air-quality

加拿大野火产生的浓烟笼罩了从芝加哥到华盛顿特区的城市，天空变成橙色，并触发空气质量警报；文章强调了气候变化在加剧野火季节及相关健康风险方面的作用。

本文讨论了野火烟雾对健康造成的严重危害，并就使用N95口罩、空气净化器以及通过Airnow.gov监测空气质量以保持安全提供了指导。

加拿大野火产生的烟雾笼罩美国东部，导致空气质量达到危险水平并触发健康警告，气候变化正在加剧野火季节。

OmniPM-Net 是一种神经过程融合模型，它结合了来自图神经网络的离散站点预报和来自化学传输模型的网格化预报，以在站点和网格单元上生成一致的PM10预测，尤其在沙尘暴期间提高了准确性。

本文系统评估了时间序列基础模型（TSFMs）在预测野火烟雾导致的极端PM2.5浓度方面的表现，使用了加州12年的数据集。结果表明，像BiLSTM这样完全训练的循环基线模型优于TSFMs，挑战了更大预训练模型主导环境预测的假设。

研究表明，会议室中高浓度的二氧化碳会显著削弱决策能力和认知表现。作者建议使用二氧化碳监测仪并开窗通风，以提高会议效果。

本文介绍了低成本高阶奇异值分解（lcHOSVD），一种基于张量的方法，用于从稀疏传感器测量中重构高维环境场。应用于城市流动和空气质量数据集，与基于矩阵的方法相比，该方法实现了更低的重构误差，并对不均匀传感器分布具有更强的鲁棒性。

本文提出了一种基于混淆矩阵的图构建方法和一种用于图神经网络的混合损失函数，以提高多站点污染预测的准确性和可解释性，并在真实世界空气污染数据上进行了评估。

本文提出MVG-KAN，一种集成周期-残差分解、用于风感知空间依赖性的地理风图以及用于PM2.5预测的时间KAN头的多视图模型，在北京数据上实现MAE 14.09。

Birdie Pro 是一款升级版空气质量监测器，通过一只机械鸟来指示空气质量不佳，现增加了更多传感器和智能家居集成功能。可通过 Kickstarter 获取。

提出了M²FedAQI，一种轻量级多模态联邦学习框架，用于跨异构边缘设备的空气质量预测，在基准数据集上相比基线取得了显著改进。