东北地区PM2.5质量浓度遥感估算与时空分布特征

作者：吴迪; 高枞亭^*; 李建平; 马艳敏; 穆佳; 吴玉洁

来源：地理科学, 2023, 43(10): 1869-1878.

DOI：10.13249/j.cnki.sgs.2023.10.018

• PM2.5质量浓度
• 随机森林模型
• 东北地区

利用2014—2018年近地面观测PM2.5质量浓度数据、MODIS 10 km气溶胶光学厚度(Aerosol Optical Depth,AOD)数据、ERA5再分析气象数据和DEM(Digital Elevation Model)数据，分别构建估算东北地区PM2.5质量浓度的多元线性回归模型(Multiple Linear Regression, MLR)、线性混合效应模型(Linear Mixed Effects Model, LME)和随机森林模型(Random Forest, RF)，利用十折交叉验证方法对3个模型进行精度评价。根据最优模型估算2009—2018年东北地区逐日PM2.5质量浓度，结果表明：(1) 3种模型模拟的PM2.5质量浓度与地面实测值间的相关系数R2排序为RF>LME>MLR,RF模型整体精度最高。(2)不同季节、月份的RF模型模拟PM2.5质量浓度与地面实测值间的R2均高于0.93，通过RF模型估算东北地区的PM2.5质量浓度是可行的；(3) 2009—2018年东北地区PM2.5质量浓度呈先升后降的年际变化趋势，同时表现为冬季>春季>秋季>夏季的季节性变化特征；从空间分布上看，PM2.5质量浓度由西南到东北逐渐降低，总体上辽宁>吉林>黑龙江。

• 单位
  吉林省气象科学研究所