在英国 (2003-2021) 的二氧化和颗粒物的高分辨率绘制,采用多阶段数据重建和整体机器学习方法
Arturo de la Cruz Libardi1, Pierre Masselot1, Rochelle Schneider2,3
1Environment & Health Modelling (EHM) Lab, Department of Public Health Environments and Society, London School of Hygiene & Tropical Medicine, 15-17 Tavistock Place, WC1H 9SH, London, United Kingdom.
Atmospheric pollution research
|August 23, 2024
概括
这项研究使用机器学习在1公里分辨率下绘制了英国各地每日空气污染的地图,包括二氧化 (NO2) 和颗粒物 (PM2.5,PM10). 从2003年到2021年,空气质量显著改善,NO2和PM的空间模式明显.
科学领域:
- 环境科学 环境科学
- 大气科学 大气科学
- 数据科学数据科学数据科学
背景情况:
- 空气污染对公众健康构成重大风险.
- 高分辨率的时空空气质量数据对于流行病学研究至关重要.
- 以前的测绘工作往往缺乏详细的健康影响评估所需的分辨率或时间覆盖.
研究的目的:
- 开发和应用机器学习框架,以在英国范围内以1公里分辨率每天绘制二氧化 (NO2) 和颗粒物 (PM10,PM2.5) 的地图.
- 为2003-2021年期间提供高分辨率的空气质量数据.
- 为了能够详细研究空气污染对健康的影响.
主要方法:
- 采用了多阶段机器学习 (ML) 框架,集成地面监测,卫星数据,气候再分析,化学运输模型和交通/土地使用数据.
- 数据被协调到1公里分辨率. 集成算法包括随机森林 (RF),极端梯度增强 (XGB) 和其他被利用.
- 具体阶段包括增强PM2.5数据,填补缺口的卫星衍生产品 (气溶光学深度,柱状NO2),以及训练用于日常预测的合并模型.
主要成果:
- 整体模型表现出良好的性能,交叉验证的R2值为NO2的0.690,PM10的0.704,PM2.5.2的0.802.
- 重建的空气污染水平在研究期间显著下降,在过去的八年中加速下降.
- 观察到明显的空间模式:NO2度在高流量地区附近增加,而PM变化发生在更大的范围内.
结论:
- 开发的每日1平方公里的空气质量数据集为英国提供了前所未有的空间和时间细节.
- 这些数据集促进了与健康数据的联系,使得对空气污染对健康的长期和短期影响进行了广泛的研究.
- 调查结果强调了过去二十年来空气质量的显著改善,并强调了高分辨率绘图对环境健康研究的重要性.
