基于时空XGBoost的中国区域PM2.5浓度遥感反演

作者：胡占占; 陈传法^*; 胡保健

来源：环境科学学报, 2021, 41(10): 4228-4237.

DOI：10.13671/j.hjkxxb.2021.0092

• PM2.5
• 遥感反演
• 机器学习
• 时空XGBoost模型(STXGB)

为了提高PM2.5估算精度,获得连续的PM2.5浓度空间分布,本文提出了一种时空XGBoost模型(STXGB).STXGB模型引入克里金法,将地理信息和时间信息融合到XGBoost算法体系中,通过集成遥感数据、气象数据和地理信息数据建立了基于STXGB模型的PM2.5质量浓度空间估算方法.最后,以2019年中国区域PM2.5质量浓度月数据为例,采用基于样本、站点和时间的十折交叉验证法,评估了STXGB模型的性能,并与BP神经网络(BPNN)、随机森林(RF)、XGBoost、反距离加权XGBoost(XGBIDW)模型结果进行对比.结果表明,STXGB模型的预测精度优于其它模型,其中,STXGB模型验证的决定系数为0.92,均方根误差为6.51μg·m-3,平均预测误差为4.26μg·m-3,利用该模型生成的中国区域PM2.5浓度空间分布更为合理.

• 单位
  山东科技大学