| 基于随机森林算法的长江三角洲地区PM2.5浓度模拟研究 |
| |
| 引用本文： | 王鹏,赵鑫涯,宋珂.基于随机森林算法的长江三角洲地区PM2.5浓度模拟研究[J].中国环境监测,2021,37(5):21-31. |
| |
| 作者姓名： | 王鹏 赵鑫涯 宋珂 |
| |
| 作者单位： | 江苏省地质调查研究院, 江苏 南京 210018;自然资源江苏省卫星应用技术中心, 江苏 南京 210018;江苏省环境科学研究院, 江苏 南京 210036 |
| |
| 基金项目： | 国家自然科学基金资助项目（41571107）;中国科学院"美丽中国生态文明建设科技工程"专项（XDA23020201） |
| |
| 摘 要： | 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(P0.05),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于东南部沿海城市。相对于逐步回归SR模型,PCA-RF模型验证数据集上的均方根误差RMSE降低12.7%,决定系数R2提高12.1%,平均绝对误差MAE降低8.3%。
|
| 关 键 词： | PM2.5 长江三角洲 随机森林 气象条件 社会经济条件 下垫面 |
| 收稿时间： | 2020/8/28 0:00:00 |
| 修稿时间： | 2021/5/15 0:00:00 |
Prediction of PM2.5 Concentration in Yangtze River Delta Based on Random Forest Algorithm |
| |
| WANG Peng,ZHAO Xiny,SONG Ke.Prediction of PM2.5 Concentration in Yangtze River Delta Based on Random Forest Algorithm[J].Environmental Monitoring in China,2021,37(5):21-31. |
| |
| Authors: | WANG Peng ZHAO Xiny SONG Ke |
| |
| Institution: | Geological Survey of Jiangsu Province, Nanjing 210018, China;Natural Resources Satellite Application Technology Centre of Jiangsu Province, Nanjing 210018, China;Jiangsu Provincial Academy of Environmental Science, Nanjing 210036, China |
| |
| Abstract: | |
| |
| Keywords: | PM2 5 the Yangtze River Delta Random Forest meteorological conditions socioeconomic conditions underlying surface |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国环境监测》浏览原始摘要信息 |
| 点击此处可从《中国环境监测》下载免费的PDF全文 |
|
