基于地统计模型的上海大气污染物多建模方法的比较
来源：环境科学杂志2023年第1期北京时间：
作者：吴英晗,许嘉,段玉森,伏晴艳,杨文
单位：中国环境科学研究院, 北京 100012,中国环境科学研究院, 北京 100012,上海市环境监测中心, 上海 200235,上海市环境监测中心, 上海 200235,中国环境科学研究院, 北京 100012
摘要：地统计模型被广泛应用于环境空气污染物暴露模拟，但不同建模方法及其模拟结果之间的对比研究较少.基于上海2016~2019年55个环境空气监测点位的NO2和PM2.5观测数据，以及交通路网、排放源兴趣点和卫星数据等地统计变量，应用偏最小二乘回归（PLS）、监督学习线性回归（SLR）和机器学习随机森林（RF）这3种建模方法创建年暴露模型，并进一步应用普通克里金插值（OK）法分析模型残差，构建复合模型.应用交叉验证对模型的模拟效果进行检验，选取每一种建模方法的最优模型结构（是否应用OK）作为最终模型.结果表明，NO2模型中表现最好的是RF-OK （Rmse2为0.70~0.82）和PLS-OK模型（Rmse2为0.78~0.84）；PM2.5模型中PLS模型（Rmse2为0.62~0.71）优于SLR-OK （Rmse2为0.40~0.79）和RF-OK （Rmse2：0.31~0.56）模型.应用3种建模方法对上海1 km网格开展年暴露模拟和对比，NO2模型间模拟结果的相关性（r为0.82~0.91）高于PM2.5模拟结果的相关性（r为0.66~0.96）.基于3种模型2019年的模拟结果，评估了上海NO2和PM2.5的人群暴露水平.
关键词：PM2.5,NO2,地统计模型,偏最小二乘回归(PLS),随机森林(RF),
