文献

J-GLOBAL ID：202202263871655872   整理番号：22A1113768

非パラメトリック機械学習法を用いて推定した中国の粒子表面積濃度の空間分布の歴史的理解【JST・京大機械翻訳】

Historically understanding the spatial distributions of particle surface area concentrations over China estimated using a non-parametric machine learning method

著者 (12件)： Qiu Yanting (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Wu Zhijun (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Man Ruiqi (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Liu Yuechen (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Shang Dongjie (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Tang Lizi (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Chen Shiyi (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Guo Song (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China) ,  Dao Xu (China National Environmental Monitoring Centre, Beijing 100012, China) ,  Wang Shuai (China National Environmental Monitoring Centre, Beijing 100012, China) ,  Tang Guigang (China National Environmental Monitoring Centre, Beijing 100012, China) ,  Hu Min (State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Science and Engineering, Peking University, International Joint Laboratory for Regional Pollution Control, Ministry of Education (IJRC), Beijing 100871, China)
資料名： Science of the Total Environment  (Science of the Total Environment)
巻： 824  ページ： Null  発行年： 2022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： 測定した粒子数粒度分布のビル化データセットに基づいて,中国の長期(2015-2019)粒子表面積濃度(S_A)を推定するノンパラメトリックアンサンブルモデルを提案した。このアンサンブルモデルは,優れた交差検証R2値(CV R2=0.83)と比較的低い二乗平均平方根誤差(RMSE=195.0μm2/cm3)を示した。毎年,S_Aのかなりの空間的不均一性が,北京-天津-河北(BTH),揚子江三角州(YRD),および揚子江(MLYR)の中下流域におけるより高いS_Aを有する中国において見つかった。2015年から2019年まで,S_Aは代表的な都市クラスタで有意に減少した。還元速度は,BTHで140.1μm2・cm-3・a-1,珠江デルタで110.7μm2・cm-3・a-1,YRDで105.2μm2・cm-3・a-1,四川盆地で92.4μm2・cm-3・a-1であった。そのような迅速な還元にもかかわらず,重い汚染期間(PM_2.5>75μg/m3)の間,高いS_A(Δλ>800μm2/cm3からΔΨ1750μm2/cm3)は,上記の都市クラスタ中にまだ存在し,多相化学のための豊富な反応容器を提供するかもしれない。YRDの代表的な都市である上海では,年間4日最大8時間平均O_3濃度(4MDA8O_3)と夏季のS_Aの減少の二分が見つかった。成都(SCB)では,4MDA8O_3濃度の増加は,2017年から2019年までのS_Aの同期増加と関連していた。異なる4MDA8 O_3濃度は北京(BTH)と広州(PRD)で増加したが,S_Aでは2018年以前には有意ではなかった。本研究は,中国のS_Aの歴史的変化と空間分布の理解を大きく深めるであろう。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： 粒度分布 ,  都市 ,  粒子 ,  空間分布 ,  中華人民共和国 ,  ノンパラメトリック法 ,  夏 ,  クラスタ ,  三角州 ,  多相 ,  *機械学習
準シソーラス用語： 北京市 ,  長江 ,  天津市 ,  広州市 ,  珠江デルタ , 【Automatic Indexing@JST】

著者キーワード (3件)： 粒子表面積濃度 ,  機械学習 ,  時空分布

分類 (2件)： 粒状物調査測定  (SB03060E) ,  健康被害  (SB03070P)

タイトルに関連する用語 (7件)： 機械学習 ,  推定 ,  中国 ,  表面積 ,  空間分布 ,  歴史 ,  理解