Comparación de las predicciones de NO y BC estimadas utilizando modelos LUR convencionales y basados en Google Street View en Copenhague, Dinamarca
Autores: Tayebi, Shali; Kerckhoffs, Jules; Khan, Jibran; de Hoogh, Kees; Chen, Jie; Taghavi-Shahri, Seyed Mahmood; Bergmann, Marie L.; Cole-Hunter, Thomas; Lim, Youn-Hee; Mortensen, Laust H.; Hertel, Ole; Reeh, Rasmus; Schwartz, Joel; Hoek, Gerard; Vermeulen, Roel; Jovanovic Andersen, Zorana; Loft, Steffen; Amini, Heresh
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Método
Contaminación del aire
Regresión del uso del suelo
Modelado LUR
Dióxido de nitrógeno
Carbono negro
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Un método ampliamente utilizado para estimar la variación espacial a largo plazo en la contaminación del aire a escala fina, especialmente para estudios epidemiológicos, es la modelización de regresión de uso del suelo (LUR) utilizando monitores fijos fuera de carretera. Más recientemente, se han desarrollado modelos LUR utilizando datos de monitores móviles que miden repetidamente los contaminantes de las carreteras y la modelización de efectos mixtos. Aquí, se compararon las predicciones de dióxido de nitrógeno (NO) y carbono negro (BC) de dos modelos independientes a través de calles (definidas como segmentos de carretera de 30-60 m) (N = 30,312) y residencias (N = 76,752) en Copenhague, Dinamarca. El primer modelo fue un modelo LUR de efectos mixtos basado en Google Street View (GSV) que predijo los niveles medios de NO y BC de 2019, y el segundo fueron modelos LUR a nivel europeo (EUW) que predijeron los niveles medios anuales de 2010 a una resolución espacial de 100 m. A través de los segmentos de calle, el coeficiente de correlación de Spearman entre el NO de 2019 de Google-MM-LUR y el NO de 2010 de EUW-LUR fue de 0.66, mientras que en las residencias fue de 0.60. Para BC, estos fueron 0.51 en los segmentos de calle y 0.40 a nivel residencial. La relación del percentil 97.5 al 2.5 para NO a través de las calles del área de estudio utilizando Google-MM NO fue de 4.5, mientras que utilizando EUW-LUR, fue de 2.1. Estas relaciones de NO en residencias fueron de 3.1 utilizando Google-MM LUR y 1.7 utilizando EUW-LUR. Tales relaciones para BC a través de los segmentos de calle fueron de 3.4 utilizando Google-MM LUR y 2.3 utilizando EUW-LUR, mientras que a nivel residencial fueron de 2.4 y 1.9, respectivamente. En conclusión, el NO de Google-MM-LUR para 2019 estuvo moderadamente correlacionado con el NO de EUW-LUR desarrollado en 2010 a través de los segmentos de calle y residencias de Copenhague. Para BC, aunque Google-MM-LUR estuvo moderadamente correlacionado con EUW-LUR a través de las calles de Copenhague, la correlación fue menor a nivel residencial. En general, Google-MM-LUR reveló contrastes espaciales más grandes que EUW-LUR.
Descripción
Un método ampliamente utilizado para estimar la variación espacial a largo plazo en la contaminación del aire a escala fina, especialmente para estudios epidemiológicos, es la modelización de regresión de uso del suelo (LUR) utilizando monitores fijos fuera de carretera. Más recientemente, se han desarrollado modelos LUR utilizando datos de monitores móviles que miden repetidamente los contaminantes de las carreteras y la modelización de efectos mixtos. Aquí, se compararon las predicciones de dióxido de nitrógeno (NO) y carbono negro (BC) de dos modelos independientes a través de calles (definidas como segmentos de carretera de 30-60 m) (N = 30,312) y residencias (N = 76,752) en Copenhague, Dinamarca. El primer modelo fue un modelo LUR de efectos mixtos basado en Google Street View (GSV) que predijo los niveles medios de NO y BC de 2019, y el segundo fueron modelos LUR a nivel europeo (EUW) que predijeron los niveles medios anuales de 2010 a una resolución espacial de 100 m. A través de los segmentos de calle, el coeficiente de correlación de Spearman entre el NO de 2019 de Google-MM-LUR y el NO de 2010 de EUW-LUR fue de 0.66, mientras que en las residencias fue de 0.60. Para BC, estos fueron 0.51 en los segmentos de calle y 0.40 a nivel residencial. La relación del percentil 97.5 al 2.5 para NO a través de las calles del área de estudio utilizando Google-MM NO fue de 4.5, mientras que utilizando EUW-LUR, fue de 2.1. Estas relaciones de NO en residencias fueron de 3.1 utilizando Google-MM LUR y 1.7 utilizando EUW-LUR. Tales relaciones para BC a través de los segmentos de calle fueron de 3.4 utilizando Google-MM LUR y 2.3 utilizando EUW-LUR, mientras que a nivel residencial fueron de 2.4 y 1.9, respectivamente. En conclusión, el NO de Google-MM-LUR para 2019 estuvo moderadamente correlacionado con el NO de EUW-LUR desarrollado en 2010 a través de los segmentos de calle y residencias de Copenhague. Para BC, aunque Google-MM-LUR estuvo moderadamente correlacionado con EUW-LUR a través de las calles de Copenhague, la correlación fue menor a nivel residencial. En general, Google-MM-LUR reveló contrastes espaciales más grandes que EUW-LUR.