[发明专利]顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法

权利要求书

1.顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法，其特征在于，包括以下步骤：

步骤1：数据获取与处理；获取气象站点的PM2.5地面监测值，并从各数据源获取与地面PM2.5相关的因子数据；气溶胶厚度产品与PM2.5浓度显著相关，为必需自变量；气象数据、污染源数据以及其他因子数据根据研究区气候特征和数据质量选取；对所有数据进行预处理，包括删除空值和异常值、投影转换、时间和空间分辨率的统一；

步骤2：构建全局空间权重矩阵；根据气象站点数据的投影坐标，构建研究区域内所有站点的全局空间权重矩阵，并中心化处理为对称矩阵，将空间关系转化为权重值；构建方法采用：基于邻接关系构建；或者基于反距离加权构建；或者复合型；

步骤3：全局空间因子提取；基于全局空间权重矩阵，根据空间自相关程度大小提取出全局空间影响因子，记为Eα；

步骤4：构建局部空间权重矩阵；选取空间权函数，构建每一个站点与该站点局部空间影响范围内其余站点的局部空间权重矩阵，局部空间影响范围在步骤5中优化确定；

步骤5：确定局部空间影响范围；局部空间影响范围也称为带宽，权函数对带宽的选择十分敏感，需要选择出最优的带宽；常用的最优带宽选择的方法有交叉验证法、AIC准则、贝叶斯信息准则以及平稳指数等；

步骤6：局部空间因子提取；根据局部空间权重矩阵和最优带宽，进行权重确定的局部最小二乘回归，提取出局部空间影响因子，记为βx；

步骤7：构建全局-局部空间回归模型；将步骤3中提取出的全局空间影响因子Eα和步骤6提取的局部空间影响因子βx进行回归建模,具体是将代表全局空间自相关的全局空间影响因子Eα和代表局部空间异质性的局部空间影响因子βx，利用全局空间因子和局部空间因子构建回归模型，构成如下模型：

其中，E是全局空间影响因子空间特征向量的集合，α为全局空间影响因子空间特征向量集的系数；(u_i,v_i)为第i个采样点的坐标系的横纵坐标，β₀(u_i,v_i)为第i个采样点的回归方程的截距项；β_k(u_i,v_i)为第i个采样点上第k个回归参数，x_ik是第i个采样点上第k个自变；α_i是第i个采样点的空间特征向量集合的系数；ε_i为第i个区域的随机误差，满足零均值、同方差、相互独立等基本假定；

步骤8：评价与分析；计算模型精度评价指标；评价指标包括模型的拟合优度(R²)、调整后拟合优度(Adj.R²)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均绝对误差(MAE)以及残差的莫兰指数(Moran’s I)；并对模型进行鲁棒性检验，常采用交叉验证的方法计算上述指标。

2.如权利1要求所述的顾及全局空间自相关性和局部异质性的地面PM2.5浓度建模方法，其特征在于：步骤1中，统一因子的时间和空间分辨率，并进行投影转换，与AOD数据的时空分辨率和空间参考系一致；其中的污染源数据，如工厂位置、道路网密度等点、线数据，计算它们的核密度从而得到覆盖整个研究区域的栅格影像图。