中国人民大学健康大数据研究院黄辉教授团队研究成果“Efficient And Effective Calibration Of Numerical Model Outputs Using Hierarchical Dynamic Models”在AOAS接收发表。

大气污染数值模式输出的空间高分辨率污染地图数据广泛用于评估污染物对特定区域居民健康的影响。然而，与空间稀疏分布的站点监测数据相比，原始的模式输出通常存在系统性偏差。为了解决这一问题，本文提出了一种基于贝叶斯分层的动态方法（HDCM）来校准空间高分辨率的数值模式输出结果。该方法发展了一种用于描述污染物复杂时空动态交互效应的离散化随机积分微分方程模型，并开发了一种基于变分贝叶斯和集合卡尔曼滤波的高效算法，能够高效生成校准后的高分辨率污染地图，并对其不确定性进行量化。本研究将所提方法应用于我国京津冀地区的“社区多尺度空气质量系统（CMAQ）”原始PM2.5浓度输出的校准问题中。与传统的统计校准方法相比，所提方法更好地刻画了复杂的时空交互效应，生成了更为准确的校准地图，且在计算效率上也获得了显著提升。