葛跃
,
王明新
,
孙向武
,
赵亚男
,
朱峥嵘
环境化学
doi:10.7524/j.issn.0254-6108.2016.08.2016011104
利用长三角地区的128个国控大气监测站2014年11月到2015年1月的PM2.5浓度逐时数据,采用地统计学方法进行了ρ(PM2.5)的空间异质性分析,并讨论了其动态变化的影响因素.结果表明,研究时段内ρ(PM2.5)的基底效应值在0.07-0.26之间,空间自相关性较强.块金值呈逐步变大趋势,表明PM2.5人为源对其空间异质性的影响逐渐加强.ρ(PM2.5)变程值在217.1-336.2 km之间,东-西方向大于南-北方向.可依据各季节空气PM2.5含量空间自相关距离的1/4-1/2进一步优化环境空气质量监测网点.根据普通克里格法空间插值结果得出,研究区PM2.5污染呈片状分布,且PM2.5污染程度持续加重,污染重心在苏锡常都市圈、南京都市圈和徐州都市圈,是空气PM2.5污染防治的关键区域.南京都市圈和徐州都市圈可能受到WSW上风向外源输送的强烈影响,苏锡常都市圈则对SSE下风向的城市群构成较大的潜在影响.PM2.5还与SO2、CO、NO2均呈显著正相关,表明研究区空气PM2.5污染与化石能源燃烧和机动车尾气均有较大关系,也可能与SO2或NO2在不利气象条件下形成的二次气溶胶有关.
关键词:
PM2.5
,
长三角地区
,
地统计
,
空间异质性
,
影响因素
王小平
,
张飞
,
于海洋
,
KUNG Hsiang-te
环境化学
doi:10.7524/j.issn.0254-6108.2017.03.2016070104
地表水溶解性总固体(TDS)是地表水各组分浓度的总指标,是地表水水化学特性长期演变的最终结果,也是表征水文地球化学作用过程的重要参数,TDS的高低直接影响地表水的含盐量.本研究以艾比湖流域为研究对象,结合实测地表水TDS数据;选用准同步的Landsat OLI数据,首先,利用光谱诊断指数选取与地表水TDS相关性较高的波段,其次,利用地统计方法、多元线性回归模型和支持向量机(SVM)模型对TDS进行预测,并对其结果进行精度比较.结果表明,SVM模型为最优估测模型,拟合决定系数R2为0.97,均方误差(RMSE)为50.59;多元线性回归模型的精度与SVM模型精度较为接近,拟合决定系数R2为0.9,RMSE为66.55;地统计克里格插值法预测精度最低,拟合决定系数R2为0.87,RMSE为95.73.遥感估测SVM模型预测值在大区域能较好地反映出艾比湖流域TDS的总体特征.该模型在水质遥感领域的应用中具有良好的可行性和有效性,其预测结果也与艾比湖流域水体TDS的实际分布相吻合,因此遥感估测SVM模型在水质估测中具有一定的应用潜力.
关键词:
TDS
,
SVM模型
,
多元线性回归模型
,
地统计
,
艾比湖流域
