文献

J-GLOBAL ID：202202244159879393   整理番号：22A0441512

化学輸送モデル出力による観測データを融合することによるブサンの高空間分解能でのPM_2.5濃度のリアルタイム推定【JST・京大機械翻訳】

Real-time estimation of PM_2.5 concentrations at high spatial resolution in Busan by fusing observational data with chemical transport model outputs

著者 (5件)： Jang Eunhwa (Busan Metropolitan City Institute of Health and Environment, 120, Hambakbong-ro, 140beon-gil, Buk-gu, Busan, 46616, Republic of Korea) ,  Kim Minkyeong (Busan Metropolitan City Institute of Health and Environment, 120, Hambakbong-ro, 140beon-gil, Buk-gu, Busan, 46616, Republic of Korea) ,  Do Woogon (Busan Metropolitan City Institute of Health and Environment, 120, Hambakbong-ro, 140beon-gil, Buk-gu, Busan, 46616, Republic of Korea) ,  Park Geehyeong (Busan Metropolitan City Institute of Health and Environment, 120, Hambakbong-ro, 140beon-gil, Buk-gu, Busan, 46616, Republic of Korea) ,  Yoo Eunchul (Busan Metropolitan City Institute of Health and Environment, 120, Hambakbong-ro, 140beon-gil, Buk-gu, Busan, 46616, Republic of Korea)
資料名： Atmospheric Pollution Research  (Atmospheric Pollution Research)
巻： 13  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： W3357A  ISSN： 1309-1042  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： PM_2.5汚染は,健康への悪影響が認識されるため,最近多くの注目を集めている。環境PM_2.5データは,通常,2つの発生源から得られ,最初の発生源は大気質監視ネットワークから収集された観測であり,残念なことに,このデータは,これらのモニタリングネットワークによる被覆の欠如のため,非常にまばらである傾向がある。第2のソースは数値モデリングからの出力であり,格子セルレベルで高い空間分解能を持ち,このアプローチによって残念なことに,これらの予測値の不確実性に関する情報はほとんどない。本研究では,高い空間分解能で1時間ごとのPM_2.5濃度を予測するためのデータ融合手法を開発することにより,これらの問題に対処し,これは季節クラスタ分析からサイトペアを得た後に1km2CMAQ導出空間係数で観測データを回帰することによって行った。2019年1月から2020年6月までの期間にわたって,2つの広範囲な観測データセット(25のAQMサイトと21の移動性AQMサイト)に適用したとき,これらの融合駆動の時間ごとのPM_2.5予測は,実質的に(R=0.80,RMSE=8.23),生の数値モデルシミュレーション(R=0.55,RMSE=12.91)を凌駕した。実験バイアス補正プロセスを採用して,予測性能をさらに改善した(R=0.84,RMSE=7.59)。この融合アプローチを,同じ25の個々の大気質監視サイトに対して5か月(2020年7月~11月)にわたってリアルタイムPM_2.5予測に適用することは,著者らのアプローチの優れた予測力(R=0.82,RMSE=8.74)を示した。Copyright 2022 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： シミュレーション ,  *ネットワーク ,  不確実性 ,  クラスタ分析 ,  空間分解能 ,  データ融合
準シソーラス用語： 数値モデル ,  *化学輸送モデル ,  バイアス補正 ,  CMAQ ,  予測性能 ,  数値モデリング ,  発生源 ,  予測値 ,  高空間分解能 , 【Automatic Indexing@JST】

著者キーワード (6件)： 毎時PM_2.5予測 ,  大気質モデル ,  CMAQ ,  データ融合 ,  高時空間分解能 ,  洗練された健康リスク管理

分類 (3件)： 大気汚染一般  (SB03010B) ,  粒状物調査測定  (SB03060E) ,  研究開発  (SA01040R)

タイトルに関連する用語 (7件)： 化学輸送モデル ,  観測データ ,  融合 ,  ブサン ,  高空間分解能 ,  リアルタイム ,  推定