基于XGBoost算法的近地面臭氧浓度遥感估算

本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像（TROPOMI＿NO₂、OMI＿NO₂）以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R²分别为0.871和0.955,RMSE分别为12.8μg·m^-3和7.514μg·m^-3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI＿NO₂因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.     

中国区域年降水空间分布高精度曲面建模

论文利用781个采样站点的降水数据(中国大陆729个气象台站1951—2002年间月降水观测数据、台湾地区25个站点1971—2000年年均降水数据、世界"雨极"乞拉朋齐年均降水量以及中国西部增设的26个虚拟站点模拟数据),选取有效的敏感性解析因子经纬度、高程、坡向修正系数与地形开阔度等,建立累年平均降水与相关解析因子之间的多元回归方程(降水总体趋势)。并对于回归拟合后与局部变化有关的"随机指示项",采用HASM算法进一步插值处理。模型充分考虑其他地理环境因子的影响,在采样点稀疏区域使用虚拟站点辅助模拟,克服了传统模拟方法完全依赖观测站点实测资料,在站点稀疏区域等雨量线走向主观性的缺点;模型模拟结果既突出空间分布的总体趋势,也反映局地细节变化。     

中国地表臭氧浓度估算及健康影响评估

在PM_2.5浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升（XGBoost）臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度（O₃＿8h）,用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清单数据、数字高程模型（DEM）数据和人口数据,捕捉O₃＿8h的时空变化.本研究采用十折交叉验证的方式评估模型的估算性能(R²为0.871,RMSE为11.7μg·m^-3),与随机森林模型（RF）和核岭回归模型（KRR）相比,由于算法本身的提升和并行处理的推进,使得XGBoost模型估算结果表现出更高的准确性(RF:R²为0.864,RMSE为12.387μg·m^-3; KRR:R²为0.582, RMSE为23.1μg·m^-3)且模型运算效率明显提升.同时对中国各省市人口臭氧暴...