1. IntroductionMany studies have re

1. Introduction
Many studies have reported that exposure to air pollutants such
as NO2 and PM10 may cause acute or chronic health problems (HEI,
2010; Gonzales et al., 2012; Sally Liu et al., 2012). Accurate measures
of personal exposures are of great importance for epidemiological studies on the health effects of air pollution. In
recent years, many efforts to improve quantitative methods of
assessing personal exposure have contributed to new approaches
for exposure assessment in air pollution studies. These approaches
including geostatistical interpolation (Jerrett et al., 2005; Janssen
et al., 2008), dispersion models (Gauderman et al., 2005; Liu
et al.,, 2007; Cyrys et al., 2005), and land use regression (LUR)
models (Aguilera et al., 2008; Dons et al., 2013; Hoek et al., 2011).
Interpolation of monitored concentrations does not adequately
show true spatial variability because routine monitoring networks
are usually not dense enough to reflect localized variation in
pollutant concentrations. Dispersion models are extremely
dependent on accurate and spatially resolved input data, especially
for emissions. In recent studies, LUR models have been proven to be
a valid and cost-effective approach for assessing exposure to air
pollutants in epidemiological studies (Gulliver et al., 2013; Lee
et al., 2014; Wu et al., 2011). Generally, LUR models utilize targeted
pollutants concentrations measured at a limited number of
sites (usually 20e100 sites)and land use characteristics derived
from a geographic information system (GIS) to predict pollutants
concentrations at unmeasured locations (Henderson et al., 2007;
Saraswat et al., 2013). LUR models were first applied to an air
pollution epidemiology study in Europe (Briggs et al., 1997). Since
then, due to the increasing ability of GIS to provide land use data,
this robust type of model is increasingly used in Asia and North
America (Kashima et al., 2009; Mukerjee et al., 2009).
Quantification of the spatial and temporal variation of air pollutants
could provide more accurate exposure assessment for
epidemiological and other air pollution studies (Blanchard et al.,
2014). In recent years, although the temporal resolution for LUR
models has improved, most LUR model studies still focus on annual
or seasonal average concentrations, with high spatial but low
temporal resolution. Generally, annual or seasonal LUR models are
enough to assess long term individual exposure in chronic epidemiological
studies. However, for medium or short term exposure in
acute epidemiological studies, annual or seasonal LUR models are
insufficient to capture all of the variation. Recently, some studies
have made efforts to improve temporal resolution of LUR model.
The simplest method is to recalibrate existing LUR models with a
continuous background monitoring station (Gan et al., 2011;
Nethery et al., 2008). Another approach is to build several unique
models in different time periods (Dons et al., 2013; Chen et al.,
2012).
Urban areas possess complex spatial configurations, and these
configurations are produced by cumulative change in land use
(Wrenn and Sam, 2014). Usually, the land use predictor variables
show a large spatial difference in a fixed period of time; in contrast,
weather conditions vary from day to day, showing major change
over time. Therefore, the land use and meteorological variables
could be seen as spatial and temporal variables, respectively. The
aim of this study is to build integrated daily models to model spatial
and temporal variability of NO2 and PM10 in the period from April
2013 to April 2014 by using spatial and temporal variables. We
assume that the daily average concentrations can be divided into
two parts: a part dependent on land use variables and a part
influenced by dynamic meteorological factors. Due to the small
change in land use between 2010 and April 2014, which could be
observed from google earth satellite images, the first part can be
estimated by annual LUR models developed in 2010. The second
part is predicted using two approaches: meteorological factors
regression (MFR) modeling and back propagation neural network
(BPNN) modeling. The combined LUR þ MFR model and
LUR þ BPNN models were the first attempts at using annual LUR
models combined with meteorological conditions to estimate daily
variability of NO2 and PM10.

ผลลัพธ์ (ไทย) 1:

1. บทนำการศึกษาจำนวนมากได้รายงานที่สัมผัสกับอากาศสารมลพิษดังกล่าวNO2 และ PM10 อาจเกิดปัญหาสุขภาพเฉียบพลัน หรือเรื้อรัง (ไห่2010 กอนซาเลซและ al., 2012 แฮร์รีหลิว et al., 2012) มาตรการที่ถูกต้องถ่ายภาพส่วนบุคคลมีความสำคัญอย่างยิ่งสำหรับการศึกษาผลกระทบสุขภาพของมลพิษทางอากาศความ ในปีที่ผ่านมา ความพยายามในการปรับปรุงวิธีการเชิงปริมาณประเมินความเสี่ยงส่วนบุคคลได้ส่งให้ใหม่ ๆสำหรับการประเมินความเสี่ยงในการศึกษามลพิษทางอากาศ วิธีเหล่านี้รวมทั้งสอดแทรก geostatistical (Jerrett et al., 2005 Janssenร้อยเอ็ด al., 2008), รูปแบบการกระจายตัว (Gauderman et al., 2005 เล่าร้อยเอ็ด al., 2007 Cyrys et al., 2005), และถดถอย (LUR) ใช้ที่ดินรุ่น (สตินาร้อยเอ็ด al., 2008 Dons et al., 2013 Hoek et al., 2011)ไม่แทรกแทรงของตรวจสอบความเข้มข้นไม่เพียงพอแสดงจริงปริภูมิสำหรับความผันผวนเนื่องจากการตรวจสอบประจำเครือข่ายไม่มักหนาแน่นพอที่จะสะท้อนการเปลี่ยนแปลงในท้องถิ่นความเข้มข้นของมลพิษ รูปแบบการกระจายตัวอยู่มากขึ้นอยู่กับความถูกต้อง และแก้ไข spatially ข้อมูลการป้อนเข้า โดยเฉพาะอย่างยิ่งสำหรับปล่อย ในการศึกษาล่าสุด รุ่น LUR ได้รับการพิสูจน์ให้วิธีการถูกต้อง และคุ้มค่าสำหรับการประเมินการสัมผัสกับอากาศสารมลพิษในความศึกษา (กัลลิเวอร์และ al., 2013 ลีร้อยเอ็ด al., 2014 Wu et al., 2011) ทั่วไป รุ่น LUR ใช้เป้าหมายวัดความเข้มข้นของสารมลพิษในจำนวนจำกัดไซต์ (ไซต์ 20e100 ปกติ) และที่ดินลักษณะมาใช้จากระบบสารสนเทศภูมิศาสตร์ (GIS) เพื่อทำนายว่า สารมลพิษความเข้มข้นที่ตำแหน่ง unmeasured (Henderson et al., 2007Saraswat et al., 2013) LUR รุ่นแรกใช้กับอากาศศึกษามลพิษทางวิทยาการระบาดในยุโรป (บริกส์และ al., 1997) ตั้งแต่จากนั้น เนื่องจากความสามารถที่เพิ่มขึ้นของ GIS เพื่อให้ ใช้ที่ดินข้อมูลแบบจำลองชนิดนี้แข็งแกร่งมากขึ้นใช้ในเอเชียและเหนืออเมริกา (คะชิมะ et al., 2009 Mukerjee et al., 2009)นับรูปแบบชั่วคราว และพื้นที่ของสารมลพิษอากาศสามารถให้แม่นยำมากขึ้นความเสี่ยงการประเมินศึกษามลพิษทางอากาศความ และอื่น ๆ (Blanchard et al.,2014) ในปีที่ผ่านมา แม้ว่าการแก้ปัญหาชั่วคราวสำหรับ LURรุ่นได้ดีขึ้น ส่วนใหญ่ LUR รุ่นการศึกษายังคงเน้นประจำปีตามฤดูกาลเฉลี่ยความเข้ม ข้น มีสูงหรือต่ำ แต่พื้นที่แก้ไขชั่วคราว ทั่วไป รุ่น LUR ประจำปี หรือตามฤดูกาลคือพอที่จะประเมินระยะยาวแต่ละความเสี่ยงในโรคความการศึกษา อย่างไรก็ตาม สำหรับความเสี่ยงระยะสั้นและ ระยะปานกลางในศึกษาความเฉียบพลัน รุ่น LUR ประจำปี หรือตามฤดูกาลคือไม่เพียงพอในการจับภาพการเปลี่ยนแปลงทั้งหมด เมื่อเร็ว ๆ นี้ การศึกษาบางได้ทำความพยายามที่จะปรับปรุงแก้ไขชั่วคราวรุ่น LURวิธีที่ง่ายที่สุดคือการ ทำแบบจำลอง LUR อยู่กับพื้นหลังอย่างต่อเนื่องตรวจสอบสถานี (ย่าน et al., 2011Nethery et al., 2008) อีกวิธีคือการ สร้างหลายเฉพาะรุ่นในรอบระยะเวลาต่าง ๆ (แรมดอนส์ et al., 2013 Chen et al.,2012)เขตเมืองมีการตั้งค่าคอนฟิกพื้นที่ซับซ้อน และเหล่านี้ตั้งค่าคอนฟิกผลิต โดยการเปลี่ยนแปลงการใช้ที่ดินสะสม(Wrenn และสาม 2014) โดยปกติ ที่ดินใช้ในตัวแปร predictorแสดงความแตกต่างพื้นที่ขนาดใหญ่ในระยะเวลา ในความคมชัดสภาพอากาศที่แตกต่างกันวันต่อวัน แสดงการเปลี่ยนแปลงหลักช่วงเวลานั้น ดังนั้น การใช้ที่ดินและตัวแปรอุตุนิยมวิทยาสามารถเห็นได้เป็นตัวแปรชั่วคราว และพื้นที่ ตามลำดับ ที่จุดมุ่งหมายของการศึกษานี้คือการ สร้างแบบจำลองปริภูมิรวมทุกรุ่นและสำหรับความผันผวนชั่วคราวของ NO2 และ PM10 ในรอบระยะเวลาตั้งแต่เดือนเมษายน2013 ไป 2014 เมษายนโดยใช้ตัวแปรปริภูมิ และขมับ เราสมมติว่า ที่ความเข้มข้นเฉลี่ยรายวันสามารถแบ่งออกเป็นส่วนที่สอง: เป็นส่วนหนึ่งที่ขึ้นอยู่บนบกใช้ตัวแปรและเป็นส่วนหนึ่งรับอิทธิพลจากปัจจัยอุตุนิยมวิทยาไดนามิก เนื่องจากขนาดเล็กการเปลี่ยนแปลงการใช้ที่ดินระหว่างปี 2553 และเดือน 2014 เมษายน ซึ่งอาจเป็นสังเกตจากภาพดาวเทียมโลก google ส่วนแรกได้ประเมิน โดยแบบจำลอง LUR ประจำปีที่พัฒนาขึ้นในปี 2553 ที่สองส่วนหนึ่งคาดว่า ใช้วิธีที่ 2: ปัจจัยอุตุนิยมวิทยาสร้างโมเดลการถดถอย (MFR) และโครงข่ายประสาทกลับมาเผยแพร่สร้างโมเดล (BPNN) รวม LUR þ MFR แบบ และรุ่น BPNN þ LUR ได้ครั้งแรกที่ใช้ LUR ประจำปีรุ่นรวมกับสภาพอุตุนิยมวิทยาประเมินทุกวันความแปรผันของ NO2 และ PM10

ผลลัพธ์ (ไทย) 2:

1.
บทนำการศึกษาหลายแห่งได้มีการรายงานว่าการสัมผัสกับสารมลพิษทางอากาศดังกล่าวเป็น
NO2 PM10 และอาจทำให้เกิดปัญหาสุขภาพเฉียบพลันหรือเรื้อรัง (HEI,
2010; กอนซาเล et al, 2012;.. แซลลี่หลิว et al, 2012)
มาตรการที่ถูกต้องของความเสี่ยงส่วนบุคคลที่มีความสำคัญมากสำหรับการศึกษาทางระบาดวิทยาเกี่ยวกับผลกระทบต่อสุขภาพของมลพิษทางอากาศ ในปีที่ผ่านมาหลายคนพยายามที่จะปรับปรุงวิธีการเชิงปริมาณของการประเมินการสัมผัสส่วนบุคคลที่มีส่วนร่วมในแนวทางใหม่ๆในการประเมินการรับสัมผัสในการศึกษามลพิษทางอากาศ วิธีการเหล่านี้รวมถึงการแก้ไข geostatistical (Jerrett et al, 2005;. Janssen. et al, 2008) รูปแบบการกระจายตัว (Gauderman et al, 2005;. หลิวet al, 2007 ,,.. Cyrys et al, 2005) และการใช้ประโยชน์ที่ดิน การถดถอย (LUR) รุ่น (Aguilera et al, 2008;. ดอน et al, 2013;.. Hoek et al, 2011). การแก้ไขความเข้มข้นของการตรวจสอบไม่เพียงพอที่แสดงให้เห็นความแปรปรวนเชิงพื้นที่จริงเพราะเครือข่ายการตรวจสอบประจำมักจะไม่หนาแน่นพอที่จะสะท้อนให้เห็นถึงรูปแบบภาษาท้องถิ่นในระดับความเข้มข้นของสารมลพิษ รูปแบบการกระจายตัวเป็นอย่างมากขึ้นอยู่กับความถูกต้องและได้รับการแก้ไขสันนิฐานข้อมูลของท่านโดยเฉพาะอย่างยิ่งสำหรับการปล่อยก๊าซ ในการศึกษาที่ผ่านมารุ่น LUR ได้รับการพิสูจน์แล้วว่าเป็นวิธีการที่ถูกต้องและมีประสิทธิภาพสำหรับการประเมินการสัมผัสกับอากาศมลพิษทางระบาดวิทยาในการศึกษา(กัลลิเวอร์, et al, 2013;. ลีet al, 2014;.. วู et al, 2011) โดยทั่วไปรุ่น LUR ใช้ประโยชน์จากการกำหนดเป้าหมายความเข้มข้นของสารมลพิษวัดที่มีจำนวนจำกัด ของเว็บไซต์(ปกติ 20e100 เว็บไซต์) และที่ดินลักษณะการใช้งานที่ได้มาจากระบบสารสนเทศทางภูมิศาสตร์(GIS) ที่จะทำนายมลพิษความเข้มข้นในสถานที่ที่ไม่สามารถวัดได้(เฮนเดอ et al, 2007;. Saraswat et al., 2013) รุ่น LUR ถูกนำไปใช้ครั้งแรกในอากาศการศึกษาระบาดวิทยามลพิษในยุโรป(บริกส์ et al., 1997) ตั้งแต่นั้นเนื่องจากความสามารถที่เพิ่มขึ้นของระบบสารสนเทศภูมิศาสตร์เพื่อให้ข้อมูลการใช้ประโยชน์ที่ดินประเภทนี้ที่แข็งแกร่งของรูปแบบถูกนำมาใช้มากขึ้นในเอเชียและทวีปอเมริกา(คาชิมะ et al, 2009;.. Mukerjee et al, 2009). ปริมาณของพื้นที่และ การเปลี่ยนแปลงชั่วคราวของมลพิษทางอากาศสามารถให้ประเมินการรับสัมผัสที่ถูกต้องมากขึ้นสำหรับการระบาดวิทยาและอื่นๆ ที่ศึกษามลพิษทางอากาศ (Blanchard et al., 2014) ในปีที่ผ่านมาแม้จะมีความละเอียดชั่ว LUR สำหรับรุ่นที่มีการปรับปรุงมากที่สุดLUR การศึกษารูปแบบยังคงมุ่งเน้นการประจำปีของความเข้มข้นเฉลี่ยหรือตามฤดูกาลที่มีแต่เชิงพื้นที่สูงต่ำขมับมติ โดยทั่วไปรุ่น LUR ปีหรือตามฤดูกาลพอที่จะประเมินระยะยาวการเปิดรับในแต่ละระบาดวิทยาเรื้อรังศึกษา อย่างไรก็ตามสำหรับการเปิดรับระยะกลางหรือระยะสั้นในการศึกษาทางระบาดวิทยาเฉียบพลันรุ่น LUR ปีหรือตามฤดูกาลไม่เพียงพอที่จะจับภาพทั้งหมดของการเปลี่ยนแปลง เมื่อเร็ว ๆ นี้การศึกษาบางส่วนได้ทำให้ความพยายามที่จะปรับปรุงความละเอียดของรูปแบบชั่วLUR. วิธีที่ง่ายที่สุดคือการปรับรุ่นที่มีอยู่ LUR กับสถานีตรวจสอบพื้นหลังอย่างต่อเนื่อง(กาน et al, 2011;.. Nethery et al, 2008) อีกวิธีหนึ่งคือการสร้างที่ไม่ซ้ำกันหลายรูปแบบในช่วงเวลาที่แตกต่างกัน (ดอน et al, 2013;.. เฉิน, et al, 2012). เมืองพื้นที่มีการกำหนดค่าเชิงพื้นที่ที่ซับซ้อนเหล่านี้และการกำหนดค่าที่มีการผลิตโดยการเปลี่ยนแปลงที่สะสมในการใช้ประโยชน์ที่ดิน(Wrenn และแซม 2014) โดยปกติแล้วตัวแปรการใช้ที่ดินแสดงความแตกต่างเชิงพื้นที่ขนาดใหญ่ในระยะเวลาคงที่ของเวลา ในทางตรงกันข้าม, สภาพอากาศที่แตกต่างกันไปในแต่ละวันแสดงให้เห็นถึงการเปลี่ยนแปลงที่สำคัญในช่วงเวลา ดังนั้นการใช้ที่ดินและตัวแปรอุตุนิยมวิทยาอาจจะเห็นเป็นตัวแปรเชิงพื้นที่และเวลาตามลำดับ จุดมุ่งหมายของการศึกษาครั้งนี้คือการสร้างแบบจำลองในชีวิตประจำวันแบบบูรณาการในการจำลองเชิงพื้นที่แปรปรวนและเวลาของ NO2 และ PM10 ในช่วงเวลาตั้งแต่เดือนเมษายน 2013 ถึงเมษายน 2014 โดยใช้ตัวแปรเชิงพื้นที่และเวลา เราคิดว่ามีความเข้มข้นเฉลี่ยต่อวันสามารถแบ่งออกเป็นสองส่วนคือส่วนหนึ่งขึ้นอยู่กับตัวแปรการใช้ที่ดินและส่วนหนึ่งได้รับอิทธิพลจากปัจจัยทางอุตุนิยมวิทยาแบบไดนามิก เนื่องจากมีขนาดเล็กการเปลี่ยนแปลงการใช้ประโยชน์ที่ดินระหว่าง 2010 และเมษายน 2014 ซึ่งสามารถสังเกตได้จากGoogle Earth ภาพถ่ายดาวเทียมส่วนแรกสามารถประมาณโดยรุ่นLUR ประจำปีการพัฒนาในปี 2010 ที่สองส่วนที่มีการคาดการณ์โดยใช้สองวิธี: ปัจจัยทางอุตุนิยมวิทยาถดถอย (MFR) สร้างแบบจำลองและการบริหารจัดการเครือข่ายประสาทหลัง (BPNN) การสร้างแบบจำลอง LUR รวมþรูปแบบ MFR และLUR þรุ่น BPNN เป็นความพยายามครั้งแรกที่ใช้ LUR ประจำปีรุ่นรวมกับสภาพทางอุตุนิยมวิทยาในชีวิตประจำวันในการประเมินความแปรปรวนของNO2 และ PM10

ผลลัพธ์ (ไทย) 3:

1 . บทนำ
หลายการศึกษาได้รายงานว่า การสัมผัสกับมลพิษทางอากาศเช่น
เป็น NO2 เฉียบพลันหรือเรื้อรัง และพบว่าอาจก่อให้เกิดปัญหาสุขภาพ ( เฮ้ย
2010 ; กอนซาเลส et al . , 2012 ; แซลลี่ Liu et al . , 2012 )
ถูกต้องมาตรการการเปิดรับส่วนบุคคลมีความสำคัญมากสำหรับการศึกษาระบาดวิทยาในผลกระทบต่อสุขภาพจากมลพิษทางอากาศ ใน
ปีล่าสุด ความพยายามมากมายที่จะปรับปรุงวิธีการของ
การประเมินการสัมผัสส่วนบุคคลได้สนับสนุนแนวทางใหม่ๆ
สำหรับการประเมินการสัมผัสในการศึกษามลพิษอากาศ วิธีการเหล่านี้รวมถึงการ geostatistical
( jerrett et al . , 2005 ; Janssen
et al . , 2008 ) , แบบกระจาย ( gauderman et al . , 2005 ; หลิว
et al . , 2007 ; cyrys et al . , 2005 ) และการใช้ประโยชน์ที่ดิน ( เลอร์ )
นางแบบ ( Aguilera et al . 2551 ; ดอน et al . , 2013 ; Hoek et al . , 2011 ) .
ในการตรวจสอบความเข้มข้นไม่เพียงพอ
แสดงจริงเชิงพื้นที่ของเครือข่ายการตรวจสอบ
เพราะตามปกติมักจะไม่หนาแน่นพอที่จะสะท้อนให้เห็นถึงการเปลี่ยนแปลงในถิ่น
มลพิษความเข้มข้น แบบกระจายเป็นอย่างยิ่ง
ขึ้นอยู่กับความถูกต้องและแก้ไขข้อมูลเชิงพื้นที่ โดยเฉพาะ
สำหรับการปล่อยก๊าซเรือนกระจก ในการศึกษาล่าสุด โมเดลเลอร์ มีการพิสูจน์ว่าเป็น
วิธีการที่ถูกต้องและมีประสิทธิภาพเพื่อประเมินการสัมผัสกับสารมลพิษในอากาศ
ศึกษาทางระบาดวิทยา ( กัลลิเวอร์ et al . , 2013 ; ลี
et al . , 2014 ; Wu et al . , 2011 ) โดยทั่วไปแล้ว โมเดลเลอร์ใช้ในความเข้มข้นวัดที่จำนวนจำกัด

( โดยปกติเว็บไซต์เป้าหมาย 20e100 เว็บไซต์ ) และลักษณะการใช้ประโยชน์ที่ดินได้มา
จากระบบสารสนเทศภูมิศาสตร์ ( GIS ) เพื่อทำนายมลพิษ
ความเข้มข้นในสถานที่ซึ่งวัดไม่ได้ ( Henderson et al . , 2007 ;
saraswat et al . , 2013 ) โมเดลเลอร์ถูกแรกที่ใช้กับอากาศ
มลพิษการศึกษาระบาดวิทยาในยุโรป ( Briggs et al . , 1997 ) ตั้งแต่
แล้วเนื่องจากการเพิ่มความสามารถของระบบสารสนเทศภูมิศาสตร์ เพื่อให้ข้อมูลการใช้ที่ดินประเภทนี้มีรูปแบบเป็น

ใช้มากขึ้นในเอเชียและอเมริกาเหนือ ( คาชิม่า et al . , 2009 ; mukerjee et al . , 2009 ) .
ปริมาณของพื้นที่และเวลาการเปลี่ยนแปลงของมลพิษทางอากาศ
อาจมีการประเมินการสัมผัสถูกต้องมากขึ้นสำหรับการศึกษาระบาดวิทยา และมลพิษทางอากาศอื่น
( ชาร์ด et al . ,
2014 ) ใน ปี ล่าสุด แม้ว่าความละเอียดชั่วคราวสำหรับโมเดลเลอร์
ดีขึ้น ส่วนใหญ่ยังคงเน้นรูปแบบการศึกษาเลอร์ประจำปี
หรือตามฤดูกาลความเข้มข้นเฉลี่ยกับพื้นที่สูง แต่ต่ำ
การแก้ปัญหาชั่วคราว โดยทั่วไป ประจํา หรือตามฤดูกาล โมเดลเลอร์เป็น
พอที่จะประเมินในระยะยาวการเปิดรับบุคคลในผู้ป่วยระบาดวิทยา
ศึกษา อย่างไรก็ตาม สำหรับขนาดกลางหรือการสัมผัสในระยะสั้นใน
เฉียบพลันการศึกษาระบาดวิทยาปีหรือฤดูกาลโมเดลเลอร์เป็น
ไม่เพียงพอที่จะจับทั้งหมดของการแปรผัน เมื่อเร็วๆ นี้ บางการศึกษา
ได้ทำให้ความพยายามเพื่อปรับปรุงความละเอียดชั่วคราวของโมเดลเลอร์ .
วิธีที่ง่ายที่สุดคือการสอบเทียบค่าใหม่โมเดลเลอร์ที่มีอยู่กับ
อย่างต่อเนื่องหลังสถานีตรวจสอบ ( กาน et al . , 2011 ;
nethery et al . , 2008 ) อีกวิธีหนึ่งคือการสร้างรูปแบบเฉพาะ
หลายในช่วงเวลาที่แตกต่างกัน ( ดอน et al . , 2013 ; Chen et al . ,
. .
เขตเมืองมีการตั้งค่าที่ซับซ้อน และการตั้งค่าเหล่านี้จะผลิตโดยการเปลี่ยนแปลงสะสม

ใช้ที่ดิน( เรน และ แซม ปี 2014 ) โดยปกติ การใช้ที่ดินตัวแปร
แสดงความแตกต่างเชิงพื้นที่ขนาดใหญ่ในระยะเวลาคงที่ของเวลา ในทางตรงกันข้าม
สภาพอากาศที่แตกต่างกันจากวัน แสดงหลักเปลี่ยน
ตลอดเวลา ดังนั้น การใช้ที่ดิน และตัวแปรทางอุตุนิยมวิทยา
สามารถเห็นตัวแปรเชิงพื้นที่และเวลา ตามลำดับ
การศึกษานี้มีวัตถุประสงค์เพื่อสร้างแบบจำลองเชิงพื้นที่แบบบูรณาการทุกวัน
และการเปลี่ยนแปลงชั่วคราวของ NO2 แล้ว PM10 ในช่วงเมษายน
2013 เมษายน 2557 โดยใช้ตัวแปรเชิงพื้นที่และเวลา . เรา
สมมติว่าเฉลี่ยความเข้มข้นสามารถแบ่งออกเป็นสองส่วนส่วนหนึ่ง
ขึ้นอยู่กับตัวแปรการใช้ที่ดินและส่วนหนึ่ง
ได้รับอิทธิพลจากปัจจัยทางอุตุนิยมวิทยาไดนามิก เนื่องจากการขนาดเล็ก
การเปลี่ยนแปลงในการใช้ที่ดินระหว่าง 2010 และเมษายน 2014 ซึ่งสามารถสังเกตได้จากภาพดาวเทียม Google Earth

ส่วนแรกสามารถประมาณโดยโมเดลเลอร์ประจำปีขึ้นใน 2010 ส่วนที่สอง
คาดใช้สองวิธี : อุตุนิยมวิทยาปัจจัย
ถดถอย ( -- ) และแบบจำลองโครงข่ายประสาทเทียมชนิดแพร่กลับ
( แบบจำลอง ) แบบ รวมþเลอร์ -- รูปแบบและ
เลอร์þแบบจำลองโมเดลแรกพยายามใช้โมเดลเลอร์
ประจำปีรวมกับอุตุนิยมวิทยาเงื่อนไขประเมินความผันแปรทุกวัน
ของ NO2 PM10 และ .