空气负氧离子(NOI)浓度是评价空气新鲜和清洁程度的重要指标。为了提高NOI浓度的监测能力，综合考虑气象要素和遥感因子，分析NOI浓度的关键影响因子，利用皮尔逊相关分析、PCA分析和随机森林机器学习方法(RF)构建了福建区域NOI浓度的PCA-RF预测模型。研究发现，(1)NOI浓度分布与风速(Wair)、空气温度(Tair)、大气压强(Pair)、能见度(IVIS)、气溶胶光学厚度(hAOD)、植被指数(INDVI)、湿度指数1(INDMI1)、植被供水指数(IVSWI)和亮度指数(INDSI)呈显著相关(均通过0.01显著性检验),其中Wair、IVIS、INDVI和IVSWI与NOI浓度呈正相关，Tair、Pair、hAOD、INDMI1和INDSI与NOI浓度呈负相关。(2)主成分数量为7时，方差累计贡献率达到93.36%,能够代表所有因子的大部分信息。(3)PCA-RF模型最佳的ntree和mtry分别为400和7。对福建区域NOI浓度影响较大的前3个因子依次为Pair、IVIS和IVSWI。(4)PCA-RF模型在验证集上的RMSE为803.73 ions/cm3,R2为0.44,MAE为548.79 ions/cm3。

福建省科技计划社会发展引导性(重点)项目(2020Y0072)；

1 研究区概况与研究方法
1.1 研究区概况
1.2 主要数据源
1.3 研究方法
1.3.1 遥感因子反演
1.3.2 模型构建方法
1.3.3 模型估算精度评价指标
2 结果与分析
2.1 气象和遥感因子与NOI浓度相关性分析
2.2 福建省NOI浓度预测
2.2.1 气象、遥感因子的PCA分析
2.2.2 模型参数率定及精度验证
3 结论