基于极端梯度提升树和深度学习方法估算中国地表NO2浓度

摘要：

二氧化氮(NO2)是备受关注的重要大气污染物之一,与人体呼吸系统和心血管疾病有紧密关系.卫星遥感是获得大尺度NO2分布情况的有效方法,搭载于Aura卫星上的臭氧监测仪(Ozone Monitoring Instrument,OMI)可以反演全球尺度的对流层NO2柱浓度.然而,由于观测条件(如云覆盖)和传感器物理异常影响,OMI在中国地区存在1/2以上的缺失数据,严重限制了数据的应用价值.本文首先基于深度学习方法重建OMI对流层NO2柱浓度缺失数据,然后结合气象资料和地面信息(如道路密度)等数据,利用梯度提升树模型估算了 2018-2020年中国近地面NO2浓度日均值,最后使用机器学习解释性算法评估了 OMI数据对近地面NO2估算的适用性和敏感性.结果表明:OMI数据缺失值的重建效果和近地面NO2估算精度良好,OMI缺失数据重建值与原始数据的交叉验证R2为0.81,近地面NO2浓度估算值与中国环境总站监测值交叉验证R2为0.84;气象要素对近地面NO2的敏感性最高,特征重要度为36.7％,OMI对流层NO2柱浓度的特征重要度约为8％.

关键词：二氧化氮、臭氧监测仪(OMI)、深度学习、缺失值重建、NO2浓度反演

所属期刊栏目：43

分类号：X831;X87(环境监测)

资助基金：风云卫星应用先行计划;国家自然科学基金;安徽省气象局创新发展专项;国家高技术研究发展计划（863计划）

在线出版日期：2023-11-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：298-308