中国环境科学

作者：许珊, 邹滨, 胡晨霞

单位：中南大学地球科学与信息物理学院, 湖南 长沙 410083

关键词：PM2.5,污染制图,场景假设,地理加权回归,人工神经网络

基金：国家重点研发计划（2016YFC0206201，2016YFC0206205）；国家自然科学基金资助项目（41871317）；中南大学创新驱动计划项目（2018CX016）

针对传统PM2.5浓度空间分布模拟方法忽略了城市内部如道路、工厂、居民区、景区等不同微环境整体对PM2.5浓度影响机制的缺陷，本研究提出一种微环境PM2.5浓度场景分异的理论假设，并以湖南长沙主城区为例，结合基于污染先验知识划分的城市微环境场景空间分布与自主设计加密观测场获取的203个监测点小时PM2.5浓度加密数据，分析城市微环境PM2.5浓度场景时空分异特征.在此基础上，耦合地理加权回归（GWR）与人工神经网络（ANN）方法，构建微环境场景增强下的PM2.5浓度空间分布精细模拟GWR-ANN模型，开展城市内部高空间分辨率PM2.5污染制图.结果表明：不同微环境场景间PM2.5浓度存在显著时空差异，地表覆盖类型相同但分别位于2个不同场景的监测点间PM2.5浓度差会随时间发生变化；耦合微环境场景变量的GWR-ANN模型能够有效精细模拟PM2.5浓度的空间分布，模型拟合效果与交叉检验精度指标整体优于无场景变量参与的GWR-ANN模型（除部分时相较为接近外，检验R2：0.76~0.84vs.0.57~0.81）；场景增强下的PM2.5浓度空间分布100m级分辨率模拟估算结果可以较好揭示研究区PM2.5浓度高低值局地变化特征.

来源：2019年第11期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2019年第11期