基于随机森林的北京城区臭氧敏感性分析

来源：环境科学杂志2024年第1期北京时间：

作者：周红,王鸣,柴文轩,赵昕

单位：南京信息工程大学环境科学与工程学院, 江苏省大气环境与装备技术协同创新中心, 江苏省大气环境监测与污染控制高技术研究重点实验室, 南京 210044,南京信息工程大学环境科学与工程学院, 江苏省大气环境与装备技术协同创新中心, 江苏省大气环境监测与污染控制高技术研究重点实验室, 南京 210044,中国环境监测总站, 北京 100012,南京科略环境科技有限责任公司, 南京 211800

摘要：明确臭氧（O₃）与前体物的非线性关系是O₃防控措施制定的基础和关键.基于北京城区站点2020年4~9月O₃、挥发性有机物（VOCs）、氮氧化物（NO_x）和气象要素在线观测,分析了O₃及其前体物污染特征,利用随机森林（RF）模型结合SHAP值探究了影响O₃的关键因素,并通过多情景分析探讨了O₃-VOCs-NO_x敏感性.相关性分析结果显示O₃小时浓度与温度（T）呈显著正相关,与TVOCs和NO_x呈显著负相关；但从每日结果来看,O₃与T、TVOCs和NO_x均呈显著正相关.RF模型模拟的O₃浓度与实测值吻合较好,进一步计算了各个特征变量的SHAP值,结果显示T和NO_x对O₃影响最高,但前者是正向影响,而后者是负向影响.以观测期间O₃污染天的NO_x和VOCs平均值为基础情景,设置了对应不同NO_x和VOCs的多种情景,并利用RF模型计算不同情景下的O₃,得到O₃等值线（EKMA曲线）,结果显示北京城区O₃-VOCs-NO_x敏感性处于VOCs控制区,与基于观测的盒子模型（OBM）得到的结果一致,这说明RF模型可以用作O₃-VOCs-NO_x敏感性分析的一种补充方法.

关键词：北京,臭氧（O3）,O3-VOCs-NOx敏感性,随机森林（RF）,SHAP值,