Estimación de PM basada en la recuperación de aerosoles bayesianos a través de modelos jerárquicos de procesos gaussianos
Autores: Zhang, Junbo; Li, Daoji; Xia, Yingzhi; Liao, Qifeng
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Estimación de PM basada en la recuperación de aerosoles bayesianos a través de modelos jerárquicos de procesos gaussianos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Satélite
Profundidad óptica de aerosoles
Datos
Concentraciones
Resolución espacial
MODIS
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Los datos de profundidad óptica de aerosoles (AOD) basados en satélites se utilizan ampliamente para estimar concentraciones en la superficie terrestre en áreas no cubiertas por estaciones de monitoreo terrestre. Sin embargo, los datos de AOD obtenidos de satélites suelen tener resoluciones espaciales gruesas, lo que limita su aplicación en escalas pequeñas o medianas. En este documento, proponemos un nuevo enfoque de dos pasos para estimar concentraciones de resolución de 1 km en Shanghai utilizando recuperaciones de AOD de alta resolución espacial de MODIS. En el primer paso, los datos de AOD se refinan a una resolución a través de un método de recuperación de AOD bayesiano. En el segundo paso, se utiliza un modelo jerárquico de proceso gaussiano para estimar concentraciones. Evaluamos nuestro enfoque mediante ajuste de modelo y validación cruzada fuera de la muestra. Nuestros resultados muestran que el enfoque propuesto disfruta de un rendimiento predictivo preciso en la estimación de concentraciones.
Descripción
Los datos de profundidad óptica de aerosoles (AOD) basados en satélites se utilizan ampliamente para estimar concentraciones en la superficie terrestre en áreas no cubiertas por estaciones de monitoreo terrestre. Sin embargo, los datos de AOD obtenidos de satélites suelen tener resoluciones espaciales gruesas, lo que limita su aplicación en escalas pequeñas o medianas. En este documento, proponemos un nuevo enfoque de dos pasos para estimar concentraciones de resolución de 1 km en Shanghai utilizando recuperaciones de AOD de alta resolución espacial de MODIS. En el primer paso, los datos de AOD se refinan a una resolución a través de un método de recuperación de AOD bayesiano. En el segundo paso, se utiliza un modelo jerárquico de proceso gaussiano para estimar concentraciones. Evaluamos nuestro enfoque mediante ajuste de modelo y validación cruzada fuera de la muestra. Nuestros resultados muestran que el enfoque propuesto disfruta de un rendimiento predictivo preciso en la estimación de concentraciones.