符淼 *
作者单位
摘要
广东外语外贸大学经济贸易学院, 广东 广州 510006
NO2是损害健康和破坏生态的主要大气污染物。本文基于NASA提供的Aura OMI遥感反演NO2浓度,利用采样点8 km内的经济、人口、路网和坡度数据,以及气象、植被和高程的点值数据,采用随机森林算法、地理加权回归 (GWR) 和多尺度GWR方法提高NO2浓度的预测精度。NASA原浓度R2为0.48,以上三种模型把交叉验证R2分别提高到0.74、0.71和0.70,其中随机森林算法的精度最高,该算法的均方根误差 (RMSE) 和平均绝对误差 (MAE) 分别只有6.4 μg/m3和4.98 μg/m3,且其速度远快于多尺度GWR,预测精度也高于大部分现有的同等范围研究。在浓度修正方面,局部化经济人口路网因子对预测精度提高的贡献至少为11.24%。此外,基于随机森林算法还给出全国县级城市NO2浓度估计值的分布图。
二氧化氮浓度 近邻因子 随机森林算法 地理加权回归 多尺度地理加权回归 NO2 concentrations localized factors random forest algorithm geographic weighted regression multi-scale geographic weighted regression 
大气与环境光学学报
2023, 18(3): 258
作者单位
摘要
辽宁工程技术大学测绘与地理科学学院, 辽宁 阜新 123000
随着城市化进程不断加快, 地表温度升高引起的城市病日益严重。为深入认识滨海城市地表温度的影响因素, 进而为改善人居环境和生态健康提供科学数据支撑, 采用单窗算法反演了大连市内甘井子区、西岗区、沙河口区和中山区四区地表温度, 并综合运用多尺度地理加权回归模型 (Multiscale-GWR) 结合归一化建筑指数 (NDBI)、归一化植被指数 (NDVI)、改进的归一化水体指数 (MNDWI) 和归一化裸土指数 (NDBAI), 探究了地表温度与下垫面指数空间异质性关系。研究结果表明: (1) 大连市内四区的地表温度呈现由东向西递减的分布态势, 中山区、沙河口区和西岗区的北部地表温度较南部高, 甘井子区西南部地表温度较其他区域低。(2) 大连市内四区地表温度与下垫面指数关系基本上不存在全局效应, 空间异质性很强, Multiscale-GWR 模型可以较好地拟合下垫面指数与地表温度相关关系。(3) 从相关系数来看, 下垫面指数对地表温度的影响作用力表现为: NDBAI > NDVI > MNDWI > NDBI, NDBAI、NDVI 和 MNDWI 指数总体上呈现负相关效应, NDBI 总体上呈现正相关效应。
多尺度地理加权回归 单窗算法 地表温度 下垫面指数 大连市内四区 multiscale geographical weighted regression single window algorithm land surface temperature underlying surface index four districts of Dalian 
大气与环境光学学报
2022, 17(3): 317

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!