面向地面二氧化氮的可扩展惩罚性时空土地利用回归
应用统计
2020-11-18 v2
摘要
二氧化氮（NO）是交通相关空气污染的主要组成成分，其对环境和人类健康的危害已得到充分证实。了解 NO 的时空分布对暴露与风险评估至关重要。评估空气污染暴露的一种常用方法是涉及空间参照协变量的线性回归，即土地利用回归（LUR）。我们开发了一种可扩展的方法，通过结合 general-Vecchia 高斯过程近似与对 LUR 系数的惩罚，对具有时空相关误差的 LUR 模型进行同步变量选择与估计。在使用模拟数据与现有方法的比较中，在广泛的相关设定下，我们的方法在模型选择特异性和敏感性以及在校准和锐度方面的预测表现更优。在我们针对美国每日地面 NO 数据的时空分析中，我们的方法更准确，并产生了更稀疏且更具可解释性的模型。我们的每日预测阐明了美国境内 NO 浓度的时空模式，包括城市间及城市内部的显著变化。因此，我们的预测对寻求每日全国尺度预测的流行病学与风险评估研究很有用，并可用于急性结局健康风险评估。
引用
@article{arxiv.2005.09210,
title = {Scalable penalized spatiotemporal land-use regression for ground-level nitrogen dioxide},
author = {Kyle P Messier and Matthias Katzfuss},
journal= {arXiv preprint arXiv:2005.09210},
year = {2020}
}