近日,西安科技大学、昆士兰科技大学(澳大利亚)、中南大学和奥克兰大学 (新西兰)等11家单位联合在国际环境领域顶级期刊Environment International(中科院一区Top,IF=11.8)发表了题为“A Comprehensive Review of the Development of Land Use Regression Approaches for Modeling Spatiotemporal Variations of Ambient Air Pollution: A Perspective from 2011 to 2023”的论文。
我院地信系马绪瀛副教授为该论文第一作者,这是西安科技大学首次以第一作者和第一完成单位在Environment International上发表的综述(Review)论文。昆士兰科技大学Lidia Morawska教授(澳大利亚科学院院士,ILAQH中心主任,入选美国时代周刊2021年全球最具影响力人物)为论文的第一通讯作者;中南大学地球科学与信息物理学院邹滨教授为论文的第二作者;我校安全科学与工程学院邓军教授为论文的第三作者。
![](/__local/C/15/0F/B0E6A982B7DCC725866A09A9E57_205DDB12_E639.jpg)
成果简介
土地利用回归(Land Use Regression, LUR)模型在流行病学和环境研究中被广泛应用,用于估算城市居民空气污染暴露。然而,早期的LUR模型主要采用线性回归和来自常规固定站和被动取样的数据建立,模拟对象也主要是传统和常规的空气污染物,在捕捉精细尺度空气污染时空变化方面存在局限性。在过去的十年中,低成本监测仪器、移动监测和卫星等多源观测的显著发展,结合高级统计方法和时空动态预测变量的使用,促使了LUR方法的显著扩展和进步。本文回顾并综述了从2011年到2023年间发表的155篇LUR研究的最新进展,从空气质量数据获取手段、新型预测变量、建模方法的发展、验证方法的改进、模型可迁移性和建模软件等角度进行了总结。近年来的这些发展使得LUR模型能够应用于更大的研究区域,并涵盖更广泛的的空气污染物。传统的空间结构LUR模型已被更复杂的时空结构模型所补充。与线性模型相比,高级统计方法在处理具有复杂关系和相互作用的数据时能够提供更好的预测。最后,本研究探讨了LUR方法未来发展的新趋势,确定了LUR方法进一步突破的潜在路径,并提出了若干未来的研究方向。
本研究受到了国家自然科学基金、国家留学基金委、Australian Research Council (ARC) Linkage Grant、陕西省重点研发课题等项目的资助。
论文链接:
https://www.sciencedirect.com/science/article/pii/S0160412024000163