《Atmospheric Environment》:Enhancing O
3 Design Value Predictions via Source-Tagged PM Tracers in Random Forest Bias Correction
编辑推荐:
摘要我们提出了一种用于每日8小时最大臭氧浓度预测的集合偏差校正框架,该框架结合了带有来源标记的颗粒物追踪因子以及传统的辅助变量,如臭氧、二氧化氮、甲醛、气象变量和卫星气溶胶光学厚度。以UCD/CIT化学传输模型作为测试模型,通过全州范围内(2009–2018年)的站点分层抽样方式
摘要
我们提出了一种用于每日8小时最大臭氧浓度预测的集合偏差校正框架,该框架结合了带有来源标记的颗粒物追踪因子以及传统的辅助变量,如臭氧、二氧化氮、甲醛、气象变量和卫星气溶胶光学厚度。以UCD/CIT化学传输模型作为测试模型,通过全州范围内(2009–2018年)的站点分层抽样方式训练月度随机森林模型。引入带有来源标记的追踪因子后,测试模型在各个季节都能获得稳定且具有统计意义的提升;在UCD/CIT框架中,最具影响力的追踪因子与木材燃烧有关,尤其在夏季和秋季的野火期间。在EPA监测点进行的每日评估显示,相较于原始CTM模型,该方法能显著提升预测精度(相关性从0.66提升至0.88,相应地均方根误差也有所降低)。这些改进还体现在臭氧设计值上:回归系数更加精确,R2值从0.45上升至0.78,站点级的偏差误差降低了约22%,达标分类的准确性也得到了提升。在当前的预测因子集合和数据量下,无论是在使用前对近地面温度进行偏差校正,还是将基础随机森林模型与二级学习器(随机森林和XGBoost)结合使用,都未能带来具有统计意义的额外提升,这说明基础随机森林已经捕捉到了现有预测因子所代表的绝大部分可学习信息。总体而言,本研究为CTM模型中固有的、带有来源标记的颗粒物追踪因子作为随机森林偏差校正中具有物理意义的可解释预测因子提供了方法学上的验证,证明了相比单纯的颗粒物质量信息,这些追踪因子在提升臭氧浓度场和设计值估算精度方面具有更明显的优势。
引言
大量流行病学证据表明,接触环境空气污染物与多种不良健康后果密切相关,包括中风风险增加、认知功能受损、阿尔茨海默病、糖尿病以及自闭症谱系障碍(Xiang等人,2025年;Cauble等人,2025年;Moulton和Yang,2012年;Goodrich等人,2024年;Renzi等人,2018年)。地面臭氧是美国环境保护署规定的六种标准空气污染物之一,它是由挥发性有机化合物和氮氧化物在阳光驱动下的光化学反应生成的(Atkinson,2000年)。要有效控制高浓度的臭氧,就需要依靠观测数据和模型提供的关于污染物空间和时间分布的可靠信息。固定监测网络虽然能够提供高质量的数据,但其分布较为稀疏,易受当地排放模式的影响,且运营成本较高。化学传输模型则能够实现连续覆盖,但却存在诸多误差来源,包括初始条件、排放量、排放时间和种类以及气象条件的不确定性(Foley等人,2015年;Tang等人,2007年;Schneidemesser等人,2023年),化学机制的简化处理(Venecek等人,2018年)、边界条件的设定(Gilliam等人,2015年)以及数值求解器的限制(Santillana等人,2016年)。正是由于这些局限性,人们开始采用偏差校正方法,尤其是在需要制定监管标准的情况下,比如臭氧设计值——这是美国环保署用来确定达标状况的指标,指的是某监测点三年内每年第四高的日最大8小时臭氧浓度的平均值。由于模型的系统性偏差会直接影响到臭氧设计值的估算,因此通过严谨的统计方法纠正模型偏差,对于确保准确的达标评估和政策分析至关重要(Jones等人,2005年;Astitha等人,2017年;Karamchandani等人,2017年)。由于不同来源的排放混合物可能会产生相似的颗粒物浓度,但臭氧偏差结构却有所不同,因此带有来源标记的CTM追踪因子为随机森林模型提供了一种具有物理意义的方法,使其能够根据不同的排放情况而非单纯的颗粒物总量来进行偏差校正。
集成树方法,包括随机森林和梯度提升树,在CTM模型偏差校正方面表现优异,因为它们能够在保持计算效率的同时,处理结构化预测因子集中的非线性相互作用(Senthilkumar等人,2022年;Ye等人,2022年;Xiong等人,2023年;Vovk等人,2024年;Ivatt和Evans,2020年)。对于本研究而言,随机森林尤为适用,因为它可以通过特征重要性和SHAP诊断工具,直接分析带有来源标记的变量对预测结果的贡献程度。因此,本研究要探讨的问题并非某种新的机器学习架构是否比现有算法更具优势,而是CTM模型中固有的、按来源分类的信息是否能够提升现有的随机森林偏差校正框架的性能,相比仅使用整体颗粒物质量信息而言。
本研究旨在提升模型估算的臭氧设计值精度。我们利用CTM模型的输出结果,结合WRF气象数据以及卫星气溶胶光学厚度数据,训练了一个随机森林偏差校正模型。随后,我们又将该模型的预测因子集合扩展为包含九种按来源分类的颗粒物追踪因子——这些追踪因子取代了原有的单一整体颗粒物协变量,分别对应道路汽油排放、非道路汽油排放、道路柴油排放、非道路柴油排放、木柴燃烧产生的烟雾、烹饪产生的烟雾、航空排放、天然气排放以及其他来源的排放——以此来研究按来源分类的信息是否能够进一步提升CTM模型的偏差校正效果及其可解释性。
章节节选
模型配置
本研究以加利福尼亚大学戴维斯分校/加州理工学院开发的三维、基于来源信息的化学传输模型为例,该模型能够模拟2009–2018年间加利福尼亚州的臭氧浓度变化情况(Kleeman和Cass,2001年;Yu等人,2019年)。该化学传输模型能够处理包含排放和沉降过程的平流-扩散-反应过程。在本研究中,该模型采用了SAPRC11气相化学机制,不过也可以采用类似的其他机制。
随机森林偏差校正
图2展示了测试站点实测的日最大8小时平均臭氧浓度与基础化学传输模型预测值(左图)以及经过随机森林校正后的预测值(右图)的对比散点图。插图显示了相应变量的分布情况。实线代表1:1的参考线。为便于可视化,图中仅展示了处于第0.5%到第99.5%分位数范围内的数据,而标注的统计指标则代表了整个数据集的情况。
结论
本研究展示了一种基于来源追踪因子的随机森林偏差校正方法,用于预测每日8小时最大臭氧浓度,其中以UCD/CIT化学传输模型的计算结果作为示例,说明了该方法可能带来的优势。研究将传统的预测因子,包括臭氧、二氧化氮、甲醛、WRF气象数据以及卫星气溶胶光学厚度数据,与九种带有来源标记的颗粒物追踪因子相结合,以此提升传统随机森林模型的性能。在2009–2018年的十年间,采用这种带有来源标记的追踪因子的随机森林模型始终能够
CRediT作者贡献说明
Mohammad Astaneh:撰写——初稿撰写、模型验证、软件开发、数据收集、正式分析。Ninez Ponce:撰写——审阅与编辑、资金筹集。Michael Jerrett:撰写——审阅与编辑、资金筹集。Yu Yu:撰写——审阅与编辑。Sunny Kant:模型验证、数据整理。Michael Kleeman:撰写——审阅与编辑、项目监督、项目管理、数据收集、正式分析、概念设计。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
利益冲突声明
? 作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。
致谢
本研究得到了加利福尼亚州空气资源委员会的资助(资助编号:23RD019)。
Mohammad Astaneh|Sunny Kant|Yu Yu|Michael Jerrett|Ninez A. Ponce|Michael J. Kleeman
加利福尼亚大学戴维斯分校土地、空气和水资源系,美国加利福尼亚州95616