基于随机森林模型的长沙市O3浓度逐小时预测

耿星莉,刘迎云*

(南华大学 资源环境与安全工程学院,湖南 衡阳 421001)

摘 要：利用长沙市10个国控城市环境空气质量监测点位的近地面逐小时平均O3质量浓度数据和气象数据构建了臭氧污染严重季(春季、夏季和秋季)的随机森林机器学习模型,并对逐小时O3质量浓度进行预测和分析。结果表明:1)2020—2023年间O3月均质量浓度呈“M”型分布和“春夏秋高冬低”的特点,高值区间主要分布在4—10月,5月和9月出现峰值;O3小时质量浓度变化呈单峰型分布,日内峰值出现在15时至16时。2)春、夏、秋季的重要性排序前五的是hour>RH>PM2.5>T>NO2,hour因子对O3的影响程度最大,RH、PM2.5、T、NO2变量排位靠后,影响次之;在相关性分析中,O3与气温的正相关性以及与相对湿度的负相关性最为突出,夏季O3与PM2.5、PM10之间表现出较强的正相关性。3)基于随机森林构建的O3预测模型的拟合优度分析结果中,拟合度R2较高,表现出优秀的预测性能,能够较好地捕捉到O3质量浓度的逐小时变化规律。4)通过对2024年长沙市春季、夏季与秋季的逐小时O3质量浓度进行预测,结果表明随机森林模型具有很好的泛化能力,说明随机森林模型能够较准确地预测逐小时O3质量浓度的变化趋势。

关键词：随机森林;近地面臭氧;长沙市;预测

0 引 言

臭氧(ozone,O3)作为一种重要的二次大气污染物,对人体健康、生态环境和气候等方面具有很大的影响。随着国家工业化与城市化的高速发展,工业生产规模持续扩张,O3污染问题日益严重,成为继细颗粒物(fine particulate matter,PM2.5)之后的第二大污染物[1]。根据《长沙市生态环境状况公告》2020—2023年间O3质量浓度数据显示,长沙市城区O3质量浓度呈现波动变化趋势,由2020年的146 μg/m3降至2021年的144 μg/m3,接着2022年增至160 μg/m3,2023年有所下降。2020—2023年间长沙市的空气质量逐渐改善,说明政府推行的措施和政策尤有成效。但是,O3污染的形成过程是一个动态过程且错综复杂,主要受氮氧化物(nitrogen oxide,NOx)和挥发性有机化合物浓度(volatile organic compound,VOCs)、气象条件、大气边界层、太阳辐射、前体物比例、地理地貌及大气化学反应交互影响,这些因素共同作用决定了臭氧的生成、积累和消散。

近年来,数据驱动的机器学习技术在环境监测与预测领域展现出巨大潜力,其中随机森林(random forest,RF)模型因其强大的预测能力和鲁棒性而备受关注。该模型具备结合多种影响污染物的变量参数来构建高精准的污染物预测模型的能力,还能用于对各变量对污染物的影响程度进行排序。Wang等[2]基于地面观测资料以及卫星遥感信息等,对美国加利福尼亚地区的日平均O3质量浓度进行预测,模型表现非常出色。马润美等[3]基于气象数据和地理类等多种变量进行O3预测,发现春秋季预测的效果最好。魏勤谨等[4]发现随机森林模型能够捕捉温度因素在O3长期时间序列浓度预测中的主要影响,其中高温天的温度因素累积会大幅度升高O3浓度,而低温天会大幅度降低O3质量浓度。有研究在月度水平上,通过融合多角度大气校正(multi-angle atmospheric correction,MAIAC)数据、气溶胶光学深度(aerosol optical depth,AOD)数值等数据构建了随机森林模型,来预测华北平原PM2.5质量浓度,其模型在预测过程中表现出优异的性能[5-6]。随机森林模型不仅对参数需求较少,而且还可以很好地解决气象因素非线性影响的拟合问题,从而提高O3预测的准确性和可靠性。

了解长沙市O3污染变化规律以及气象参数间的关系对人们认识臭氧污染尤为重要。随机森林作为一种数据模型,能够将多种气象参数的数据充分利用,采用随机森林算法构建地面臭氧浓度预测模型有很好的适用性,有利于臭氧的精准防控[7-8]。基于此,基于随机森林建模对长沙市近地面O3质量浓度的变化趋势进行预测研究,为长沙市O3质量浓度污染超标做出提前预警。

1 数据来源与方法

1.1 数据来源

研究区域为长沙市10个国控城市环境空气质量监测点位(高开区环保局、天心区环保局、湖南师范大学、湖南中医药大学、经开区环保局、火车新站、马坡岭、雨花区环保局、沙坪和伍家岭),气象站点选用长沙县气象站点(113°25′E,28°25′N)数据,长沙市国控城市环境空气监测站点和气象站点分布如图1所示。研究时段选取2020年1月1日—2024年10月31日,大气常规6项污染物(PM2.5、O3-8 h、PM10、SO2、NO2、CO)的逐小时的监测数据来源于中国环境监测总站(http://www.cnemc.cn/)。O3日质量浓度取一天内连续8 h的O3质量浓度平均值的最大值,O3月质量浓度指一个日历月内O3日最大8 h滑动平均值的算术平均值,O3小时质量浓度指2020—2023年一天内每个小时(0点、1点、…、23点)O3质量浓度的算术平均值。气象数据来源于美国国家海洋和大气管理局下设的国家环境信息中心(https://www.ncei.noaa.gov/),气象因素包括海平面气压(atmospheric pressure,AP)、降水量(rain,R)、风速(wind speed,WS)、风向(wind direction,WD)、气温(temperature,T)、露点温度(dew point temperature,DPT)、相对湿度(relative Humidity,RH)、总云量(total cloud cover,TCC)。根据标准《气候季节划分》(GB/T 42074—2022),确定3—5月为春季,6—8月为夏季,9—11月为秋季,12月—次年2月为冬季[9]。

图1 长沙市国控城市环境空气监测站点分布Fig.1 Distribution of state-controlled ambient air monitoring stations in Changsha City

1.2 研究方法

构建O3质量浓度随机森林回归模型时,采用Boostrap采样法,从原始数据集中多次有放回地随机抽取样本,并生成不同的训练数据集,通过随机挑选预测变量进行分割来构建决策树,随后汇总众多决策树的预测输出,取所有决策树预测结果的平均值为最终的预测输出,随机森林建模流程如图2所示。随机森林模型的基础运行步骤如下:1)样本抽取:每棵树采用Bagging策略中的Bootstrap方法进行抽样,从原始训练集中抽取K个子样本,每个子样本的大小与原训练集相同,由于每次抽取的样本并非完全一致,这些具有差异性的样本数据将用于训练新的决策树。2)决策树构建:对上述步骤中随机抽取的K个子样本分别构建决策树,得到K棵决策树。在每个决策树节点分裂时,随机选取部分特征,然后从这些特征里挑选出最佳特征用于分裂。3)集成预测:当所有决策树训练完成后,对于新输入的数据点,依次使用每棵回归树进行预测,最后将所有决策树的预测结果进行平均,得到的平均值即为随机森林模型最终的预测值。

图2 随机森林建模流程Fig.2 Random forest modeling process

2 结果与讨论

2.1 O3质量浓度的时间变化特征

2.1.1 O3质量浓度月变化特征

通过分析2020—2023年长沙市O3逐小时平均质量浓度数据,得到长沙市O3质量浓度月变化特征如图3所示。高值区间主要分布在4—10月,5月和9月出现峰值;O3小时质量浓度变化呈单峰型分布,日峰值出现在15时至16时之间。O3浓度年内呈现“M”型分布和“春夏秋高冬低”的特点,O3质量浓度低值主要集中在1—3月及11—12月,高值区间主要分布在4—10月,其中5月和9月出现双峰值。此现象说明O3质量浓度高值与温度有关,该阶段气温较高,光照和太阳辐射增强导致O3增加。而6—7月期间O3质量浓度下降,主要由于夏季降雨冲刷和前体物湿沉降作用增强,降雨带来的水汽可减弱太阳辐射,从而减缓臭氧前体物的光化学反应,降低O3的生成速率[10-12]。10月份,O3质量浓度开始下降,主要与温度的急速下降有关,但在天气晴朗且升温情况下,也容易出现O3质量浓度回升。综上所述,臭氧污染严重的季节为春、夏、秋季,冬季O3质量浓度降低,因此后续模型构建、Pearson相关性分析和特征重要性分析将从春、夏、秋季数据展开。

图3 2020—2023年长沙市O3质量浓度月变化Fig.3 Changes of monthly O3 mass concentrations in Changsha from 2020 to 2023

2.1.2 O3质量浓度小时变化特征

2020—2023年长沙市O3质量浓度小时变化特征如图4所示,O3质量浓度日内呈现明显的单峰型分布[13],波谷出现在早上7—8点,O3质量浓度为34.81 μg/m3,波峰出现在15—16点,此时O3质量浓度达到93.82 μg/m3,17点开始到早上7点O3浓度呈现逐步下降的趋势,主要是随着太阳开始落山,太阳辐射量不断减少,温度逐渐下降,而夜间相比于白天气温更低,人类活动强度大幅度降低,而且光照的消失,光化学反应所需要的条件缺失,导致无法生成O3。上午9点,O3质量浓度逐渐上升,是7—8点早高峰时段,车流量急剧攀升,此时温度逐渐上升,光照强度也开始增大,导致O3质量浓度激增。

图4 2020—2023年长沙市O3质量浓度小时变化Fig.4 Hourly change of O3 mass concentration in Changsha from 2020 to 2023

2.2 随机森林模型的构建

随机森林建模过程中以O3污染严重的春季(3—5月)、夏季(6—8月)与秋季(9—11月)为主要研究时段,选取2020—2023年春季、夏季和秋季的6种常规污染物数据、8种气象因素数据及月、日、小时因子作为训练集输入模型。随机选择其中80%的数据作为训练集,对未进入模型的20%数据(测试集)进行模拟,2024年3月1日—2024年10月31日的数据作为验证集用于模型泛化能力评估测试。在建模过程中,模型评估方法有平均绝对误差MAE(mean absoluteerror,MAE)、均方误差MSE(mean square error,MSE)、均方根误差RMSE(root mean squareerror,RMSE)和拟合优度(决定系数,R2)等,使用MAE、RMSE及R2对模型的预测效果进行定量评估,其中R2用于衡量模型预测值与实际值的一致性。

(1)

(2)

(3)

其定义式如式(1)～式(3),其中,yi表示第i个样本的实际值,表示第i个样本的预测值,为样本平均值。当R2越大,MAE和RMSE越小时,说明预测值与实际值的误差越小,预测效果也越好,模型精度也越高。

2.2.1 随机森林模型参数的设定

本研究随机森林回归模型参数的最终设定值如表1所示,其余未列出的参数均为默认值。

表1 随机森林回归模型主要参数及释义Table 1 Main parameters and interpretation of the random forest regression model

2.2.2 变量相关性分析和特征重要性分析

长沙市春季、夏季和秋季O3与常规污染物和气象因素的Pearson相关分析如图5所示。综合来看,除O3外其他5种常规污染物(PM2.5、PM10、CO、NO2、SO2)之间均呈现较强的正相关性,O3与PM10、气温均呈现正相关性,其中O3与气温的相关性最强;O3与CO、NO2、相对湿度、总云量、降水量、海平面气压均呈现负相关性,其中O3与相对湿度的负相关性最强。当空气中湿度较高时,水汽会与NOx和VOCs竞争吸收太阳辐射中的紫外线,从而抑制O3的生成,此时云量和降水率会增加,削弱太阳辐射,进而减少O3的生成[14]。夏季O3与PM2.5、PM10均呈现明显的正相关性,主要是夏季高温低湿且太阳辐射量大,容易发生光化学反应生成O3,并借助传输扩散、气溶胶形成过程以及云生成过程等多种机制与PM2.5产生相互作用,产生的气溶胶粒子对太阳辐射的散射和吸收会影响O3的生成,而O3作为大气氧化剂,会推动二次气溶胶的形成,从而影响气候和污染物的分布,往往导致区域性复合污染问题[15-17]。

图5 长沙市春季、夏季和秋季O3与常规污染物和气象因素的Pearson相关系数热力图Fig.5 Heat map of correlation coefficients of O3 with Pearson’s for conventional pollutants and meteorological factors in spring, summer and autumn in Changsha city

将常规污染物、气象因素和月、日、小时因子共17个变量的逐小时实测值输入模型中,通过计算各变量的重要性得分来衡量其对O3质量浓度的贡献程度,春季、夏季和秋季各变量重要性排序结果分别如图6所示。从图6可以看出,春季中hour>RH>NO2>T>month,夏季中hour>PM2.5>PM10>NO2>RH,秋季中hour>RH>T>SO2>month,可以发现春、夏、秋季hour变量的重要性均排位第一,RH、NO2、T、PM2.5、SO2、PM10、month等变量的重要性次之,说明这些变量对春、夏、秋季O3质量浓度也有一定程度的影响。尽管其他变量在排名中靠后,但这并不意味着它们缺乏重要性,模型的排名是基于单一因素的考量,然而实际上这些变量的综合作用才是起决定性作用。

图6 长沙市春季、夏季和秋季变量重要性排序Fig.6 Ranking of importance of spring, summer and fall variables in Changsha city

2.3 随机森林模型的验证结果

2.3.1 模型拟合优度分析

拟合度分析是对随机森林模型的测试集进行分析,本研究采用线性回归模型检验,将随机选择的20%的测试集数据代入模型得到预测值,比较预测值和真实值之间的吻合程度,结果如图7所示。春季O3小时模型中,MAE为8.407 μg/m3、RMSE为11.930 μg/m3,R2为0.879。夏季MAE为8.875 μg/m3,RMSE为12.171 μg/m3,拟合优度R2为0.865。秋季MAE为8.369 μg/m3,RMSE为11.868 μg/m3,拟合优度R2为0.905。对比MAE,RMSE、R2得出秋季模型>春季模型>夏季模型,此时秋季模型R2最大,MAE和RMSE最小,表现最佳。三个季节R2均大于0.86,说明该模型对长沙市春夏秋三季O3质量浓度具有良好的预测性能。图7中春夏秋季的预测值与实际值之间呈现出较高的吻合度,并且呈显著的线性相关,大部分数据点紧密簇拥在回归线周围,尽管也存在一些偏离的离散点,可能是未考量的气象变量,或是数据本身所存在的随机误差所导致的。

图7 长沙市春季、夏季和秋季O3质量浓度预测结果散点图Fig.7 Scatter plot of predicted O3 mass concentrations in Changsha in spring, summer and fall

2.3.2 模型泛化能力评估

为评估随机森林模型的O3预测能力,选取2024年春季(3—5月)、夏季(6—8月)和秋季(9—11月)的逐小时数据代入最终训练好的模型,得到O3质量浓度预测值,并将其与真实值进行对比,结果如图8所示。2024年长沙市春季实际平均值ρ(O3)=106.27 μg/m3,预测平均值ρ(O3)=97.86 μg/m3;夏季实际平均值ρ(O3)=105.38 μg/m3,预测平均值ρ(O3)=100.83 μg/m3;秋季实际平均值ρ(O3)=87.93 μg/m3,预测平均值ρ(O3)=90.56 μg/m3。春季ρ(O3)=20～140 μg/m3范围内,夏季在ρ(O3)=40～100 μg/m3范围内,秋季在ρ(O3)=50～150 μg/m3范围内时,随机森林模型真实值与预测值的高拟合优度,展现出卓越的预测能力,能够实现较准确地预测长沙市O3逐小时浓度变化规律。

图8 2024年长沙市春季、夏季与秋季O3质量浓度预测值与实际值对比Fig.8 Comparison of predicted and actual values of O3 mass concentrations in spring, summer and fall in Changsha in 2024

通过进一步采用线性回归模型对长沙市春、夏、秋季的模型预测性能进行了泛化能力评估,O3质量浓度预测验证结果散点图如图9所示。春季O3小时模型MAE为15.733 μg/m3,RMSE为19.857 μg/m3,R2为0.714;夏季MAE为11.323 μg/m3,RMSE为14.493 μg/m3,R2为0.781;秋季MAE为7.79 μg/m3,RMSE为12.725 μg/m3,R2为0.798。可以看到三个季节R2均大于0.71,结果表明随机森林模型具有很好的泛化能力,其中秋季R2最高,MAE和RMSE最小,说明秋季的预测模型性能最好。图9中大部分数据点更靠拢在拟合线两侧,预测值和真实值结果相近,模型的拟合优度也较高,说明该模型能较好地实现长沙市O3

图9 2024年长沙市春季、夏季与秋季O3质量浓度预测验证结果散点图Fig.9 Scatterplot of the validation results of the predicted O3 mass concentrations in spring, summer and fall in Changsha in 2024

3 结 论

1)本研究分析了长沙市O3质量浓度时间变化特征,在2020—2023年期间,O3质量浓度年内呈现“M”型分布和“春夏秋高冬低”的特点,O3月均质量浓度高值区间主要分布在4—10月,5月和9月出现峰值;O3小时浓度变化呈单峰型分布,日峰值出现在15时至16时之间。

2)从春季、夏季和秋季O3质量浓度与其他变量的相关性分析中可以看出,O3与PM10、气温均呈正相关性,与CO、NO2、相对湿度、总云量、降水量、海平面气压均呈负相关性,其中O3与气温、相对湿度的相关性最强。而夏季O3与PM2.5、PM10均呈现明显的正相关性,O3与PM2.5通过传输扩散、气溶胶形成过程和云生成过程等多种机制相互作用,往往导致区域性的复合污染问题。

3)从各变量重要性排序来看,春、夏、秋季的重要性排序前五的是hour>RH>PM2.5>T>NO2,hour因子重要性排位第一,对近地面O3质量浓度的影响程度最大,RH、PM2.5、T、NO2变量排位靠后,影响相对较小。

4)针对近地面O3质量浓度的逐小时数据建立随机森林模型,来预测长沙市逐小时O3质量浓度。利用模型对春季、夏季与秋季进行拟合度分析,发现拟合优度R2均在0.86以上,说明预测值与真实值一致性较高,模型展现出了出色的预测性能。在对模型进行泛化能力评估时发现,三个季节拟合优度R2均在0.71以上,研究表明随机森林模型具有较好的泛化能力,其中秋季模型性能最优。当春季ρ(O3)=20～120 μg/m3,夏季ρ(O3)=40～100 μg/m3,秋季ρ(O3)=50～150 μg/m3时,随机森林模型真实值与预测值展现高拟合优度,预测性能更好。在未来的工作中,对模型参数的调整和优化是很有必要的,同时应考虑更多气象要素和污染物种类,以此获得更精确的预测结果。

5)目前,虽然随机森林模型能很好地预测O3质量浓度的逐小时变化,但对于O3质量浓度极值变化的捕捉仍然不足。这是因为随机森林模型依赖于大量数据来构建和验证其可靠性,而极值数据的缺失会对模型的预测精度产生不利影响。因此,在未来的研究中,一方面可以考虑收集更多对臭氧有影响的变量,完善数据以提高模型的预测效果,从而获得更准确的O3质量浓度预测结果。另一方面,可通过将集成多种模型进行融合建模,结合多个模型的优缺点提高模型泛化能力的方式来提升多融合模型预测的准确性。

参考文献：

[1] 王玫,郑有飞,柳艳菊,等.京津冀臭氧变化特征及与气象要素的关系[J].中国环境科学,2019,39(7):2689-2698.

[2] WANG W H,LIU X,BI J Z,et al.A machine learning model to estimate ground-level ozone concentrations in California using TROPOMI data and high-resolution meteorology[J].Environment international,2022,158:106917.

[3] 马润美,张亚一,班婕,等.基于随机森林模型的京津冀地区近地面臭氧站点浓度预测[J].环境与健康杂志,2019,36(11):954-957.

[4] 魏勤谨,谢品华,KHAYYAM J,等.基于随机森林的O3和NO2近地面质量浓度预测研究[J/OL].大气与环境光学学报:1-18(2024-08-29)[访问日期缺失].http://kns.cnki.net/kcms/detail/34.1298.o4.20240828.1649.002.html.

[5] 杨晓彤,康平,王安怡,等.基于随机森林模型的四川盆地臭氧污染预测[J].环境科学,2024,45(5):2507-2515.

[6] HUANG K Y,XIAO Q Y,MENG X,et al.Predicting monthly high-resolution PM2.5 concentrations with random forest model in the north China plain[J].Environmental pollution,2018,242:675-683.

[7] 杨晓彤,康平,王安怡,等.基于随机森林模型的四川盆地臭氧污染预测[J].环境科学,2024,45(5):2507-2515.

[8] 刘妍妍,杨雷峰,谢丹平,等.湖南省臭氧污染基本特征分析及长期趋势变化主控因素识别[J].环境科学,2022,43(3):1246-1255.

[9] LIU H J,TIAN H Z,ZHANG K,et al.Seasonal variation,formation mechanisms and potential sources of PM2.5 in two typical cities in the Central Plains Urban Agglomeration,China[J].Science of the total environment,2019,657:657-670.

[10] 何琰,林惠娟,曹舒娅,等.城市臭氧污染特征与高影响气象因子:以苏州为例[J].环境科学,2023,44(1):85-93.

[11] 齐艳杰,于世杰,杨健,等.河南省臭氧污染特征与气象因子影响分析[J].环境科学,2020,41(2):587-599.

[12] 罗丽彤,章炎麟,林煜棋,等.南京夏季大气臭氧光化学特征与敏感性分析[J].环境科学,2024,45(3):1382-1391.

[13] 黄厔,刘艳英,吴雨蔓,等.厦门市环境空气中臭氧污染特征研究[J].环境科学与管理,2023,48(5):135-140.

[14] XU Z N,HUANG X,NIE W,et al.Influence of synoptic condition and holiday effects on VOCs and ozone production in the Yangtze River Delta region,China[J].Atmospheric environment,2017,168:112-124.

[15] 孙银川,严晓瑜,缑晓辉,等.中国典型城市O3与前体物变化特征及相关性研究[J].环境科学研究,2020,33(1):44-53.

[16] 陈楠,陈立,王莉莉,等.2015—2020年湖北省PM2.5和臭氧复合污染特征演变分析[J].环境科学研究,2022,35(3):659-672.

[17] DENG T,WANG T J,WANG S Q,et al.Impact of typhoon periphery on high ozone and high aerosol pollution in the Pearl River Delta region[J].Science of the total environment,2019,668:617-630.

Based on Random Forest Hourly Prediction of Ozone Concentration Model in Changsha City

GENG Xingli, LIU Yingyun*

(School of Resources Environment and Safety Engineering, University of South China, Hengyang, Hunan 421001, China)

Abstract：The average O3 mass concentration data and meteorological data of 10 state-controlled urban ambient air quality monitoring sites in Changsha City can build a random forest machine learning model of ozone pollution (spring, summer and autumn), and predict the hourly O3 mass concentration. The results show that: 1) The monthly average mass concentration of O3 between 2020 and 2023 is characterized by “M” type distribution with “spring, summer and autumn high and winter low”. The high value is mainly concentrated in April to October, and the peak value appears in May and September. Hourly mass concentration changes of O3 present a single peak distribution, and the daily peak value appears at 15-16. 2) For the importance of spring, summer and autumn, the top five are hour>RH>PM2.5>T>NO2, hour factor has the greatest impact on O3, RH, PM2.5, T and NO2 variables are ranked lower with secondary influence. In the analysis of correlation, the positive correlation between O3 and temperature and the negative correlation with relative humidity are the strongest. The positive correlation between O3 and PM2.5 and PM10 in summer is also strong. 3) The results of goodness-of-fit analysis of the O3 prediction model based on random forest show that the goodness-of-fit R2 is high, and shows excellent prediction performance and can better capture the hourly variation of the O3 concentration. 4) By predicting the hourly O3 mass concentration of the spring, summer and autumn in Changsha City in 2024, the results show that the random forest model has a good generalization ability. Indicating that the random forest model can more accurately predict the trend of the hourly O3 mass concentration.

keywords：random forests;near-surface ozone;Changsha city;prediction

收稿日期：2024-11-20

基金项目：湖南省教育厅科学研究重点项目(17A180)

作者简介：耿星莉(1999—),女,硕士研究生,主要从事大气污染防控与治理方面的研究。E-mail:1092409612@qq.com。*通信作者:刘迎云(1964—),女,教授,硕士生导师,主要从事大气污染防控与治理方面的研究。E-mail: gxylyy0924@126.com

DOI：10.19431/j.cnki.1673-0062.2025.03.003

中图分类号：X513

文献标志码：A

文章编号：1673-0062(2025)03-0016-09