基于地统计模型的上海大气污染物多建模方法的比较
地统计模型被广泛应用于环境空气污染物暴露模拟,但不同建模方法及其模拟结果之间的对比研究较少.基于上海2016~2019年55个环境空气监测点位的NO2和PM2.5观测数据,以及交通路网、排放源兴趣点和卫星数据等地统计变量,应用偏最小二乘回归(PLS)、监督学习线性回归(SLR)和机器学习随机森林(RF)这3种建模方法创建年暴露模型,并进一步应用普通克里金插值(OK)法分析模型残差,构建复合模型.应用交叉验证对模型的模拟效果进行检验,选取每一种建模方法的最优模型结构(是否应用OK)作为最终模型.结果表明,NO2模型中表现最好的是RF-OK(R2mse为0.70~0.82)和PLS-OK模型(R2mse为 0.78~0.84);PM2.5 模型中 PLS 模型(R2mse为 0.62~0.71)优于 SLR-OK(R2mse 为 0.40~0.79)和 RF-OK(R2mse:0.31~0.56)模型.应用3种建模方法对上海1 km网格开展年暴露模拟和对比,NO2模型间模拟结果的相关性(r为0.82~0.91)高于PM2.5模拟结果的相关性(r为0.66~0.96).基于3种模型2019年的模拟结果,评估了上海N02和PM2.5的人群暴露水平.
PM2.5、NO2、地统计模型、偏最小二乘回归(PLS)、随机森林(RF)
44
X51(大气污染及其防治)
上海市科技支撑计划项目;中央财政科技计划
2023-10-24(万方平台首次上网日期,不代表论文的发表时间)
共12页
5370-5381