基于移动式监测的道路PM2.5浓度精细化时空模拟
作为主要的大气污染指标,PM2.5浓度常来源于固定环境监测站点的监测与遥感影像数据,但时空精度普遍不足,难以揭示微尺度下城市内部PM2.5时空分布情况.本文利用移动式监测方法,选择典型工作日(2017年11月27日),对广州市主城区道路以1 s和1 m为时空粒度进行PM2.5浓度数据采集,并以早、晚出行高峰时段为对象,通过机器学习方法模拟道路PM2.5精细化时空分布格局.结果表明,主城区早高峰道路PM2.5浓度值相近的平均范围为24 m,晚高峰为15m,PM2.5浓度存在微尺度的时空异质性.利用多层感知器(MLP)构建的早、晚高峰PM2.5浓度模型,拟合度分别达到0.70和0.68,明显优于传统的普通最小二乘法(OLS)线性回归模型.模型揭示出早高峰主城区全路网PM2.5平均浓度为30.19 μg/m3,晚高峰达到44.55 μg/m3,部分高达94.82 μg/m3,且"西高东低"的分布特征显著.本文提出的PM25浓度精细化制图方法,空间精度可达1 m,能较好刻画空间异质性.该方法经验证可行,能够为公众健康出行和污染精细化防治提供参考.
PM2.5、移动式、精细化、环境污染、出行高峰、时空模拟
78
P208;F301.24;X522
广东省重点领域研发计划;国家自然科学基金;国家自然科学基金
2023-03-15(万方平台首次上网日期,不代表论文的发表时间)
共14页
149-162