从绿叶到清风：基于机器学习的柏林城市绿化与气象、空间及交通特征对二氧化氮浓度的预测研究

《Ecological Informatics》：From Leaves to Breezes: Machine learning based prediction of nitrogen dioxide concentration from surrounding urban greenery and meteorological, spatial, and traffic characteristics in Berlin, Germany

本研究针对空气污染预测中绿化效应量化不足的问题，开展了一项基于机器学习的NO2浓度预测研究。通过构建高分辨率环境数据集，对比了随机森林（RF）与图神经网络（GNN）模型。结果表明，GNN在空间鲁棒性上表现更优，而RF模型通过Shapley值分析揭示了城市绿化对NO2的缓解作用存在季节性变化。该研究为理解城市环境因子对空气质量的复杂影响提供了数据驱动的见解。

　　

论文解读

研究背景：城市空气污染的严峻挑战与绿化效应的量化难题

空气污染已成为全球性的公共卫生危机。数据显示，2023年欧盟94%的城市地区空气污染浓度超过了世界卫生组织的指导标准，而空气污染在2021年已成为全球第二大死亡风险因素。在众多空气污染物中，二氧化氮（NO₂）因其对环境和人类健康的负面影响而备受关注。作为一种主要来源于燃烧过程的污染物，NO₂的浓度水平不仅直接反映了交通和工业排放的强度，其预测结果还可作为其他气溶胶（如SO₂、NO_x、PM）浓度的近似指标。

城市绿化被广泛认为是缓解空气污染的有效手段。研究表明，植被可以通过干沉降、气孔调节和冠层诱导湍流等机制，有效降低空气中的污染物浓度。然而，现有研究在量化绿化对污染物的缓解效应时存在显著分歧。传统的环境模型软件（如I-Tree）虽然被广泛应用，但其基于预设规则的系统无法适应不断变化的环境条件或从新数据中学习。更重要的是，绿化对空气污染的缓解作用并非一成不变，而是随着季节变化而动态波动的。例如，总叶面积被认为是污染物去除的关键因素，这意味着植被的缓解能力在夏季和冬季存在显著差异。然而，现有研究缺乏利用动态植被指数（如叶面积指数LAI）来系统量化绿化对NO₂缓解效应季节性变化的方法。

研究方法：构建高分辨率数据集与对比两种机器学习模型

为了填补上述研究空白，Richard Schmidt和L.L. Sharon Ong的研究团队开展了一项创新性研究。他们构建了一个自整理的高分辨率站点级环境数据集，该数据集整合了2023年柏林16个监测站的每小时NO₂观测数据、详细的土地利用数据、交通数据、建筑数据以及德国气象局（DWD）提供的多种气象记录。特别值得一提的是，该研究引入了卫星衍生的叶面积指数（LAI）数据，以捕捉植被的季节性变化。

在模型构建方面，研究团队对比了两种主流的机器学习算法：随机森林回归器（RF）和图神经网络（GNN）。随机森林模型能够有效捕捉局部预测因子与污染水平之间的非线性关系，并允许通过Shapley值进行事后局部可解释性分析。而图神经网络则通过图结构直接整合空间邻近性，能够对监测站点之间的空间依赖关系进行建模，从而有望提高模型的空间鲁棒性。

为了确保模型评估的严谨性，研究采用了分层空间交叉验证方法。通过k-means聚类算法，研究团队从16个监测站中选出了3个具有代表性的站点作为测试集，其余13个站点用于训练和验证，从而有效避免了空间自相关带来的过拟合风险。

研究结果：模型性能与绿化效应的深度解析

1. 模型预测性能对比

研究结果显示，随机森林（RF）和图神经网络（GNN）在预测NO₂浓度方面表现出相似的准确性，两者的R²得分均约为0.6。然而，两种模型在性能表现上各有侧重。GNN模型在测试站点间表现出更小的预测精度变异，显示出更强的空间鲁棒性。而RF模型虽然在整体性能上与GNN相当，但其优势在于能够通过Shapley值分析提供局部可解释性，这对于理解各特征对预测结果的贡献至关重要。

2. 特征重要性分析

通过基于包装器的特征重要性分析，研究发现“加权平均污染”是预测NO₂浓度的最具影响力的特征。该特征封装了所有排放源的时间变化，包括影响分解的气象因素。相比之下，与绿化相关的属性（如绿量指数GVI）的贡献度相对较低。这一发现表明，虽然绿化对空气质量有积极影响，但在预测NO₂浓度时，排放源和气象条件仍然是更为主导的因素。

3. 绿化缓解效应的季节性变化

利用RF模型的可解释性优势，研究团队通过Shapley值深入分析了绿化对NO₂缓解效应的季节性变化。分析发现，绿化对NO₂浓度的负贡献（即缓解效应）呈现出明显的季节性趋势。随着温度和叶面积指数（LAI）的升高，绿化的缓解效应也随之增强。具体而言，绿量较高的站点在夏季月份表现出的负贡献是绿量较低站点的两倍以上。这表明，总叶面积是决定植被缓解能力的一个相关因素，植被的缓解效应在夏季达到峰值。

结论与讨论：双模型框架的提出与绿化效应的再认识

本研究通过对比随机森林（RF）和图神经网络（GNN）模型，为城市NO₂浓度预测提供了一种双模型框架。GNN模型凭借其空间鲁棒性，能够提供更稳定的操作性能；而RF模型则通过其卓越的可解释性，为理解各环境因子对空气质量的复杂影响提供了宝贵的见解。

在绿化效应方面，研究证实了城市绿化对NO₂的缓解作用确实存在季节性变化，且这种效应在绿量较高的区域更为显著。然而，研究也指出，这种相关性可能受到其他土地利用特征（如人口密度和交通流量）的混杂影响，因此需要谨慎解读。

总体而言，这项研究不仅为空气污染预测提供了先进的数据驱动方法，更重要的是，它通过引入动态植被数据和可解释的机器学习模型，深化了我们对城市绿化在缓解空气污染中作用机制的理解。随着新方法的不断发展，理解和控制这些复杂的相互作用，对于营造更健康、更可持续的城市环境至关重要。