| 基于多源数据的PM2.5浓度时空分布预测与制图 |
| 摘要点击 2799 全文点击 783 投稿时间：2017-05-12 修订日期：2017-06-27 |
| 查看HTML全文
查看全文 查看/发表评论 下载PDF阅读器 |
| 中文关键词 PM2.5 遥感 气溶胶光学厚度 贝叶斯最大熵 地理加权回归 制图 |
| 英文关键词 PM2.5 remote sensing aerosol optical depth(AOD) Bayesian maximum entropy(BME) geographically weighted regression(GWR) air pollution mapping |
| 作者 | 单位 | E-mail | | 肖璐 | 浙江大学海岛与海岸带研究所, 舟山 316021 | xiaolu93@zju.edu.cn | | 郎艺超 | 浙江大学海岛与海岸带研究所, 舟山 316021 | | | 夏浪 | 北京市农林科学院北京市农业智能装备技术研究中心, 北京 100089 | | | 楼昭涵 | 浙江大学海岛与海岸带研究所, 舟山 316021 | | | 孙楠 | 浙江大学海岛与海岸带研究所, 舟山 316021 | | | 黄李童 | 浙江大学海岛与海岸带研究所, 舟山 316021 | | | George Christakos | 浙江大学海岛与海岸带研究所, 舟山 316021
Department of Geography, San Diego State University, San Diego, CA, USA | gchristakos@zju.edu.cn |
|
| 中文摘要 |
| 随着我国经济、工业化、城市化进程迅速发展，PM2.5污染在中国已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PM2.5质量浓度，收集并处理了遥感反演的气溶胶光学厚度（AOD），气象数据，其他地理数据和污染物排放数据，采用贝叶斯最大熵（BME）结合地理加权回归（GWR）来分析2015年冬季的PM2.5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R2为0.92，均方根误差（RMSE）为8.32 μg·m-3，平均拟合误差（MPE）为-0.042 μg·m-3，平均绝对拟合误差（MAE）为4.60 μg·m-3，与地理加权回归模型的结果相比（R2=0.71，RMSE=15.68 μg·m-3，MPE=-0.095 μg·m-3，MAE=11.14 μg·m-3），BME的预测结果有极大的提高.空间上，PM2.5高浓度地区主要集中在华北、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PM2.5污染最为严重，2015年的11月，2016年的2月污染相对较低. |
| 英文摘要 |
| 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 a new technique, Bayesian maximum entropy (BME) combined with geographically weighted regression (GWR), to evaluate the spatial and temporal characteristics of PM2.5 exposure in an eastern region of China in winter. The overall 10-fold cross-validation R2 is 0.92, and the root mean squared prediction error (RMSE) is 8.32 μg·m-3. The mean prediction error (MPE) of the predicted monthly PM2.5 is -0.042 μg·m-3, the mean absolute prediction error (MAE) is 4.60 μg·m-3. Compared with the results of the Geographically Weighted Regression model-GWR (R2=0.71, RMSE=15.68 μg·m-3, MPE=-0.095 μg·m-3, MAE=11.14 μg·m-3), the prediction by the BME were greatly improved. In this location, the high PM2.5concentration area is mainly concentrated in North China, the Yangtze River Delta, and Sichuan Basin. The low concentration area is mainly concentrated in the south of China, including the Pearl River Delta and southwest of Yunnan. Temporally, there is migration trend from the coastal areas inland, and PM2.5 pollution is most serious in December 2015 and January 2016. It is relatively low in November 2015 and February 2016. |
|
|
|
