[发明专利]一种面向多维时空因子的PM2.5

权利要求书

1.一种面向多维时空因子的PM_2.5浓度精细化时空模拟与定量分析方法,其特征在于，具体步骤如下：

步骤1：构建研究区时尺度多维动静态时空影响要素与PM_2.5浓度的LUR-SDM耦合模型；

步骤2：根据十折交叉验证法对步骤1建立的模型进行验证与精度检验；

步骤3：经步骤2验证后，在研究区域进行高分辨率的网格嵌套，实现研究区PM_2.5浓度时尺度高精度空间模拟；

步骤4：根据步骤1建立的模型以及步骤3的拟合结果，分析PM_2.5污染时间和空间的直接和溢出效应。

2.根据权利要求1所述的一种面向多维时空因子的PM_2.5浓度精细化时空模拟与定量分析方法,其特征在于，步骤1中的模型构建过程如下：

步骤101：确定模型解释变量；

步骤102：模型解释变量基础数据搜集及预处理；

步骤103：根据Pearson相关性系数筛选与PM_2.5显著相关的变量，对筛选出的变量进行PCA变换，并对所有主成分变量进行BSR选取最优的解释变量；

步骤104：根据小时尺度的风向、风速及各监测站点的距离，构建风向—风速—距离约束的空间权重矩阵；

步骤105：依据步骤103和步骤104，并以PM_2.5作为被解释变量，建立PM_2.5浓度在不同时间与解释变量的定量关系，构建研究区时尺度多维动静态时空影响要素与PM_2.5污染浓度的LUR-SDM耦合模型，其表示式如下：

式中，a₀表示常数，β_kt表示t时间解释变量k的回归系数，b_it表示i个地面监测站点在t-1时间PM_2.5浓度值的回归系数，Y_it表示i个地面监测站点在t时间的PM_2.5浓度值，X_kit表示缓冲区i内t时间解释变量k的值，k取值为1-N，为筛选后的各解释变量，既包含随时间变化的变量，也包含年静态变量；W_ijt表示表示第j个空气质量监测站点的PM_2.5污染浓度在t时刻对第i个站点的影响权重值；ρ表示被解释变量的内生交互效应的系数，θ表示解释变量的外生交互效应的系数。

3.根据权利要求2所述的一种面向多维时空因子的PM_2.5浓度精细化时空模拟与定量分析方法，其特征在于，步骤101中解释变量包括PM2.5检测数据、PM_2.5污染动态影响要素和PM_2.5污染静态影响要素，其中，PM_2.5检测数据包括监测点PM_2.5浓度，PM_2.5污染动态影响要素包括气象要素、交通要素和工业排放，PM_2.5污染静态影响要素包括土地利用、社会经济、地形要素以及城市三维结构。

4.根据权利要求3所述的一种面向多维时空因子的PM_2.5浓度精细化时空模拟与定量分析方法，其特征在于，步骤102的具体过程如下：

(1)数据搜集，建立基础数据库，包括研究区PM_2.5污染浓度地面监测数据及其影响要素数据，该影响要素包括气象要素、交通要素、工业排放、土地利用、社会经济、地形要素以及城市三维结构。

(2)预处理：以PM_2.5浓度地面监测站点为中心，建立不同半径的缓冲区，统计计算不同缓冲区内每小时各影响要素的平均数值；其中，气象要素为缓冲区内插值后的数据，并对上述影响要素数据进行归一化处理。