[基于CatBoost-LSTM模型的成都-重庆城市聚集区近地表面O3度估计]
Ming-Ya Ren1, Xian-Yun Zhang1, Zheng-Xiong Yang1
1Mining College, Guizhou University, Guiyang 550025, China.
Huan jing ke xue= Huanjing kexue
|June 29, 2025
概括
一个新的CatBoost-LSTM模型通过整合卫星和再分析数据,准确估计地面层臭氧 (O3). 该模型提高了空间分辨率和精度,揭示了季节性和区域性臭氧变化.
科学领域:
- 大气化学和物理大气化学和物理
- 环境科学与工程环境科学与工程
- 数据科学和机器学习
背景情况:
- 臭氧 (O3) 是一个重要的空气污染物,由于各种来源和影响因素,它表现出复杂的时空变化.
- 对臭氧的精确空间和时间估计对于环境监测和公共卫生至关重要.
- 现有的模型经常难以捕捉臭氧度的细粒度异质性和时间相关性.
研究的目的:
- 开发一个高精度的臭氧估计模型,增强空间分辨率和精度.
- 研究成都-重庆城市聚合区近地臭氧的时空分布和季节性特征.
- 评估CatBoost和长期短期记忆 (LSTM) 组合模型 (CatBoost-LSTM) 对于臭氧估计的性能.
主要方法:
- 构建一个CatBoost-LSTM模型,整合地面臭氧观测,Sentinel-5P TROPOMI离线数据,ERA5再分析数据和高度.
- 使用地面臭氧观测作为响应变量和卫星,再分析和海拔数据作为解释变量.
- 将CatBoost-LSTM模型与其他模型进行比较分析,以使用R2,RMSE和MAE指标评估估计准确性.
主要成果:
- 与其他模型相比,CatBoost-LSTM模型实现了更高的估计精度 (R2=0.965,RMSE=5.81 μg·m−3,MAE=4.42 μg·m−3).
- 季节性模型,特别是冬季模型,显示了显著的准确性改进,突出显示了该模型对季节性臭氧动态的适应性.
- 接近地表的臭氧度每月呈现反转的"V"趋势,在8月达到峰值,在12月达到最低,有明显的季节性变化 (夏季>春季>秋季>冬季).
结论:
- CatBoost-LSTM模型有效地提高了臭氧的空间分辨率和估计精度.
- 时空分析揭示了不同的臭氧模式,受高度,工业活动,交通,人口密度和地形的影响.
- 该研究为准确的臭氧监测和了解其复杂的环境驱动因素提供了强大的框架.
