融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究

作者：王勇; 任栋; 刘严萍; 李江波

来源：武汉大学学报(信息科学版), 2019, 44(08): 1198-1204.

DOI：10.13203/j.whugis20170340

• PM2.5
• 大气污染物
• 天顶可降水量
• 风速
• BP神经网络

PM2.5浓度时空演化特征分析有助于大气污染的现状和发展认知,但PM2.5浓度监测积累时间较短,且受到排放强度和气象因素的影响,因此可融合全球导航卫星系统(Global Navigation Satellite System,GNSS)天顶可降水量(precipitable water vapor,PWV)、风速和大气污染物构建PM2.5浓度模型。以河北省为例,首先分别开展PM2.5浓度与大气污染物、GNSS PWV及风速的相关性分析;然后将大气污染物、GNSS PWV和风速作为输入,PM2.5浓度作为输出,利用逆传播(back propagation,BP)神经网络分别构建城市PM2.5浓度模型和区域PM2.5浓度模型;最后进行PM2.5浓度模型可靠性检验。将模型预测值与PM2.5浓度实测值比较发现,预测PM2.5浓度等级准确率高,相对误差较低。该模型可用于区域PM2.5浓度时空演化特征分析。

• 单位
  河北省气象局; 天津城建大学