近20年来中国PM2.5污染演变的时空过程

本研究基于国控监测网络的PM_2.5实测数据、MODIS AOD数据以及气象参数(温度、风速、风向、边界层高度和相对湿度),综合考虑AOD与PM_2.5关系的季节性和区域性差异,构建了基于支持向量回归机(ε-SVR)与思维进化算法优化后的BP神经网络(MEC-BP)的二阶段PM_2.5浓度组合估算模型.在此基础上,分析了2000～2017年中国PM_2.5浓度的时空变化过程.结果表明,本研究提出的二阶段组合估算模型提供了中国2000～2017年内空间分辨率为1°×1°的月度近地面PM_2.5浓度的可靠估算,有效地弥补了中国地面监测网络在时间和空间上的空白(模型的决定系数R²为0. 838,均方根误差RMSE为11. 512μg·m^-3,平均绝对百分比误差MAPE为14. 905%,均方百分比误差MSPE为0. 243%,绝对误差MAE为6. 476μg·m^-3,均方误差MSE为132. 519μg·m^-3