中国环境科学

作者：周琪, 于洋, 刘苗苗, 毕军

单位：1. 南京大学环境学院, 污染控制与资源化研究国家重点实验室, 江苏 南京 210023;2. 清华大学环境学院, 北京 100084;3. 清华大学交叉信息研究院, 北京 100084

关键词：PM2.5,机器学习,非参数估计,暴露风险评估,特征识别

基金：国家自然科学基金资助项目（72174084）；国家自然科学基金资助项目（71761147002）；中央高校基本科研业务费（0211-14380171）

为开展区域风险评估，融合手机信令、气象和地理信息等多源数据，引入随机森林机器学习、非参数估计分位数图示法和非监督学习K-mean等方法，构建了区域PM2.5风险评估及特征识别评价框架，在南京市区以0.3km分辨率网格为基础单元开展了案例研究.结果表明，该技术既可有效模拟PM2.5浓度时空分布，十折交叉验证R2达到0.76，证明了准确度较高，并基于此识别出4种主要污染特征；也可有效捕捉短期人口流动导致的风险，在污染浓度不变的情况下短期人口流动会导致风险增加0.30~0.97倍.综合PM2.5浓度和人口分布，识别出4种主要暴露风险模式，其中，研究区域6.5%的面积为高风险地区，23.0%的面积为低风险地区.“十四五”期间应加快现代科学技术在环境保护领域的应用，实施网格化和差异化的风险控制政策，维护人群健康.

来源：2022年第8期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2022年第8期