基于随机森林模型的中国近地面NO2浓度估算

摘要

针对传统近地面NO2浓度空间模拟过程中NO2浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林(RF)算法、融合多源地理要素开展了近地面NO2浓度空间分布模拟研究.以卫星OMI对流层NO2柱浓度数据和多源地理要素(道路交通、气象因子、土地利用/覆盖、地形高程、人口数量)为输入变量,近地面NO2浓度为输出变量,利用RF算法构建近地面NO2浓度反演模型.通过对比地面观测数据与传统土地利用回归模型(LUR)检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO2浓度空间分布特征.结果表明:(1)集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R2 0.85,RMSE 6.08 μ.g/m3,交叉验证的R20.84,RMSE 6.33 μg/m3,显著高于LUR模型(拟合R2 0.53,RMSE 10.48μg/m3,交叉验证的R20.53,RMSE 10.49μg/m3);(2)地面NO2浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40％～116.54％,多源地理特征变量对RF模型同样具有不可忽视的贡献力(IncMSE在23.34％～47.53％之间);(3)中国大陆地区NO2污染程度较高,年均模拟浓度为24.67μg/m3,存在明显季节性空间差异,NO2浓度冬季(31.85μg/m3)＞秋季(24.86μg/m3)＞春季(23.24μg/m3)＞夏季(18.75tg/m3),呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO2柱浓度宏观分布特征,本研究对近地面NO2污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.