文献

J-GLOBAL ID：202202259089497360   整理番号：22A1113631

改良勾配ブースティングディシジョンツリーを用いた2015年から2020年までの中国における時空間PM_2.5推定【JST・京大機械翻訳】

Spatiotemporal PM_2.5 estimations in China from 2015 to 2020 using an improved gradient boosting decision tree

著者 (9件)： He Weihuan (College of Surveying and Geo-informatics, Tongji University, Shanghai, 200092, China) ,  Meng Huan (Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Regions, Ministry of Education, Henan University, Kaifeng, 475004, China) ,  Meng Huan (Henan Key Laboratory of Earth System Observation and Modeling, Henan University, Kaifeng, 475004, China) ,  Han Jie (College of Surveying and Geo-informatics, Tongji University, Shanghai, 200092, China) ,  Zhou Gaohui (College of Surveying and Geo-informatics, Tongji University, Shanghai, 200092, China) ,  Zheng Hui (Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Regions, Ministry of Education, Henan University, Kaifeng, 475004, China) ,  Zheng Hui (Henan Key Laboratory of Earth System Observation and Modeling, Henan University, Kaifeng, 475004, China) ,  Zheng Hui (Henan Key Laboratory of Integrated Air Pollution Control and Ecological Security, Kaifeng, 475004, China) ,  Zhang Songlin (College of Surveying and Geo-informatics, Tongji University, Shanghai, 200092, China)
資料名： Chemosphere  (Chemosphere)
巻： 296  ページ： Null  発行年： 2022年 
JST資料番号： E0843A  ISSN： 0045-6535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 時空間連続性を有する微粒子物質(PM_2.5)は,ヒトの健康に対する悪影響の評価に重要な基礎を提供する。近年,研究者は,表面PM_2.5シミュレーションに関する多くの研究をした。しかし,データおよびモデルの限界のため,微細スケールでの空間および時間的PM_2.5変動を正確に評価することは困難である。本研究では,大気補正(MAIAC)エアロゾル製品の多角度実装を採用し,1km分解能で2015年から2020年までの中国全域のPM_2.5濃度を検索するために,勾配ブースティング決定木(GBDT)アルゴリズムに基づく時空間モデルを提案した。著者らのモデルは,0.92の全体的なCV-R2と0.90-0.93の年間CV-R2で優れた性能を達成した。さらに,このモデルは異なる時間スケールの評価にも使用できる。以前の研究と比較して,本研究で開発したモデルは,より良くてより安定であり,PM_2.5推定において最も高い精度が1km分解能で働くことを示した。研究期間中,全国家PM_2.5汚染は下降傾向を示し,年間平均濃度は42.42μg/m3から27.91μg/m3に低下した。最大の減少は,北京-天津-河北(BTH)で生じ,-5.17μg/m3/yrの傾向を示し,一方,それは最も汚染された地域であった。二次国家大気質基準(<35μg/m3)を満たす面積は~34%から~79%に増加した。これらの結果は,大気環境が有意に改善したことを示した。さらに,異なる地域は,年中の連続標準-met日の開始のための異なる時間ノードを持ち,また,継続時間は異なった。全体として,本研究は信頼できる大規模PM_2.5推定を提供できる。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： アルゴリズム ,  シミュレーション ,  濃度 ,  大気汚染 ,  研究 ,  微粒子 ,  エアロゾル製品 ,  中華人民共和国 ,  *ディシジョンツリー ,  大気質基準 ,  機械学習 ,  大気補正
準シソーラス用語： *ブースティング ,  大気環境 ,  ヒトの健康 , 【Automatic Indexing@JST】

著者キーワード (5件)： PM_2.5 ,  エアロゾル光学的深さ ,  大気汚染 ,  時空変化 ,  機械学習

分類 (2件)： 農薬  (SB05030L) ,  環境汚染一般  (SB01000C)

タイトルに関連する用語 (5件)： 勾配ブースティング ,  ディシジョンツリー ,  中国 ,  時空間 ,  推定