Schätzung der NO2-Konzentration in der Nähe der Oberfläche durch Random-Forest-Modellierung und Sentinel-5P sowie ergänzende Daten

In der vorliegenden Studie wird ein tägliches Modell zur Schätzung der NO2-Konzentration in der Nähe der Oberfläche in China vorgeschlagen, das erstmals den Random-Forest (RF) Maschinenlernalgorithmus mit den troposphärischen NO2-Säulen des TROPOspheric Monitoring Instruments (TropOMI) Satelliten sowie meteorologischen und NO2-Daten von Bodenstationen in China für das Jahr 2019 kombiniert. Darüber hinaus wurden Daten zur NO2-Konzentration in der Nähe der Oberfläche von Bodendaten während des COVID-19-Ausbruchs vom 1. bis 5. Februar 2020 verwendet, um das entwickelte Modell zu verifizieren. Das tägliche Modell wurde durch die zehfach Kreuzvalidierungsmethode verifiziert, wobei ein Bestimmtheitsmaß (R2) von 0,78 und ein quadratischer Mittelwertfehler (RMSE) von 7,04 μg/m3 ermittelt wurden, die angemessen und auch mit anderen veröffentlichten Studien vergleichbar sind. Darüber hinaus zeigte unser Modell, dass die NO2-Konzentration in der Nähe der Oberfläche in China während der COVID-19-Pandemie im Vergleich zu 2019 signifikant reduziert war, und diese Vorhersagen stimmten gut mit den Referenzdaten vor Ort überein. Unser vorgeschlagenes Modell kann auch NO2-Schätzungen für Gebiete in Westchina liefern, in denen es nur wenige Bodenmessstationen gibt. Insgesamt deuten die Ergebnisse unserer Studie darauf hin, dass das hier etablierte Modell zur Schätzung der täglichen NO2-Konzentration in der Nähe der Oberfläche in China geeignet ist und somit verwendet werden kann, wenn es an Bodenstationen fehlt und/oder in einigen Gebieten Beobachtungen fehlen.