基于大数据与机器学习方法的中国近地面 NO2 日浓度估算
大气与海洋物理
2022-07-20 v1 机器学习
摘要
二氧化氮（NO2）是最重要的大气污染物之一。然而，由于源数据质量较差和模型计算能力的限制，当前的近地面 NO2 浓度数据缺乏高分辨率覆盖或全国范围的完整覆盖。据我们所知，本研究首次估算了中国近地面 NO2 浓度，实现了全国覆盖以及在过去 6 年（2013-2018）相对较高的时空分辨率（0.25 度；日间隔）。我们提出了一种集成 K-means 的随机森林模型（RF-K），利用多源参数进行估算。除了气象参数和卫星反演参数外，我们还首次引入了社会经济参数，以评估人类活动的影响。结果表明：（1）我们开发的 RF-K 模型比其他模型表现出更好的预测性能，交叉验证 R2 = 0.64（MAPE = 34.78%）。（2）中国 NO2 年均浓度呈微弱上升趋势。而在京津冀、长三角和珠三角等经济区，NO2 浓度甚至下降或保持不变，尤其是在春季。我们的数据集验证了这些地区已实现污染控制目标。通过绘制每日全国近地面 NO2 浓度图，本研究为中国的空气质量管理提供了高质量的及时数据。我们提供了一个通用模型框架，基于改进的机器学习方法，快速生成具有高时空分辨率的及时全国大气污染物浓度图。
引用
@article{arxiv.2011.09013,
title = {Estimates of daily ground-level NO2 concentrations in China based on big data and machine learning approaches},
author = {Xinyu Dou and Cuijuan Liao and Hengqi Wang and Ying Huang and Ying Tu and Xiaomeng Huang and Yiran Peng and Biqing Zhu and Jianguang Tan and Zhu Deng and Nana Wu and Taochun Sun and Piyu Ke and Zhu Liu},
journal= {arXiv preprint arXiv:2011.09013},
year = {2022}
}