PM2.5是大气重要污染物之一,模拟PM2.5浓度空间分布对于大气污染防治具有重要意义.将土地利用回归模型(LUR)应用到安徽省污染较重的皖北地区,以监测点为中心,建立半径分别为0.5、1、1.5、2、3、4、5 km的缓冲区,结合土地利用因子、道路因子、污染源因子、气象因子、高程因子及人口因子共105个变量,建立了该地区四季和年均LUR模型,并通过留一交叉互验,验证了模型精度.结果表明:研究区PM2.5浓度受草地、湿地、降水量、相关湿度、气压、风速、二级公路、三级公路、废气污染企业、人口数量影响较大.调整R2分别为0.828(春)、0.731(夏)、0.831(秋)、0.775(冬)、0.892(年均);均方根误差(RMSE)分别为 6.34μg·m-3(春)、7.01 μg·m-3(夏)、6.28μg·m-3(秋)、6.71 μg·m-3(冬)、5.33μg·m-3(年均);模拟精度 R2 分别为 0.825(春)、0.730(夏)、0.834(秋)、0.772(冬)、0.897(年均),模型表现良好,解释力强.从模拟的PM2.5浓度空间分布可以看出,不同季节呈现明显不同的空间分布特征,这与来自北方的大量污染颗粒物、当地的煤矿开采以及秋耕秸秆燃烧等潜在污染源有关.

PM2.5;土地利用回归模型;空间分布;皖北地区

杨明亮;朱宗玖

安徽理工大学电气与信息工程学院,安徽淮南232001

大气与环境光学学报

[1]杨明亮;朱宗玖-.基于LUR模型下PM2.5浓度的空间分布模拟分析)[J].大气与环境光学学报,2022(03):347-359

土地利用回归模型

LUR,PM2,度空间,大气污染防治,治具,皖北地区,监测点,缓冲区,土地利用因子,污染源,气象因子,模型精度,草地,降水量,二级公路,三级公路,废气污染,污染企业,人口数量,RMSE,模拟精度,解释力,不同季节,空间分布特征,污染颗粒,颗粒物,煤矿开采,秋耕,秸秆燃烧

0.360258