基于时空混合效应模型的京津冀PM2.5浓度变化模拟

作者：范丽行; 杨晓辉; 宋春杰; 李梦诗; 段继福; 王卫^*; 李夫星^*; 李伟妙

来源：环境科学, 2022, 43(05): 2262-2273.

DOI：10.13227/j.hjkx.202108318

• 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)

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.

• 单位
  河北师范大学; 河北省科学院地理科学研究所