基于lur模型的长沙市城区no2和pm10浓度的时空分布模拟-环境工程专业论文.docxVIP

硕士学位论文摘 硕士学位论文 摘 要 当前土地利用回归(1and use regression，LUR)模型模拟N02和PMlo空气污 染物浓度分布的研究中，缺乏对LUR模型中缓冲区类型的影响、气象要素在LUR 模型中的应用和提高LUR模型中时间分辨率方法的深入探索，致使模型不能解释 气象因素对污染物的影响程度，严重阻碍了LUR模型模拟精度高、使用范围广和 空间分辨率高等优势的发挥，难以为决策人员和研究人员提供完备、准确和精度 高的N02和PMlo浓度数据。本研究对此以长沙市城区2010年N02和PMl0季度 平均浓度和2013年4月至2014年4月的日平均浓度模拟为例，基于常用的土地 利用变量和气象要素变量，构建了不同缓冲区类型的LUR模型、气象因子回归 (meteorological factors regression，MFR)模型和反向传递神经网络(back propagation neural network，BPNN)模型来模拟N02和PMl0浓度的时空分布。 研究结果表明： 不同特征变量对N02和PMlo浓度的贡献率差异较大，其中主要道路长度、居 住面积和公共设施用地面积变量对污染物的影响较大，表明空气污染物的空间分 布与交通状况和人类的活动密切相关。变量对污染物浓度的影响随空间尺度的变 化明显，1200米缓冲区内的土地利用类型变量对污染物的影响较大。 基于相同