基于随机森林算法的长江三角洲地区PM2.5浓度模拟研究

作者：王鹏; 赵鑫涯; 宋珂

来源：中国环境监测, 2021, 37(05): 21-31.

DOI：10.19316/j.issn.1002-6002.2021.05.04

• PM2. 5
• 长江三角洲
• 随机森林
• 气象条件
• 社会经济条件
• 下垫面

PM2.5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PM2.5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PM2.5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)PM2.5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PM2.5浓度呈正相关,PRE、TEP、RH与PM2.5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PM2.5浓度空间变化的最重要的5个因子。(3)PCA-RF模型对于PM2.5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%。

• 单位
  江苏省环境科学研究院; 江苏省地质调查研究院