文献类型：期刊文章

作　　者：罗毅[1,2] 邓琼飞[1,2] 杨昆[1,2] 杨扬[1,2] 商春雪[3] 喻臻钰[1,2]

LUO Yi;DENG Qiong-fei;YANG Kun;YANG Yang;SHANG Chun-xue;YU Zhen-yu(School of Information Science and Technology, Yunnan Normal University, Kunming 650500, China;Engineering Research Center of GIS Technology in Western China of Ministry of Education, Kunming 650500, China;Academic Affairs Office, Yunnan Normal University, Kunming 650500, China)

机构地区：[1]云南师范大学信息学院,昆明650500 [2]西部资源环境地理信息技术教育部工程研究中心,昆明650500 [3]云南师范大学教务处,昆明650500

出　　处：《环境科学》

基　　金：国家自然科学基金项目(41761084);国家高技术研究发展计划(863)项目(2012AA121402);云南省自然科学基金青年项目(2016FD020)

年　　份：2018

卷　　号：39

期　　号：7

起止页码：3003-3013

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、EMBASE、IC、JST、PROQUEST、PUBMED、RCCSE、SCOPUS、WOS、ZGKJHX、ZR、核心刊

摘　　要：近20年来PM_(2.5)污染严重制约了中国可持续发展.长时间序列历史监测数据的缺失阻碍了相关研究.为此,本文以四大典型区域2013~2016年的PM_(2.5)浓度监测值和2000~2016年MODIS AOD数据、边界层高度、温度等气象数据作为基础数据,将反向人工神经网络和支持向量回归机两种算法相结合,构建组合模拟模型,并利用地理空间分析技术实现近20年来PM_(2.5)浓度历史变化过程的情景再现.研究结果表明,组合模型具有较低的误差和更高的泛化能力;时空分析结果表明,2000~2010年京津冀和东三省PM_(2.5)浓度持续增长,珠三角PM_(2.5)浓度缓慢下降,3个研究区PM_(2.5)污染范围呈扩大趋势,长三角PM_(2.5)浓度值及污染范围基本保持稳定.2012年4个研究区PM_(2.5)浓度值降低且污染范围缩小,但2013~2016年PM_(2.5)浓度略微上升后又下降,高污染范围缩小,这与国家采取PM_(2.5)区域联防等治理措施有关.

关 键 词：PM2.5 人工神经网络 支持向量机 地理空间分析  四大典型区  

分 类 号：X513]