环境细颗粒物(PM_(2.5))已被列为全球第六大死亡和残疾风险因素。为精准防治PM_(2.5)污染,需要以足够的分辨率捕捉PM_(2.5)时空变化,开发基于有限数量监测站点的建模模拟方法。以2014—2023年杭州核心区7个国控站点监测的PM_(2.5)浓度...环境细颗粒物(PM_(2.5))已被列为全球第六大死亡和残疾风险因素。为精准防治PM_(2.5)污染,需要以足够的分辨率捕捉PM_(2.5)时空变化,开发基于有限数量监测站点的建模模拟方法。以2014—2023年杭州核心区7个国控站点监测的PM_(2.5)浓度为响应变量,城市土地利用景观格局为解释变量,结合土地利用回归(Land Use Regression,LUR)模型、极限梯度提升(XGBoost)算法和斯皮尔曼相关性分析构建模型,采用数据分割、10倍交叉验证和外部数据验证法检验性能,探讨解释变量对PM_(2.5)的影响机制,分析PM_(2.5)污染的时空变异性。结果表明,混合模型表现性能更优,R^(2)和调整R^(2)都在0.90以上,交叉验证的MSE值、RMSE值和MAE值分别为1.32μg/m^(3)、1.15μg/m^(3)和1.08μg/m^(3)。500 m缓冲区内林地斑块形状复杂度和1000 m不透水面平均斑块面积与PM_(2.5)显著相关;林地、耕地和不透水面用地对PM_(2.5)的预测能力分别为44%、33%和23%;年均浓度整体呈波动下降趋势和西北高、西南低、由南向北递增的空间分布格局;体现了“冬高夏低”的“U”形季节变化特征,低值区位于西湖区、拱墅区局地,高值区位于拱墅区、滨江区境内。展开更多
文摘环境细颗粒物(PM_(2.5))已被列为全球第六大死亡和残疾风险因素。为精准防治PM_(2.5)污染,需要以足够的分辨率捕捉PM_(2.5)时空变化,开发基于有限数量监测站点的建模模拟方法。以2014—2023年杭州核心区7个国控站点监测的PM_(2.5)浓度为响应变量,城市土地利用景观格局为解释变量,结合土地利用回归(Land Use Regression,LUR)模型、极限梯度提升(XGBoost)算法和斯皮尔曼相关性分析构建模型,采用数据分割、10倍交叉验证和外部数据验证法检验性能,探讨解释变量对PM_(2.5)的影响机制,分析PM_(2.5)污染的时空变异性。结果表明,混合模型表现性能更优,R^(2)和调整R^(2)都在0.90以上,交叉验证的MSE值、RMSE值和MAE值分别为1.32μg/m^(3)、1.15μg/m^(3)和1.08μg/m^(3)。500 m缓冲区内林地斑块形状复杂度和1000 m不透水面平均斑块面积与PM_(2.5)显著相关;林地、耕地和不透水面用地对PM_(2.5)的预测能力分别为44%、33%和23%;年均浓度整体呈波动下降趋势和西北高、西南低、由南向北递增的空间分布格局;体现了“冬高夏低”的“U”形季节变化特征,低值区位于西湖区、拱墅区局地,高值区位于拱墅区、滨江区境内。
