城市内部尺度PM2.5传输关联方法研究—以北京市为例

基于数据驱动思想，以城市内部环境空气质量监测站点为研究对象，建立了目标站点与周边站点间PM_2.5浓度、风向、风速、欧几里得距离等参数的多元线性关联回归模型，使用梯度下降算法学习得到各参数权重系数，计算得出周边站点对目标站点PM_2.5传输贡献，并评估了模型的可行性.以北京市丰台花园（FT）为目标站点的应用研究结果显示，2016年FT站点PM_2.5浓度为82μg/m³，周边站点大兴（DX）、房山（FS）、亦庄（YZ）、东四环（DS）、古城（GC）和万柳（WL）浓度分别为93，82，80，79，77，71μg/m³；FT站点PM_2.5浓度与上一时刻周边站点WL、GC、DX、YZ的相关性分别为0.634、0.631、0.608和0.601，显示其对FT站点PM_2.5污染传输显著；建立的4个季节关联回归模型RMSE值分别为13.22、11.74、12.51和13.22，PM_2.5模拟浓度与监测浓度变化趋势一致，验证了模型的可行性；WL、DX、YZ、GC分别是对应春、夏、秋、冬4个季节对FT站点PM_2.5污染传输贡献较大的站点，其贡献值分别为1.61%、1.71%、2.20%和8.57%.该模型解析的结果可为北京市未来城市规划、建设提供依据，提出的PM_2.5传输多元线性关联回归方法同样可用来解析其他城市内部尺度PM_2.5传输关联，为挖掘城市内部PM_2.5传输路径、精准溯源提供基础.