基于随机森林模型的中国PM2.5浓度影响因素分析

选取气溶胶光学厚度、海拔、年降水量、年均气温、年均风速、人口密度、GDP密度和NDVI作为影响因子,基于随机森林模型、特征重要性排序和偏依赖图技术,研究中国PM_(2.5)浓度空间分布的影响因素及其区域差异.结果表明:①与多元回归、广义可加模型和BP神经网络相比,随机森林模型估算的PM_(2.5)浓度精度最高,可用于PM_(2.5)污染的影响因素研究.②PM_(2.5)浓度随气溶胶光学厚度、人口密度和GDP密度的增加呈先上升后平稳的趋势,随降水、风速和NDVI的增加呈先下降后平稳的趋势,随海拔和气温的增加呈下降→上升→下降的趋势.③气溶胶光学厚度对PM_(2.5)浓度空间分布的影响最大,可解释37.96%的PM_(2.5)浓度空间分异;年降水量对PM_(2.5)浓度空间分布的影响最小,解释率仅为5.75%.④影响因子与PM_(2.5)浓度的关系存在空间异质性,同一影响因子对不同地理分区的PM_(2.5)浓度的影响程度有所不同.气溶胶光学厚度对华南地区PM_(2.5)浓度的空间分布影响最大,对东北地区影响最小.     

中国气溶胶光学厚度的时空分布及影响因素分析

基于1980~2017年MERRA-2再分析产品中的气溶胶光学厚度（AOD）数据,结合趋势分析和时空地理加权回归模型（GTWR）等方法,分析中国AOD的时空变化特征,从时空异质性视角量化自然地理和人类活动对AOD的综合影响.结果表明,1980~2017年AOD以0.0028a^-1的速率呈显著上升趋势,而2009~2017年AOD以0.0083a^-1的速率呈显著下降趋势.2008年前后为AOD由升到降的转折期,可能与2007年生态文明建设和2008年全球经济危机有关.胡焕庸线以东地区为AOD高值区,以人为气溶胶为主,近40a来AOD值呈显著上升趋势;胡焕庸线以西地区为AOD低值区,以自然气溶胶为主,AOD值基本不变.气温、气压、黑炭气溶胶排放和硫酸盐气溶胶排放与AOD呈正相关,降水、风速、NDVI和GDP与AOD呈负相关.AOD与影响因子间的关系具有时空异质性.从时间变化来看,降水、风速、NDVI、GDP的回归系数具有一致性,而气温、气压、黑炭气溶胶排放、硫酸盐气溶胶排放在不同年份的回归系数有正有负;从空间变化来看,中国北方地区气温与AOD间呈负相关,南方地区二者呈正相关.     

2000~2019年中国PM2.5时空演化特征

本研究利用PM_2.5实测数据、MERRA-2 AOD与PM_2.5再分析数据、气象因子和夜间灯光等数据,基于极限梯度提升、梯度提升、随机森林模型和Stacking模型融合技术提出了PM_2.5浓度组合估算模型.在此基础上,从年、季、月尺度综合分析了2000~2019年中国PM_2.5时空变化特征.结果表明：①组合模型实现了中国2000年以来PM_2.5逐月浓度的可靠估算.②2000~2019年中国PM_2.5年均浓度呈快速增加保持稳定显著下降的趋势,2007年和2014年分别为增加到稳定和稳定到下降的转折点.PM_2.5月均浓度呈先降后升的"U"型趋势,最小值在7月,最大值在12月.③自然地理条件和人类活动奠定了中国PM_2.5浓度年度空间格局变化的基础,气象条件的逐月变化决定了PM_2.5浓度月度空间格局变化的主基调.④2000~2014年中国PM_2.5浓度的标准差椭圆中心向东移动,2014~2018年椭圆中心向西移动.1~3月椭圆中心向西移动,4~9月椭圆中心先北移后南移,9~12月椭圆中心向东移动.     

合肥市PM_(2.5)浓度时空分布特征及影响因素分析

利用2017年合肥市污染监测站点PM_(2.5)浓度数据、气象数据以及土地利用类型数据,结合随机森林算法(RF)与土地利用回归模型(LUR),模拟合肥市PM_(2.5)浓度空间分布,并利用主成分分析法对PM_(2.5)影响因素进行分析。结果表明:(1)合肥市PM_(2.5)浓度日变化特征大致呈双峰变化,春季、夏季及秋季的峰值多出现在8∶00～9∶00,而冬季的峰值则出现在10∶00～11∶00。低谷值大致都出现在15∶00～17∶00。全年PM_(2.5)浓度变化趋势与春季类似。夏季PM_(2.5)浓度变化最为平稳。(2)2017年合肥市PM_(2.5)浓度分布由城市中心向外减弱,形成北高南低,西高东低的空间分布格局。(3)影响因素方面,PM_(2.5)浓度变化与降水、风速以及相对湿度等呈负相关关系,日照对PM_(2.5)浓度的影响较大,气压及其他污染物与PM_(2.5)浓度呈正相关关系,其中NO_2对PM_(2.5)浓度的影响力度较大。