基于隨機森林的川東北城市群臭氧污染預報研究

摘 要： 為探究川東北城市群氣象因子間的非線性交互作用對近地層臭氧（O3）污染的影響，并開展未來1～10 天的O3 濃度預報，本研究基于2017-2021 年川東北城市群O3 濃度監測數據、氣象數據與歐洲中心細網格模式預報資料，分析近5 年川東北O3 污染時空特征，并以此為基礎選取預報因子，經隨機森林（RF）模型篩選關鍵特征因子作為模型輸入數據，構建本地化動態時效RF 臭氧預報模型。結果表明：1）2017-2021 年川東北O3 濃度年評價值呈現“M”型的變化趨勢；各月O3 超標天數與O3 濃度月評價值變化均呈現“雙峰型”趨勢；O3 濃度日變化則呈現“單峰型”趨勢。2）特征選擇結果顯示川東北城市群影響O3 濃度變化的關鍵特征因子以氣溫、云量、起報天O3 濃度、海平面氣壓等變量為主。3）以川東北城市群整體來看，RF 臭氧預報模型誤差項處于合理范圍內，預報性能良好，對川東北城市群O3 濃度有較高的解釋性。

關鍵詞： 隨機森林模型; 臭氧污染; 川東北城市群; 濃度預報

中圖分類號： TB9 文獻標志碼： A 文章編號： 1674–5124（2024）11–0150–10

0 引 言

臭氧（O3）是一種強氧化劑，高濃度O3 可導致不利的人體健康影響，包括呼吸系統、心血管系統以及免疫系統損傷；還可導致植物葉片變黃、凋謝、生長停滯甚至死亡，進而嚴重危害生態系統。O3 污染的預報研究對于保障人民健康和生態環境安全具有重要意義，同時也是推進環境保護領域技術創新和發展的重要方向。

Hu 等[1] 利用廣義相加模型（GAM）預測中國334 個城市O3 日最大8 h 滑動平均濃度（MDA8_O3），發現不同城市MDA8_O3 受到不同氣象因素影響，其中氣溫、相對濕度和日照時數是最主要的影響因素；Wolf 等[2] 使用土地利用回歸模型研究了O3 的空間分布特征以及其影響因素；李霄陽等[3] 運用空間自相關方法對中國城市2016 年的O3 污染空間集聚和冷熱點區域的時空特征進行了分析。馬潤美等[4] 基于2013-2016 年京津冀地區多參數數據建立隨機森林模型，預測MDA8_O3 濃度，結果表明模型預測性能較好，模型r2 為0.85，在不同季節下性能較穩定；丁愫等[5] 基于徐州市的連續監測數據分別采用分類回歸樹 （CART） 、隨機森林 （RF） 和M5 模型樹方法三種決策樹方法建立O3 濃度統計預報模型，CART 和RF 模型預測效果較穩定，RF 預測值變化平緩，對污染物的變化趨勢刻畫的更細致，預報準確率高于75%； 周紅等[6] 基于北京城區點2020 年4-9 月O3 觀測數據，設置了3 種方案利用隨機森林模型模擬O3，模擬值與實測值吻合較好，r2 為0.70～0.73。但要全面、深入地了解氣象因素對O3 濃度的影響仍然面臨一系列問題。首先，在以往研究中較多是圍繞較單一的氣象因素去討論其對O3 濃度的影響，但在不同地區，O3 濃度變化往往還受其他當地條件（例如地形，當地天氣系統和氣象季節變化特征）的影響。其次，以往大量研究僅簡單地關注相關性分析，這就需要研發更高級的模型與方法去進一步具體地評估氣象因素對O3 濃度的影響，以建立本地化的O3 預報模型。

以達州為核心重點城市的川東北城市群是成渝重要的經濟區之一，隨著大氣污染治理措施的有效實施，川東北區域冬春季細顆粒物（PM2.5）污染問題得到顯著改善，但O3 污染反彈態勢嚴峻，區域空氣質量管控已經進入了PM2.5 和O3 協同防治的深水區，大氣環境持續改善任重道遠。研發適用于川東北城市群各城市的O3 污染預報模型，提升大氣污染的預報預警水平，能為川東北城市群空氣質量持續改善提供科學依據和決策參考。

1 資料和方法

1.1 資料概況

臭氧（O3）濃度監測數據：本研究O3 濃度監測數據，時間分辨率為1 h，數據來源于四川省生態環境監測總站， 起止時間為2017 年1 月-2021 年12 月。由于國控監測站點五年間有變動，且部分站點在時域內有數據缺失，為更好的進行對比分析，本文選取川東北城市群5 個城市20 個數據較完備的站點進行研究（圖1）。