共查询到10条相似文献，搜索用时 109 毫秒
1.
2.
一种协同时空地理加权回归PM2.5浓度估算方法 总被引：2，自引：1，他引：1
针对PM2.5浓度估算中时空特征考虑不足和样本量较少的问题,该文将协同训练和时空地理加权回归相结合,提出了协同时空地理加权回归。采用两个不同参数的时空地理加权回归模型作为回归器,利用一个回归器训练另一个回归器的未标注样本,选择最优结果作为标注样本加入标注样本,通过不断学习扩大标注样本量提升模型的回归性能。以京津冀地区2015年3-7月的PM2.5浓度数据为实验数据,利用气溶胶光学厚度产品、温度、风速和相对湿度进行建模,采用不同核函数的时空地理加权回归作为对比方法进行实验。结果显示,协同时空地理加权回归性能比基于Gauss核函数时空地理加权回归提升了10%,比基于bi-square核函数时空地理加权回归提升了6.25%,证明该文方法能够提升时空样本数量不足时的PM2.5浓度估算精度。 相似文献
3.
作为一种经典局部加权最小二乘方法,地理加权回归建模一直受样本空间稀疏及预测变量局部共线性等因素困扰,导致建模结果不确定性呈现空间异质。通过协方差传播定律构建后验标准差精度评价指标,本文提出了一种地理加权回归建模结果不确定性度量与约束方法,并基于地表PM 2.5浓度遥感制图实例开展了验证。试验结果表明:不确定性约束后,不同参数下地理加权回归模型的拟合精度、基于样本/站点/区域的十折交叉验证精度均有改善;局部共线性导致的模型回归系数符号偏差问题得到了改正;模型预测结果奇异值及负值能被有效甄别,有效提升了地表PM 2.5浓度制图结果的可靠性。该不确定性度量与约束方法可有效保证地理加权回归模型估算结果的稳定性和有效性。 相似文献
4.
针对京津冀地区多年来重工业较多、结构性污染突出等问题,该文充分利用多期扬尘地表和工业企业污染源、交通网络、地理国情地表覆盖数据、气象和地形数据,结合MODIS AOD产品和环境监测数据,采用主成分分析和最佳子集回归方法优选预测变量,构建估算PM2.5和PM10浓度的地理加权回归模型,实现京津冀地区2013、2015和2017年PM2.5/PM10年均浓度空间分布模拟制图,分析PM2.5/PM10年均浓度时空分布。实验结果表明,PM2.5和PM10浓度估算模型的决定系数R2分别为0.76和0.86,平均相对预测误差分别为10.87%和13.54%。 相似文献
5.
针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hierarchy Process简称AHP)和熵值法,对京津冀地区PM_(2.5)LUR模型构建时各备选地理要素的权重进行综合度量。结果显示,京津冀地区污染企业、交通网络、地表覆盖等优选地理要素的综合权重分别为20%、19%、18%,地理要素与PM_(2.5)的经验相关性和数据精度等优先评价指标的综合权重占××的比例分别次为49%、26%。该方法得出的评价结果符合客观实际,能达到科学选取地理要素的目的,对评估地理要素的代表性和分析LUR的异同性及地方主要污染要素具有重要的参考价值。 相似文献
6.
中国雾霾分布及其组成相关性分析 总被引：1，自引：0，他引：1
雾霾天气由于其对人体健康及交通能见度的极大影响而受到广泛关注。在收集相关污染物与气象数据基础上,基于GIS技术及最小二乘法和地理加权回归模型分析了我国2014年1月雾霾空间分布特征及其组成要素的相关性。研究表明,2014年1月我国各省会城市基本都受到雾霾影响,其中华北地区最为显著,华东、华南沿海城市具有一定的相似性;西南部地区大部雾霾污染明显小于其他地区。从雾霾物质组成上看,PM_(2.5)与PM_(10)、CO、NO_2和SO_2之间存在微妙关系,随着其他污染物的增加,PM_(2.5)数值也会随之增大,其中PM_(10)和CO对PM2.5的影响是显著的。从研究方法上看,利用地理加权回归建模方法对雾霾及其组成成份相关性研究的效果(84%)略好于最小二乘法的分析效果(82.59%)。本研究可为了解雾霾空间分布特征及分析其相关影响因素提供参考。 相似文献
7.
8.
针对时空地理加权回归模型(GTWR)进行预测时,输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的时空地理加权回归方法(PCA-GTWR)。该方法采用非线性主成分分析方法,先对影响PM2.5浓度的若干相关变量降维处理得到几个综合指标,并将其作为GTWR模型的输入变量进行预测。为验证该方法的有效性,采用北京市2014-04—2017-03的PM2.5数据,利用Pearson相关系数法选取与PM2.5浓度具有较高相关性的影响因素作为常规的GTWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。结果表明应用非线性主成分分析方法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法的MAE、RMSE、AIC均低于常规的GTWR模型,拟合优度GF最高达到88.11%。 相似文献
9.
MERSI和MODIS卫星监测京津冀及周边地区PM2.5浓度 总被引：1，自引：0，他引：1
京津冀及周边地区是中国PM_(2.5)污染最重的区域之一,利用卫星遥感技术监测大范围的PM_(2.5)时空分布变化是一种先进的重要手段。本研究首先基于暗像元算法利用FY-3B/MERSI与AQUA/MODIS对京津冀及周边区域进行了遥感AOT反演和验证分析;然后,引入气象资料和地面观测资料利用GWR模型反演了区域PM_(2.5)浓度,并对遥感反演结果进行了交叉验证评估,综合对比分析了MERSI和MODIS的气溶胶及PM_(2.5)遥感监测能力;最后,利用MERSI数据对2017年第一季度京津冀及周边区域的PM_(2.5)月均浓度时空分布变化情况进行了初步探索分析。结果表明:FY-3B/MERSI在气溶胶及PM_(2.5)遥感监测能力方面略优于AQUA/MODIS,MERSI反演的1 km分辨率AOT和PM_(2.5)与地面站点实测结果的决定系数R2分别为0.76μg/m~3和0.79μg/m~3,均方根误差分别为0.26μg/m~3和28μg/m~3,平均绝对误差分别为0.16μg/m~3和15μg/m~3,能基本满足对京津冀及周边区域PM_(2.5)的精细化监测需要。2017年第一季度京津冀及周边区域PM_(2.5)月均浓度遥感监测结果表明该区域的PM_(2.5)空间分布格局与地形地貌关系密切,高值区整体上沿太行山脉成带成片;从时间变化来看,1—3月呈逐月下降的趋势,其中3月份PM_(2.5)区域浓度较1月和2月有大幅下降。这说明FY-3\MERSI遥感反演产品能为环境质量监测和环境管理工作效果评估提供有效参考,本研究对国产卫星在大气环境遥感业务中的大力发展应用有重要参考意义。 相似文献
10.
《地理空间信息》2015,(6)
基于GIS技术和多元线性回归方法,采用苏锡常地区的PM_(2.5)浓度观测资料和同期苏锡常及周边地区的气象资料,构建了基于气象要素的多元线性回归模型,模拟2013年春季苏锡常地区PM_(2.5)的空间分布状况。对比此模型与IDW插值方法的精度,结果表明,该模型利用气象要素与PM_(2.5)浓度显著的相关性建立多元线性回归模型,有效地模拟了PM_(2.5)的空间分布状况;2013年春季苏锡常地区PM_(2.5)的空间分布具有整体上东南低、西北高、局部上分布小范围低值区的特点;该模型有效地消除了单一使用IDW插值方法容易受到监测站空间分布的影响而出现极值区域和极值中心偏差的现象,对于研究PM_(2.5)的空间分布规律具有一定的实际应用价值。 相似文献