城市内部PM2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM2.5浓度分布特征,缺少不同时刻城市场景(如:道路、工业区、住宅区等)对PM2.5浓度复杂非线性影响的解析.本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM2.5浓度,然后融合地理加权回归(Geographical Weighted Regression,GWR)和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)方法,提出一种基于GWR-GBDT的PM2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM2.5浓度的非线性关系,提升了城市PM2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM2.5浓度的非线性作用影响.结果表明:①基于移动PM2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM2.5浓度之间的非线性关系,能够有效精细模拟PM2.5浓度的空间分布,十折验证R2结果为0.52～0.94;②通过部分依赖图分析同一场景在不同时段对PM2.5浓度响应的异质性,发现各类场景对PM2.5浓度提升或抑制作用并不稳定;③解析不同时段人类活动与城市场景对PM2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM2.5污染,公园文体服务区在多数时段对PM2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM2.5浓度提升;④从PM2.5浓度的空间分布来看,福州市主城区南部PM2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM2.5浓度升高,而城市陆地外围水域对沿岸PM2.5浓度具有抑制作用;⑤研究结果可为不同场景下PM2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM2.5污染暴露风险防范提供支持.

PM2.5模拟;移动监测;城市场景;GWR;GBDT;部分依赖图;时空分析;福州市主城区

谢晓苇;李代超;卢嘉奇;吴升;许芳年

福州大学空间数据挖掘与信息共享教育部重点实验室,福州350002;福州大学数字中国研究院(福建),福州350002;福州大学地理空间信息技术国家地方联合工程技术研究中心,福州350002

地球信息科学学报

[1]谢晓苇;李代超;卢嘉奇;吴升;许芳年-.基于移动监测数据的不同城市场景下PM2.5浓度精细模拟与时空特征解析)[J].地球信息科学学报,2022(08):1459-1474

移动监测,同城,城市场景,PM2,时空特征,特征解析,市内,空间异质性,遥感数据,监测站,高时空分辨率,下城,浓度分布特征,不同时刻,工业区,住宅区,非线性影响,传感器安装,快递,车上,福州市主城区,地理加权回归,Geographical,Weighted,Regression,GWR,梯度提升决策树,Gradient,Boosting,Decision,Tree,GBDT,解析模型,非线性关系,监测能力,结合部,部分依赖图,图解,不同时段,同场,非线性作用,作用影响,模拟城市,浓度响应,人类活动,医疗单位,提升作用,通勤,密切关系,高污染,污染场,建筑工地,洒水,降尘,文体服务,服务区,山体公园,傍晚,晚会,水域,沿岸,精细化治理,城市规划,高危人群,污染暴露,暴露风险,时空分析

0.347678