基于集成机器学习的小时级臭氧浓度估计及其健康影响研究——以太原市为例

来源：环境与职业医学杂志 2026年第1期北京时间：

作者：杜汝乐, 杨晓娟, 牛瑞霞, 许洋, 祝贵明, 高倩, 王彤,

摘要：背景臭氧（O3）是主要大气污染物，现有监测系统站点分布不均、覆盖欠发达地区不足，且时间分辨率较低，难以获取小时级数据，制约其污染动态识别与防治策略制定。目的构建一个基于集成机器学习的小时级O3浓度估计模型，旨在提升污染暴露评估精度并探索其健康影响。方法本研究融合土地利用回归模型与现代机器学习技术，创新性地采用随机森林和XGBoost算法构建基础模型，并通过非负最小二乘法进行堆叠集成。模型利用高分辨率的多源地理信息数据（如气象数据、人口密度、土地覆盖类型、气溶胶光学厚度等），在全中国范围进行训练和验证，并在太原市结合分布滞后非线性模型开展实际应用测试，分析O3与急诊入院人数之间的关联。结果构建的集成模型在预测O3浓度方面表现出色，相较于单一模型具有更高的决定系数（R2）和更低的均方根误差（RMSE），R2从0.90提升至0.92，RMSE从11.41降至10.62，提升了预测精度和泛化能力。在太原市的应用中，模型成功补全全年小时级数据。分布滞后非线性模型分析结果显示，O3暴露后第6至第8天的相对风险（RR）值分别为1.14（95%CI：1.01~1.29）、1.16（95%CI：1.02~1.31）和1.14（95%CI：1.01~1.29），均高于1，揭示O3与急诊人数之间存在滞后关联（滞后6~8 d）。结论本研究通过结合土地利用回归模型与集成机器学习方法，成功构建一个全国高精度、小时级别的O3浓度估计模型，为环境政策制定和公共卫生干预提供科学依据。模型的应用验证了其泛化能力和实际应用价值，可为后续的环境健康研究提供新的技术框架。

关键词：臭氧, 浓度估计, 集成机器学习, 土地利用回归, 急诊人数, 滞后效应,