基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

河南省北部农区大气氮和硫沉降特征

人为活动导致大气氮和硫沉降的增加及其随后产生的诸多不良生态效应。定量农田大气氮和硫沉降输入可以为农田氮硫的养分管理提供参考依据。近年来,国家大气清洁行动对大气活性氮和硫的排放产生了较大影响,然而关于华北农区氮和硫的综合沉降研究并不多见。该研究在河南省北部农区采集大气NH₃、NO₂和SO₂浓度,研究大气PM_2.5中PNO₃^-、PNH₄⁺和PSO₄^2-浓度的季节变异,定量大气氮和硫干沉降量。采集大气降雨获得大气氮和硫湿沉降量。结果表明：2020年试验点大气NH₃、NO₂和SO₂月平均浓度分别为13.9μg/m³(以N计,下同)、10.38μg/m³和4.1μg/m³(以S计,下同)。大气PM_2.5浓度61.3～110.8μ...     

基于无人机观测研究杭州湾化工园区近地面层臭氧垂直廓线

为了解化工园区大气污染情况,使用自主研制的微型大气检测仪结合无人机研究化工园区臭氧(O₃)垂直廓线,在2020年8月~2021年1月于杭州湾上虞经济技术开发区开展了12d无人机外场观测实验.各观测日从08:00~18:00每隔1h进行一次飞行观测,每次观测分别获得了离地面0,50,100,200,300,400,500m的O₃、总挥发性有机物(TVOCs)和二氧化氮(NO₂)浓度.结果表明:受气象因素、地面工厂排放以及早晚出行高峰的影响,TVOCs和NO₂浓度整体随高度增加而下降,其中NO₂浓度随高度上升而下降的幅度较明显,在0m处浓度为19.7~59.1μg/m³,500m处为5.9~21.7μg/m³,下降率为40~70%,TVOCs和NO₂浓度都呈现出早晚高、正午低的日变化趋势,此外可能受逆温层的影响导致个别天数NO₂浓度在400~500m不降反升;O₃受前体物光化学反应、太阳辐射强度及平流层输送的影响,其浓度随高度增加而下降,平均浓度在0m处为49.2μg/m³,500m处为98.4μg/m³,O₃日变化浓度在15:00~17:00达到峰值.TVOCs和O₃、NO₂和O₃在各高度浓度均呈负相关,受不同季节气象因素差异和冬季取暖排放增加的影响,O₃浓度季节变化为夏>秋>冬,TVOCs和NO₂浓度为冬季>秋季>夏季.后向轨迹聚类分析表明化工园区本地O₃浓度会受区域输送影响升高,在冬季时由于气温低不利于前体物生成O₃,本地O₃浓度受区域输送影响较夏季小.     

深圳市城区冬季大气PM2.5在线来源解析

利用颗粒物同步混合实时监测仪、气溶胶化学组分监测仪(ACSM)、大气多金属元素在线监测仪、黑碳仪等在线仪器于2020年12月27日～2021年1月31日在深圳观测了PM_2.5及其化学组分.结果显示,深圳市PM_2.5在观测期间平均浓度为(32.2±17.0)μg/m³.其中,有机物在PM_2.5中浓度最高,均值为(15.4±9.5)μg/m³,其次是NO₃^-、SO₄^2-、BC、NH₄⁺和元素,浓度分别为(4.3±3.9),(3.8±2.1),(2.7±1.6),(2.5±1.7)和(1.9±1.2)μg/m³.本研究将ACSM获取的有机质谱信息(m/z 44)作为二次有机气溶胶(SOA)的示踪物纳入PMF(正交矩阵因子分解)模型,成功地识别了SOA.源解析结果显示,SOA对深圳市冬季PM_2.5贡献了23.8%...     

机动车禁行区街区尺度污染物时空分布——基于自行车车载走航

以武汉第七届世界军人运动会期间为研究时段,以机动车辆管控的东湖风景区为研究区域,开展基于自行车车载走航形式的大气污染物浓度实时观测,填补该区域空气质量监测数据空白,为管控措施的效果评估和街区尺度健康风险评估提供精细数据.结果表明,走航观测所测得的ρ(CO)、ρ(NO₂)、ρ(PM_2.5)和ρ(O₃)平均值均高于监测站点,平均超过2.1倍.管控期机动车禁行区ρ(CO)、ρ(BC)、ρ(NO₂)、ρ(PM_2.5)和ρ(O₃)的平均值分别为0.97mg/m³,5.6μg/m³, 57.8μg/m³, 76.3μg/m³和208.3μg/m³,非禁行区分别为1.1mg/m³, 4.7μg/m³, 60.9μg/m³, 72.2μg/m³和197.7μg/m^3<...     

上海西南区域环境空气中氨的污染特征研究

NH₃在空气中主要转化为NH₄⁺,NH₄⁺和SO₄^2-、NO₃^-和Cl^-等酸根离子反应生成的二次气溶胶,是环境空气中PM_2.5的重要组成成分。为探索上海西南区域环境空气中氨的污染特征、来源和对PM_2.5排放的影响,该研究选择城市居住区站点A和农村居住区站点B利用差分吸收光谱法(DOAS法)氨监测仪进行为期1 a(2018年3月-2019年2月)的NH₃监测,并在站点A同步进行PM_2.5的测定。结果表明：上海西南区域中大气NH₃日均浓度为6.5μg/m³,1 h平均浓度范围0.4～76.0μg/m³;NH₃浓度夏季>秋季>春季>冬季;NH₃日变化浓度呈现单峰特...     

深圳秋季大气有机气溶胶来源与挥发性研究

使用热扩散管与长飞行时间气溶胶质谱联用系统对2020年深圳市秋季亚微米级气溶胶进行在线测量,获取和分析了气溶胶的化学组成及挥发性特征,并利用正矩阵因子分析法（PMF）对有机气溶胶进行了来源解析.结果显示：观测期间,气溶胶平均质量浓度为（28.3±11.1）μg/m³（9.5~76.8μg/m³）,其中,有机物占比最高,为57.9%,其次为硫酸盐（24.7%）.PMF对有机气溶胶解析结果得到四类源,分别为烃类有机气溶胶（HOA）、餐饮源有关的有机气溶胶（COA）、低氧化性的氧化有机气溶胶（LO-OOA）和高氧化性的氧化有机气溶胶（MO-OOA）.HOA、COA、LO-OOA和MO-OOA平均分别占到总有机物的9.1%、27.2%、31.8%和31.9%.进一步采用NO⁺/NO₂⁺比值法和PMF方法估算有机硝酸酯（ON）浓度,两种方法估算结果相关性良好,ON的平均浓度为0.17~0.25μg/m³,占总有机气溶胶质量的1.5%~9.7%,说明其对深圳大气气溶胶贡献显著.ON与各有机气溶胶因子的相关性比对发现,其与LO-OOA相关性最高（R=0.80）,说明其可能来源于新鲜的二次生成反应.挥发性研究结果得出,深圳市气溶胶主要化学组分挥发性顺序为氯盐≈无机硝酸盐 > 铵盐 > 有机物 > 有机硝酸酯 > 硫酸盐,对于有机气溶胶因子,其挥发性排序为LO-OOA > HOA > COA > MO-OOA,除了LO-OOA,其余因子挥发性与其氧化态排序一致,而LO-OOA从50~70℃组分下降最多,说明其所含组分挥发性差异最为明显.     

东海PM2.5和PM10中水溶性离子的组成与化学特性

2014年5~6月在东海海域采集PM_2.5和PM₁₀气溶胶样品,通过离子色谱法对样品中主要水溶性阳离子（Na⁺、K⁺、NH₄⁺、Mg²⁺、Ca²⁺）和阴离子（Cl^-、NO₃^-、SO₄^2-、MSA）的浓度进行测定,并结合相关数理统计方法探讨了其主要来源.结果表明,PM_2.5和PM₁₀样品中主要水溶性离子的总浓度范围分别为7.9~23.7μg/m³和10.4~47.9μg/m³,平均值分别为（14.9±5.8）μg/m³和（21.3±10.7）μg/m³.二次离子（nss-SO₄^2-、NO₃^-和NH₄⁺）浓度最高,分别占测定离子总浓度的80.8%和73.3%,其中SO₄^2-和NH₄⁺主要富集在细颗粒物（PM_2.5）中,NO₃^-主要富集在粗颗粒物（PM₁₀）中.富集因子及相关性分析表明K⁺主要来自陆源,Mg²⁺受海源和陆源双重输入影响.阴阳离子浓度平衡计算结果表明,细颗粒物样品呈弱碱性;粗颗粒物样品酸碱基本中和.两种样品中NH₄⁺的主要结合方式均为（NH₄）₂SO₄和NH₄NO₃.来源分析结果表明,PM_2.5和PM₁₀样品中生源硫化物对nss-SO₄^2-的贡献率分别为13.7%和8.7%.根据估算的干沉降通量结果,NH₄⁺对氮沉降的贡献程度小于NO₃^-.     

南京冬夏硫酸盐和硝酸盐对黑碳混合态的影响

采用单颗粒黑碳光度计（SP2）结合MARGA在线分析仪对南京地区冬季和夏季黑碳（BC）的质量浓度,以及硫酸盐,硝酸盐对其混合状态的影响进行了研究.结果表明,冬季和夏季南京地区BC质量浓度分别在1.01~14.5μg/m³和0.20~3.81μg/m³之间,均值分别为（4.39±2.66）μg/m³和（1.67±0.76）μg/m³,均呈现早晚高值的双峰型日变化特征.运用相对包裹层厚度D_p/D_c表示BC混合状态,冬季和夏季D_p/D_c分别在1.39~2.34和1.03~1.45之间,均值分别（1.81±0.21）和（1.24±0.08）,D_p/D_c日变化特征与BC相反,冬季D_p/D_c日变化幅度较大.冬季D_p/D_c与SO₄^2-和NO₃^-的相关性较好,D_p/D_c与NO₃^-的相关性高于其与SO₄^2-的相关性,夏季则相反.冬季清洁时期BC以本地源排放为主,其混合状态受硫酸盐和硝酸盐影响较高,冬季重污染时期,受排放源以及区域传输的影响,D_p/D_c与SO₄^2-和NO₃^-的相关性较低.     

昆明市干季碳气溶胶污染特征及来源解析

为研究西南高原城市昆明的碳气溶胶浓度特征及其来源,2018年11月20日—2019年3月23日,在昆明主城区采集PM_2.5样品共117个,测定有机碳(OC,organic carbon)和元素碳(EC,elemental carbon)的质量浓度,对其进行源解析。结果显示：昆明市PM_2.5平均浓度为72.31±26.19μg/m³,碳气溶胶浓度(TC,total carbon)为38.04±18.74μg/m³,约占PM_2.5的53%。碳气溶胶以有机碳排放为主,OC约占TC的75%,EC平均质量为9.15±4.02μg/m³。OC/EC值为3.23,二次有机碳(SOC,secondary organic carbon)约占有机碳的40%左右,存在二次有机污染物。碳组分浓度排序为：OC3>OC4>OPC>EC1>OC2>OC1>EC2>EC3,以汽油车尾气排放、燃煤、扬尘、生物质燃烧源占主导。外源气团影响了昆明市碳质...     

广州地区不同粒径段大气颗粒物中水溶性有机碳的吸光贡献

对广州地区春季（2015年3~4月）、夏季（2015年6~7月）、秋季（2015年9~10月）、冬季（2015年12月~2016年1月）四个季节6个粒径段（<0.49、0.49~0.95、0.95~1.5、1.5~3.0、3.0~7.2以及7.2~10.0μm）的大气颗粒物样品中水溶性有机碳（WSOC）的浓度和光学性质等变化特征进行了研究.结果表明,WSOC的浓度水平呈现冬季[（5.07±2.80）μg/m³]>秋季[（3.87±1.51）μg/m³]>春季[（3.60±1.16）μg/m³]>夏季[（2.42±0.51）μg/m³]的季节变化特征;WSOC的质量平均直径（MMD）为0.57μm （春）、0.42μm （夏）、0.49μm （秋）和0.56μm （冬）.WSOC的质量吸收效率MAE₃₆₅差异较大,分布在0.18~1.42m²/g之间,冬季最高;吸收波长指数AAE值分布在3.6~9.8之间.细颗粒物（<3μm）中WSOC对PM₁₀WSOC总吸光的贡献达到了90%以上,其中<0.49μm颗粒物的贡献超过50%.在300~500nm之间,春季、夏季、秋季和冬季WSOC对颗粒物总吸光比例平均值分别为5.23%、2.95%、3.04%和6.92%;其中<0.49μm粒径段的贡献最高,分别为3.11%、1.79%、1.65%和3.45%.进一步通过特征紫外吸光度SUVA值的分析表明芳香性和分子量可能是影响WSOC吸光能力的重要因素.粒径越小颗粒物含有越多的不饱和键,使得MAE₃₆₅值较高.     

盘锦市夏冬季PM2.5中碳组分污染特征及来源分析

于2016年7月和2017年1月采集盘锦市3个点位的PM_2.5样品,研究盘锦市夏冬季节PM_2.5中碳组分的特征与来源.结果表明：盘锦市夏季PM_2.5、有机碳（OC）和元素碳（EC）日均浓度分别为（46.14±12.70）,（8.58±2.82）和（2.89±1.54）μg/m³;冬季分别为（91.01±43.51）,（24.50±15.51）和（7.31±5.00）μg/m³.夏季开发区和第二中学2个采样点的OC与EC之间不具有线性相关性;冬季3个采样点OC、EC高度相关.采用最小相关系数法（MRS）估算SOC浓度,得到夏季SOC的浓度为4.65μg/m³,占OC总量的54.19%;冬季SOC浓度为8.42μg/m³,占OC总量的34.36%.通过比值分析和主成分分析得出盘锦市夏季PM_2.5中碳组分主要来源为汽油车尾气和燃煤排放;冬季PM_2.5中碳组分主要来源为机动车尾气、燃煤排放和生物质燃烧.     

太原市大气PM2.5季节传输路径和潜在源分析

为了研究太原市大气PM_2.5不同季节的传输路径和污染源区,利用HYSPLIT后向轨迹模型和NCEP的GDAS全球气象要素数据,对2017~2018年不同季节太原市逐日48h气流后向轨迹进行聚类分析,同时结合小时污染物质量浓度数据,分析不同季节太原市PM_2.5的潜在源贡献因子（WPSCF）和浓度权重轨迹（WCWT）.结果表明,太原市PM_2.5的质量浓度在季节上呈现冬季（77.56μg/m³） > 秋季（69.89μg/m³） > 春季（63.78μg/m³） > 夏季（45.51μg/m³）的变化趋势.PM_2.5与SO₂、NO₂和CO之间存在明显的同源性和二次转化过程.春、秋和冬季大气传输路径主要以西和西北方向近距离、慢移速的轨迹为主,夏季以南和东方向轨迹为主.PM_2.5潜在源区季节变化明显：夏季主要受太原本地和晋中地区的影响;春、秋和冬季主要受陕西中北部、吕梁、临汾和晋中等地的影响.     

“2+26”城市秋冬季大气污染治理措施效果评估

针对京津冀及周边"2+26"城市秋冬季不同大气污染治理措施的减排量进行核算,结果表明,2017~2018年秋冬季"2+26"城市SO₂,NO_x,VOCs,PM_2.5和PM₁₀的总减排量分别为43.26,20.63,18.36,28.00和47.31万t,2018~2019年秋冬季"2+26"城市SO₂,NO_x,VOCs,PM_2.5和PM₁₀的总减排量分别为16.68,18.11,11.03,17.04和25.33万t.基于此,采用CAMx模型对各项措施的减排效果进行模拟评估,采取措施后,2017~2018年秋冬季"2+26"城市SO₂,NO_x,PM_2.5和PM₁₀浓度的平均下降量（下降率）分别为22.69μg/m³（42.67%）,33.22μg/m³（37.81%）,24.28μg/m³（22.58%）和31.26μg/m³（18.67%）,2018~2019年秋冬季"2+26"城市SO₂,NO_x,PM_2.5和PM₁₀浓度的平均下降量（下降率）分别为9.36μg/m³（26.86%）,25.73μg/m³（30.62%）,16.38μg/m³（16.09%）和20.43μg/m³（12.33%）.2017~2018年秋冬季各项措施对PM_2.5浓度的平均减排效率排序依次为："散乱污"企业治理 > 交通运输结构调整 > 企业错峰生产 > 民用散煤替代 > 燃煤锅炉综合整治,2018~2019年秋冬季各项措施对PM_2.5浓度的平均减排效率排序依次为：重点行业升级改造 > 企业错峰生产 > "散乱污"企业治理 > 交通运输结构调整 > 民用散煤替代 > 燃煤锅炉综合整治.     

北京市典型区域大气亚微米颗粒物理化特性及其来源

本研究采用Aerodyne气溶胶化学组成在线监测质谱仪ACSM,于2019年春季、夏季后期、秋季和冬季典型代表月对北京市东南城区非难熔亚微米颗粒物NR-PM₁进行了实时监测与分析,研究了NR-PM₁及其物种在不同时段,特别是霾污染期间的演变特征,以及4个季节有机物的来源.结果表明,整个研究期间NR-PM₁的平均浓度为22.06μg/m³,其季节变化呈现出春季>冬季>秋季>夏季后期的特征.整个研究期间,Org （有机物）的平均浓度为7.12μg/m³,占NR-PM₁的32.30%;NO₃^-和SO₄^2-的平均浓度分别为5.91和6.20μg/m³,分别占NR-PM₁的26.80%和28.12%;而NH₄⁺和Cl^-的平均质量浓度和质量百分数均较低.所有物种呈现出Org> SO₄^2-~NO₃^-> NH₄⁺>Cl^-的特征.清洁天NR-PM₁以Org为主要特征,各季节所有物种的日变化均较小,而霾污染天NR-PM₁以二次无机物种为主要特征,不同季节各物种表现出不同的日变化特征.OA （有机气溶胶）在不同季节解析出的物种有所不同.一次有机气溶胶POA对OA的贡献随春夏秋冬逐渐升高,而二次有机气溶胶SOA则随之逐渐降低.     

天津市PM2.5中氮含量及同位素的昼夜及季节变化

为研究天津市大气气溶胶中氮的来源,分析了2016年夏、冬两季昼夜采集的细颗粒物气溶胶（PM_2.5）中无机离子浓度和氮同位素组成（δ¹⁵N）.结果显示：天津市冬季平均PM_2.5质量浓度（207 μg/m³）远高于夏季（40.1 μg/m³）,冬季PM_2.5的δ¹⁵N值（+5.1‰）低于夏季（+10.7‰）,即夏季PM_2.5较冬季更富集¹⁵N;夏季PM_2.5中NH₄⁺的平均浓度高于c（NO₃^–）,但是冬季NO₃^–浓度最高,其次是c（NH₄⁺）>c（SO₄^2–）;此外,通过对比昼夜样品,夏季PM_2.5中氮含量和氮同位素组成在昼夜均表现出明显差异,而冬季不明显.结果表明,天津市夏季气溶胶中含氮化合物在昼夜受海陆风的影响,即白天受海洋气溶胶影响较大而夜间则为陆源气溶胶物质影响,然而冬季受东亚季风的影响削弱了海陆风对海陆间大气气溶胶的交换作用,且在冬季化石燃料燃烧源氮贡献较大.     

乌鲁木齐市PM_(2.5)和PM_(2.5~10)中碳组分季节性变化特征

2011年1月至12月在乌鲁木齐市区用膜采样法采集了大气PM_(2.5)和PM_(2.5~10)样品,并利用热光/碳分析仪测定了其中有机碳(OC)和元素碳(EC)的质量浓度.通过OC与EC的粒径分布特征、比值和相关性的分析,初步分析了乌鲁木齐市大气可吸入颗粒物中碳质气溶胶污染特征,并用OC/EC比值法估算了二次有机碳(SOC)的浓度.结果表明,PM_(2.5)和PM_(2.5~10)的年平均质量浓度分别为92.8μg/m~3和64.7μg/m~3.PM_(2.5)中OC和EC的年平均浓度分别为13.85μg/m~3和2.38μg/m~3,PM_(2.5~10)中OC和EC的年平均浓度分别为2.63μg/m~3和0.57μg/m~3.OC和EC四季变化趋势基本一致,季浓度最高.碳组分主要集中于PM_(2.5)中,OC/EC比值范围为3.62~11.21.夏季和秋季的PM_(2.5)和PM_(2.5~10)中OC和EC的相关性较好(R20.65).估算得出的PM_(2.5)和PM_(2.5~10)中SOC的估算浓度为2.31~11.98μg/m~3和0.38~1.49μg/m~3.     

华北地区地表臭氧时空分布特征及驱动因子

利用趋势分析(TA)、地理时空加权回归模型(GTWR)和多因素广义相加模型(MGAM),研究了2015～2020年华北地区O3浓度的时空分布规律及驱动因素间的复杂非线性关系.结果表明,华北地区年均O3浓度>70μg/m3,整体呈持续增长趋势,平均增加速率为2.3μg/(m3·a)(P<0.01);季节上O3浓度呈春夏高...     

成都碳质气溶胶变化特征及二次有机碳的估算

利用2020年6月~2021年5月在成都市观测的碳质气溶胶小时分辨率数据,分析了气溶胶中总碳(TC)、有机碳(OC)、元素碳(EC)和二次有机碳(SOC)的变化特征.结果表明:观测期间m(TC)、m(OC)、m(EC)和r(OC/EC)的年均值分别为(9.5±4.4)μg/m³,(6.4±3.2)μg/m³,(3.2±1.1)μg/m³,2.2±0.5.成都m(TC)、m (OC)、m (EC)均表现冬为季最高((15.8±8.2),(11.1±5.8),(4.6±2.5)μg/m³),春秋次之,夏季最低((6.1±0.9),(4.5±2.0),(2.7±1.4)μg/m³)的特征.r(OC/EC)季节均值(1.9~2.6)以及四个季节的m(TC)、m(OC)、m(EC)呈现早(07:00~09:00)晚(22:00~01:00)“双峰”的日变化特征,表明机动车排放源对成都碳质气溶胶的影响较大.春夏季OC与EC的相关性小于秋冬季,表明春夏季OC、EC来源差异较大.由EC示踪法和最小相关性法得到m(SOC),r(SOC/OC)在夏季最大(40.4%),冬季最小(27.3%).春、夏季SOC与O₃呈显著正相关,表明较强的光化学反应对SOC生成有重要贡献.选取各季节连续高m(TC)时段与季节平均作对比,发现碳质气溶胶有明显夜间积累过程,夏季高浓度时段二次生成使得m(OC)增长显著高于m(EC),r(OC/EC)也迅速上升.     

基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.