文献

J-GLOBAL ID：202202275100142068   整理番号：22A0838391

中国上の毎時表面PM_2.5マッピングのためのジョイント特徴ランダムフォレスト(JFRF)モデル【JST・京大機械翻訳】

Joint features random forest (JFRF) model for mapping hourly surface PM_2.5 over China

著者 (8件)： Dong Lechao (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Li Siwei (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Li Siwei (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, 430079, China) ,  Xing Jia (State Key Joint Laboratory of Environmental Simulation and Pollution Control, School of Environment, Tsinghua University, Beijing, 100084, China) ,  Lin Hao (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Wang Shansi (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Zeng Xiaoyue (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China) ,  Qin Yaming (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, 430079, China)
資料名： Atmospheric Environment  (Atmospheric Environment)
巻： 273  ページ： Null  発行年： 2022年 
JST資料番号： C0382D  ISSN： 1352-2310  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： 環境PM_2.5は長距離輸送のその能力に強い地域パターンを発揮し,周辺ステーションの特徴を含むことは,衛星検索エアロゾル光学深度(AOD)から表面PM_2.5を推定するための機械学習ベースモデルの精度を改善する可能性があることを意味する。しかし,ほとんどの現在のモデルは,単一点特徴のみを使用するか,あるいは固定空間比例関係に基づく隣接ステーションから観測された表面PM_2.5を単純に平均する。PM_2.5を検索するための周辺ステーションの特徴を適切に利用する方法は,まだ十分には対処されていない。ここでは,周辺ステーションとの複雑な特徴差を含む結合特徴ランダムフォレスト(JFRF)モデルと呼ぶ統合アルゴリズムを提案し,また,従来のモデル(WAF)として表面PM_2.5のみによる重み付け平均特徴(WAF)よりも,目標画素のPM_2.5との動的関係を学習するための観測所の観察を提案した。交差検証の結果は,単一点特徴モデル(ΔR2=0.09~0.3)よりも,JFRF(R2=0.61~0.8;RMSE=15.97~20.91μg/m3)のより良い性能を示唆した。また,JFRFは,従来のモデル(WAF)(ΔR2=0.05~0.11)よりも優れた性能を示し,特に大きなAOD勾配(全試験セットの33%を占める)で,PM_2.5の空間不均一性(例えば,汚染エッギングとホットスポット領域)を正確に表すのに非常に重要である。そして,特徴からのAODの排除はモデル性能を著しく減少させた(ΔR2=-0.07~0.1)。従って,本研究は,PM_2.5の地域パターンを表すことにおいて,周辺ステーションと衛星検索AODの特徴差の重要性を示し,さらに,表面PM_2.5の推定における精度を改善するために,機械学習ベースモデルをさらに支援する。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 ,  エアロゾル ,  画素 ,  *モデル ,  ホットスポット ,  重みづけ ,  検証 ,  長距離輸送【大気】 ,  機械学習
準シソーラス用語： *ランダムフォレスト ,  特性モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： PM_2.5濃度 ,  衛星 ,  AOD ,  ランダムフォレストのジョイント特性 ,  重み付き平均特徴

分類 (1件)： 粒状物調査測定  (SB03060E)

タイトルに関連する用語 (5件)： 中国 ,  マッピング ,  ジョイント ,  ランダムフォレスト ,  モデル