基于改进LUR模型的大区域PM2.5浓度空间分布模拟
针对采用传统土地利用回归(land use regression,LUR)模型进行大气污染物浓度模拟时预测变量信息损失的缺陷,将主成分分析(principle component analysis,PCA)与逐步多元线性回归(stepwise multiple line regression,SMLR)相结合,提出了一种改进的LUR (PCA+ SMLR)模型模拟大区域PM2.5浓度空间分布的方法.首先采用相关分析筛选与PM2.5显著相关的预测变量,然后对筛选出的预测变量进行主成分变换(PCA),最后保留所有主成分变量进行SMLR建立回归模型模拟PM2.5浓度.并以京津冀为研究区域进行实验验证,对PCR、SMLR、PCA+ SMLR这3种模型的实验结果进行对比分析,结果表明,PCA+ SMLR模型可提高预测变量对回归模型的贡献度,调整后R2达0.883,并且其精度检验指标及制图效果皆优于传统的LUR模型,证明了该模型可有效提高PM2.5浓度的模拟精度,对PM2.5区域联防联控具有指导意义.
PM2.5、PCA、SMLR、贡献度、空间分布
43
P208(一般性问题)
2017年地理国情监测工程第二批第一包专题性监测Q1722;国家自然科学基金41701213;中国测绘科学研究院基本科研业务费项目7771716;地理国情监测国家测绘地理信息局重点实验室开放基金2016NGCMZD03;国家自然科学青年基金41501192
2018-11-12（万方平台首次上网日期，不代表论文的发表时间）
共7页
1574-1579,1587
