排序方式: 共有2条查询结果,搜索用时 78 毫秒
1
1.
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R~2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)).时间变化过程分析结果表明:①2014年是2000~2017年内中国PM_(2.5)浓度从持续缓慢上升到快速下降的关键转折点,其中,从2014年开始,PM_(2.5)浓度较高的北部沿海、东部沿海和长江中游地区的PM_(2.5)污染情况改善较明显.②然而,在研究时间范围内,全国仍有超过65%的区域PM_(2.5)年均浓度超过了二级限值(35μg·m~(-3)),虽然全国PM_(2.5)污染情况有一定程度地改善,但是空气污染形势依然严峻. 相似文献
2.
1