基于GTWR-XGBoost模型的四川省PM2.5小时浓度估算
卫星气溶胶光学厚度(AOD)和气象数据已被广泛用于估算空气动力学直径≤2.5 μm的地表颗粒物(PM2.5)浓度.研究高时间分辨率、高精度的PM2.5浓度估算方法,对及时准确的空气质量预报和大气污染的预防及缓解具有重要意义.使用Himawari-8 AOD小时产品和ERA5气象再分析资料作为估算变量,提出GTWR-XGBoost组合模型,对四川省PM2.5小时浓度进行估算.结果表明:①提出的组合模型运用于全数据集的性能优于KNN、RF、AdaBoost、GTWR、GTWR-KNN、GTWR-RF和GTWR-AdaBoost模型,拟合精度指标R2、MAE和RMSE分别为0.96、3.43 μg·m-3和5.52μg·m-3,验证精度指标R2、MAE和RMSE分别为0.9、4.98 μg·m-3和7.92 μg·m-3.②该模型作用于PM2.5浓度小时估算上,具有较高的拟合优度(全数据集的R2为0.96,不同时刻的R2介于0.91～0.98之间),表明该模型对于小时估算具有较好的时间稳定性,能为区域空气质量评估提供精准的估算信息.③在时间上年均PM2.5小时浓度估算变化总体上呈现"倒U"型趋势,09:00开始升高至11:00达到峰值[ρ(PM2.5)为44.56μg·m-3]后逐渐降低;且季节性变化非常明显,呈现冬季＞春季＞秋季＞夏季的趋势.④在空间分布上总体呈现东高西低和局部污染程度较高的特点,高值区主要分布在城市快速发展和人口密集的东部地区,低值区主要分布在经济发展落后和人口稀疏的西部地区.
PM2.5、Himawari-8 AOD、GTWR-XGBoost模型、机器学习、时空分布
44
X513(大气污染及其防治)
贵州省省级科技计划项目2022
2023-07-21（万方平台首次上网日期，不代表论文的发表时间）
共11页
3738-3748
