清华大学吴烨团队ES&T Air封面文章：基于大样本移动监测和土地利用机器学习的空气污染分布精细表征

本研究由清华大学吴烨教授团队在ES&T Air期刊上发表，主要探讨了利用大样本移动监测和土地利用机器学习（LUML）模型来精细表征空气污染分布。研究在中国深圳的主干道上采集了约500万条逐秒移动监测数据，并构建了全路网细粒度浓度分布特征图，涉及NO、NO2和PM2.5。通过比较多种机器学习算法和不同细分路段长度，研究发现随机森林（RF）和梯度提升机（GBM）在预测NO、NO2和PM2.5方面表现最佳。研究提出了一种经济高效的道路级别污染分布表征方法，为城市细粒度空气污染管理提供了新的解决方案。