Indexed by：
Abstract：
本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像(TROPOMI_NO2、OMI_NO2)以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R2分别为0.871和0.955,RMSE分别为12.8μg·m-3和7.514 μg·m.3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI_NO2因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
环境科学学报
ISSN： 0253-2468
Year： 2022
Issue： 5
Volume： 42
Page： 95-108
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
