基于梯度提升樹算法的廣州市紫外輻射擬合模型構建與相關因子分析

李文慧 楊穎璨* 沈海波

(1 廣東省氣象公共服務中心,廣州 510640; 2 中國南方電網電力調度控制中心,廣州 510799)

引言

紫外線是波長在100～400 nm范圍內的太陽輻射,其能量在太陽輻射能中只占很小比例,但由于其光學作用和生物效應十分顯著,對人類健康、地球氣候以及生態環境具有重要的影響[1-2]。對人體來講,適量的紫外線輻射可以促進人體維生素D的生成,增強人體免疫力,而強度過高的紫外線輻射是引起人體皮膚癌、白內障的主要原因,過量的紫外線輻射還將導致人體免疫功能變異[3-5]。另一方面,紫外線輻射還影響著地球上植物的光合作用,過量紫外線會破壞光合作用,進而對生態環境產生影響[6]。紫外線還影響著參與大氣光化學反應的氮氧化物等物質,可能會導致這些物質發生二次污染,進而破壞人類生存的大氣環境[7-9]。

目前對于紫外線輻射強度的估算方法主要有經驗模型和輻射傳輸模式兩種。經驗模型,一般是基于地面獲取的紫外線輻射與常規氣象要素觀測資料,采用回歸分析等方法估算到達地面的紫外線輻射。曾艷等[10]利用到達地表的紫外輻射強度與太陽總輻射之間的關系建立了晴天紫外輻射經驗模型;張興化等[11]利用大氣質量數和晴空指數,建立了適合于拉薩紫外輻射估量的公式。輻射傳輸模型根據紫外輻射穿過大氣層到達地表的物理機制,考慮紫外線在大氣層中的衰減過程,進行近似求解,計算到達地面的紫外線輻射。沈元芳等[12]基于大氣輻射傳輸的物理機制建立了紫外線強度預報模型;鄧雪嬌等[13]運用TUV(Tropospheric Ultraviolet and Visible Radiation Model)模式模擬了到達廣州市紫外輻射強度,并指出氣溶膠對紫外輻射的衰減作用。上述經驗模型方法計算簡單,但物理意義不夠明確,輻射傳輸模型相對較為精確,但對計算機要求較高,且部分數據獲取較困難。

近年來,隨著數據挖掘技術的興起,很多學者將機器學習方法應用在氣象領域,并取得了非常出色的研究成果[14-16]。如胡春梅等[17]應用BP神經網絡模型和支持向量機回歸方法建立了重慶市主城區紫外線輻射強度客觀預報模型;并且在降水、氣溫等氣象要素預報中取得不錯的效果[18-22]。梯度提升樹(Gradient Boosting Decision Tree,GBDT)算法是一種常用的集成學習算法,該算法具有擬合精度高、解釋性強等優勢[23]。廣州市位于廣東省中南部,屬紫外線高輻射地區,進行紫外線輻射強度的研究尤為必要。因此,本文利用廣州紫外輻射觀測資料、氣象觀測數據以及環境空氣質量監測數據,分析廣州市紫外線輻射強度變化特征及其與氣象、環境因子的相關性,并采用梯度提升樹算法估算廣州市紫外輻射強度,為評價廣州市紫外輻射強度提供參考。

1 資料與方法

1.1 資料

所用的資料包括廣東省氣象探測數據中心提供的2019—2021年番禺站(59481)逐小時紫外輻射數據;常規氣象觀測數據,包括逐小時氣溫、相對濕度、露點溫度、海平面氣壓、風速、能見度等;FY-2G總云量產品。廣州市環保局提供的番禺市橋站環境觀測數據,包括逐小時空氣質量指數(AQI)和二氧化硫SO2、二氧化氮NO2、臭氧O3、顆粒物PM2.5、PM10等5種污染物質量濃度資料。

1.2 方法

1.2.1 數據分析方法

本文采用統計的方法對廣州市2019—2021年紫外線輻射的變化特征進行研究,并使用相關分析、t檢驗等方法分析紫外線輻射強度與氣象、環境因子的關系,這些方法在文獻[24]中有詳細敘述,這里不再贅述。

1.2.2 天空狀況劃分

本文天空狀況按照總云量成數劃分為晴天、少云、多云、陰天,總云量成數分別為<30%、30%～40%、50%～70%、>70%。

1.2.3 梯度提升樹回歸模型

運用梯度提升樹算法建立廣州市紫外輻射擬合模型。梯度提升樹算法是由Friedman[25]提出的一種集成學習算法,由多棵決策樹組成,進行多次迭代,每次迭代在一棵決策樹中產生一個結果,下一棵決策樹在上一次的殘差基礎上進行訓練,經過所有決策樹后,生成最終的結果。每棵新的決策樹建立的目的是使殘差往梯度[26]方向上減少,以此最終擬合出最接近真實結果的數據。

模型通過對特征值的重要性進行評估,以便理解哪些因素對于擬合結果有關鍵影響。Friedman[26]提出特征j的全局重要度,通過特征j在單顆樹中的重要度的平均值來衡量,計算方法為:

(1)

(2)

模型通過決定系數(R2)評價模型擬合的精確度,R2越大,模型擬合結果越準確,采用均方根誤差(RMSE)來評價回歸模型擬合結果與真實值差別大小的指標,均方根誤差越小,模型擬合效果越好。

決定系數計算公式為:

(3)

均方根誤差計算公式為:

(4)

本文是借助梯度提升樹算法,采用與紫外線輻射同期觀測的氣象、環境因子作為特征值,構建了紫外線輻射擬合模型,用于估算廣州市紫外線輻射強度。

2 廣州市紫外線輻射強度變化特征

2.1 日變化

由2019—2021年廣州市紫外線輻射強度平均日變化(圖1a)可知,紫外線輻射日變化曲線呈正態分布,從06:00起逐漸增大,12:00左右為全天紫外線輻射最強時段,隨后紫外輻射強度逐漸減小,于20:00趨于0 W·m-2。09:00—16:00時段紫外線輻射強度均在15 W·m-2以上,按照中國氣象規定的紫外線等級劃分(表略),紫外線輻射強度等級達到4級以上。紫外輻射強度的變化與天空狀況密切相關,06:00和20:00紫外線輻射強度基本為0 W·m-2,因此本文對06:00—20:00時段平均總云量成數進行劃分,按照晴天、少云、多云、陰天4類天空狀況對紫外線輻射強度日際變化進行分析(圖1b)。可知,在晴天和少云,紫外線輻輻射強度高且日極值大,晴天日極值可達40 W·m-2,達到紫外線輻射5級標準。在多云和陰天,紫外線輻射強度減弱且紫外輻射日極值明顯減小,陰天紫外線輻射強度最弱,日極值為15 W·m-2,且日變化幅度顯著減小。

圖1 2019—2021年廣州市紫外線輻射強度總體(a)及不同天空狀況(b)平均日變化

2.2 月際變化

廣州市屬于紫外線高輻射地區,由圖1a可知,廣州市09:00—16:00時段的紫外輻射強度達到4級以上標準,并在晴天、少云、多云天空狀況下,此時段紫外線輻射均較強,因此本文主要對09:00—16:00時段的平均紫外線輻射強度進行月際變化分析。由2019—2021年廣州市逐月平均紫外線輻射強度變化(圖2a)可知,廣州市紫外線輻射在不同月份均較強,可達15 W·m-2以上,2020、2021年紫外輻射強度的最大值出現在7月,2019年出現在9月。2019—2021年每年有連續3個月以上紫外輻射強度超30 W·m-2。廣州市紫外線輻射強度在1—4月最小,11—12月次之,3年紫外線輻射最小值都出現在3月,2020年最小為15.9 W·m-2。這種分布主要與太陽高度角變化有關,還與大氣污染狀況、天空狀況等諸多因素有關。圖2a顯示3—4月與9—10月的太陽高度角接近(黑色實線),但3—4月春季廣州降水量多(圖略),影響到達地面的紫外輻射強度,使到達地面的紫外線輻射強度減小。從紫外線輻射強度的季節變化(圖2b)也可知,夏季廣州市紫外輻射強度高于其他季節,但春季到達地面的紫外輻射較弱,這與蔣承霖等[27]研究結論一致。

圖2 2019—2021年廣州市紫外線輻射強度月平均變化(a),季節平均變化(b)

分析廣州市紫外線輻射強度等級的逐月分布(表1)可知,2019—2021年去除缺測數據,共計1087天個樣本。廣州市紫外線強度等級分布比重分別為1級天數占1.10%、2級天數占7.08%、3級天數占8.56%、4級天數占48.39%、5級天數占34.87%。紫外線輻射強度達4級的天數最多,共計526天,主要分布在1、11、12月,5級次之,共計379天,主要分布在夏季。

表1 2019—2021年廣州市紫外線強度逐月不同等級天數及占比

3 建立廣州市紫外線輻射擬合模型

3.1 紫外線輻射強度與氣象環境要素的相關性

本文基于在紫外線輻射估算中特征因子易于獲取的原則,選取氣溫、風速、海平面氣壓、相對濕度、能見度、總云量、溫度露點差、太陽高度角等作為常規氣象要素因子,AQI和SO2、NO2、O3、PM2.5、PM10作為環境要素因子分別與紫外線輻射強度進行相關系數計算,并分析不同變量之間相關性,選取顯著相關的影響因子并剔除冗余特征。將最終的特征值輸入梯度提升樹算法,構建紫外線輻射擬合模型。

表2給出了紫外線輻射強度與各因子的相關系數。可知,氣象因子中氣溫與紫外線輻射強度相關性最為密切,相關系數r達0.645,其次相關性較高的因子為能見度、總云量、相對濕度、溫度露點差(0.4<|r|<0.6)。太陽高度角與紫外線輻射強度相關性較好,相關系數r為0.426,并通過了α=0.01的顯著性檢驗。環境要素中O3濃度與紫外線輻射強度相關性最為密切,相關系數r為0.589,近地面O3主要來源于汽車尾氣及工業排放氮氧化合物和揮發性有機物光化學反應生成,太陽紫外輻射是光化學反應的基本條件之一,高強度的紫外輻射有效促進光化學反應生成速率,導致臭氧污染累積[28]。因此紫外線輻射越強,光化學反應越劇烈,與地表臭氧濃度存在正相關關系。NO2濃度與紫外線輻射強度相關系數r為-0.393,但SO2、PM2.5、PM10、和AQI濃度與紫外線輻射強度的相關性均較低(|r|<0.1)。

表2 紫外線輻射強度與氣象環境因子的相關系數

對通過顯著性檢驗的9個因子分別進行變量間相關系數計算(圖3)可知,相對濕度和溫度露點差、海平面氣壓和氣溫具有高相關性,相關系數分別達-0.99和-0.82,并且海平面氣壓與太陽高度角、溫度露點差與總云量也達到較高的相關性,而變量間的共線性會影響對模型的解釋[29]。因此剔除溫度露點差和海平面氣壓變量,使用氣溫、能見度、總云量、相對濕度、太陽高度角、O3濃度、NO2濃度7個因子作為特征值構建紫外線輻射擬合模型。

圖3 不同變量間相關系數

3.2 紫外線輻射擬合模型

依據上述對紫外線輻射強度顯著相關的氣象及環境要素的分析,將氣溫、能見度、總云量、相對濕度、太陽高度角、O3濃度、NO2濃度作為輸入量,使用梯度提升樹算法構建紫外輻射擬合模型。在構建模型之前首先要劃分訓練集與測試集, 本文選取7/10的樣本數據用于訓練,剩余樣本用于測試。梯度提升樹模型需要調整參數,包括弱學習器的最大迭代次數、損失函數、樹的最大深度等參數。在調節模型參數的過程中,通過模型測試集的決定系數R2來評判模型擬合優劣。由不同學習率下迭代次數與模型決定系數的關系可知(圖4a),隨著迭代次數的增加,模型的精度越來越高,學習率較小時需要更大的迭代次數才能使模型達到較高的精度。迭代次數過少會導致模型的欠擬合,過多會導致模型的過擬合。綜合考慮選擇迭代次數為100,學習率0.06,損失函數采用平方損失,并采用參數搜尋的方式確定回歸樹的最大深度為 4,葉子節點最少樣本數為 5作為模型參數。進一步計算模型輸入變量的相對重要性,以便理解哪些因素對于擬合結果有關鍵影響力。圖4b為每個輸入變量的相對重要性,可知相對重要性最高的氣溫,其次分別為臭氧、總云量、太陽高度角、能見度、相對濕度、二氧化氮。

圖4 不同學習率下模型迭代次數與決定系數的關系曲線(a),輸入變量的相對重要性(b)

通過對紫外輻射強度觀測值與估算值關系進行分析(圖5),藍色點為訓練集估算的紫外輻射強度與實際觀測值的散點分布,并擬合成線性的回歸線(藍色實線),其中決定系數R2為0．93,RMSE為2.7 W·m-2。紅色點為測試集估算的紫外輻射強度與實際觀測值的散點分布,并擬合成線性的回歸線(紅色實線),其中決定系數R2為0．80,RMSE為4.9 W·m-2,可知梯度提升樹算法構建的模型估算廣州市紫外線輻射效果較理想。

圖5 紫外輻射強度觀測值與估算值分布

3.3 擬合效果檢驗

將測試集輸入模型,擬合后的紫外輻射強度與真實值進行對比,結果如圖6所示,估算值與真實值相關系數達0.89,估算值結果與實際值很接近,但存在少部分測試數據比真實值偏小, 模型對高紫外輻射強度的估算可能會低估,但整體來說模型的擬合效果較好,準確度較高。進一步將紫外線輻射強度轉化為紫外線等級進行檢驗,估算等級正確的占75%,相差1級的占21%,相差2級的比例為4%,擬合結果較為理想。

圖6 紫外輻射強度觀測值與模型估算值的比較

4 結論

本文基于廣州市紫外輻射觀測資料、環境空氣質量監測數據以及氣象觀測數據,對廣州市紫外線輻射強度變化特征及與環境空氣質量、氣象因子的關系進行統計分析,并采用梯度提升樹算法建立廣州市紫外輻射擬合模型。主要得到以下結論:

(1)廣州市紫外線輻射強度具有明顯的季節變化特征和日變化特征,季節變化表現為夏秋季高、冬春季低的趨勢。廣州市紫外線輻射在不同月份均較強,可達15 W·m-2以上。2020、2021年紫外輻射強度的最大值出現在7月,2019年出現在9月。3年紫外線輻射最小值都出現在3月,2020年最小值只有15.9 W·m-2。在無其他因素影響下(晴天),紫外線輻射強度日變化與太陽高度角變化相似,呈現出早晚小中午大的特征,于12:00左右達到最大值。廣州市紫外輻射強度全年都較高,2019—2021年廣州市紫外線強度83.26%為“強”以上級別。

(2)與紫外線輻射強度顯著相關的因子為氣溫、能見度、總云量、相對濕度、溫度露點差,太陽高度角、海平面氣壓、O3濃度、NO2濃度。氣象因子中紫外線輻射強度與氣溫的相關性最為密切,其次相關性較高的為能見度、總云量、相對濕度、溫度露點差,環境要素中O3濃度與紫外線輻射強度相關性最為密切,SO2、PM2.5、PM10和AQI與紫外線輻射強度的相關性均較低。

(3)使用氣溫、能見度、總云量、相對濕度、太陽高度角、O3濃度、NO2濃度7個因子作為特征值構建了紫外線輻射擬合模型,模型訓練集和測試集的決定系數R2分別為0．93、0．80,對應的RMSE為2.7 W·m-2、4.9 W·m-2。估算值結果與實際值很接近,相關系數高達0.89,但存在少部分估算值比真實值偏小,模型對高紫外輻射強度的估算可能會低估,但整體來說模型的擬合效果較好。模型估算紫外線輻射等級正確的為75%,相差1級的占21%,相差2級的比例為4%。