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_NO_2、OMI_NO_2)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,R~2分别为0.871和0.955,RMSE分别为12.8μg·m~(-3)和7.514μg·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_NO_2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:
Source :
环境科学学报
Year: 2022
Issue: 05
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:
Chinese Cited Count:
30 Days PV: 0
Affiliated Colleges: