预印迹 文章 版本2 在Portico保存 此版本不是对等审核的

利用移动监测和三维城市结构预测城市空气污染的分布

版本1收稿日期:2021年4月20日/批准日期:2021年4月21日/出版日期:2021年4月21日(16:49:09 CEST)
版本2:收到:4月30日2021 /批准:5月5日2021年/在线:5月5日2021年(12:41:17 Cest)

如何引用:卡明斯,l;斯图尔特·j·;克雷默,p;基于移动监测和三维城市结构的城市空气污染分布预测。预印迹2021., 2021040588 (doi: 10.20944/preprints202104.0588.v2)。卡明斯,l;斯图尔特·j·;克雷默,p;基于移动监测和三维城市结构的城市空气污染分布预测。Preprints 2021, 2021040588 (doi: 10.20944/preprints202104.0588.v2)。

摘要

了解土地覆盖/城市结构模式和空气污染物之间的关系是可持续城市规划和发展的关键。在本研究中,我们采用一种移动监测方法来收集PM2.5和BC数据,应用城市景观结构(STURLA)方法研究城市结构与大气污染的关系。我们发现了,而下午2.5和BC因Sturla类而异,类别之间的许多污染物浓度的差异并不重要。但是,我们也发现比例S.其中Sturla组件目前整个城市景观可以用来预测城市空气污染。在经常采样二班,GPL.托管了最高的PM2.5平均浓度(16.60±4.29µg / m3.),而tgbwp 主持人 ED最高的BC浓度(2.31±1.94μg/ m3.)。此外,STURLA结合机器学习建模能够关联PM2.5(r.2= 0.68,RMSE2.82μg/ m3.和BC(r.2= 0.64, RMSE 0.75µg/m3. )与城市景观的浓度,并在空间上插值没有进行采样的浓度。的se结果证明了功效的二方法在空气污染与造型关系中的建模土地覆盖/城市结构模式。

主题领域

空气污染;Sturla;城市结构;移动监控;空间预测

评论(1)

评论1
收到:5月20日5月5日
评论:贾斯汀•斯图尔特
评论者的利益冲突:作者
备注:更新标题。
+回复此评论

我们鼓励广泛的读者评论和反馈。看标准的评论和我们的多样性陈述。

留下公众评论
向作者发送私人评论
的观点 0.
下载 0.
注释 1
指标 0.


×
警报
如果这篇文章有更新,或者发表了同行评议版本,请通知我。
我们在我们的网站上使用cookie,以确保您获得最佳的体验。
阅读更多关于我们的饼干这里