利用地统计模型开展暴露评估被广泛应用于空气污染负面健康效应的流行病学研究。地统计模型的建模方法众多，但不同建模方法及其模拟结果之间的对比研究较少。本研究应用变量降维、变量筛选和机器学习三类方法在上海市创建了地统计模型，并开展了空间暴露模拟和人群暴露评估的对比研究。
基于上海市2016年至2019年55个空气监测点位的NO₂和PM_2.5观测数据，以及交通路网、排放源兴趣点、卫星数据等地统计变量，应用偏最小二乘回归（PLS）、监督学习线性回归（SLR）、机器学习随机森林（RF）建立了年暴露模拟模型，并进一步应用普通克里金插值（OK）法分析模型残差，构建复合模型（PLS-OK、SLR-OK和RF-OK）。应用5倍交叉验证对模型的模拟效果进行评估，根据结果选择每种建模方法的最优模型结构（是否应用OK）作为最终模型。另外基于三种模型2019年模拟结果，评估了上海市NO₂和PM_2.5的人群暴露水平。
三种模型的交叉验证结果如表1所示，结果表明：NO₂模型中表现最好的是RF-OK和PLS-OK模型；PM_2.5模型中PLS模型优于SLR-OK和RF-OK模型。应用三种建模方法对上海市1km网格开展年暴露模拟和对比，NO₂模型间模拟结果间的相关性（相关系数[r] : 0.82 ~ 0.91）比PM_2.5模拟结果间的相关性（r：0.66 ~ 0.96）高。此外人群暴露评估的结果表明：上海NO₂的高暴露人群远多于PM_2.5的高暴露人群。
对三种模型在上海地区的年均值模拟结果和人群暴露评估进行比较后发现，交叉验证结果相近的模型，其空间模拟结果存在差异，这体现出应用空间模拟结果结合交叉验证结果综合评估和对比不同模型表现的重要性。

表1 模型交叉验证结果

污染物	年份	PLS				SLR				RF
		RMSE	R2mse	R2reg		RMSE	R2mse	R2reg		RMSE	R2mse	R2reg
NO2	2016	3.7	0.81	0.8		5.0	0.67	0.7		5.3	0.63	0.6
	2017	3.7	0.79	0.8		5.5	0.54	0.6		4.4	0.71	0.7
	2018	3.5	0.80	0.8		4.2	0.71	0.7		3.7	0.77	0.8
	2019	4.4	0.77	0.8		5.7	0.61	0.6		5.1	0.70	0.7
PM2.5	2016	2.2	0.71	0.8		2.3	0.67	0.7		3.2	0.35	0.3
	2017	1.7	0.71	0.7		2.0	0.57	0.6		2.8	0.21	0.4
	2018	1.9	0.62	0.7		2.1	0.54	0.5		2.8	0.20	0.4
	2019	1.6	0.69	0.7		2.2	0.41	0.4		2.2	0.39	0.2
污染物	年份	PLS-OK				SLR-OK				RF-OK
		RMSE	R2mse	R2reg		RMSE	R2mse	R2reg		RMSE	R2mse	R2reg
NO2	2016	3.6	0.83	0.8		4.7	0.71	0.7		4.7	0.70	0.7
	2017	3.6	0.80	0.8		5.2	0.59	0.6		4.2	0.73	0.7
	2018	3.1	0.84	0.8		4.0	0.73	0.8		3.3	0.82	0.8
	2019	4.3	0.78	0.8		5.7	0.61	0.6		4.7	0.74	0.7
PM2.5	2016	2.3	0.66	0.8		1.8	0.79	0.8		2.7	0.56	0.6
	2017	1.7	0.68	0.7		1.9	0.63	0.6		2.2	0.51	0.6
	2018	2.0	0.60	0.7		2.3	0.48	0.5		2.6	0.31	0.6
	2019	1.7	0.66	0.7		2.2	0.40	0.4		2.2	0.39	0.5

 

地统计模型；PM2.5；NO2；偏最小二乘法；随机森林