論文の概要: Modelling spatio-temporal trends of air pollution in Africa
- arxiv url: http://arxiv.org/abs/2208.12719v1
- Date: Sun, 21 Aug 2022 15:43:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-04 02:08:45.917483
- Title: Modelling spatio-temporal trends of air pollution in Africa
- Title(参考訳): アフリカにおける大気汚染の時空間的傾向のモデル化
- Authors: Paterne Gahungu, Jean Remy Kubwimana, Lionel Jean Marie Benjamin
Muhimpundu, Egide Ndamuzi
- Abstract要約: 我々はアフリカの異なる地理的地域におけるPM2.5の最も時間的変動を分析した。
西アフリカ地域は、ラゴス、アブハ、バマコなど一部の都市では、毎日40856ドル/m3ドルという高水準の汚染の影響を受け続けている。
東アフリカでは、ウガンダがキガリの日平均濃度56.14 $mu g/m3$と38.65 $mu g/m3$を報告している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Atmospheric pollution remains one of the major public health threat worldwide
with an estimated 7 millions deaths annually. In Africa, rapid urbanization and
poor transport infrastructure are worsening the problem. In this paper, we have
analysed spatio-temporal variations of PM2.5 across different geographical
regions in Africa. The West African region remains the most affected by the
high levels of pollution with a daily average of 40.856 $\mu g/m^3$ in some
cities like Lagos, Abuja and Bamako. In East Africa, Uganda is reporting the
highest pollution level with a daily average concentration of 56.14 $\mu g/m^3$
and 38.65 $\mu g/m^3$ for Kigali. In countries located in the central region of
Africa, the highest daily average concentration of PM2.5 of 90.075 $\mu g/m^3$
was recorded in N'Djamena. We compare three data driven models in predicting
future trends of pollution levels. Neural network is outperforming Gaussian
processes and ARIMA models.
- Abstract(参考訳): 大気汚染は世界の公衆衛生上の脅威の一つであり、毎年700万人が死亡している。
アフリカでは、急速な都市化と輸送インフラの貧弱が問題を悪化させている。
本稿では,アフリカ各地におけるPM2.5の時空間変動を分析した。
西アフリカ地域は、ラゴス、アブハ、バマコなどいくつかの都市で1日平均40.856ドル/m^3$という高い汚染の影響を受けている。
東アフリカでは、ウガンダがキガリの平均濃度を56.14ドル/m^3ドル、38.65ドル/m^3ドルと報告している。
アフリカ中部の国々では、日平均PM2.5が90.075ドル\mu g/m^3$と記録されている。
3つのデータ駆動モデルを比較し,汚染レベルの将来予測を行う。
ニューラルネットワークはガウス過程とARIMAモデルを上回っている。
関連論文リスト
- Using remotely sensed data for air pollution assessment [0.0]
この研究の主な目的は、観測データがない場所で汚染物質濃度を推定できるモデルを作成することである。
2019年、イベリア半島の5種類の汚染物質の濃度を予測する機械学習モデルが開発された。
平均値が少し高くなる$O_3$と$PM10$を除いて、全てのモデルでRMSEを許容するクロスバリデーションを提示した。
論文 参考訳(メタデータ) (2024-02-04T14:27:28Z) - Modelling and characterization of fine Particulate Matter dynamics in
Bujumbura using low cost sensors [0.6249768559720122]
ブルンジのブジュムブラのような都市部の急速な都市化は大気汚染に寄与する要因の1つである。
ブジュンブラにおけるPM2.5の変動特性とPM2.5濃度の予測を行った。
論文 参考訳(メタデータ) (2023-12-19T09:51:02Z) - AirFormer: Predicting Nationwide Air Quality in China with Transformers [43.48965814702661]
AirFormerは中国全国の空気質を総合的に予測する新しいトランスフォーマーアーキテクチャである。
AirFormerは72時間の予測で予測エラーを5%削減する。
論文 参考訳(メタデータ) (2022-11-29T07:22:49Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Long-term variation of population exposure to PM2.5 in Eastern China: A
perspective from SDG 11.6.2 [5.532477732693001]
中国東部(都道府県レベル318都市を含む)におけるPM2.5被曝の長期変動について検討した。
2014-2020年の間に、人口重み付き平均PM2.5濃度(PWAM)が著しく低下することが観察された。
2020年、PWAMは、東中国の214都道府県レベルの都市で世界保健機関(WHO)が定義する中間目標-1よりも初めて低い。
論文 参考訳(メタデータ) (2022-08-30T13:53:38Z) - Trend analysis and forecasting air pollution in Rwanda [0.0]
ルワンダの大気汚染は、微粒子物質(PM2.5)の形で世界保健機関のガイドラインを超える
本稿では,ルワンダにおける大気汚染の傾向を分析し,ルワンダに展開する低コストセンサネットワークによって収集されたデータに適した予測モデルを提案する。
論文 参考訳(メタデータ) (2022-05-20T08:39:42Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳(メタデータ) (2021-05-06T15:24:00Z) - Deep-AIR: A Hybrid CNN-LSTM Framework for Air Quality Modeling in
Metropolitan Cities [28.233460564726034]
Deep-AIRは、畳み込みニューラルネットワークと長期記憶ネットワークを組み合わせた、新しいハイブリッドディープラーニングフレームワークである。
提案手法は,大気汚染と都市動態の特徴の相互相互作用の学習を強化するために,1x1畳み込み層を生成する。
香港では, 67.6%, 77.2%, 66.1%の精度, 1時間, 24時間大気汚染予測, 65.0%, 75.3%, 63.5%の精度を達成した。
論文 参考訳(メタデータ) (2021-03-25T13:47:56Z) - Transportation Density Reduction Caused by City Lockdowns Across the
World during the COVID-19 Epidemic: From the View of High-resolution Remote
Sensing Imagery [48.52477000522933]
新型コロナウイルス(COVID-19)の流行は、2020年前半に悪化し始めた。
厳しい封鎖政策が世界中の多くの都市で実行され、人間の感染を制御し、拡散を緩和した。
中心市街地6都市におけるロックダウン前後の交通密度の低減について定量的に検討した。
論文 参考訳(メタデータ) (2021-03-02T13:45:16Z) - Use of Remote Sensing Data to Identify Air Pollution Signatures in India [0.3683202928838613]
センチネル-5P衛星の打ち上げは、より広い範囲の大気汚染物質の観測に役立った。
クラスタリングシグネチャは、様々な汚染源から放出される汚染物質の種類に基づいて、州や地区を特定するために使用することができる。
論文 参考訳(メタデータ) (2020-12-01T11:06:23Z) - Averaging Atmospheric Gas Concentration Data using Wasserstein
Barycenters [68.978070616775]
ハイパースペクトル衛星画像は、世界中の温室効果ガス濃度を毎日報告している。
気象データと組み合わさったワッサーシュタイン・バリセンタを用いて, ガス濃度データセットの平均化と, 質量集中性の向上を提案する。
論文 参考訳(メタデータ) (2020-10-06T14:31:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。