常州市国控站PM_(2.5)监测的代表范围研究

为评价常州市国家大气自动监测站(国控站)细颗粒物(PM_(2.5))监测的代表范围,通过1 km×1 km的多角度大气校正算法(MAIAC)的气溶胶光学厚度(AOD)等相关数据,采用随机森林方法进行PM_(2.5)估算反演,考虑变异函数和最优分割模型等统计学模型,开展国控站PM_(2.5)监测代表范围的评价。结果表明:(1)估算反演的PM_(2.5)浓度空间分布显示,常州市区东部区域浓度相对较高,西南部区域浓度相对较低;(2)变异函数分析中,PM_(2.5)浓度在5 km范围内具有相对显著的空间相关性,但超过5 km范围后空间自相关性不显著,差异性增大到最大;(3)最优分割法分析中,常州市各个国控站PM_(2.5)监测均存在各自的代表范围,2019年的代表范围为3~5 km,其中“经开区”站点范围最大(5 km),“市监测站”和“武进监测站”站点范围最小(均为3 km),且逐年分析显示,各个站点PM_(2.5)监测的代表范围呈上升趋势。

基于时空混合效应模型的京津冀PM_(2.5)浓度变化模拟

为揭示京津冀地区高精度PM_(2.5)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PM_(2.5)浓度进行预测分析.结果表明,基于STLME模型的ρ(PM_(2.5))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)R^(2)为0.91,明显高于LME模型的0.87,说明STLME模型在同时校正PM_(2.5)-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PM_(2.5)-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PM_(2.5)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PM_(2.5)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PM_(2.5)浓度时空分布预测结果,为京津冀地区与PM_(2.5)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.