基于集成机器学习的中国县级烹饪排放追踪及其驱动因素分析（1990-2021年）

烹饪排放作为PM2.5的重要来源，因其高毒性和与人口密集区的高度空间耦合性，对公共健康构成显著风险。尽管其重要性突出，但中国目前缺乏高精度、长时序、高分辨率的全国性烹饪排放清单，核心瓶颈在于难以获取长时间序列、精细空间尺度的活动水平数据。本研究通过融合机器学习技...

Cooking emissions, as a significant source of PM2.5, pose substantial risks to public health due to their high toxicity and strong spatial coupling with densely populated areas. Despite their notable importance, China currently lacks a national cooking emission inventory with high precision, long time series, and high spatial resolution. The core bottleneck lies in the difficulty of acquiring activity level data with long time series and fine spatial scales. This study integrates machine learning techniques

搜集汇总

背景与挑战

背景概述

该数据集是中国首个基于集成机器学习构建的县级烹饪排放清单，覆盖1990至2021年，提供了高时空分辨率（县级）的排放数据，并首次纳入超细颗粒物和多环芳烃等关键毒性污染物。它通过融合随机森林、XGBoost等多种机器学习模型，精准预测烹饪活动水平，解决了传统方法中活动数据获取的瓶颈，为PM2.5来源分析和公共健康风险评估提供了重要基础。