Пространствените ефекти в моделите LUR са важни за хетерогенните замърсители, например NO2.

отчитане

Метеорологичната променлива (вятър) подобрява прилягането; моделът е по-прост от пространствено авторегресивен.

Моделът на метеорологична променлива (вятър) може да бъде определен като географски претеглен модел.

Географски претеглените модели оценяват пространствената променливост на коефициентите на регресия.

Добавянето на метеорологична променлива (вятър) адресира празнина, идентифицирана в литературата за LUR.

Резюме

За да се направи точна оценка на рисковете от замърсяване на въздуха, здравните проучвания изискват пространствено разрешени концентрации на замърсяване. Моделите за регресия на земеползването (LUR) оценяват околните концентрации в фин пространствен мащаб. Въпреки това, пространствените ефекти като пространствена нестационарност и пространствена автокорелация могат да намалят точността на оценките на LUR чрез увеличаване на грешките в регресията и несигурността; и статистически методи за разрешаване на тези ефекти - напр. пространствено авторегресивен (SAR) и географски претеглена регресия (GWR) модели - може да е трудно да се прилагат едновременно.

Използвахме алтернативен подход за справяне с пространствената нестационарност и пространствената автокорелация в моделите LUR за азотен диоксид. Традиционните модели бяха прецизирани, за да включват променлива, улавяща скоростта и посоката на вятъра, и се монтираха отново като GWR модели. Средните стойности на R 2 за получените GWR-модели на вятъра (лято: 0,86, зима: 0,73) показват 10–20% подобрение спрямо традиционните LUR модели. Моделите на GWR-вятър ефективно разглеждат както пространствените ефекти, така и създават значими прогнозни модели. Тези резултати предполагат полезен метод за подобряване на пространствено явни модели.

Предишен статия в бр Следващия статия в бр