GIS based assessment of the spatial representativeness of air quality monitoring stations using pollutant emissions data

Righini, Gaia; Cappelletti, Andrea; Ciucci, Alessandra; Cremona, Giuseppe; Piersanti, Antonio; Vitali, Lina; Ciancarella, Luisella

doi:10.1016/j.atmosenv.2014.08.015

Cited by 44 publications

(15 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…En Taiwán se registraron concentraciones de PM 25 que superan los niveles de la OMS, especialmente en las franjas horarias de las 8:00 a las 9:00 h y de las 14:00 a las 15:00 h, es decir, las de mayor tráfico vehicular 39 . En Cusco (Perú) se han medido altas concentraciones en las horas de la mañana, con valores máximos de 35,4 µg/m 3 en el 2010 40 , y en ciudades de Italia como Milán, Roma y Génova, muy pobladas y con una gran actividad industrial, también se han registrado altos niveles de PM 25 41 . Esto es similar a lo encontrado en el presente estudio, respaldado por los registros horarios de la Red de Monitoreo de Calidad del Aire de Bogotá, y ratifica la problemática mundial de la contaminación del aire que afecta a los países latinoamericanos como Colombia.…”

Section: Discussionunclassified

Análisis espacial de las concentraciones de PM2,5 en Bogotá según los valores de las guías de la calidad del aire de la Organización Mundial de la Salud para enfermedades cardiopulmonares, 2014-2015

2020

View full text Add to dashboard Cite

Introducción. La Organización Mundial de la Salud señala que tres millones de muertes al año por enfermedades cardiopulmonares están relacionadas con la exposición a la contaminación del aire.Objetivo. Estimar las superficies de concentración de partículas en suspensión de menos de 2,5 μm (Particulate Matter, PM2,5) en Bogotá entre el 2014 y el 2015, clasificándolas según las guías de calidad del aire de la Organización Mundial de la Salud para enfermedades cardiopulmonares.Materiales y métodos. Se hizo un estudio ecológico mediante técnicas geoestadísticas. Se calcularon los promedios de PM2,5 en lapsos de seis horas a lo largo del día en cuatro franjas horarias. Las concentraciones se clasificaron según los valores diarios y anuales de las guías de calidad del aire de la OMS.Resultados. La localidad de Kennedy presentó las mayores concentraciones de PM2,5 en todas las franjas horarias. Los valores registrados en esta zona y clasificados según las guías diarias y anuales de calidad del aire, evidenciaron que la localidad presentaría un incremento de 1,2 % en la mortalidad cardiopulmonar en el corto plazo y de 9 % en el largo plazo. Conclusión. Las franjas horarias de las 0:00 a las 6:00 h y de las 12:00 a las 18:00 h, cumplieron con el valor anual de las guías de calidad del aire de 10 μg/m3 en una parte de la zona oriental de la ciudad. En el resto de la ciudad, en las franjas horarias de las 6:00 h a las 12:00 h y de las 18:00 h a las 24:00 h se registraron valores que cumplían los objetivos intermedios 2 y 3, lo que representa incrementos de 9 y 3 % en la mortalidad cardiopulmonar, respectivamente.

show abstract

Section: Discussionunclassified

Análisis espacial de las concentraciones de PM2,5 en Bogotá según los valores de las guías de la calidad del aire de la Organización Mundial de la Salud para enfermedades cardiopulmonares, 2014-2015

2020

View full text Add to dashboard Cite

show abstract

“…In a paper, Ref. [18] presented a methodology by integrating the spatial analysis techniques and the neighborhood statistic function algorithm to evaluate the spatial diffusion of the gaseous pollutant in north of Italy by using the air pollutant records obtained from monitoring stations and GIS data (i.e., administrative borders, built-up areas, emission sources and road networks). Their results were illustrated on grids with a cell size of (4 × 4) km.…”

Section: Previous Workmentioning

confidence: 99%

Modeling of CO Emissions from Traffic Vehicles Using Artificial Neural Networks

et al. 2019

View full text Add to dashboard Cite

Traffic emissions are considered one of the leading causes of environmental impact in megacities and their dangerous effects on human health. This paper presents a hybrid model based on data mining and GIS models designed to predict vehicular Carbon Monoxide (CO) emitted from traffic on the New Klang Valley Expressway, Malaysia. The hybrid model was developed based on the integration of GIS and the optimized Artificial Neural Network algorithm that combined with the Correlation based Feature Selection (CFS) algorithm to predict the daily vehicular CO emissions and generate prediction maps at a microscale level in a small urban area by using a field survey and open source data, which are the main contributions to this paper. The other contribution is related to the case study, which represents the spatial and quantitative variations in the vehicular CO emissions between toll plaza areas and road networks. The proposed hybrid model consists of three steps: the first step is the implementation of the correlation-based Feature Selection model to select the best model’s predictors; the second step is the prediction of vehicular CO by using a multilayer perceptron neural network model; and the third step is the creation of micro scale prediction maps. The model was developed using six traffic CO predictors: number of vehicles, number of heavy vehicles, number of motorbikes, temperature, wind speed and a digital surface model. The network architecture and its hyperparameters were optimized through a grid search approach. The traffic CO concentrations were observed at 15-min intervals on weekends and weekdays, four times per day. The results showed that the developed model had achieved validation accuracy of 80.6 %. Overall, the developed models are found to be promising tools for vehicular CO simulations in highly congested areas.

show abstract

“…Indeed, different approaches can be based on various sources of information including: additional air pollutant measurements from specific experimental campaigns (Vardoulakis et al, 2005;Parra et al, 2009) or dense monitoring network (Blanchard et al, 1999;Chow et al, 2006), modelled air pollutant concentrations (Diegmann et al, 2013;Santiago et al, 2013;Martin et al, 2014;Piersanti et al, 2015a;Duyzer et al, 2015), surrogate spatial data e.g. land use (Janssen et al, 2012;Piersanti et al, 2015b) or emission data (Henne et al, 2010;Righini et al, 2014). When air quality model results are used to assess SR of monitoring sites, depending on the type of the station, concentration fields are needed at the proper spatial resolution.…”

Section: Introductionmentioning

confidence: 99%

A Lagrangian modelling approach to assess the representativeness area of an industrial air quality monitoring station

Vitali

Morabito

Adani

et al. 2016

Atmospheric Pollution Research

View full text Add to dashboard Cite

GIS based assessment of the spatial representativeness of air quality monitoring stations using pollutant emissions data

Cited by 44 publications

References 9 publications

Análisis espacial de las concentraciones de PM2,5 en Bogotá según los valores de las guías de la calidad del aire de la Organización Mundial de la Salud para enfermedades cardiopulmonares, 2014-2015

Análisis espacial de las concentraciones de PM2,5 en Bogotá según los valores de las guías de la calidad del aire de la Organización Mundial de la Salud para enfermedades cardiopulmonares, 2014-2015

Modeling of CO Emissions from Traffic Vehicles Using Artificial Neural Networks

A Lagrangian modelling approach to assess the representativeness area of an industrial air quality monitoring station

Contact Info

Product

Resources

About