基于随机森林模型的中国PM2.5浓度影响因素分析
来源：环境科学杂志2020年第1期北京时间：
作者：夏晓圣,陈菁菁,王佳佳,程先富
单位：安徽师范大学地理与旅游学院, 芜湖 241002,安徽自然灾害过程与防控研究省级实验室, 芜湖 241002,安徽师范大学地理与旅游学院, 芜湖 241002,安徽自然灾害过程与防控研究省级实验室, 芜湖 241002,安徽师范大学地理与旅游学院, 芜湖 241002,安徽自然灾害过程与防控研究省级实验室, 芜湖 241002,安徽师范大学地理与旅游学院, 芜湖 241002,安徽自然灾害过程与防控研究省级实验室, 芜湖 241002
摘要：选取气溶胶光学厚度、海拔、年降水量、年均气温、年均风速、人口密度、GDP密度和NDVI作为影响因子，基于随机森林模型、特征重要性排序和偏依赖图技术，研究中国PM2.5浓度空间分布的影响因素及其区域差异.结果表明：①与多元回归、广义可加模型和BP神经网络相比，随机森林模型估算的PM2.5浓度精度最高，可用于PM2.5污染的影响因素研究.② PM2.5浓度随气溶胶光学厚度、人口密度和GDP密度的增加呈先上升后平稳的趋势，随降水、风速和NDVI的增加呈先下降后平稳的趋势，随海拔和气温的增加呈下降→上升→下降的趋势.③气溶胶光学厚度对PM2.5浓度空间分布的影响最大，可解释37.96%的PM2.5浓度空间分异；年降水量对PM2.5浓度空间分布的影响最小，解释率仅为5.75%.④影响因子与PM2.5浓度的关系存在空间异质性，同一影响因子对不同地理分区的PM2.5浓度的影响程度有所不同.气溶胶光学厚度对华南地区PM2.5浓度的空间分布影响最大，对东北地区影响最小.
关键词：PM2.5,影响因素,区域差异,随机森林,中国,
