Spatial Modeling of Daily PM<sub>2.5</sub>, NO<sub>2</sub>, and CO Concentrations Measured by a Low-Cost Sensor Network: Comparison of Linear, Machine Learning, and Hybrid Land Use Models.

Jain, Sakshi; Presto, Albert A; Zimmerman, Naomi

Spatial Modeling of Daily PM_2.5, NO₂, and CO Concentrations Measured by a Low-Cost Sensor Network: Comparison of Linear, Machine Learning, and Hybrid Land Use Models.

Jain, Sakshi; Presto, Albert A; Zimmerman, Naomi.

Afiliação

Jain S; Department of Mechanical Engineering, University of British Columbia, Vancouver, British Columbia V6T 1Z4, Canada.
Presto AA; Department of Mechanical Engineering, Carnegie Mellon University, Pittsburgh, Pennsylvania 15213, United States.
Zimmerman N; Department of Mechanical Engineering, University of British Columbia, Vancouver, British Columbia V6T 1Z4, Canada.

Environ Sci Technol ; 55(13): 8631-8641, 2021 07 06.

Article em En | MEDLINE | ID: mdl-34133134

Assuntos

Poluentes Atmosféricos; Poluição do Ar; Poluentes Atmosféricos/análise; Poluição do Ar/análise; Monitoramento Ambiental; Aprendizado de Máquina; Dióxido de Nitrogênio/análise; Material Particulado/análise; Pennsylvania

Palavras-chave

air quality; exposure; land use regression; low-cost sensors; machine learning

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Poluentes Atmosféricos / Poluição do Ar Tipo de estudo: Health_economic_evaluation / Prognostic_studies País/Região como assunto: America do norte Idioma: En Revista: Environ Sci Technol Ano de publicação: 2021 Tipo de documento: Article País de afiliação: Canadá

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google