智能建模有助于缩放空气污染地图

新的研究表明,模型可以减少创建准确的空气污染地图所需的数据

2018年10月发布的报告

EDF和我们的合作伙伴已经表明,道路污染数据收集可以生成城市地区空气质量的高度详细的地图。但这需要付出高昂的代价。为了扩大这项技术的规模并以更低的价格将其推广到其他地区,EDF正在探索数据收集和统计建模的结合。

在一个近期论文在杂志上发表环境科学与技术,研究人员解释说,当这些信息输入到统计模型中时,通过有限的移动监测数据,可以创建可靠的地图,显示空气质量的变化。

这项研究向我们表明,我们可以用比以前认为的更少的数据制作出可靠的地图。

史蒂文·汉堡, 首席科学家

这项研究使用了为一项研究收集的数据加利福尼亚州奥克兰的早期空气质量测绘项目由得克萨斯大学奥斯汀分校土木、建筑和环境工程系的科学家领导。该研究团队还包括来自美国、加拿大和荷兰的EDF科学家和专家,他们将早期研究收集的数据合并到一个统计模型中,以确定需要收集多少数据才能准确描述奥克兰的空气质量。

收集的数据越多越好,而不是越关键

到处开车30%的道路在一个地区,至少四次随机抽样就足以预测城市空气污染变化的关键模式。如果研究人员对每一条道路进行十次或十次以上的采样,在没有模型的情况下,就可以对一个地区的空气污染模式做出高度准确的估计。

虽然通过重复的道路采样绘制地图可能是一种更简单、更准确的方法,但将数据与统计建模相结合可以让研究人员以更少的资源、更少的时间和更低的成本绘制新城市的地图。

媒体接触

凯瑟琳·伊特纳 +44(0)75 1037 6417(办公室)
信封电子邮件