[논문 리뷰] Tracking Air Pollution in China: Near Real-Time PM2.5 Retrievals from Multiple Data Sources

Guannan Geng, Qingyang Xiao외 10명|arXiv (Cornell University)|2021. 03. 11.

Air Quality and Health Impacts참고 문헌 45인용 수 6

한 줄 요약

이 논문은 2000년부터 현재까지 중국 전역에 대해 근접 실시간으로, 10 km 해상도의 PM2.5 데이터셋인 중국 대기오염 추적(TAP) 데이터베이스를 제시한다. 이 데이터셋은 지상 측정치, 위성 AOD, 배출량 목록, 화학 운반 모델 출력 자료를 두 단계의 기계학습 모델을 활용해 융합하여 생성되었으며, SMOTE 및 트리 기반 누락 데이터 보정 기법을 적용하였다. 모델은 교차검증 시 잔차 제곱률(R²)이 0.83을 기록하여 높은 예측 성능를 보였으며, 높은 오염 이벤트와 누락된 AOD 데이터를 효과적으로 포착하여 실시간 대기질 모니터링 및 장기 환경 분석을 가능하게 한다.

ABSTRACT

Air pollution has altered the Earth radiation balance, disturbed the ecosystem and increased human morbidity and mortality. Accordingly, a full-coverage high-resolution air pollutant dataset with timely updates and historical long-term records is essential to support both research and environmental management. Here, for the first time, we develop a near real-time air pollutant database known as Tracking Air Pollution in China (TAP, tapdata.org) that combines information from multiple data sources, including ground measurements, satellite retrievals, dynamically updated emission inventories, operational chemical transport model simulations and other ancillary data. Daily full-coverage PM2.5 data at a spatial resolution of 10 km is our first near real-time product. The TAP PM2.5 is estimated based on a two-stage machine learning model coupled with the synthetic minority oversampling technique and a tree-based gap-filling method. Our model has an averaged out-of-bag cross-validation R2 of 0.83 for different years, which is comparable to those of other studies, but improves its performance at high pollution levels and fills the gaps in missing AOD on daily scale. The full coverage and near real-time updates of the daily PM2.5 data allow us to track the day-to-day variations in PM2.5 concentrations over China in a timely manner. The long-term records of PM2.5 data since 2000 will also support policy assessments and health impact studies. The TAP PM2.5 data are publicly available through our website for sharing with the research and policy communities.

연구 동기 및 목표

• 환경 연구 및 정책 수립을 지원하기 위해 중국 전역에 걸쳐 전체 커버리지, 고해상도, 근접 실시간 PM2.5 데이터셋을 개발하기 위해.
• 지상 측정망의 희소성과 완전하지 않은 위성 AOD 데이터의 한계를 다루기 위해 다양한 데이터 출처를 융합하기 위해.
• 특히 고오염 이벤트 동안 정확도를 향상시키기 위해 고급 기계학습 기법을 활용해 PM2.5 추정 정확도를 향상시키기 위해.
• 건강 영향 평가 및 정책 평가 연구를 위한 장기적인 역사적 기록(2000년 이래)을 제공하기 위해.
• 운영적 데이터 업데이트를 통해 중국 전역에서 매일의 PM2.5 변화를 실시간으로 추적할 수 있도록 하기 위해.

제안 방법

• TAP PM2.5 데이터셋은 지상 PM2.5 측정치, 위성 AOD 추정치, 동적 배출량 목록, 화학 운반 모델 출력 자료를 융합하는 두 단계 기계학습 모델을 사용하여 생성된다.
• 학습 데이터에서 희소하게 나타나는 고오염 이벤트에 대한 성능 향상을 위해 합성 소수 샘플링 기법(SMOTE)을 적용한다.
• 트리 기반의 누락 데이터 보정 방법을 적용하여 누락된 일일 AOD 데이터를 복원함으로써 데이터 완전성을 향상시킨다.
• 기상 및 지형 이용 변수를 포함한 보조 데이터와 지상 관측치를 조합하여 모델을 훈련시킨다.
• 모델 성능 평가를 위해 연도별로 교차검증을 수행하며, out-of-bag R²를 사용한다.
• 최종 제품은 근접 실시간 업데이트를 통해 10 km 해상도로 매일 전체 영역을 커버하는 PM2.5 지ap을 제공한다.

실험 결과

연구 질문

• RQ1 다양한 이질적인 데이터 출처를 활용해 중국 전역에서 근접 실시간으로 고해상도 PM2.5 데이터를 신뢰성 있게 추정할 수 있는가?
• RQ2 위성 AOD, 지상 측정치, 배출량 목록의 융합이 고오염 기간 동안 PM2.5 추정 정확도를 어느 정도 향상시키는가?
• RQ3 SMOTE 및 누락 데이터 보정 기법을 적용한 기계학습 모델이 누락된 AOD 데이터를 효과적으로 처리하고 고오염 조건에서도 정확도를 유지할 수 있는가?
• RQ4 모델의 성능은 다양한 연도와 오염 수준에서 어떻게 변동하는가? 그리고 그 예측 안정성은 어떠한가?
• RQ5 생성된 데이터셋이 장기적인 환경 및 건강 영향 평가에 어느 정도 기여할 수 있는가?

주요 결과

• TAP 모델은 다양한 연도에 걸쳐 교차검증 시 잔차 제곱률(R²)이 0.83을 기록하여 강력한 예측 성능를 보였다.
• 고오염 조건에서도 정확도가 향상되어 건강 및 정책 적용에 있어 핵심적인 중요성을 지닌다.
• 합성 소수 샘플링 기법(SMOTE)은 드물지만 영향력이 큰 오염 이벤트에 대한 모델 성능을 효과적으로 향상시켰다.
• 트리 기반의 누락 데이터 보정 방법은 누락된 일일 AOD 데이터를 성공적으로 복원하여 데이터 완전성과 모델 신뢰도를 향상시켰다.
• 이 데이터셋은 2000년부터 현재까지 10 km 해상도로 전체 영역을 커버하는 매일의 PM2.5 추정치를 제공하여 장기적 추세 분석을 가능하게 한다.
• TAP PM2.5 데이터셋은 연구자 및 정책 입안자들이 활용할 수 있도록 전용 웹사이트를 통해 공개되어 있다.