基于隨機森林的2019年澳大利亞東海岸森林火災的PM2.5多源高分辨率反演方法

馬宗禾，駱哲文，孫 鐸，劉子炎，楊睿誠

（武漢理工大學，湖北 武漢 430070）

1 研究背景及意義

野火通常發(fā)生在農(nóng)村地區(qū)或山區(qū)，監(jiān)測站點數(shù)量有限且分布不均，因而難以實現(xiàn)整個火災區(qū)域PM2.5的擴散方式和傳輸特性等研究?；诜抡娴拇髿饪諝赓|(zhì)量模式預報在空間上具有連續(xù)覆蓋性，但分辨率較低，結(jié)果誤差較大。另外，野火PM2.5有高濃度高度變化的特點，現(xiàn)有的統(tǒng)計模型對于PM2.5-AOD的關(guān)系在時間和空間上無法完全解釋變化。

為解決現(xiàn)有野火PM2.5測算野火熱輻射高、易受風影響的難點，引入哨兵二號影像、風向等新變量；另一方面，采用機器學習算法，使用高分辨率AOD數(shù)據(jù)，對野火PM2.5進行遙感反演，以期來填補高濃度PM2.5的估算領(lǐng)域的空白并嘗試提高最終PM2.5反演結(jié)果的精度。

2019年9月以來澳大利亞東海岸森林火災引起國際社會廣泛關(guān)注，其產(chǎn)生的大量野火煙霧已環(huán)繞地球半周。因此，亟需高分辨率野火PM2.5濃度數(shù)據(jù)為環(huán)境科學、生態(tài)經(jīng)濟發(fā)展提供數(shù)據(jù)支撐，同時對公共衛(wèi)生和流行病學的研究也有重要意義。

2 研究方案

2.1 技術(shù)路線（圖1）

圖1

2.2 實施方案

2.2.1 數(shù)據(jù)處理

由于各類數(shù)據(jù)的來源、數(shù)據(jù)類型、空間分辨率不盡相同，要對各類數(shù)據(jù)進行預處理。模型的時間分辨率是24h，所搜集的數(shù)據(jù)大多為每日均值，對于非標準格式的數(shù)據(jù)按照數(shù)學與統(tǒng)計方法進行處理與驗證。

（1）填補AOD缺失：檢查AOD缺失，將Aqua和Terra AOD進行融合，再以AO據(jù)為基準建立一公里格網(wǎng)。

（2）對哨兵2號數(shù)據(jù)，計算改進歸一化燃燒指數(shù)（NBRT），分離燃燒區(qū)和非燃燒區(qū)。

式中，NIR波段范圍0.76-0.9μm；SWIR波段范圍2.08-2.35μm；Thermal波段10.4～12.5μm。

接著采用雙線性內(nèi)插方法對其做降尺度處理，再用1*1km格網(wǎng)對其重采樣。

（3）對于MODIS NDVI數(shù)據(jù)，因其分辨率比較低，用Aggregation函數(shù)對其進行數(shù)據(jù)整合，保證計算過程是一公里格網(wǎng)的均值。

（4）對每個MODIS火點數(shù)據(jù)創(chuàng)建多級緩沖區(qū)，計算每個網(wǎng)格單元MODIS的火點數(shù)，以15km緩沖區(qū)進行火點統(tǒng)計。

（5）使用最鄰近分類算法為每個氣象監(jiān)測站點分配氣象字段，從而獲取區(qū)域內(nèi)氣象要素的連續(xù)表面，然后使用反距離加權(quán)方法插值到1*1km網(wǎng)格中。

（6）對于土地利用數(shù)據(jù)，以每個PM2.5監(jiān)測站點為中心，建立1*1km的緩沖區(qū)，平均森林覆蓋率、高程值、道路長度到緩沖區(qū)，并計算每個緩沖區(qū)的人口密度。

（7）對于PM2.5數(shù)據(jù)，將某一網(wǎng)格單元內(nèi)所有PM2.5站點同一天的數(shù)據(jù)進行平均后賦值給該網(wǎng)格單元。

（8）對各因子與PM2.5濃度做多變量相關(guān)分析，并計算相關(guān)系數(shù)，移除會造成顯著共線性的變量，選取最優(yōu)預測變量。

2.2.2 模型構(gòu)建

剔除了數(shù)據(jù)的缺失值及異常值后，將數(shù)據(jù)集按照7：3的比例隨機劃分為訓練集和測試集。訓練集用于建立模型，測試集用于精度評價。

我們使用隨機森林對訓練集進行構(gòu)建模型。隨機森林具有以下優(yōu)點：運算量小，但預測精度高；可以高效的處理非線性過程；預測結(jié)果對非平衡數(shù)據(jù)和缺失數(shù)據(jù)較穩(wěn)健。我們將預處理后的相關(guān)因子作為模型的特征，監(jiān)測站點的PM2.5濃度作為監(jiān)督值，使用Python的Scikit-Learn模塊的算法訓練。同時幫助我們判斷本研究加入的哨兵2號數(shù)據(jù)、風向數(shù)據(jù)等是否真的提高了模型精度。

2.2.3 模型驗證

用先前劃分的測試集對建立的模型進行驗證，在此階段中，我們采用了模型預測值與地面觀測值之間的決定系0數(shù)（R2）、平均預測誤差（MPE）、均方根預測誤差（RMSE）、相對預測誤差（RPE）等統(tǒng)計指標來對模型擬合與交叉驗證結(jié)果進行比較，從而對模型表現(xiàn)和過度擬合現(xiàn)象進行評估。

2.2.4 模型應用

（1）澳大利亞野火煙霧PM2.5時空特征分析。因為地面監(jiān)測站點的稀疏性，所以僅靠地面監(jiān)測站的數(shù)據(jù)無法得知澳洲森林火災中煙霧PM2.5的整體變化。而我們建立的模型可以反演澳洲野火日均尺度PM2.5的濃度，研究澳洲野火PM2.5濃度的空間分布特征，并對其形成原因進行探討；同時會研究時間變化特征，并基于日時間序列和月均時間序列，分析澳洲野火期間PM2.5污染的時間變化趨勢。

（2）人口野火煙霧PM2.5暴露風險評估。基于建立的模型對火災期間的居民健康風險進行評估。我們將研究期分為以下三個子階段：“火災前”時期，即研究區(qū)域的PM2.5水平正常；“火災中”時期，即研究區(qū)域內(nèi)大多數(shù)AQ站中PM2.5的濃度急劇增加時；“火災后”時期，即PM2.5濃度恢復到正常水平。在不同的時期內(nèi)，我們將分別用空氣質(zhì)量濃度、人口暴露強度、人口加權(quán)濃度3種指標來對人口PM2.5暴露風險進行評估。

（3）野火顆粒物與相關(guān)疾病致死率關(guān)系研究。我們將澳大利亞全境范圍的AOD與PM2.5濃度時空分布情況與WHO提供的相關(guān)疾病的致死率健康數(shù)據(jù)結(jié)合，通過反距離權(quán)重（IDW）插值與提取等方法得到澳大利亞森林火災野火顆粒物與相關(guān)疾病致死率關(guān)系，從而對二者的關(guān)系進行分析與研究，為環(huán)境科學、生態(tài)經(jīng)濟發(fā)展提供數(shù)據(jù)支撐，對公共衛(wèi)生和流行病學的研究與決策提供有價值的建議。

3 創(chuàng)新點與特色

3.1 區(qū)別于常規(guī)研究的多源數(shù)據(jù)

由于野火PM2.5相對于城市PM2.5更難估算，傳統(tǒng)的建模變量不夠，本文采用多源數(shù)據(jù)進行PM2.5濃度空間估算，除常用的AOD數(shù)據(jù)、氣象數(shù)據(jù)（相對濕度、風速和行星邊界層）、土地利用數(shù)據(jù)外，引入火點數(shù)據(jù)、哨兵二號數(shù)據(jù)和風向數(shù)據(jù)等輔助數(shù)據(jù)。既利用了AOD數(shù)據(jù)對于PM2.5良好相關(guān)關(guān)系，同時又考慮了野火煙霧所產(chǎn)生的高濃度高度變化的PM2.5難以被有效估算的問題。已有研究表明，風向?qū)τ赑M2.5的分布有重要影響，但由于風向數(shù)據(jù)分析的復雜性，多數(shù)PM2.5濃度估算的研究沒有將其考慮在內(nèi)，因此，為了提高結(jié)果數(shù)據(jù)的準確性，加入風向數(shù)據(jù)，結(jié)合其他多源數(shù)據(jù)對PM2.5濃度估算的結(jié)果進行對比驗證。

3.2 高時空分辨率

采用1km分辨率的AOD數(shù)據(jù)作為基礎(chǔ)，將其他因素數(shù)據(jù)進行重采樣配準到該數(shù)據(jù)上，保證高空間分辨率。MAIAC算法使用時間序列分析并同時處理固定的25*25 km2塊中的像素組，以得出表面雙向反射率分布函數(shù)和氣溶膠參數(shù)，顯示出增強的對比局部尺度氣溶膠變化的能力，并提高了云雪探測和氣溶膠檢索的質(zhì)量。

3.3 優(yōu)化隨機森林算法，開發(fā)能反映PM2.5-AOD關(guān)系時間和空間變異的模型

我們對隨機森林算法進行優(yōu)化，解決PM2.5-AOD關(guān)系的時空異質(zhì)性問題，以提高模型的估算精度。對PM2.5人口暴露風險，我們利用隨機森林優(yōu)化模型估算的高精度PM2.5濃度空間分布數(shù)據(jù)進行評估，且利用多指標評價方法從多個角度對澳大利亞的PM2.5人口暴露風險進行評估。該評估方式的可信度高。

3.4 熱點研究與現(xiàn)實應用

2020年7月28日，世界自然基金會（WWF）發(fā)布一份報告，顯示2019年到2020年發(fā)生的澳大利亞叢林大火，造成了近30億只動物死亡或流離失所。面對自19世紀中葉以來最嚴重的火災，數(shù)據(jù)監(jiān)測方法與管理體系在不斷蔓延的火勢面前也顯得不盡人意。因此，針對本次火災的研究不僅具有深刻的現(xiàn)實意義，更是對于澳大利亞與整個國際社會的火災監(jiān)管體系有著深遠影響。我們的研究模型旨在為解決監(jiān)測與反演方法中現(xiàn)存部分缺陷并設(shè)法為相關(guān)監(jiān)管提出輔助決策與分析建議，而研究成果的應用則深化現(xiàn)實意義，在澳大利亞野火煙霧PM2.5時空特征分析、人口野火煙霧PM2.5暴露風險評估、野火顆粒物與相關(guān)疾病致死率關(guān)系研究等方面孵化研究成果。