论文摘要
为深入了解四川盆地PM2.5与PM10污染情况,通过机器学习的方法,基于卫星遥感气溶胶产品(MAIAC)与国家环境空气质量监测网数据以及气象、地理、社会经济变量等,构建2个随机森林机器学习模型(R2均为0.86),反演四川盆地2013~2017年间1km网格逐日PM2.5与PM10浓度时空分布,并分析两者的时空关联性.结果表明:2013~2017年四川盆地地面PM2.5与PM10平均浓度分别为47.8,75.2μg/m3.PM2.5与PM10浓度空间上均整体呈现"倒月牙"状分布,西部与南部区域浓度值较高.5a间,区域颗粒物浓度逐年递减,总降幅均达到27%,季节上则均具有"冬高夏低"的特点;PM2.5与PM10浓度空间相关性显著(相关系数0.96),呈现"内强外弱"的格局,春夏季相关系数(0.91、0.90)低于秋冬季(0.96、0.96).盆地西南部PM2.5与PM10比值较高,比值高低的季节性排序为冬季>秋季>夏季>春季.
论文目录
文章来源
类型: 期刊论文
作者: 汤宇磊,杨复沫,詹宇
关键词: 颗粒物,气溶胶光学厚度,机器学习,卫星遥感,四川盆地,时空分布
来源: 中国环境科学 2019年12期
年度: 2019
分类: 工程科技Ⅰ辑
专业: 环境科学与资源利用
单位: 四川大学建筑与环境学院,国家烟气脱硫工程技术研究中心
基金: 国家自然科学基金项目(41875162),四川省科技计划资助(2018SZDZX0023,2018SZ0316)
分类号: X513
DOI: 10.19674/j.cnki.issn1000-6923.2019.0575
页码: 4950-4958
总页数: 9
文件大小: 2802K
下载量: 362