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
