机构名称：
¥ 1.0
年平均土地利用回归（LUR）模型已被广泛用于评估空气污染暴露的空间模式。但是，它们无法捕获空气污染中的昼夜变异性，因此可能导致动态暴露评估有偏见。在这项研究中，我们旨在使用LUR算法对荷兰的两种主要污染物（第2和PM 2.5）进行平均小时浓度。，我们建模了2016年至2019年平均小时浓度的空间变化，合计为两个季节，以及两种工作日类型。使用了两种建模方法，有监督的线性回归（SLR）和随机森林（RF）。潜在的预测因子包括种群，道路，土地利用，卫星检索和化学转运模型污染估计具有不同缓冲尺寸的变量。我们还使用小时监控数据从2019年的年度模型进行了时间调整，以将其性能与小时建模方法进行比较。结果表明，每小时2个模型的总体表现良好（5倍交叉验证r 2 = 0.50 - 0.78），而PM 2.5进行中等（5倍交叉验证r 2 = 0.24 - 0.62）。在第2号和PM 2.5中，温暖季节的表现都比寒冷的季节差，周末比工作日还差。两种污染物的RF和SLR模型的性能相似。对于SLR和RF，与工作日相比，在周末型号中选择了更大的缓冲尺寸的变量，代表背景浓度的变化，与冷季相比，在周末模型中选择了更频繁的变量。年度平均模型的时间调整总体上比两种建模方法都要差（无2小时r 2
荷兰NO2和PM2.5的小时土地使用回归建模。
主要关键词
相关文件推荐
