A machine learning model to estimate ground-level ozone concentrations in California using TROPOMI data and high-resolution meteorology.

Wang, Wenhao; Liu, Xiong; Bi, Jianzhao; Liu, Yang

Wang, Wenhao; Liu, Xiong; Bi, Jianzhao; Liu, Yang.

Afiliación

Wang W; Gangarosa Department of Environmental Health, Rollins School of Public Health, Emory University, Atlanta, GA, USA.
Liu X; Harvard-Smithsonian Center for Astrophysics, Cambridge, MA, USA.
Bi J; Department of Environmental & Occupational Health Sciences, School of Public Health, University of Washington, Seattle, WA, USA.
Liu Y; Gangarosa Department of Environmental Health, Rollins School of Public Health, Emory University, Atlanta, GA, USA. Electronic address: yang.liu@emory.edu.

Environ Int ; 158: 106917, 2022 01.

Article en En | MEDLINE | ID: mdl-34624589

Asunto(s)

Contaminantes Atmosféricos; Ozono; Contaminantes Atmosféricos/análisis; Monitoreo del Ambiente; Los Angeles; Aprendizaje Automático; Meteorología; Ozono/análisis

Palabras clave

HRRR; OMI; Ozone profile; Random forest; Spatiotemporal distribution; Surface ozone; TROPOMI

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Ozono / Contaminantes Atmosféricos Tipo de estudio: Prognostic_studies País/Región como asunto: America do norte Idioma: En Revista: Environ Int Año: 2022 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google