昌吉市MODIS气溶胶光学厚度与AQI的关系模型研究

发布时间：2021-10-07 08:47

　　为了建立昌吉市近地面AQI监测的关系模型,利用昌吉市2015—2016年MODIS AOD产品与同期地面观测的AQI进行相关分析,结果表明二者直接相关程度较低（R2=0. 2921,p <0. 01）;按照季节分类统计（春、夏、秋）的相关系数R2分别为0. 4629、0. 4192、0. 3487,均大于统计学上99%的置信度要求;加入气象因子风速,建立含气象因子的AQI和AOD的多元回归模型,结果表明全年及各季的相关系数R2分别为0. 3648、0. 4528、0. 4247、0. 5089;对气象因子风速进行分级,在综合考虑R2检验值和F检验值的基础上,平均风速>2m·s-1时的模型为线性模型R2为0. 47,预测平均相对误差为10. 8%,结果较好。文章为监测空气污染提供了一定的参考价值。 

【文章来源】：农业与技术. 2020,40(14)

【文章页数】：5 页

【部分图文】：

AOD与AQI线性模型

2.2.3 全年和分季模型的对比分析从表5中可以看出，全年建模样本和季节建模样本建立的拟合精度较高的4个模型中，夏季线性模型，AQI与AOD相关系数最高，秋季次之。

进一步利用各自检验样本数据对模型进行预测评价，全年样本线性模型的平均相对误差为18.77%，春季对数函数模型的平均相对误差为10.89%，夏季线性模型的平均相对误差为25.76%，秋季线性模型的平均相对误差为12.59%。将相应的检验样本数据带入各模型，估算出的AQI值与实际值进行分析可以看出，全年、夏季模型预测值和实际值吻合度很低(见图3)，春季除1个点外，其余点的预测值和实际值可以达到较好逼近，秋季各点预测值和实际值逼近效果也较好。由此可见，春季AQI与AOD之间存在简单的对数函数关系，秋季AQI与AOD之间存在简单的线性关系。2.3 含气象因子的AQI与AOD多元关系模型

【参考文献】：
期刊论文
[1]气溶胶光学厚度与PM2.5浓度相关关系的时空变异[J]. 焦利民,张博恩,许刚,赵素丽.  干旱区资源与环境. 2016(12)
[2]MODIS气溶胶产品在北京监测PM2.5质量浓度中的应用[J]. 王贺锐,吴彩保.  科技创新导报. 2016(20)
[3]济南市MODIS气溶胶光学厚度和PM2.5浓度的特征及相关性分析[J]. 陈飞龙,王召海,王其新.  鲁东大学学报(自然科学版). 2016(01)
[4]乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究[J]. 黄观,刘伟,刘志红,张颖,何沐全.  环境科学学报. 2016(02)
[5]北疆地区气溶胶光学厚度的时空特征[J]. 黄观,刘志红,刘伟,张洋,展鹏.  生态与农村环境学报. 2015(03)
[6]西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究[J]. 张晖,王伯铎,陈良富,贾松林,范萌.  环境工程学报. 2014(02)
[7]利用MODIS资料遥感香港地区高分辨率气溶胶光学厚度[J]. 李成才,毛节泰,刘启汉.  大气科学. 2005(03)

硕士论文
[1]MODIS气溶胶光学厚度与南京主城区空气污染指数的关系研究[D]. 刘勇.南京师范大学 2007



本文编号：3421726