A Spatiotemporal Prediction Model for Black Carbon in the Denver Metropolitan Area, 2009-2020.
A Spatiotemporal Prediction Model for Black Carbon in the Denver Metropolitan Area, 2009-2020.
复制标题
DOI：
10.1021/acs.est.0c06451
复制
发表时间：
2021-03-02
影响因子：
11.4
通讯作者：
Magzamen S
中科院分区：
文献类型：
--
作者：
Martenies SE;Keller JP;WeMott S;Kuiper G;Ross Z;Allshouse WB;Adgate JL;Starling AP;Dabelea D;Magzamen S
研究当地空气污染对健康的影响需要进行暴露评估，以捕捉空间和时间趋势。为了促进科罗拉多州丹佛市的城市内研究，我们开发了黑碳 (BC) 的时空预测模型。为了为我们的模型提供信息，我们从 2018 年到 2020 年使用个人空气采样器每周收集了 700 多个 BC 样本。该模型结合了空间和时空预测因子并平滑了时间趋势，以生成 2009-2020 年 BC 浓度的点级每周预测。我们的结果表明，我们的模型可靠地预测了我们收集数据的一年中该地区每周的 BC 浓度。对于采样点预测的每周 BC 浓度，我们实现了 0.83 的 10 倍交叉验证 R2 和 0.15 μg/m3 的均方根误差。预测浓度显示了预期的时间趋势，预测浓度在冬季最高。因此，我们的预测模型改进了通常仅捕获空间梯度的典型土地利用回归模型。然而，我们的模型由于缺乏长期BC监测数据而受到限制，无法全面验证历史预测。 BC 每周时空模型的预测将比该地区之前的模型更精确地用于与交通相关的空气污染暴露与疾病关联。
Studies on health effects of air pollution from local sources require exposure assessments that capture spatial and temporal trends. To facilitate intraurban studies in Denver, Colorado, we developed a spatiotemporal prediction model for black carbon (BC). To inform our model, we collected more than 700 weekly BC samples using personal air samplers from 2018 to 2020. The model incorporated spatial and spatiotemporal predictors and smoothed time trends to generate point-level weekly predictions of BC concentrations for the years 2009–2020. Our results indicate that our model reliably predicted weekly BC concentrations across the region during the year in which we collected data. We achieved a 10-fold cross-validation R2 of 0.83 and a root-mean-square error of 0.15 μg/m3 for weekly BC concentrations predicted at our sampling locations. Predicted concentrations displayed expected temporal trends, with the highest concentrations predicted during winter months. Thus, our prediction model improves on typical land use regression models that generally only capture spatial gradients. However, our model is limited by a lack of long-term BC monitoring data for full validation of historical predictions. BC predictions from the weekly spatiotemporal model will be used in traffic-related air pollution exposure-disease associations more precisely than previous models for the region have allowed.
登录
查看更多内容
影响因子：
3.3
作者：
Alderete TL;Chen Z;Toledo-Corral CM;Contreras ZA;Kim JS;Habre R;Chatzi L;Bastain T;Breton CV;Gilliland FD
通讯作者：
Gilliland FD
DOI：
10.1038/sj.jea.7500262
发表时间：
2003-03-01
期刊：
JOURNAL OF EXPOSURE ANALYSIS AND ENVIRONMENTAL EPIDEMIOLOGY
影响因子：
--
作者：
Cyrys, J;Heinrich, J;Brunekreef, B
通讯作者：
Brunekreef, B
影响因子：
16.6
作者：
Bove, Hannelore;Bongaerts, Eva;Nawrot, Tim S.
通讯作者：
Nawrot, Tim S.
影响因子：
10.4
作者：
Clark, Lara P.;Millet, Dylan B.;Marshall, Julian D.
通讯作者：
Marshall, Julian D.
影响因子：
10.4
作者：
Gong T;Dalman C;Wicks S;Dal H;Magnusson C;Lundholm C;Almqvist C;Pershagen G
通讯作者：
Pershagen G