子-PM_2.5相関を示すことができた。さらに,MLRモデルからの回帰係数の共同解析とANNモデルからの変数の重要性は,PM_2.5濃度に対する選択した予測子の寄与への洞察を与えた。アロフトエアロゾルによるモデル性能の改善は比較的小さく,これは現在のデータセットにおけるアロフトエアロゾルの限られたケースによるものであろう。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エアロゾル ,  気象 ,  ニューラルネットワーク ,  微粒子 ,  夏 ,  地理学 ,  大西洋 ,  太平洋 ,  ニューヨーク州 ,  *機械学習
準シソーラス用語： 予測子 ,  回帰係数 ,  大気質 ,  多重線形回帰 ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (4件)： 大気質 ,  PM_2.5 ,  機械学習 ,  垂直混合

分類 (3件)： 気圏環境汚染  (SB03020M) ,  研究開発  (SA01040R) ,  大気汚染一般  (SB03010B)

引用文献 (65件)：

• Pope, I.C.; Burnett, R.T.; Thun, M.J.; Calle, E.E.; Krewski, D.; Ito, K.; Thurston, G.D. Lung cancer, cardiopulmonary mortality, and long-term exposure to fine particulate air pollution. J. Am. Med. Assoc. 2002, 287, 1132-1141.
• Pope, C.A.; Burnett, R.T., III; Thurston, G.D.; Thun, M.J.; Calle, E.E.; Krewski, D.; Godleski, J.J. Cardiovascular Mortality and Long-Term Exposure to Particulate Air Pollution: Epidemiological Evidence of General Pathophysiological Pathways of Disease. Circulation 2004, 1, 71-77.
• Apte, J.S.; Marshall, J.D.; Cohen, A.J.; Brauer, M. Addressing Global Mortality from Ambient PM2.5. Environ. Sci. Technol. 2015, 49, 8057-8066.
• Franklin, M.; Zeka, A.; Schwartz, J. Association between PM2.5 and all-cause and specific-cause mortality in 27 US communities. J. Expo. Sci. Environ. Epidemiol. 2007, 17, 279-287.
• Behera, S.N.; Sharma, M. Reconstructing Primary and Secondary Components of PM2.5 Composition for an Urban Atmosphere. Aerosol Sci. Technol. 2010, 44, 983-992.

タイトルに関連する用語 (5件)： ニューヨーク ,  推定 ,  機械学習 ,  垂直 ,  理解