典型文献
基于时空混合效应模型的京津冀PM2.5浓度变化模拟
文献摘要：
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.
文献关键词：
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)
中图分类号：
作者姓名：
范丽行;杨晓辉;宋春杰;李梦诗;段继福;王卫;李夫星;李伟妙
作者机构：
河北师范大学地理科学学院,石家庄 050024;河北省环境演变与生态建设实验室,石家庄 050024;河北省科学院地理科学研究所,河北省地理信息开发应用工程技术研究中心,石家庄 050011;河北省环境变化遥感识别技术创新中心,石家庄 050024
文献出处：
引用格式：
[1]范丽行;杨晓辉;宋春杰;李梦诗;段继福;王卫;李夫星;李伟妙-.基于时空混合效应模型的京津冀PM2.5浓度变化模拟)[J].环境科学,2022(05):2262-2273
A类：
时空混合效应模型,STLME,多角度大气校正算法
B类：
PM2,浓度变化,变化模拟,京津冀地区,时空分布特征,空间分辨率,MAIAC,AOD,预测因子,气象数据,植被指数,夜间灯光,光数,人口密度,辅助因子,区域划分,预测分析,线性混合效应模型,十折交叉验证,CV,时空异质性,空间差异,缓冲区,时空变化,石家庄,邢台,邯郸,北南,低值,燕山,太行山区,最轻,时空分布预测,健康风险评估,大气污染,污染源识别,气溶胶光学厚度,时空差异,BTH
AB值：
0.271248
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
