作者:邵琦; 陈云; 李京卫星遥感气象再分析资料机器学习时空分析
摘要:为获取城市尺度空间连续准确的PM 2.5 浓度,该文以北京市为研究区,充分考虑气溶胶光学厚度和气象因素的影响,利用2017年MODIS 3 km AOD产品和ECMWF-ERA5气象再分析资料,结合空气质量监测站点的PM 2.5 数据,分别基于随机森林、多元线性回归、支持向量机和神经网络方法反演近地面的PM 2.5 浓度,结果表明:随机森林的反演精度最高、效果最好,其平均绝对误差(MAE)为12.08 μg/m 3、均方根误差(RMSE)为18.42 μg/m 3;对自变量进行重要性分析,气溶胶光学厚度对PM 2.5 反演模型的影响最大,其次为相对湿度、边界层高度和2 m气温。利用随机森林模型反演非采暖期(4-11月)的PM 2.5 浓度,并进行时空分析,结果表明:PM 2.5 月均浓度差异显著;空间分布呈现出中部、南部和东部较高,北部、东北部和西南部较低的特点;变化幅度呈现出中部和南部较大,西北部和西南部较小的分布特点。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社