摘要
空气细颗粒物健康暴露风险等研究需要准确的PM2.5浓度时空分布信息作为健康评估的重要输入。然而,由于监测台站稀疏分布,通常需要融合遥感等辅助信息,通过空间制图模型得到PM2.5浓度的分布状况。如何在估计模型中将PM2.5浓度的空间分布特征融入制图模型将是提高PM2.5制图精度的关键。发展了一种融合地理加权回归和克里金插值方法的混合模型:地理加权回归克里金(Geographically Weighted Regression-Kriging,GWRK),地理加权回归模型考虑PM2.5浓度分布的空间异质性,克里金模型对回归后的残差中存在的空间自相关性进行建模。基于该方法,利用中国空气质量监测站数据,采用遥感、模式模拟数据作为辅助信息,对2017年中国逐月的PM2.5浓度分布进行估计空间制图。交叉验证结果表明,GWRK相较于传统制图方法(最小二乘回归、地理加权回归、回归克里金)具有更高的精度,决定系数R2为0.824,平均绝对误差为6.96μg/m3,均方根误差为10.94μg/m3。2017年逐月的PM2.5浓度制图结果显示,在时间上,冬季是PM2.5污染最严重的时段,夏季最轻,空间上,东部经济较为发达的城市如长三角地区是污染严重区,西南地区污染程度较轻。
- 单位