Retrieval of air quality annual statistics from a limited number of profiles

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F24%3A00603599" target="_blank" >RIV/67985807:_____/24:00603599 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.harmo.org/Conferences/Proceedings/_P%C3%A4rnu/publishedSections/H22-099_Tereza_Pikousova_T3.pdf" target="_blank" >https://www.harmo.org/Conferences/Proceedings/_P%C3%A4rnu/publishedSections/H22-099_Tereza_Pikousova_T3.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Retrieval of air quality annual statistics from a limited number of profiles

Popis výsledku v původním jazyce

Annual air quality statistics in an urban environment are usually computed from data collected from a sparsely distributed network of monitoring stations. Complex numeric models may provide air quality simulations at the street level, these simulations, however, are not computationally feasible for large time periods like a year. We propose a method for identification of a limited number of 'typical' days, which, if simulated in microscale, guarantee a reasonable coverage of different scenarios during the year. Annual statistics then can then be estimated on street level from simulated fields. The identification method is based on k-medoids clustering. We also develop a means for validating the approach so as to add confidence in estimates derived in this manner.

Název v anglickém jazyce

Retrieval of air quality annual statistics from a limited number of profiles

Popis výsledku anglicky

Annual air quality statistics in an urban environment are usually computed from data collected from a sparsely distributed network of monitoring stations. Complex numeric models may provide air quality simulations at the street level, these simulations, however, are not computationally feasible for large time periods like a year. We propose a method for identification of a limited number of 'typical' days, which, if simulated in microscale, guarantee a reasonable coverage of different scenarios during the year. Annual statistics then can then be estimated on street level from simulated fields. The identification method is based on k-medoids clustering. We also develop a means for validating the approach so as to add confidence in estimates derived in this manner.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10509 - Meteorology and atmospheric sciences

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

HARMO 22 Proceedings and presentations

ISBN

978-000000000-2

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

H22-099

Název nakladatele

Institute of Physics, University of Tartu

Místo vydání

Tartu

Místo konání akce

Pärnu

Datum konání akce

10. 6. 2024

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—