基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段，受限于地面观测点的数量，从遥感反演 PM2.5 是常规地面观测的有效补充，是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度，然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递，从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法，直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS)影像与地 面实测 PM2.5 的关系，可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差，最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试；然后，根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型；最后，将此模型用于整幅 MODIS 影像，得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证，并通过决定系数和均方根误差两个表现指标进行对比和分析，验证了所提算法的优越性