期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究
1
作者
周刚
徐彬仁
+3 位作者
徐炜达
程文晨
尹文君
王凌
《环境科学研究》
CAS
CSCD
北大核心
2024年第6期1223-1231,共9页
为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多...
为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多源地理要素的“自上而下”近地面NO_(2)浓度遥感估算方法,综合分析随机森林模型(RF)、极致梯度提升树模型(XGBoost)和轻型梯度提升树模型(LightGBM)的性能,基于3种树模型对2019−2020年京津冀地区近地面NO_(2)浓度进行反演,并采用十折交叉验证方法分别对3种模型在近地面NO_(2)浓度预测中的精度差异与稳定性进行了检验比较,利用拟合优度(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行精度评价,最终选取XGBoost以实现京津冀地区卫星近地面NO_(2)浓度的高效分析预测(R2=0.85,RMSE=6.61μg/m^(3),MAE=2.09μg/m^(3)),在此基础上,从季度、年份等时间尺度对近地面NO_(2)浓度进行空间分析。结果表明:①由于2020年新型冠状病毒感染疫情反弹带来的人类生产活动和出行活动的大量减少,2019年近地面NO_(2)浓度(13.96μg/m^(3))比2020年(13.04μg/m^(3))整体偏高。②近地面NO_(2)浓度具有明显的季节性变化特征,春、夏两季由于大气扩散条件较好,近地面NO_(2)浓度相对较低,在冬季达到全年峰值。③基于SHAP值(沙普利加性解释法)方法对模型特征进行空间分析,并定量研究每个特征对模型的正负贡献程度,其中,对流层NO_(2)柱浓度对预测近地面NO_(2)浓度起到主要促进作用,大气边界层高度对预测近地面NO_(2)浓度起到抑制作用,另外太阳直射辐射、人口密度、地表温度及降水量等指标均对预测近地面NO_(2)浓度有明显影响。研究显示,XGBoost能够更加稳定和准确地预测卫星近地面NO_(2)浓度,为准确识别近地面NO_(2)浓度时空分布特征提供新的手段,可在一定程度上突破现阶段NO_(2)地面监测稀疏的空间局限以及卫星对流层NO_(2)柱浓度代表性不足的缺陷。
展开更多
关键词
NO_(2)
TROPOMI
机器学习
XGBoost
SHAP值
下载PDF
职称材料
题名
基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究
1
作者
周刚
徐彬仁
徐炜达
程文晨
尹文君
王凌
机构
清华大学自动化系
北京英视睿达科技股份有限公司
出处
《环境科学研究》
CAS
CSCD
北大核心
2024年第6期1223-1231,共9页
基金
北京市科技计划项目(No.Z231100003823018)。
文摘
为充分利用卫星传感器在探索长时间、大范围区域内近地面二氧化氮(NO2)浓度时空变化规律方面的优势,进一步提高卫星近地面NO_(2)浓度预测的准确性,本研究以Sentinel-5P卫星TROPOMI传感器观测的对流层NO_(2)柱浓度为基础,提出一种融合多源地理要素的“自上而下”近地面NO_(2)浓度遥感估算方法,综合分析随机森林模型(RF)、极致梯度提升树模型(XGBoost)和轻型梯度提升树模型(LightGBM)的性能,基于3种树模型对2019−2020年京津冀地区近地面NO_(2)浓度进行反演,并采用十折交叉验证方法分别对3种模型在近地面NO_(2)浓度预测中的精度差异与稳定性进行了检验比较,利用拟合优度(R2)、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行精度评价,最终选取XGBoost以实现京津冀地区卫星近地面NO_(2)浓度的高效分析预测(R2=0.85,RMSE=6.61μg/m^(3),MAE=2.09μg/m^(3)),在此基础上,从季度、年份等时间尺度对近地面NO_(2)浓度进行空间分析。结果表明:①由于2020年新型冠状病毒感染疫情反弹带来的人类生产活动和出行活动的大量减少,2019年近地面NO_(2)浓度(13.96μg/m^(3))比2020年(13.04μg/m^(3))整体偏高。②近地面NO_(2)浓度具有明显的季节性变化特征,春、夏两季由于大气扩散条件较好,近地面NO_(2)浓度相对较低,在冬季达到全年峰值。③基于SHAP值(沙普利加性解释法)方法对模型特征进行空间分析,并定量研究每个特征对模型的正负贡献程度,其中,对流层NO_(2)柱浓度对预测近地面NO_(2)浓度起到主要促进作用,大气边界层高度对预测近地面NO_(2)浓度起到抑制作用,另外太阳直射辐射、人口密度、地表温度及降水量等指标均对预测近地面NO_(2)浓度有明显影响。研究显示,XGBoost能够更加稳定和准确地预测卫星近地面NO_(2)浓度,为准确识别近地面NO_(2)浓度时空分布特征提供新的手段,可在一定程度上突破现阶段NO_(2)地面监测稀疏的空间局限以及卫星对流层NO_(2)柱浓度代表性不足的缺陷。
关键词
NO_(2)
TROPOMI
机器学习
XGBoost
SHAP值
Keywords
NO_(2)
TROPOMI
machine learning
XGBoost
SHAP value
分类号
X511 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Sentinel-5P卫星反演京津冀地区近地面NO_(2)浓度研究
周刚
徐彬仁
徐炜达
程文晨
尹文君
王凌
《环境科学研究》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部