基于随机森林模型的中国PM2.5浓度影响因素分析

• 作者: 夏晓圣 王佳佳 程先富 陈菁菁
• 来源期刊: 环境科学
• 学科: 地球科学
• 关键词: PM2.5 影响因素 区域差异 随机森林 中国
• 年，卷（期）: 2020,（5）
• 页码范围: 2057-2065
• 页数: 9页
• 分类号: X513
• 语种: 中文
• DOI: 10.13227/j.hjkx.201910126

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.②PM2.5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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程先富	安徽师范大学地理与旅游学院	68	841	16.0	27.0
3	王佳佳	安徽师范大学地理与旅游学院	13	5	2.0	2.0
9	夏晓圣	安徽师范大学地理与旅游学院	3	0	0.0	0.0
13	陈菁菁	安徽师范大学地理与旅游学院	1	0	0.0	0.0