Understanding global changes in fine-mode aerosols during 2008-2017 using statistical methods and deep learning approach.

Yan, Xing; Zang, Zhou; Zhao, Chuanfeng; Husi, Letu

Yan, Xing; Zang, Zhou; Zhao, Chuanfeng; Husi, Letu.

Afiliação

Yan X; State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China.
Zang Z; State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China.
Zhao C; State Key Laboratory of Remote Sensing Science, College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China. Electronic address: czhao@bnu.edu.cn.
Husi L; Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences (CAS), DaTun Road No. 20 (North), Beijing 100101, China.

Environ Int ; 149: 106392, 2021 04.

Article em En | MEDLINE | ID: mdl-33516989

Assuntos

Poluentes Atmosféricos; Aprendizado Profundo; Aerossóis/análise; Poluentes Atmosféricos/análise; Austrália; China; Monitoramento Ambiental; Humanos; Índia; México; Estações do Ano

Palavras-chave

Aerosol; FMF; Satellite; fAOD

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Contexto em Saúde: 2_ODS3 Base de dados: MEDLINE Assunto principal: Poluentes Atmosféricos / Aprendizado Profundo Tipo de estudo: Prognostic_studies Limite: Humans País/Região como assunto: Asia / Mexico / Oceania Idioma: En Revista: Environ Int Ano de publicação: 2021 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google