Noise (Supplemental Information - Comparison of land use regression and random forests modelling on estimating noise levels in five Canadian cities.) - 3

Estimated noise levels in five Canadian cities were produced by a national team of researchers at the University of Montreal, Ryerson University, Dalhousie University, University of Toronto, the University of British Columbia, Public Health Ontario, the Montreal Regional Department of Public Health and the Department of Public Health of Monteregie, Longueuil. Two approaches were used: land use regression (LUR) and random forest (RF) models. Geographic predictor variables (e.g., proximity to airports, railways and traffic, population density, vegetation, etc.) around noise monitoring locations are used in both approaches to predict the measured level of noise. Results for each method are included in the dataset, although the research team notes that the RF model performed better than the LUR model. See details in the Supporting Documentation. Estimates are available for Vancouver (circa 2003), Toronto (circa 2016-2018), Montreal (circa 2010-2014, Longueuil (circa 2017), and Halifax (circa 2010). The research team used the model results to produce noise level estimates for postal code locations in each city. CANUE staff linked the estimates to annual postal code files from 1991 to 2019. IMPORTANT NOTE: The researchers report that estimated levels best represent the spatial pattern of noise within each city, rather than an accurate measure that would be suitable for analysis of recommended noise level thresholds. Also, the estimated levels represent different time periods in each city. As such, data users should consider using categories of exposure based on the data, as well as the estimated levels provided. Data users should also consider the time periods of the city-specific model results and how these relate to their study approach.

Jeux de données disponibles au téléchargement

Informations supplémentaires

Champ Valeur
Dernière mise à jour avril 18, 2024, 17:06 (TU)
Créé septembre 18, 2023, 23:15 (TU)
Domaine / Sujet
Domaine ou sujet du jeu de données catalogué.
Environment
Titre
Titre du jeu de données.
Noise (Supplemental Information - Comparison of land use regression and random forests modelling on estimating noise levels in five Canadian cities.) - 3
Description
Une description du jeu de données.

Estimated noise levels in five Canadian cities were produced by a national team of researchers at the University of Montreal, Ryerson University, Dalhousie University, University of Toronto, the University of British Columbia, Public Health Ontario, the Montreal Regional Department of Public Health and the Department of Public Health of Monteregie, Longueuil. Two approaches were used: land use regression (LUR) and random forest (RF) models. Geographic predictor variables (e.g., proximity to airports, railways and traffic, population density, vegetation, etc.) around noise monitoring locations are used in both approaches to predict the measured level of noise. Results for each method are included in the dataset, although the research team notes that the RF model performed better than the LUR model. See details in the Supporting Documentation. Estimates are available for Vancouver (circa 2003), Toronto (circa 2016-2018), Montreal (circa 2010-2014, Longueuil (circa 2017), and Halifax (circa 2010). The research team used the model results to produce noise level estimates for postal code locations in each city. CANUE staff linked the estimates to annual postal code files from 1991 to 2019. IMPORTANT NOTE: The researchers report that estimated levels best represent the spatial pattern of noise within each city, rather than an accurate measure that would be suitable for analysis of recommended noise level thresholds. Also, the estimated levels represent different time periods in each city. As such, data users should consider using categories of exposure based on the data, as well as the estimated levels provided. Data users should also consider the time periods of the city-specific model results and how these relate to their study approach.
Étiquettes / Mots-clés
Mots-clés/étiquettes catégorisant le jeu de données.
Format (CSV, XLS, TXT, PDF, etc.)
Format de fichier du jeu de données.
.pdf - application/pdf
Taille du jeu de données
Taille du jeu de données en mégaoctets.
Identifiant des métadonnées
Identifiant des métadonnées — peut être utilisé comme identifiant unique pour l’entrée du catalogue.
Date de publication
Date de publication du jeu de données.
2021-05-31
Période temporelle des données (date de début)
Date de début des données dans le jeu de données.
1991-01-01
Période temporelle des données (date de fin)
Date de fin des données temporelles du jeu de données.
2019-12-31
Zone géospatiale couverte
Région spatiale ou lieu nommé couvert par le jeu de données.
Vancouver, Toronto, Montreal, Longueuil, Halifax
fair_rda_a1_02d Yes
fair_rda_a1_03d No
fair_rda_a1_04d No
fair_rda_a1_05d No
fair_rda_a1_1_01d Yes
fair_rda_a1_2_01d No
fair_rda_i1_01d No
fair_rda_i1_02d No
fair_rda_i2_01d No
fair_rda_i3_01d Yes
fair_rda_r1_3_01d No
Champ Valeur
Catégorie d’accès
Type d’accès accordé pour le jeu de données (ouvert, restreint, service, etc.).
visible
Licence
Licence utilisée pour accéder au jeu de données.
License not specified
Restrictions d’utilisation
Restrictions d’utilisation des données.
These data files are provided solely for the purposes stated in the CANUE Data Sharing and Use Agreement and should not be re-distributed for any reason. These data also contain proprietary postal code data and may only be used for the project named in the CANUE Data Sharing and Use Agreement. Data can be shared only within a project team for the exclusive purposes of teaching, academic research and publishing, and/or planning of educational services in accordance to DMTI End User Agreement associated with the Spatial Mapping Academic Research Tools (SMART) Program.
Emplacement
Emplacement du jeu de données.
https://www.canue.ca
Service de données
Service de données pour accéder à un jeu de données.
Propriétaire
Propriétaire du jeu de données.
CANUE (Canadian Urban Environmental Health Research Consortium)|Dalla Lana School of Public Health, University of Toronto
Point de contact
Qui contacter concernant l’accès ?
Courriel du point de contact
Courriel à utiliser pour l’accès ?
Éditeur
Éditeur du jeu de données.
Courriel de l’éditeur
Adresse courriel de l’éditeur.
Auteur
Auteur du jeu de données.
CANUE (Canadian Urban Environmental Health Research Consortium)|Dalla Lana School of Public Health, University of Toronto
Courriel de l'auteur
Adresse courriel de l’auteur.
[email protected]
Date d’accès
Date à laquelle les données et métadonnées ont été consultées.
2023-09-18
Champ Valeur
Identifiant
Identifiant unique du jeu de données.
39
Langue
Langue(s) du jeu de données
English
Lien vers la description du jeu de données
Une URL vers un document externe décrivant le jeu de données.
Identifiant persistant
Les données sont identifiées par un identifiant persistant.
No
Identifiant globalement unique
Les données sont identifiées par un identifiant persistant et globalement unique.
No
Contient des données sur des individus
Le jeu de données contient-il des données sur des individus ?
N/A
Contient des données identifiables sur des individus
Le jeu de données contient-il des données identifiables sur des individus ?
N/A
Contient des données autochtones
Le jeu de données contient-il des données sur des communautés autochtones ?
N/A
Type de portail
Type de plateforme du portail source.
Champ Valeur
Version
Version du jeu de données
Source
Source du jeu de données.
https://canue.ca/wp-content/uploads/2021/05/Liu-et-al-Noise-Supplemental-Info-2019.pdf
Notes de version
Notes de version à propos du jeu de données.
Est une version d’un autre jeu de données
Lien vers le jeu de données dont celui-ci est une version.
Autres versions
Lien vers les jeux de données qui en sont des versions.
Texte de provenance
Texte de provenance des données.
URL de provenance
URL de provenance des données.
Résolution temporelle
Décrit la granularité des données temporelles dans le jeu de données.
NaN
Résolution géospatiale en mètres
Décrit la granularité (en mètres) des données géospatiales dans le jeu de données.
Résolution géospatiale (par régions)
Décrit la granularité (par régions) des données géospatiales dans le jeu de données.
Champ Valeur
Permission de la communauté autochtone
Qui détient la permission de la communauté autochtone. Qui contacter pour l’accès à un jeu de données concernant des communautés autochtones.
Permission communautaire
Permission communautaire (qui a accordé la permission).
Les communautés autochtones concernées par le jeu de données
Communautés autochtones dont sont issues les données.
Champ Valeur
Nombre de lignes de données
Pour un jeu de données tabulaire, nombre total de lignes.
Nombre de colonnes de données
Pour un jeu de données tabulaire, nombre total de colonnes uniques.
Nombre de cellules de données
Pour un jeu de données tabulaire, nombre total de cellules contenant des données.
Nombre de relations de données
Pour un jeu de données RDF, nombre total de triplets.
Nombre d’entités
Pour un jeu de données RDF, nombre total d’entités.
Nombre de propriétés de données
Pour un jeu de données RDF, nombre total de propriétés uniques utilisées par les triplets.
Qualité des données
Décrit la qualité des données du jeu de données.
NoData = -9999 (for numeric fields) - NoData=null (for category fields) - Data insufficient to calculate value = -1111
Métrique de qualité des données
Une métrique utilisée pour mesurer la qualité des données, telle que les valeurs manquantes ou les formats invalides.

0 Commentaires

Please login or register to comment.