论文部分内容阅读
空气中的细颗粒物是我国大气污染的主要污染物之一,也是我国多数较发达地区灰霾现象频发的重要影响因素。大气细颗粒物主要是由人类各项生产生活活动产生的,包括地表扬尘、工业生产、汽车尾气的直接排放等,集聚在城市上空的颗粒物质由于具有质量小、吸附性强的特征,能够长时间停留在近地面层并进行相互作用和转化。悬浮在大气中的颗粒物吸附环境中的有毒有害物质会对周围人群的人体健康构成严重威胁,加重当地居民呼吸道疾病的发病率,同时通过影响局部气候条件间接对当地农业生产和交通运输等人类活动造成负面影响。近年来随着我国社会经济的快速发展,大气颗粒物污染现象日趋严重,我国经济发展相对较快且人口稠密的东部地区大气颗粒物污染现状尤为严峻,PM2.5污染问题已经成为国内乃至国际范围的热点问题。河北省地处太行山脉东部,燕山山脉南部,受其特殊的地理位置与气候特征影响,相关气流对境内平原的扰动作用被大大削弱,使得地面产生的大气污染物质难以有效向外迁移扩散,导致当地成为PM2.5污染的重灾区。为深入认识河北省地区地面污染源因子、气象条件与大气颗粒物浓度间的复杂影响关系,揭示研究区大气PM2.5时空分布规律,本文以河北省为研究区,基于混合效应模型定量研究方法,建立遥感反演的气溶胶光学厚度（AOD）因子、气象因子、土地利用因子与近地面层PM2.5浓度时空变化之间的关系模型,以期获得高时间分辨率（每天）、空间分辨率为10×10km的PM2.5浓度时空变化模拟结果,实现区域影响因子对大气颗粒物浓度时空变化贡献率的定量识别,进而给大气颗粒物污染治理提供科学支撑。本研究采用十折交叉验证法对混合效应模型进行精度检验,保留模型中PM2.5的有效影响因子,去除过度拟合现象严重的预测模型,并利用地面PM2.5浓度监测数据计算得到的校正因子纠正因AOD非随机性缺值导致的抽样偏差,进一步提高混合效应模型的预测精度,得到研究区近地面层PM2.5浓度时空分布情况。研究结果显示:河北省地区混合模型预测精度R2达到0.85,经交叉验证后R2为0.77,RMSE和RPE分别为18.28μg/m3、28.68%,大幅提高了区域PM2.5浓度的模拟效果。另外,经地面PM2.5监测数据计算,河北省各地区PM2.5浓度年模拟校正因子范围为1.242.05,表明建模数据集内的PM2.5数据难以代表高污染时间段的大气质量状况。利用区域校正因子对模型模拟结果进行有效校正后,研究区PM2.5浓度预测均值为89.84μg/m3,与地面实际监测数据较为接近,有效解决了模型抽样偏差带来的年均值低估问题。上述研究结果表明混合效应模型能够有效对地面PM2.5浓度进行时空变化模拟,恰当的预测因子组合和模型校正有助于模型预测精度的提升,有效弥补地面监测站点时间和空间上的数据缺失,为我国环境治理和规划提供科学参考。