典型文献
基于XGBoost算法的近地面臭氧浓度遥感估算
文献摘要：
本文采用XGBoost机器学习算法,融合臭氧浓度地面监测数据、欧洲中期天气预报中心的ERA5数据集、中国多尺度排放清单模型构建的排放清单数据集、高分辨率遥感影像(TROPOMI_NO2、OMI_NO2)以及人口数据和DEM数据,构建训练估算数据集,开展近地面臭氧浓度估算研究.模型构建采用递归式特征消除法进行特征变量的选择,并对其进行十折交叉和自建模验证,R2分别为0.871和0.955,RMSE分别为12.8μg·m-3和7.514 μg·m.3.同时进行了高分辨率遥感影像对估算结果的贡献分析,结果表明引入TROPOMI_NO2因子参与建模可校正近地面臭氧浓度普遍被低估现象.模型模拟结果显示臭氧浓度回归估算结果层次更加分明、条带现象消失、连续性和平滑性明显改善.
文献关键词：
近地面臭氧;XGBoost;TROPOMI;OMI;时空分布
中图分类号：
作者姓名：
赵楠;卢毅敏
作者机构：
福州大学,空间数据挖掘与信息共享教育部重点实验室,福州350108;福州大学,福建省数字区域工程技术研究中心,福州350108;数字中国研究院(福建),福州350003
文献出处：
引用格式：
[1]赵楠;卢毅敏-.基于XGBoost算法的近地面臭氧浓度遥感估算)[J].环境科学学报,2022(05):95-108
A类：
B类：
XGBoost,近地面臭氧,地面臭氧浓度,遥感估算,机器学习算法,地面监测,天气预报,ERA5,排放清单,单模,单数,高分辨率遥感影像,TROPOMI,NO2,人口数据,DEM,算数,递归,除法,特征变量,RMSE,贡献分析,低估,模型模拟,加分,条带,平滑性
AB值：
0.279493
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
