基于时空地理加权回归模型的长江经济带近地面NO2浓度估算与分析.pdf

摘要

NO2是常见的大气污染物之一，长期处于高NO2暴露环境会对人类健康造

成不利影响。近年来，随着我国经济的快速发展，工业生产和交通运输造成的能

源消耗进一步增加，我国已成为全球NO2污染最严重的地区之一。长江经济带

作为我国国家级三大发展战略之一，拥有全国21.4%的土地面积，生产总值超过

全国的45%，是我国生态文明建设的先行示范带。二十大报告中提出要推动绿色

发展，促进人与自然和谐共生，研究长江经济带近地面NO2浓度分布格局，对推

动长江经济带绿色、高效发展具有重要的现实意义。传统的近地面NO2浓度地

基监测，虽然可以准确监测站点周围近地面NO2污染状况，但由于监测站点分

布有限，难以实现对大空间尺度范围的连续性监测；卫星可以实现大空间尺度的

对流层NO2遥感监测，但是无法提供与人类健康直接相关的近地面NO2浓度。

所以将卫星遥感监测面数据与近地面监测点数据进行融合，实现大空间尺度的近

地面NO2浓度估算，对研究长江经济带NO2污染空间格局具有重要的意义。

本文基于2019年12月-2020年11月近地面NO2浓度数据、OMI-L3级对流

层垂直柱浓度、ERA5气象数据，分季节、分区域构建各时空尺度长江经济带近

地面NO2浓度时空地理加权回归模型（GTWR），并与普通线性回归模型（OLS）、

地理加权回归模型（GWR）、时间加权回归模型（TWR）估算结果进行对比。并

依据GTWR模型计算出的时空权重，计算监测点与估算点时空距离，根据时空

最邻近监测点的模型解释变量系数估算各未知点近地面NO2浓度，并利用IDW

插值实现对近地面NO2浓度加密估算结果的快速制图。

估算结果表明：相较于OLS、GWR、TWR模型，GTWR模型在各尺度均表

2

现出最高的拟合优度（R）与最低的均方根误差（RMSE）、平均绝对误差（MAE）、

平均绝对百分误差（MAPE），且在各季节与区域上表现出更好的估算性能；分季

节估算能有效减少时间异质性对模型的干扰，提高模型估算性能，但受大气层稳

定性与太阳辐射影响，模型在冬秋两季表现出高于春夏两季的估算性能；分区域

估算能有效减少空间异质性对模型的干扰，提高模型估算性能，受各地监测点数

量、分布疏密以及气象差异等多因素综合影响，模型在中游地区表现出高于下游、

中游的估算性能。

整体上看，长江经济带近地面NO2浓度与对流层垂直柱浓度在时空分布上

I

存在高度的相似性。时间分布上均呈现冬季浓度最高，春秋季浓度次之，夏季浓

度最低的季节变化趋势；空间分布上均呈现以长三角地区、鄂东部、成渝地区为

高浓度区向周围地市逐渐降低的空间格局，但是在部分中低值区域，对流层NO2

浓度由于空间分辨率受限通常呈现低值聚集，而估算的近地面NO2浓度则表现

出更多的空间分布细节。

局部上看，长江经济带上游地区近地面NO2浓度呈现东高西低的分布趋势，

总体表现为以成渝地区、攀枝花市为高值中心向周围地区逐渐降低的空间分布格

局；中游地区近地面NO2浓度呈现以各省省会城市为高值中心向周围地区逐渐

降低的空间分布格局；下游地区近地面NO2浓度呈现以长江三角洲城市群为高

值中心向周围地区逐渐降低的空间分布格局。

关键词：长江经济带、近地面NO、浓度估算、时空地理加权回归模型

2

II

Abstract

NOisoneofthecommonatmosphericpollutants,andlong-termexposureto

2

highNOcancause