基于机器学习模型反演COVID-19封锁期间中国中东部大气污染物浓度变化

作者:宋梓庚 发布日期:2021-08-24 阅读:1294

近日,我室与河海大学联合培养的博士生宋梓庚在Remote Sensing上发表了有关机器学习反演大气污染物浓度的相关论文,通讯作者为我室何贤强研究员。

随着《清洁空气行动计划》(2018-2020年)的实施和2020年COVID-19封锁的影响,我国中部和东部地区的空气污染物排放量明显下降。为了综合评估这段时间内大气污染物浓度的时空分布及其变化,我们结合卫星遥感、再分析和地面观测数据(图1a),建立机器学习(ML)模型(图1b)来分析2018-2020年中国中部和东部地区PM2.5、PM10、O3和CO浓度的时空变化。

图1 (a)研究区域;(b)随机森林(RF)模型流程图。

 




QQ浏览器截图20210824172527.png

图2 PM2.5、PM10、O3和CO浓度的模型训练和验证散点密度图。(a-d) PM2.5、PM10、O3、CO浓度模型训练集结果; (e-h)验证集结果。



图3 2020年2月、5月、8月和11月模型预测PM2.5、PM10、O3、CO浓度的空间分布及其年平均相对变化率。 (a) PM2.5、PM10、O3、CO的空间分布;(b) PM2.5、PM10、O3、CO浓度的年平均相对变化率。白色区域表示空缺数据。



图4 2018 - 2020年基于随机森林模型预测的PM2.5、PM10、O3、CO平均浓度变化。(a) PM2.5; (b) PM10; (c) O3; (d) CO

机器学习模型的验证结果如图2所示,PM2.5、PM10、O3和CO验证数据集的均方根误差(RMSE)分别为9.027 μg/m3、20.312 μg/m3、10.436 μg/m3和0.097 mg/m3。2020年2、5、8、11月四种污染物浓度的时空分布及2020年变化率如图3所示。与2018年和2019年的平均值相比,2020年PM2.5、PM10、O3和CO浓度分别下降了16.4%、24.2%、2.7%和19.8%(图3)。在2020年2月,受COVID-19封锁的影响,PM2.5、PM10和CO分别下降了44.1%、43.2%和35.9%,下降趋势持续到2020年5月(图4-5)。




图5 2018年1月1日至2020年12月31日站点实测和模型预测的PM2.5、PM10、O3和CO浓度的时间序列变化(a) PM2.5; (b) PM10; (c) O3; (d) CO


引用:Song Z, Bai Y, Wang D, Li T, He X. Satellite Retrieval of Air Pollution Changes in Central and Eastern China during COVID-19 Lockdown Based on a Machine Learning Model. Remote Sensing. 2021; 13(13):2525. https://doi.org/10.3390/rs13132525


  • 卫星海洋环境动力学国家重点实验室

    © 2021卫星海洋环境动力学国家重点实验室 版权所有.
    浙ICP备10040255号-4      

  • 地址:杭州市保俶北路36号
    邮编:310012
  • 总机号码:+86-571-8196 3198
    传真:+86-571-8883 9374