基于随机森林算法的长江三角洲地区PM2.5浓度模拟研究

PM_2.5影响人们的生活,危害城市居民的健康,因而在大范围、连续空间上精准预测PM_2.5的浓度对于降低居民暴露在大气污染环境中的风险意义重大。基于空气中PM_2.5浓度对气象因子、社会经济因子和下垫面条件因子的响应关系,利用皮尔逊相关分析、PCA分析和随机森林模型RF构建了长江三角洲地区浓度的预测模型。研究发现:(1)PM_2.5浓度大小分布与夜间灯光指数NLI、国内生产总值GDP、降雨量PRE、温度TEP、相对湿度RH、植被指数EVI以及土地利用覆被LUCC呈显著相关(P<0.05),其中NLI和GDP与PM_2.5浓度呈正相关,PRE、TEP、RH与PM_2.5浓度呈负相关。(2)主成分数量为4时,方差累积贡献率达到86.7%,PRE、RH、GDP、NLI和EVI是影响长三角地区PM_2.5浓度空间变化的最重要的5个因子。(3)PCA-RF模型对于PM_2.5浓度的预测具有较好的表现且在长三角中西部的城市预测效果好...