基于时空混合效应模型的京津冀PM2.5浓度变化模拟
为揭示京津冀地区高精度PM2.5的时空分布特征,以空间分辨率为1 km的MAIAC AOD数据为主要预测因子,以气象数据、植被指数、夜间灯光数、人口密度和海拔数据作为辅助因子,构建了一种新的时空混合效应模型(STLME),在拟合最优次区域划分方案基础上对京津冀地区PM2.5浓度进行预测分析.结果表明,基于STLME模型的ρ(PM2.5)预测精度高于传统的线性混合效应模型(LME),其十折交叉验证(CV)R2为0.91,明显高于LME模型的0.87,说明STLME模型在同时校正PM2.5-AOD关系的时空异质性方面具有优势.最优次区域划分方案识别出PM2.5-AOD关系的空间差异,并结合缓冲区平滑方法,提高了 STLME模型预测精度.京津冀PM2.5浓度时空变化差异显著,高值区主要分布在以石家庄、邢台和邯郸为中心的河北南部,低值区则位于燕山-太行山区;冬季PM2.5污染最严重,其次是秋季和春季,夏季污染最轻.STLME模型提供的高精度PM2.5浓度时空分布预测结果,为京津冀地区与PM2.5污染相关的健康风险评估提供了科学依据,也为大气污染源识别提供了科学参考.
PM2.5、多角度大气校正算法的气溶胶光学厚度(MAIAC AOD)、时空混合效应模型(STLME)、时空差异、京津冀地区(BTH)
43
X513(大气污染及其防治)
国家自然科学基金;河北省自然科学基金青年项目;河北省教育厅青年基金项目
2022-07-28（万方平台首次上网日期，不代表论文的发表时间）
共12页
2262-2273
