pm2.5浓度土地利用回归建模关键问题研究

《pm2.5浓度土地利用回归建模关键问题研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据中南大学硕士学位论文1绪论要较多观测点数据作为基础，在PM2．5观测数据缺失或稀疏区域，该方法的预测功能往往失效，且考虑要素单一，容易放大PM2．5极端浓度值的变化【l21。(2)MODIS遥感影像反演是基于气溶胶光学厚度(AOD)与PM2．5浓度数据之间关系模型估算影像覆盖地区PM2．5浓度分布的方法，覆盖范围广，但该方法受限于成像时相往往无法获取任意感兴趣时间点的MODIS影像【l3

2、，加之目前只能达到几百至上千米的空间分辨率【8】[13】，难以满足城市PM2．5浓度空间分布特征识别的需求。(3)大气扩散模拟是基于城

3、市下垫面、气象场和污染源特征，运用边界层湍流扩散理论及空气化学理论确立PM2．5浓度迁移、扩散和转化规律的方法，在模拟过程中仅需较少PM2．5浓度观测数据检验模型精度。但该方法需要假定扩散模式和大量的数据输入(如地形数据、排放数据等)，操作复杂、难以大范围推广应用[141[15】【16】。(4)土地利用回归建模(LandUseRegression(LUR)Modeling)是一种基于空气质量监测站点PM2．5观测浓度及其周边地理要素变量，借助最小二乘法建立的用于预测研究区内任意空间位置点PM2．5浓度的多变量回归建模手段【171

4、，具有考虑因素齐全、使用范围广、估算精度和空间分辨率高等优点。但该方法截止目前仍存在驱动要素不确定、变量选取不规范，模型时空迁移能力差等缺陷。鉴于土地利用回归建模具有数据要求低、考虑因素齐全、模拟精度和空间分辨率较高、适用范围广等优点【loJ【111，在全球PM2．5污染日益严峻的大环境下，依托逐步完善的PM2．5监测网络和可获取性、完整性逐渐增强的地理数据，对LUR建模存在的问题做进一步的探索研究，将极大的推进LUR方法在PM2．5污染浓度模拟中的应用，为PM2．5污染时空变化特征分析、健康效应分析等研究带来新的发展契机。1．

5、2国内外研究现状LUR方法也称为回归制图，在空气污染制图中的应用始于1997年Briggs等人的SAVIAH研究【l引，该研究以较少数站点的空气污染监测数据为因变量，与污染物浓度分布相关的地理要素特征变量为自变量建立随机模型成功模拟小面积区域的N02浓度分布。随后该方法被广泛应用于欧洲、北美等地区N02、NOx、03、VOC、PM2．5空气污染物浓度的模拟‘18】【19】【20】【2l】。截止到目前，已报道的PM2．5LUR模型有近20个。但不同研究的模型构建流程和模型精度均存在较大差异，为了深入分析LUR建模的关键问题及解决方

6、案，下面将从样本数据选取、建模特征变量筛选、模型构建与检验、模型精度四个主要LUR建模流程分析PM2．5LUR模型的研究现状。2万方数据中南大学硕士学位论文1绪论1．2．1样本数据选取研究现状不同的研究用于建立土地利用回归模型的样本数据不同，主要体现为样本数据来源、样本数量大小与分布和采样时间的差异。大部分的研究基于常规监测网络获取PM2．5浓度数据【22】【23】【24】【25】【26】，仅有少数研究考虑到常规监测网络密度不足满足小尺度室外空气污染浓度变化建模的需要进行了以模型构建为目的的自主采样监测【20】【27】【28】【

7、29】【30】【3l】【32】，部分研究甚至借助其他更精确的浓度数据模拟方法获取样本数据用于LUR模型的探索与优化【321。自主采样监测即自主设计监测网络，在特定时期开展浓度监测，可以有效控制监测站点分布，设置监测时间和监测密度，尽量使样本数据契合模型构建的需要，但是存在成本高、测量时空范围有限等缺点。相对而言，由政府组建的常规监测则省时、省力又省钱，且能够提供长期、连续的监测数据。近年来，随着PM2．5常规监测网络的逐步完善，大多数城市地区的常规监测网络已经足够密集到可用于回归模型的构建。但是在使用的过程中必须注意区分监测站点

8、的类型(背景点、交通点等)，因为常规监测网络的设计主要依存于政府决策，不一定适合土地利用回归模型的构建。如有的地区的常规监测网点往往集中在潜在的污染热点上(道路附近、街区或工业区等)，有的地方的常规监测网点则优先放置在远离污染热点地方【331。对于给定的研究区域，目前并没有严格确定所需监测站数量及分布的方法。已报道的PM2．5LIAR研究中使用的样本数量从10多个到300多个不等，主要集中在20．80个之间。尽管有其他污染物的土地利用回归建模研究表明：对于特定地点的监测，大约40．80个样本数据是较合理的【11】；使用随机选择的

9、40个样本数据构建的奥斯陆市区NOxLUR模型和利用整套的80个监测样本数据的建模结果没有明显区别【34J；使用65个随机选择的监测样本数据构建的加拿大多伦多市N02LUR模型的构建和用94个监测样本数据建立的模型非常相似【35】。但是这些经验在PM2．5浓度模