迈向非洲长期空气质量监测：运用机器学习、低成本监测仪、参考级仪器和卫星数据估算疾病负担——以乌干达坎帕拉为例
Towards long-term air quality monitoring in Africa and the use of machine learning, low-cost monitors, reference instruments and satellite data to estimate the burden of disease – The case of Kampala, Uganda
发表于 2026年1月27日 · 收录于雷达 2026年11月5日
中文摘要
研究利用参考级监测仪、低成本空气质量传感器网络及卫星反演 PM2.5 数据，评估坎帕拉2019—2023年的空气质量趋势，并以两阶段机器学习填补时间序列缺失数据。交叉验证 R² 为0.78，补全数据后发现多个类型监测点的超标天数增加。参考级、低成本传感器与卫星数据的比较差异在17%以内；健康风险评估估算每年有660至1,010名成年人过早死亡。