基于机器学习的长三角农业区PM2.5中重金属浓度预测
来源：环境科学杂志2025年第1期北京时间：
作者：张鸿燕,靳浩,莫迎平,张海鸥,潘超,樊建凌
单位：南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制高技术研究重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044,南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制高技术研究重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044,南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制高技术研究重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044,南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制高技术研究重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044,国家能源集团科学技术研究院有限公司, 清洁高效燃煤发电与污染控制国家重点实验室, 南京 210023,南京信息工程大学环境科学与工程学院, 江苏省大气环境监测与污染控制高技术研究重点实验室, 江苏省大气环境与装备技术协同创新中心, 南京 210044
摘要：PM2.5中重金属对空气质量、人体健康和生态环境等均有重要影响,但当前对农业区域PM2.5中重金属的研究与关注较少. 搜集了长三角区域2000~2020年PM2.5中重金属浓度观测数据,构建了基于机器学习的大气PM2.5中重金属浓度预测模型,预测并分析了长三角农业区PM2.5中Pb、Cu、As、Cd、Zn和Ti共6种重金属元素的区域污染特征. 结果表明,随机森林（RF）、支持向量机（SVM）和梯度提升机（GBM）这3种机器学习模型单独预测PM2.5中各重金属元素时均未表现出良好的预测效果（近一半模型R2<0.66）；将3种模型进行加权平均融合后均表现有较大改善（R2均>0.66）,对6种金属元素浓度均达到可定量预测的能力（RPD>1.4）；对长三角农业区PM2.5中重金属元素浓度的预测结果发现,6种重金属元素浓度平均值（ng·m-3）大小为：Zn>Pb>Cu/Ti>As>Cd,但各元素时空分布差异较大,2015~2017年Pb、Cd、As和Zn的浓度均逐年递减,而Cu和Ti的浓度则未出现明显时间变化. 空间分布上,Pb、Cu和Ti这3种元素在长三角农业区北方大气PM2.5中浓度较高,在南方则较低；As和Cd元素则在安徽北部和浙江西部山区的PM2.5中浓度分布较高；而Zn元素在各农业区均有较高浓度的分布. 研究结果可为预测区域大气颗粒物中重金属浓度提供一种有效方法,并为了解长三角农业区大气颗粒物污染特征及区域污染减排工作提供参考依据.
关键词：大气PM2.5,随机森林（RF）,支持向量机（SVM）,梯度提升机（GBM）,机器学习模型融合,区域重金属污染,
