近日，我室与河海大学联合培养的博士生宋梓庚在Remote Sensing上发表了有关机器学习反演大气污染物浓度的相关论文，通讯作者为我室何贤强研究员。

随着《清洁空气行动计划》（2018-2020年）的实施和2020年COVID-19封锁的影响，我国中部和东部地区的空气污染物排放量明显下降。为了综合评估这段时间内大气污染物浓度的时空分布及其变化，我们结合卫星遥感、再分析和地面观测数据（图1a），建立机器学习（ML）模型（图1b）来分析2018-2020年中国中部和东部地区PM_2.5、PM₁₀、O₃和CO浓度的时空变化。

图1 (a)研究区域;(b)随机森林(RF)模型流程图。

图2 PM_2.5、PM₁₀、O₃和CO浓度的模型训练和验证散点密度图。(a-d) PM_2.5、PM₁₀、O₃、CO浓度模型训练集结果; (e-h)验证集结果。

图3 2020年2月、5月、8月和11月模型预测PM_2.5、PM₁₀、O₃、CO浓度的空间分布及其年平均相对变化率。 (a) PM_2.5、PM₁₀、O₃、CO的空间分布;(b) PM_2.5、PM₁₀、O₃、CO浓度的年平均相对变化率。白色区域表示空缺数据。

图4 2018 - 2020年基于随机森林模型预测的PM_2.5、PM₁₀、O₃、CO平均浓度变化。(a) PM_2.5; (b) PM₁₀; (c) O₃; (d) CO

机器学习模型的验证结果如图2所示，PM_2.5、PM₁₀、O₃和CO验证数据集的均方根误差（RMSE）分别为9.027 μg/m³、20.312 μg/m³、10.436 μg/m³和0.097 mg/m³。2020年2、5、8、11月四种污染物浓度的时空分布及2020年变化率如图3所示。与2018年和2019年的平均值相比，2020年PM_2.5、PM₁₀、O₃和CO浓度分别下降了16.4%、24.2%、2.7%和19.8%（图3）。在2020年2月，受COVID-19封锁的影响，PM_2.5、PM₁₀和CO分别下降了44.1%、43.2%和35.9%，下降趋势持续到2020年5月（图4-5）。

图5 2018年1月1日至2020年12月31日站点实测和模型预测的PM_2.5、PM₁₀、O₃和CO浓度的时间序列变化(a) PM_2.5; (b) PM₁₀; (c) O₃; (d) CO

引用：Song Z, Bai Y, Wang D, Li T, He X. Satellite Retrieval of Air Pollution Changes in Central and Eastern China during COVID-19 Lockdown Based on a Machine Learning Model. Remote Sensing. 2021; 13(13):2525. https://doi.org/10.3390/rs13132525