资源描述：
《基于多源数据的pm25浓度时空分布预测与制图》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、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GeorgeChristakos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DepartmentofGeography,SanDiegoStateUniversity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
2、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8.32ug•m-3,平均拟合误差(MPE)为-0.042ug•m-3,平均绝对拟合误差(MAE)为4.60ug•m-3,与地理加权回归模型的结果相比(R=0.71,RMSE二15.68ug•m-3,MPE二-0.095ug•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
3、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：GeorgeChristakos,E-mai1:gchris
4、takos@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-TimeEstimationsandMappingofPM2.5FineParticulatesBasedonMultisourceDataXIAOLuLANGYi-chaoXIALangLOUZhao-hanSUNNanHUANGLi-tongGeorgeChristakosInstituteofIslandsandCoastaiEcosystems,ZhejiangUniversit
5、y;BeijingAgriculturalIntelligentEquipmentTechnologyResearchCenter,BeijingAcademyofAgricultureandForestrySciences;Abstract：PM2.5pollutioninChinahasbecomeanextremeenvironmentalandsocialproblemandhasgeneratedwidespreadpublicconcern.Weestimateground-levelPM2.5fromsat
6、ellite-derivedaerosolopticaldepth(AOD),topographydata,meteorologicaldata,andpollutantemissionsusingeinewtechnique,Bayesianmaximumentropy(BME)combinedwithgeographicallyweightedregression(GWR),toevaluatethespatialandtemporalcharacteristicsofPM2.5exposureinaneastern
7、regionofChinainwinter.Theoverall10-foldcross-validationR2is0.92,andtherootmeansquaredpredictionerror(RMSE)is8.32ug•m"3.Themeanpredictionerror(MPE)ofthepredictedmonthlyPM2.5is~0.042ug•m,themeanabsolutepredictionerror(MAE)is4.6011g•mComparedwiththeresultsoftheGeog
8、raphicallyWeightedRegressionmodel-GWR(R"二0.71,RMSE二15.68ug*nf‘，MPE=~0.095口g•nf；MAE二11.14Pg•m-3),thepredictionbytheBMEweregreatlyimproved.Inthislocation，thehigh
