PM2.5组分的多元谱降尺度方法
应用统计
2019-09-10 v1 统计方法学
摘要
细颗粒物（PM2.5）是一种对人体健康有不利影响的空气污染物混合物。理解PM2.5混合物及其各组分的健康效应在过去二十年中一直是研究重点。然而，组分化PM2.5测量的有限可得性仍是开展大规模基于人群流行病学研究中暴露评估的一大挑战。PM2.5各组分具有复杂的时空与交叉依赖结构，在估计各组分时空分布时应加以考虑。常用于推导暴露估计的两类空气质量数据来源为：点尺度监测数据与网格化数值计算机模型模拟，例如Community Multiscale Air Quality（CMAQ）模型。我们提出一种统计方法，结合这两类数据来源来估计组分化PM2.5浓度。我们的方法在不同空间分辨率下对监测测量值与数值模型输出之间的复杂关系进行建模，并对PM2.5各组分间的空间依赖与交叉依赖进行建模。我们将该方法应用于结合2011年美国本土的CMAQ模型输出与主要PM2.5组分测量数据。
引用
@article{arxiv.1909.03816,
title = {Multivariate spectral downscaling for PM2.5 species},
author = {Yawen Guan and Brian J Reich and James A Mulholland and Howard H Chang},
journal= {arXiv preprint arXiv:1909.03816},
year = {2019}
}