论文部分内容阅读
目前大气污染问题已成为影响我国城市和区域可持续发展的重要因素，空气污染正逐步成为我国面临的最严峻的环境问题之一，空气污染物对人类健康的影响也引起了公众的高度关注，其中对人体危害最为严重的为细微颗粒PM25，即空气动力学当量直径小于或等于2.5μm的颗粒物。由于PM2.5浓度受多种因素的影响，导致其在时间尺度、空间尺度上均存在变异性，因此能够对PM25浓度进行高精度预测，对于指导政府空气污染管理措施、相关疾病的预防及控制等多个方面极为重要。 本硕士论文以山东省为例，基于遥感影像、气象、土地利用、污染源、交通、地面监测数据及社会经济等多源数据，采用集成广义相加模型结合克里格方法实现了基于位置的PM2.5浓度时空预测，并结合块克里格方法实现了基于区域的PM2.5月均浓度的预测。基于位置的PM25浓度时空预测模型，不仅考虑了多种预测因子与PM2.5浓度之间的非线性关系，还以时间基函数及由克里格处理的空间残差来反映PM25的时空变异特性，并且由集成方法可得基于位置的时空预测的不确定性，该方法在未使用PM10自变量的情况下，交叉验证R2为0.86，在使用PM10自变量的情况下，交叉验证R2为0.89。基于区域的PM25月均浓度时空预测模型是在位置时空预测模型的基础上，结合块克里格方法对山东省30个区域进行预测，在预测2014年区域PM2.5月均浓度的交叉验证R2为0.77。模型外推预测2016年的多区域月平均浓度，与实际观察数据比较取得了很好的精度(R2=0.73)结果表明，本文提出的基于位置的预测模型以及基于区域的预测模型，均可进行外推预测，并取得良好的效果。 本研究的方法不仅反映了多源数据因子与PM25浓度之间的非线性关系，而且还考虑到PM2.5浓度分布的时空特性，在不同时间尺度、空间尺度上对PM25浓度进行预测，提高了PM25的预测精度，所提出的方法及结果在空气质量预测、环境科学研究及环境污染的预测预防等方面具有良好的应用前景。