基于梯度提升回归树算法的地面臭氧浓度估算

作者：李一蜚; 秦凯^*; 李丁; 樊文智; 何秦

来源：中国环境科学, 2020, 40(03): 997-1007.

DOI：10.19674/j.cnki.issn1000-6923.2020.0058

• 臭氧(O3)
• 梯度提升回归树(GBRT)
• 人口暴露
• 时空分布

将机器学习中的梯度提升回归树(GBRT)算法应用到中国地区地面O3浓度制图中,利用地面O3浓度观测数据,结合WRF气象数据、MODIS植被归一化指数以及高程人口数据建立训练预测数据集.通过反向变量选择法选取模型最佳特征变量对其进行训练,十折交叉验证结果:决定系数R2=0.89、均方根误差RMSE=4.75μg/m3.同时对全国O3人口暴露水平进行评估.结果表明:在暴露强度上,我国人口加权O3浓度值排在前5的省依次是山东、河南、江苏、河北、上海,均值浓度为94.48μg/m3.在暴露持续时间上,非达标天数最多的5个省依次是河南、山东、河北、宁夏、北京,一年内有42%的天数处于非达标的状态.

• 单位
  中国矿业大学; 中国矿业大学（北京）