文摘
大量研究和监测数据表明,细粒( )在中国污染仍然比较严重。考虑到稀疏和不均匀分布的空气质量监测基站建立在中国和地理条件的限制,反演气溶胶光学厚度的卫星遥感可以实现低成本的全球地区的空气质量监测。在这项研究中,我们使用机器学习算法XGBoost建立预测模型达到全国平均水平浓度的预测。与此同时,我们使用气溶胶中分辨率成像光谱仪(MODIS)的数据在一个特定的乐队,结合土地利用回归(LUR)模型预测的表面浓度在中国,2019年12月- 11月期间。2021年。为了提供更准确浓度预测,之间的对应关系和气溶胶光学厚度(AOD)在不同季节进行了研究。决定系数(R2)对不同季节是0.86(弹簧),0.80(夏季),0.90(秋季),和0.88(冬季),表明适合最适合秋天和夏天更糟。研究显示使用的潜在效用LUR XGBoost算法的预测评估模型空间分布。
1。介绍
与国内工业化的加速发展,空气污染已逐步升级,和相关研究证实,增加大气中细颗粒污染物的浓度的增加死亡率密切相关。表明,当接触反应模型浓度增加了100 ,呼吸系统疾病、心血管疾病、冠心病、中风、慢性阻塞性肺疾病分别为8.32%,6.18%,8.32%,5.13%,和7.25%,分别。空气污染有长期和短期影响疾病死亡。(1,2]。 ,阴霾的一个重要组成部分,可诱发或加重疾病的各种系统(3]。与更大的粒子相比,小于2.5微米的微粒更容易进入人体的气体交换和血液循环系统,这不仅破坏了地区支气管和肺泡的通风功能,还会导致炎症,导致血管和细胞的功能障碍(4,5]。为了监视颗粒物浓度的变化( )全国范围内,中国建立了空气质量监测站覆盖主要城市和地区2013年1月以来。然而,监测站分布稀疏,其中大部分位于城市地区。此外,目前的监测站点数据不适合区域浓度变化的研究和研究聚焦于农村地区,等等。
空气质量监测站分布稀疏,缺乏监控意味着在一些地区恶劣的地理条件。然而,该方法预测空气污染物的浓度反演的卫星遥感气溶胶的高效率和低成本的优势6- - - - - -12]。因为遥感卫星覆盖是普遍,大面积同步观测可以在很短的时间内完成,方便和快速访问实时全球范围的各种自然现象的最新信息,因此使用卫星遥感数据信息推理方法方便,和效率的是人工测量,和地面基站监控是无法比较13,14]。空气污染物浓度预测的高空间分辨率遥感卫星反演有利于评估空气污染指数,并进行流行病学研究空气污染物暴露。尽管卫星图像可以提供覆盖地球表面大气气溶胶数据,这些遥感图像易受多云的天气和水/雪光反射[15,16]。
有许多的统计模型污染物浓度与大气气溶胶(17- - - - - -22),其中土地利用回归(LUR)模型可以准确量化污染物的时空变化趋势在小尺度(23]。LUR模型是一种有效的方法来评估污染物的空间变化。它利用监测站数据结合多个参数如土地使用、交通信息和人口密度分布预测和评估污染物浓度不受地区监测站分布通过统计回归方法。污染物浓度预测模型是由选择细粒子样本数据的来源和土地利用数据的特征变量(24- - - - - -26]。各种LUR模型与不同时间分辨率是目前在中国正在开发使用各种技术。LUR模型采用统计污染物源数据相关分析后预测因变量和精确的多元数据集的自然地理条件,如土地利用类型、地形分布,和自然气候预测自变量和选择数据类型从20 - 100监测站建立多元线性回归映射(27,28]。现在,一些研究不同环境LUR模型取得了很大的可扩展性的发展,例如,根据季节变化发展的不同特点和适应气候变化引起的季节性温度LUR模型(29日,30.];其他的研究专注于空气污染物浓度的时间变化趋势变化趋势预测问题进行了研究和开发。污染物的变化趋势和评估价值预计在未来几周内通过历史测量数据31日]。
在这项研究中,我们使用了ML-based LUR模型来估计每日地面浓度在中国2019年12月到2021年11月。我们使用了MODIS遥感卫星数据产品,携带的中分辨率成像光谱仪(MODIS)在泰拉和阿卡,一个重要的仪器观察全球生物和物理过程。MCD19A2 V6是大气气溶胶栅格数据产品,可以实现multiangle修正。这是一个2级数据产品,通常是使用校准和定位处理后,和光栅分辨率是1公里。我们使用新特性工程方法构建一个高分辨率网格映射通过结合空气污染物浓度,土地使用,气象因素,该数据作为模型的预测与先进的机器学习算法XGBoost的时空演化特征浓度在全国范围内。为了确保数据的准确性,实验使用了来自2400多个国家气象站的观测,近1600的样本环境空气质量监测站点,和卫星大气气溶胶检索数据训练模型。研究结果将有助于增强靠近地面的分析污染情况和理解的时空演化污染在中国决策者。
2。材料和尺寸
2.1。地面AQ测量
每天每小时测量地面附近的中国从中国获得环境监测站(CNEMC,http://www.cnemc.cn,2021年12月1日)。网站提供的数据是每小时,对应于不同的探测点在每一个城市,并包含六个参考指标: , , , , ,和公司,我们所获得的数据样本;与此同时,为了确保数据的准确性,只有从政府环境监测站监测数据使用。监测站的数据可能有极端值和缺失值由于机器故障、恶劣天气、等等。因此,我们需要屏幕的异常值和空值的滑动窗口之前使用它们,以确保模型的连续性和有效性输入监控数据。
2.2。卫星大气气溶胶数据
气溶胶数据来源于MODIS遥感卫星产品,其中MCD19A2科学数据集提供的产品包括MAIAC大气校正多维反射率数据。轨道最大的选择覆盖处理的数量根据卫星凌日。访问是1公里分辨率从泰拉和阿卡卫星辅助数据产品。原始数据中包含这个产品主要是大气气溶胶在0.47和0.55 ,大气气溶胶的不确定性为0.470到4,好为海洋模式部分,列水蒸气在cm中液态水,区域背景模型,cos太阳天顶角、相对方位角等。大气校正的目的(MAIAC) [32)是消除大气的影响,光,和其他因素对地面物体反射,以获取真实的物理模型参数如反射、辐射率和表面温度。合并多个波长的太阳和卫星天顶角和方位角参数信息,通过辐射传输模型反演算法波段操作,消除反射太阳能、传感器、大气路径长度和目标价值差异的影响消除不同地区,不同的对象,不同的光与影元后的灰度值影响气溶胶光学厚度参数。本研究的重点是分析大气气溶胶数据测量为0.47波长在2019年12月和2021年11月,改善MAIAC产品(MCD19A2)有更好的空间分辨率、数据集是一个日常产品,数据处理仍是乏味当研究区域国家和时间序列长。
如图1,该数据从MCD19A2版本6气溶胶产品可以反映气溶胶浓度的空间分布。蓝带的数据选择大气气溶胶波长,但直接获得轨道气溶胶数据并不足以覆盖整个国家,所以HDF4 22轨道的数据需要转换为TIF格式由NASA提供的捷运(MODIS Reprojection工具),然后缝合;与此同时,本研究需要 。AOD值空间分辨率的中心作为代表估计为每一个 气象网格中心后续模型分析。
2.3。气象信息
本文使用的数据集是美国国家天气局的气象服务。天气气候预测中心负责提供短期波动监测和预测和长期气候变化的影响研究。使用先进的全球数据同化系统的数据集将插入观测数据和仪器监测数据三维网格。网格提供了预期的输出数据,结合改进的全球电信系统数据库和其他监测站的来源统计数据收集、分析、质量控制和同化过程完成后获得一套完整的数据。的数据集选择时间范围从2019年12月到2021年11月,和气象网格参数主要包括温度、相对湿度、压力和风速。选择网格的大小 。气象信息获取每六小时,每日平均数据为0,6日,12日和18点钟选为每日气象信息在本研究实现day-based气象数据集生产的天。
2.4。土地利用预测
LUR模型用于提取相关的影响因素浓度基于GIS平台(ArcGIS 10.8),如气象、地形和土地利用。近地表的空间分布集中在中国国家相结合的预测和分析地面浓度监测数据,影响预测精度的原因探索为了提供一个数据库研究空气质量及其对人类健康的影响。
下列变量被认为是预测因素:
空气污染物:污染物对人类居住环境造成有害影响,如和 ,在靠近地面的浓度。数据集是基于污染物从空气质量监测站CNEMC采集的数据。
气象因素:数据从NCEP网站,包括美国国家气象局发布了一系列与天气有关的业务数据,覆盖全球气象监测站点的详细记录每天和每小时天气数据测量记录,高分辨率卫星数据、环境监测数据,和其他领域。我们提取的空气相对湿度等气象数据,气候温度,风的水平。
土地利用的因素:空气污染物的浓度是高度相关的特定的土地利用类型;例如,森林和绿地可以减少空气污染,而城市规划用地和工业用地通常有更高的污染指数。利用遥感数据,累积的各种土地类型在不同站点计算土地利用类型的独立变量。
与卫星大气气溶胶数据相比,这些预测因素可以反映当地来源的影响浓度在一个更准确的空间分辨率。
2.5。功能的工程方法
所涉及的功能分类空气质量模型如表所示1,这是一般分为动态和静态类。静态特性包括土地利用类型,该数据,纬度和经度信息,时间信息,和数字高程;动态特性是指气象参数获得气象数据集,本研究选定的三个:温度、相对湿度和风速。为了构建一个最优的空气污染物的长期预测模型,我们采用一个新特性工程方法,以减少时间消耗和保证精度。在这项研究中,1/3的训练数据从总体样本数据集,和所有功能的重要性,从最高到最低排名获得通过训练模型,最后,前30名的特性用于模型拟合,验证和分析。
2.6。ML-LUR模型的发展
XGBoost(极端的梯度增加)33)是一个算法模型框架的基础上提升树,这是非常强大的分布式并行计算效率,缺失值处理和预测性能。
在这项研究中,我们比较它与其他代理模型结合LUR,包括土地使用标准的回归(LUR) [34), - - - - - -最近的邻居(资讯)35)、汽车编码器(AE) [36),支持向量回归(SVR) [37空气),深学习(DAL) [38),高斯过程回归(GPR) [39]。我们评估模型的性能10倍交叉验证(CV)测试的考虑预测精度和鲁棒性。
与别人相比,XGBoost [40)更快的训练和更少的内存使用情况,处理类别特征,大大加速训练,具有更好的精度。因此,我们构建ML-LUR使用XGBoost作为代理健壮的时空估计模型浓度。
2.7。模型验证
我们使用了基于机器学习的LUR模型来解释特征参数的影响,结合土地利用信息和气象条件 。研究内容进行日常校准根据浓度的季节变化和年变化趋势的影响 ,以获得一个精确的预测每日的浓度。第一,排名前30位的特性选择构建特征数据集特征的重要性排名的基础上,根据阳历。研究选择两年从2019年12月到2021年11月建立污染物拟合模型。在我们的实验评估,10倍交叉验证被用来减少应急,和多个分区数据集被用来忽略意外hyperparameters和模型没有造成泛化能力非凡的分区,以提高模型的泛化能力。数据集被分为十个子集,其中一个是作为验证集,剩下的是作为训练集,在这个过程中,hyperparameters保持稳定测量他们的优点和缺点,并最终获得hyperparameters被用来训练整个数据模型在所有数据。
同时保持hyperparameters一致,平均训练损失和平均损失10模型被验证测量hyperparameters。模型建立后,第一批30特性输入模型生成空气质量预测和进一步分析空气质量的变化。回归模型的性能评价指标可以衡量的预测结果的偏差度连续值真实数据。我们比较十验证过程的预测值与实际计算浓度。方法包括平均绝对误差(MAE),确定系数(R2),和均方根误差(RMSE)是用来表示标签和预测值之间的区别。这些值越小,更好的回归模型的性能,预测结果更接近地面的真实水平。
我们用30特性和训练该模型标签,和网格搜索简历和随机搜索简历通常用于hyperparameter优化。网格搜索简历是一个简单的程序,每组hyperparameters一个个并选择最好的一个。这种方法会消耗太多的时间资源,因此随机搜索简历(RSCV)作为替代在这项研究中,选择和随机因素的引入可以提高优化搜索的效率在某些情况下,节省计算时间,只使用固定数量的参数设置找到局部最优解。
2.8。估计AQ映射网格网络
在这项研究中提出的ML-LUR取代了XGBoost和结合了卫星大气气溶胶反演模型部分,气象参数,和土地使用类型参数估计地面附近的浓度。由于遥感卫星产品的相对不确定性,气溶胶厚度反演结果结合全球太阳光度计网络呈现高精度大气气溶胶测量的不确定性小于0.02。大气化学传输模型(GEOS-Chem)模拟大气气溶胶也用作气溶胶来源的一个重要部分。卫星观测占全球的89%加权人口分析大气气溶胶数据从12月1日,2019年,2021年12月1日。最终,时空AQ的映射是通过使用信息实现气象参数特征(温度、相对湿度和风速),土地利用类型特征、数字高程,经度和纬度作为模型输入的特性。
3所示。结果
3.1。一年一度的季节性变化
细颗粒物空气污染物的变化趋势在中国从2019年12月到2021年11月表所示2,总浓度的变化和气溶胶厚度、平均季节性变化,并给出了年平均变化趋势和季度。整体平均水平浓度和AOD值33.77 ( ) 和0.08 ( )。在季节性崩溃,平均水平从最高到最低浓度依次为:冬天,春天,秋天,夏天。在冬天,平均水平浓度可以达到53.50 ( ) ,而在夏天,平均水平浓度仅为19.04 ( ) ,在冬季和春季AOD值较大(0.10)和夏天的最小(0.04)。这种不一致之间的数据的大小和季节浓度和大气气溶胶可能是由于其他因素(例如,气候因素和人为因素)。表的最后两行1显示,年平均浓度和AOD值2020年和2021年,分别。与2020年相比,平均水平浓度下降从2021年的34.26 ( ) 30.95 ( ) ,这是减少污染的水平。
在这项研究中,由于我国大跨度空间纬度和经度,相对正常,将会有更少的密切联系浓度和AOD值不同的地区之间的聚合。例如,在中国西北,昼夜温差大,空气和颗粒一般是大气分层的一个重要指标;我们观察到,气溶胶的垂直分布适应热边界层的变化,导致了大气混合层高度较低,和大气的分层发生在很短的时间在一天。因此,研究表明,短期混合层的特征之间的关系以及污染物浓度在西北高原地区并非如此之近。相反,在中国南方,日夜温差通常是相当大的,和大气分层的发生需要比较长的时间。同样,它可以确定短期混合层的特点在这个区域更密切相关的研究空气污染物粒子,和气溶胶的垂直分布密切相关浓度。
我们还发现低相关性简单线性回归的大部分沿海地区在整个研究期间。这一现象的主要原因可能是沿海地区受到众多类型的近地表风,大多不均匀和偏转,在这些条件下,污染物是陆地和海洋之间的运输。此外,由于天气在沿海地区的特殊性,由洋流和极大地影响了海洋和陆地风,以及各种复杂的地形与山,污染物扩散条件经常完全不同于那些在内陆地区,导致排放来源的现象,大气气溶胶,污染物浓度不构成一个简单的线性比例。此外,海洋气候对云的影响也会使气溶胶观测问题,导致一定程度的错误。与此同时,大部分的监测站点在沿海地区显示相关性低于总体平均水平相关。季节性传输模式的空气质量可能会导致相对较低的相关性由于不同季节的空气混合越活跃在沿海地区,以及中国政府强大的影响力,当地的海风。
表3给出了总体、季节和年度中国在研究期间模型性能。整个训练模型的R2值是0.88,梅为7.56,均方根误差为15.51,SMAPE是20.62。的R2值训练模型对所有四个季度高于0.80和0.86以上季度除了夏天,训练模型的地方R2在秋季最高(0.90),其次是冬季(0.88),(0.86),春天和夏天(0.80)。适合四季差异很小,表明拟合模型可以解释浓度变化更好。
模型的RMSE值是在冬季最大(14.70),其次是春季(9.91),(7.40),夏季(4.83);美值的大小是8.29(冬季),5.16(弹簧),3.41(夏季),和4.69(下降);和SMAPE值的大小是17.27(冬季),17.07(弹簧),20.40(夏季),和19.58(下降),分别。美和RMSE值反映真实和安装前的误差值,所以大小是一致的。考虑到全国模型使用大量样本数据和来自不同地区的数据的可变性很大,最大误差相对较小,仿真结果真实可靠的错误反映在美和RMSE放大误差反映。
训练模型的R2值在2020年是0.89,和梅,RMSE,和SMAPE是5.63,10.95,和18.58,分别;训练模型的R2值在2021年是0.90,和梅,RMSE,和SMAPE是4.93,8.58,和18.28,分别。的R2值两种培训模式高,表明该模型拟合;错误结果是相对较近的三组,表明预测的值更接近真实值,样本数据的两个时期更加一致。
3.2。空间的映射浓度
图2显示了空间分布的平均估计从2019年12月到2021年11月在中国浓度。自该检索在无云情况下,意思是估计的空间格局更有可能代表什么水平在无云的日子,更常见的在温暖的季节。这空间分布地图显示的平均浓度较高的西北和华北平原地区,平均约为40 ,特别是在新疆南部地区,这基本上是高于50 ;平均东南沿海地区的浓度分布更加一致,主要是20 和30 ;西藏地区的环境质量较好,平均含量通常低于10 。
空间对比的结果表明,PM2.5是影响广泛的空间分布覆盖率,土地利用率和覆盖率,地形的不同在不同的地区。北部的中国是相对平坦的,有很多的平原地形,所以污染物在空气中更容易分散,和区域交通效率相对较高。同时,人为因素,如农业污染、工业污染和汽车尾气,加上疲软的净化功能的生态系统使空气污染在中国西北严重;中国西北的主要污染是沙子和灰尘,受极端天气影响,每当风冷却,和尘土飞扬的天气可能会导致高指数,而弱冷空气活动,低降水,和长时间加热期间仍然有风的天气不利于污染物扩散;不断积累的污染物污染程度加剧;西藏地区森林覆盖率高,地处高原,土地广阔,稀疏的,很少有污染物排放。
4所示。结论
在这项研究中,我们使用了AOD MODIS提供的数据和预测等污染因素和土地利用因素提取的土地利用回归(LUR)模型建立模型基于机器学习算法的不同季节XGBoost实现空间分布的预测浓度在整个中国。结果表明,训练模型适合,R2值的拟合系数为0.86(弹簧),0.80(夏季),0.90(秋季),和0.88(冬季)和LUR模型基于XGBoost算法可以有效降低的空间异质性地理变量和解释变异的80%以上集中值。通过对比模拟和真实值,结果表明,验证数据集的准确性相对较高,平均误差不超过3%,表明该预测模型可以有效地估计靠近地面的空间分布全国各地的浓度并解释的特点浓度分布。
预测结果在某种程度上表明空气污染现状形势依然意义重大,通过手术来估计在全国范围内的浓度分布;一方面,它可以提供改善科学指导的污染物监测方法的不足,提高基站的布局监测和卫星监测等众多的辅助手段来实现精确监测的目的。另一方面,分析污染物的形成因素通过不同区域污染物浓度有利于从根源减少污染物排放。
数据可用性
空气质量数据收集来自中国环境监测中心。
的利益冲突
所有作者表示无相关关系。
确认
这项工作是支持部分由中国国家自然科学基金批准号62172061;国家重点研发项目批准号。2020 yfb1711800和2020 yfb1707900;四川省科技项目批准号。2021 - yfg0152下,2021 yfg0025 2020 yfg0479 2020 yfg0322 2020 gfw035,和2020年gfw033;下的成都市和研发项目批准号2019 - yf05 - 01790 gx。