土地利用回归模型模拟京津冀PM2.5浓度空间分布

PM2.5污染暴露评估需要浓度空间分布数据,而稀疏的地面监测点无法满足要求.土地利用回归(LUR)模型是模拟大气污染物浓度的有效方法,本研究拟探讨LUR模型在中国区域尺度的适用性及精度.选取土地利用、道路交通、人口密度、工业污染源、高程、气象共6类变量建立区域LUR模型模拟京津冀地区2013年PM2.5浓度空间分布.以研究区80个监测点为中心建立0.1km～10km共22个系列缓冲区,表征不同尺度下各变量对PM2.5浓度的影响.双变量相关分析得出161个影响因子与PM2.5浓度的相关性水平,筛选出13个影响因子与PM2.5浓度进行逐步多元线性回归,得到区域LUR模型.交叉验证显示模型拟合精度(R2)达到78.7％,模拟结果显示京津冀PM2.5污染南北差异明显.     

基于地类分层的土壤有机质光谱反演校正样本集的构建

以江汉平原滨湖地区不同土地利用类型的土壤样本为例,比较了基于目标土壤理化性质的浓度梯度法、扩展的基于多种理化性质的综合法(P-KS)、基于光谱信息的KS法、最邻近样本去除法(reduce nearest neighbor samples,RNNS)法和基于浓度分层并结合光谱信息的C-KS、C-RNNS法,基于地类分层再结合上述方法,构建具有不同层次土壤信息代表性的校正集,采用偏最小二乘回归法,建立土壤有机质可见光/近红外光谱反演模型。结果表明,具有单一代表性的浓度梯度法、KS法、RNNS法难以建立适用模型;具有光谱与理化性质二元代表性的C-KS方法模型预测精度得到了明显的提升,相对分析误差(ratio of performance to standard deviation,RPD)为1.66;考虑土地利用类型后,浓度梯度法、RNNS法与C-KS法模型预测精度有明显的提升,RPD分别达到了1.84、1.51、1.75,模型具有良好的适用性。说明具有多层次土壤信息代表性的校正集构建方法对提高土壤有机质可见光/近红外光谱反演模型的适用性具有较好作用。