基于多源遥感数据的城市NO2浓度机器学习估算方法

《Smart Cities》：Developing a Machine Learning Approach for Estimating Urban NO2 Concentrations Using Multi-Source Remote Sensing Data

　　

专业术语翻译的摘要 准确估算空气污染物，特别是二氧化氮（NO2），对于评估空气质量和支持知情政策决策至关重要。本研究探讨了机器学习技术在克罗地亚萨格勒布市估算地面NO2浓度的应用，采用了两种集成机器学习方法：随机森林（RF）和极端梯度提升（XGB）。最终模型通过多变量建模方法开发，整合了多种数据源，包括来自国家空气质量监测站的地面测量数据、通过遥感获取的公开卫星数据（即哨兵-5P上的TROPOMI和哨兵-2上的MSI），以及来自ERA5再分析数据集和哥白尼气候变化服务（C3S）的气象与气候变量。这些变量捕捉了与城市区域NO2分布相关的空间、时间和大气动态。性能指标显示出强大的预测能力，RF模型达到了R2=0.74，均方根误差（RMSE）=9.86 μg/m3，平均绝对误差（MAE）=6.89 μg/m3；而XGB模型的结果略优（R2=0.78；RMSE=8.76 μg/m3；MAE=6.09 μg/m3）。利用SHAP值的分析揭示，NO2的对流层垂直柱浓度、海拔高度和边界层高度是两个模型中最重要的变量。研究人员为目标区域生成了估算地面NO2浓度的高分辨率地图，以深入了解污染物在城市中的空间分布可视化情况。此外，还进行了详细的季节性分析，表明秋冬季NO2水平升高，而春夏季节浓度较低。这些季节性变化可能由气象条件、排放源和大气扩散特征的变化驱动。本研究表明，利用空气质量监测站数据和哥白尼计划的公开数据，可以开发出用于局部绘制NO2污染物的高质量模型。

论文解读文章

研究背景与问题

空气污染，尤其是二氧化氮（NO₂），对环境和人类健康构成严重威胁。NO₂主要来源于化石燃料燃烧，是形成地面臭氧和光化学烟雾的关键前体物。短期暴露于高浓度NO₂会引起呼吸道刺激，长期暴露则与肺功能下降和心血管疾病风险增加相关。尽管已有国家空气质量监测网络，但其站点数量有限，难以提供城市尺度的精细化空间分布信息。传统的卫星观测如TROPOMI（对流层监测仪）虽然能提供NO₂柱浓度数据，但其与地面实测浓度之间的关系复杂，无法通过简单回归模型描述。因此，如何有效融合多源遥感数据、气象数据和地面监测数据，利用机器学习方法实现城市尺度地面NO₂浓度的精确估算，成为当前环境遥感领域的重要课题。现有研究多集中于中国和德国等地区，针对克罗地亚萨格勒布市此类具有地形异质性（包含梅德韦德尼察山）的城市环境的研究尚存空白。

研究内容与结论

本研究旨在开发一个机器学习框架，通过整合国家空气质量监测站数据与公开的多源遥感及环境数据，估算萨格勒布市的地面NO₂浓度。研究人员采用随机森林（RF）和极端梯度提升（XGB）两种算法构建模型，并利用SHAP（Shapley加法解释）值分析各输入变量的贡献度。研究结果表明，两种模型均表现出良好的预测能力，其中XGB模型的精度略优于RF模型。通过SHAP分析发现，TROPOMI测量的NO₂对流层垂直柱浓度、数字高程模型（DEM）所代表的海拔高度以及边界层高度（BLH）是最重要的预测变量。研究成功生成了覆盖整个萨格勒布行政区域的、空间连续的地面NO₂浓度估算地图，并揭示了其显著的季节性变化规律——秋冬季浓度高于春夏季。这一研究成果为缺乏密集监测站点的城市提供了一种经济有效的空气质量评估方法，能够支持城市规划、交通管理和公共卫生决策。

关键技术方法

本研究采用的主要技术方法包括：

1. 1.
   数据收集与预处理：从哥白尼计划（Copernicus programme）获取多源遥感数据，包括哨兵-5P（Sentinel-5P）/TROPOMI的NO₂对流层垂直柱浓度数据、哨兵-2（Sentinel-2）/MSI的多光谱影像（用于计算归一化植被指数NDVI、归一化水体指数NDWI和归一化建筑指数NDBI）。同时，从欧洲中期天气预报中心（ECMWF）的ERA5-Land再分析数据集获取气象变量（如温度、风速、边界层高度等），并从哥白尼大气监测服务（CAMS）获取气溶胶和颗粒物数据。此外，还使用了欧盟数字高程模型（EU-DEM）和开放街道地图（OSM）的道路数据来计算距离道路的距离（DTR）。
2. 2.
   机器学习建模：在R语言环境下，利用caret、randomForest和xgboost包，分别构建随机森林（RF）和极端梯度提升（XGB）回归模型。通过超参数调优（交叉验证）确定最优模型配置。
3. 3.
   模型解释与制图：运用SHAP方法进行后验解释，量化各预测变量对模型输出的贡献。将训练好的最佳模型应用于统一空间分辨率（500米）的栅格数据上，生成全城范围的地面NO₂浓度空间分布图。

研究结果

4.1 所选机器学习模型评估

研究分三步逐步增加输入变量（从仅使用TROPOMI NO₂数据，到加入ERA5-Land气象变量，最终纳入所有变量），对RF和XGB模型进行训练和测试。最终模型使用全部变量。RF模型的最优超参数为mtry=6，ntree=1000，nodesize=5。XGB模型的最优超参数为eta=0.05，max_depth=6，subsample=0.8，alpha=0.2，lambda=1。在测试集上的精度评估结果显示，RF模型的R²=0.74，RMSE=9.86 μg/m³，MAE=6.89 μg/m³；XGB模型的R²=0.78，RMSE=8.76 μg/m³，MAE=6.09 μg/m³。散点图分析表明，XGB模型在预测高浓度（>100 μg/m³）时比RF模型更精确，后者略有低估。

4.2 变量影响分析

通过SHAP分析识别变量重要性。在RF模型中，最重要的变量依次是TROPOMI NO₂（NO2_S5）、海拔高度（DEM）和距道路距离（DTR）。在XGB模型中，最重要的变量则是海拔高度（DEM）、TROPOMI NO₂（NO2_S5）和风的v分量（v_wind）。边界层高度（BLH）在两个模型中均位列第四重要。SHAP依赖图揭示了非线性关系：低BLH导致预测的NO₂浓度升高，高BLH则相反；海拔高度的影响是非单调的。最不重要的变量是降水（precip）、颗粒物（PM）和哨兵-2的B1波段。

4.3 空气质量制图

研究人员生成了特定日期（2021年6月29日）和四个季节的平均NO₂浓度空间分布图。结果显示，高浓度区域主要集中在市中心和主要道路沿线，低浓度区域位于东南部的农业区和梅德韦德尼察山区。两个模型都捕捉到了秋冬季浓度高、春夏季浓度低的季节变化模式。XGB模型估算的浓度普遍高于RF模型，尤其是在秋冬季，两者差异在市中心可达20 μg/m³以上。夏季时，RF模型的估算均值略高于XGB模型。

讨论与结论总结

在讨论部分，研究人员将本研究结果与其他类似研究进行了对比。例如，Grzybowski等人（2021）在全波兰的RF模型中获得了R²=0.53，RMSE=5.9 μg/m³的结果，而Shetty等人（2024）在整个欧洲的XGB模型中获得了R²=0.66，RMSE=13.07 μg/m³的结果。本研究的精度指标处于合理范围内，证实了方法的有效性。SHAP分析进一步确认了TROPOMI NO₂、海拔和边界层高度是影响模型预测的关键因素，这归因于萨格勒布市显著的地形落差和大气稳定性的影响。研究指出，降水、CAMS颗粒物和哨兵-2 B1波段的重要性较低，未来工作可考虑优化或剔除这些变量。

研究结论：本研究证明了利用随机森林（RF）和极端梯度提升（XGB）算法，结合国家监测站数据、哥白尼地球观测数据和气象数据，能够在局地尺度（克罗地亚萨格勒布市）有效估算地面NO₂浓度。经过超参数调优和交叉验证，XGB模型在预测精度上略优于RF模型（RMSE分别为8.76 μg/m³和9.86 μg/m³）。SHAP分析揭示了TROPOMI NO₂、海拔高度和边界层高度是最关键的预测变量。研究的主要成果之一是生成了覆盖萨格勒布全市的、空间连续的NO₂浓度估算地图，这是首次基于多源数据集成和机器学习为该市提供此类壁到壁的空间估算。该框架不仅揭示了NO₂的季节性和空间差异，也为未来开发城市空气质量决策支持和早期预警系统奠定了基础。总体而言，本研究展示了地面监测、地球观测数据和机器学习的集成可以为传统城市空气质量评估提供有价值的补充方法，将点状观测转化为空间连续信息，有助于更详细地理解城市NO₂模式，并为数据驱动的规划与环境管理提供额外证据基础，从而支持更健康、更可持续的智慧城市建设。