基于时空XGBoost的中国区域PM2.5浓度遥感反演

摘要：

为了提高PM2.5估算精度,获得连续的PM2.5浓度空间分布,本文提出了一种时空XGBoost模型(STXGB).STXGB模型引入克里金法,将地理信息和时间信息融合到XGBoost算法体系中,通过集成遥感数据、气象数据和地理信息数据建立了基于STXGB模型的PM2.5质量浓度空间估算方法.最后,以2019年中国区域PM2.5质量浓度月数据为例,采用基于样本、站点和时间的十折交叉验证法,评估了STXGB模型的性能,并与BP神经网络(BPNN)、随机森林(RF)、XGBoost、反距离加权XGBoost(XGBIDW)模型结果进行对比.结果 表明,STXGB模型的预测精度优于其它模型,其中,STXGB模型验证的决定系数为0.92,均方根误差为6.51 μg·m-3,平均预测误差为4.26 μg· m-3,利用该模型生成的中国区域PM25浓度空间分布更为合理.

关键词：PM2.5;遥感反演;机器学习;时空XGBoost模型(STXGB)

所属期刊栏目：41

分类号：X513(大气污染及其防治)

资助基金：山东省自然科学基金项目;山东省高等学校青创科技支持计划

在线出版日期：2021-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4228-4237