基于GWR-EBK的四川地区PM2.5浓度估算研究
大气PM2.5污染是当前我国重要环境污染问题之一,针对我国目前现有的空气监测站点数目有限且分布不均匀,获取无监测站点区域PM2.5浓度数据困难的问题,结合2018年四川省气象站点监测数据以及GNSS基准站获取的天顶对流层延迟(Zenith Tropospheric Delay,ZTD)数据,通过克里金插值得到空气质量站点对应的气象数据和ZTD数据,再结合空气质量监测站点数据并顾及温度和气压存在多重共线性问题,将实验分为实验A不顾及温度,实验B不顾及气压,建立地理加权回归经验贝叶斯克里金(Geographically Weighted Regression Empirical Bayesian Kriging,GWR-EBK)模型,实现对2018年四川地区不同季节尺度的空间PM2.5浓度估算.研究结果 表明,GWR-EBK模型不同季节尺度的PM2.5浓度估算效果较单一的经验贝叶斯克里金(Empirical Bayesian Kriging,EBK)模型和地理加权回归(Geographically Weighted Regression,GWR)模型更好,实验A、B中,较EBK模型均方根误差和平均绝对误差提高均保持在30％～50％之间；较GWR模型均方根误差和平均绝对误差提高均保持在25％～45％之间,其中A、B两组实验均方根误差提高冬季最为显著,分别为37.39％和和33.99％；对比实验A、B,实验A估算不同季节尺度PM2.5浓度空间分布效果更为显著,其均方根误差和平均绝对误差均小于实验B,并且GWR-EBK模型的RMSE和MAE均小于3μg/m3,因此顾及多因子构建GWR-EBK模型估算区域PM2.5是切实可行的.
GWR-EBK GWR EBK PM2.5浓度估算 ZTD
唐友兵 谢劭峰 魏朋志 张亚博 张继洪 曾印
桂林理工大学测绘地理信息学院,桂林市,中国,541006 桂林理工大学测绘地理信息学院,桂林市,中国,541006;广西空间信息与测绘重点实验室,桂林市,中国,541006
国内会议
北京
中文
1-7
2022-12-01（万方平台首次上网日期，不代表论文的发表时间）