基于GTWR的中国近地面臭氧污染及驱动因素分析

• Published in: 农业工程学报 Vol. 40; no. 23; pp. 283 - 293
• Main Authors: 夏楠, 李安澜, 全伟琳, 唐梦迎, 唐玉倩, 徐战江
• Format: Journal Article
• Language: Chinese
• Published: 新疆大学地理与遥感科学学院,乌鲁木齐 830017 01.12.2024; 新疆绿洲生态重点实验室,乌鲁木齐 830017
• Subjects: geographical and temporal weighted regression model; 驱动因子; geographical detectors; driving factors; 时空地理加权回归; 臭氧; 地理探测器; ozone
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202405206

X515; 为探究时空地理加权回归模型(geographical and temporal weighted regression model,GTWR)在反演中国臭氧(O3)浓度方面的准确性和适用性.该研究基于O3地面监测站点数据和OMI(ozone monitoring inscument)臭氧柱浓度数据、相对湿度、降水、风速、气温、蒸散发、大气边界层高度、归一化植被指数和人口密度9个辅助变量建立反演O3浓度的GTWR模型分析中国O3浓度的空间分布,并使用地理探测器研究9个驱动因素对O3的影响力、各因子之间的交互作用及作用机制差异.结果表明:1)该研究所选取的9个变量因子之间多重共线性较弱,满足建模条件.2014-2021年各个年份的GTWR模型决定系数(coefficient of determination,R2)均不低于0.81,均方根误差(root mean square error,RMSE)在 9.19～10.90 μg/m3 之间,平均绝对误差(mean absolute error,MAE)介于 6.27～7.73 μg/m3之间,模型拟合效果较好.2)2014年以来中国O3年均浓度整体呈先升高后降低再缓慢上升的变化趋势并且表现出明显的季节变化特征,季均O3浓度值由高到低依次为夏季、春季、秋季、冬季,暖季浓度较冷季浓度高;在空间分布上存在明显的区域差异,基本形成沿纬度分布的格局,高值区集中在北纬30°～45°之间.3)在地理探测器中,单因子探测中蒸散发、大气边界层高度和气温对于O3的解释力最强分别为0.840、0.797和0.759;当因子间存在交互作用时解释力得到进一步提升,其中蒸散发n人口密度、相对湿度n气温交互作用最强,为0.95,表明与单因素作用相比因子间的交互作用对O3浓度影响更为明显:蒸散发、大气边界层高度和气温分别与其他因子的共同作用对O3的空间分布影响差异较大,结合单因子分析结果也说明了三者的重要性强,其他因子相互之间不存在显著性差异.该研究结果可为分析臭氧污染来源和扩散规律提供帮助,进一步给予中国大气环境质量改善决策支持.