基于两层随机森林模型估算中国东部沿海地区的PM2.5浓度

基金项目:
闽江学院纵向校级项目"基于卫星遥感的PM2.5浓度时空分布研究"

闽江学院引进人才科研启动项目"基于机器学习的中高空间分辨率PM2.5遥感估算模型研究"

详细信息

刊出日期: 2020-12-15

Estimating PM2 .5 concentrations in eastern coastal area of China using a two-stage random forest model

Publish Date: 15 December 2020

摘要: 基于暗像元算法反演的气溶胶光学厚度(aerosol optical depht,AOD)产品已被广泛应用于近地面PM2.5浓度估算,但该算法不能有效反演高反射率地表的AOD值.为此,本研究通过构建包含气象因子的随机森林模型来估算缺失的AOD值,并在此基础上,结合AOD、气象、植被覆盖度和道路密度等参数构建第二层随机森林模型,以估算长江三角洲和珠江三角洲地区的近地面PM2.5浓度.研究结果表明,由随机森林模型反演的AOD值与MODIS AOD值高度相关(R2=0.94);且模型反演的PM2.5浓度与地面实测值之间的R2高达0.97,均方根误差仅为5.57μg/m3.据此获得的PM2.5浓度空间分布显示,PM2.5年均浓度的高值区域主要分布在地表高程较低的江苏省(≥40μg/m3).研究表明,本研究所构建的包含AOD和其他辅助变量的2层随机森林模型可有效获取近地面PM2.5浓度的空间分布.
- 随机森林模型 /
- PM2.5空间分布 /
- AOD反演 /
- 长江三角洲 /
- 珠江三角洲

中国自然资源航空物探遥感中心	主办
地质出版社	出版