基于多源数据的PM25浓度时空分布预测与制图.docx

基于多源数据的PM2. 5浓度时空分布预 测与制图 肖璐郎艺超夏浪楼昭涵孙楠黄李童George Christakos 浙江大学海岛与海岸带研究所 北京市农林科学院北 京市农业智能装备技术研究中心Department of Geography, San Diego State University 摘要： 随着我国经济、工业化、城市化进程迅速发展，I啪2.5污染在中国己经成为一个极 端的环境和社会问题，并引起广泛关注?采用新技术估算的地表1咆2.5质量浓度， 收集并处理了遥感反演的气溶胶光学厚度(A0D),气象数据，其他地理数据和 污染物排放数据，采用贝叶斯最大嫡(BME)结合地理加权冋归(GWR)来分析 2015年冬季的PM暴露在我国东部大范围区域的时空变异特征?结果表明，BME 模型的十折交叉验证结果的决定系数/为0. 92,均方根误差(RMSE)为 8. 32 u g ? m-3,平均拟合误差(MPE)为-0. 042 u g ? m-3,平均绝对拟合误差 (MAE)为4. 60 u g ? m-3,与地理加权回归模型的结果相比(R=0. 71, RMSE二 15. 68 u g ? m-3, MPE二-0. 095 u g ? m-3, MAE=11. 14ug ? m-3) , BME 的预测结 果有极大的提高?空间上，Ph高浓度地区主要集屮在华北、长江三角洲、四川 盆地，低浓度地区主要集中在中国的最南部如珠江三角洲和云南的西南部;时间 上，不同月份的研究区域PM2.5空间分布所有差别，2015年的12月、2016年1 月PM/污染最为严重，2015年的11月，2016年的2月污染相对较低. 关键词： PM2.5;遥感;气溶胶光学厚度;贝叶斯最大爛;地理加权回归;制图; 作者简介：肖璐(1993~),女，硕士，主要研究方向为空气污染时空数据分析 与建模;E-ma订：xiaolu93@zju. edu. cn 作者简介：George Christakos, E-mai 1:gchristakos@zju. edu. cn 收稿日期：2017-05-12 基金：国家自然科学基金项Fl (529105-N11701ZJ) Space-Time Estimations and Mapping of PM2. 5Fine Particulates Based on Multisource Data XIAO Lu LANG Yi-chao XIA Lang LOU Zhao-han SUN Nan HUANG Li-tong George Christakos Institute of Islands and Coastai Ecosystems, Zhejiang University; Beijing Agricultural Intelligent Equipment Technology Research Center, Beijing Academy of Agriculture and Forestry Sciences; Abstract： PM2.5 pollution in China has become an extreme environmental and social problem and has generated widespread public concern. We estimate ground-level PM2.5 from satellite-derived aerosol optical depth ( AOD), topography data, meteorological data, and pollutant emissions using ei new technique, Bayesian maximum entropy ( BME) combined with geographically weighted regression ( GWR) , to evaluate the spatial and temporal character is tics of PM2.5 exposure in an eastern region of China in winter. The overall 10-fold cross-val idation R2 is 0. 92, and the root mean squared prediction error ( RMSE) is 8. 32 u g ? m3. The mean prediction error ( MPE) of the predicted monthly PM2.5 is~0. 042 u g ?