基于改进LUR模型的大区域PM2.5浓度空间分布模拟

作者：李爽; 翟亮; 桑会勇^*; 邹滨; 方新; 甄云鹏

来源：武汉大学学报(信息科学版), 2018, 43(10): 1574-1587.

DOI：10.13203/j.whugis20170042

• PM2.5
• PCA
• SMLR
• 贡献度
• 空间分布

针对采用传统土地利用回归(land use regression,LUR)模型进行大气污染物浓度模拟时预测变量信息损失的缺陷,将主成分分析(principle component analysis,PCA)与逐步多元线性回归(stepwise multiple line regression,SMLR)相结合,提出了一种改进的LUR(PCA+SMLR)模型模拟大区域PM2.5浓度空间分布的方法。首先采用相关分析筛选与PM2.5显著相关的预测变量,然后对筛选出的预测变量进行主成分变换(PCA),最后保留所有主成分变量进行SMLR建立回归模型模拟PM2.5浓度。并以京津冀为研究区域进行实验验证,对PCR、SMLR、PCA+SMLR这3种模型的实验结果进行对比分析,结果表明,PCA+SMLR模型可提高预测变量对回归模型的贡献度,调整后R2达0.883,并且其精度检验指标及制图效果皆优于传统的LUR模型,证明了该模型可有效提高PM2.5浓度的模拟精度,对PM2.5区域联防联控具有指导意义。

• 单位
  物理学院; 深圳市勘察研究院有限公司; 中国测绘科学研究院; 中南大学