高分辨率全覆盖臭氧 (O₃) 估计使用数据驱动的空间随机森林模型在北京-天津-河北地区,中国

科学领域:

• 环境科学 环境科学
• 大气化学 大气化学
• 数据科学数据科学数据科学

背景情况:

• 北京-天津-河北 (BTH) 地区面临严重的臭氧 (O3) 污染,需要准确的度估计,以进行有效的公共卫生干预.
• 在BTH中现有的高分辨率O3估计方法缺乏足够的准确性.
• 每天8小时最大臭氧度 (MDA8O3) 是评估臭氧污染水平和健康风险的关键指标.

研究的目的:

• 开发一个高度准确的,全面覆盖的估计模型,用于BTH地区的MDA8O3度.
• 为了利用MDA8O3数据的空间同质性和异质性来改进估计.
• 提供可靠的数据,为环境政策和针对臭氧污染的有针对性的干预提供信息.

主要方法:

• 将数据驱动的空间重量矩阵 (DDW) 纳入随机森林 (RF) 模型.
• 应用DDW-RF模型以估计MDA8O3度在1公里×1公里分辨率下.
• 使用 10 倍交叉验证进行验证,得到 R2 = 0.937 和 RMSE = 13.919 μg/m3.

主要成果:

• 在2014年至2022年期间,DDW-RF模型在整个BTH地区估计MDA8O3度时取得了高准确性.
• 空间分析显示,东南BTH地区的MDA8O3度较高,特别是在波海边缘,山东和河南附近.
• 时间分析表明,MDA8O3从2014-2021年开始增加,随后减少,在2022年略有增加.

结论:

• 开发的DDW-RF模型提供了准确和全面的MDA8O3估计,对于识别污染热点至关重要.
• 调查结果强调,需要对海边缘,山东和河南周边地区增加关注和资源.
• 建议包括规范工厂运营,升级工业实践,减轻臭氧前体的形成,以减少O3的产生.