摘 要：文章利用气象要素和 PM2.5 质量浓度数据，对四川省 PM2.5 的时空变化和定量模拟进行了研究。结果表明：西、北地区 PM2.5 污染最轻，污染呈改善趋势，四季变化不明显；东、南地区污染较重，四季变化明显，其中成都、巴中空气质量改善较大，宜宾、内江和自贡空气质量改善不明显。同时，混合效应模型会显著提高气象要素与 PM2.5 之间的相关性，绵阳模拟效果最好，交叉验证后，R2 为 0.82，RMSE 为 7.32 μg/m3，PRE 为 13.39%；宜宾最差，三者分别为 0.74、23.61 μg/m3 和34.54%；八地市平均为 0.78、16.31 μg/m3 和 26.68%。
关键词：四川省；时空演化；定量模拟；混合效应模型；十折交叉验证
DOI:10.19850/j.cnki.2096-4706.2021.19.028
基金项目：阿坝师范学院青年基金项目 （ASC19-23）
中图分类号：X513；TP391.9 文献标识码： A 文章编号：2096-4706（2021）19-0111-06
The Spatiotemporal Evolution Characteristics and Quantitative Simulation of PM2.5 in Sichuan Province
ZHOU Zhimin1 , SUN Dan1 , YU Qinkun2
(1.ABA Teachers University, Aba 623002, China; 2.Zigong Meteorological Office, Zigong 610072, China)
Abstract: This paper studies the spatiotemporal evolution and quantitative simulation of PM2.5 in Sichuan Province by using meteorological elements and PM2.5 mass concentration data. The results show: PM2.5 pollution in Sichuan’s western and northern regions is the lightest and displays a trend of continual improvement, and the change in four seasons is not obvious; the eastern and southern regions are heavily polluted, with obvious changes in four seasons. Among them, the air quality in Chengdu and Bazhong has improved greatly, the air quality in Yibin, Neijiang and Zigong has not improved significantly. At the same time, the mixed effect model will significantly improve the correlation between meteorological elements and PM2.5, Mianyang has the best simulation effect. After the cross validation, R2 is 0.82, RMSE is 7.32 μg/m3 and PRE is 13.39%; Yibin is the worst, the three index are respectively 0.74, 23.61 μg/m3 and 34.54%; the average value of eight cities are 0.78, 16.31 μg/m3 and 26.68%.
Keywords: Sichuan Province; spatiotemporal evolution; quantitative simulation; mixed effect model; 10-fold cross-validation
参考文献：
[1] 吴兑，吴晓京，李菲，等 .1951—2005 年中国大陆霾的时空变化 [J]. 气象学报，2010，68（5）：680-688.
[2] 吴丹，于亚鑫，夏俊荣，等 . 我国灰霾污染的研究综述 [J]. 环境科学与技术，2014，37（S2）：295-304.
[3] 张小曳，孙俊英，王亚强，等 . 我国雾 - 霾成因及其治理的思考 [J]. 科学通报，2013，58（13）：1178-1187.
[4] 杨婷，王自发，何立涛，等 . 衡水市大气污染成因研究及治理经验 [J]. 环境科学研究，2019，32（10）：1730-1738.
[5] 陶金花，张美根，陈良富，等 . 一种基于卫星遥感 AOT 估算近地面颗粒物的方法 [J]. 中国科学：地球科学，2013，43（1）： 143-154.
[6] XIE Y Y，WANG Y X，ZHANG K，et al. Daily Estimation of Ground-Level PM2.5 Concentrations over Beijing Using 3 km Resolution MODIS AOD [J].Environmental Science & Technology， 2015：49（20）：12280-12288.
[7] FANG X，ZOU B，LIU X P，et al. Satellite-based ground PM2.5 estimation using timely structure adaptive modeling [J].Remote Sensing of Environment，2016，186：152-163.
[8] 张晨雷，陈报章，王瑾 .WRF 模式气象数据在遥感反演 PM（2.5）中的应用研究 [J]. 地理空间信息，2018，16（2）：45- 47+11.
[9] 黄善斌 . 关于 PM2.5 与气象条件关系及其预报研究 [D]. 济南：齐鲁工业大学，2017.
[10] 崔蕾，倪长健，孙欢欢，等 . 能见度反演 PM（2.5）质量浓度方法的对比分析 [J]. 生态与农村环境学报，2016，32（2）： 338-341.
[11] 李为东，李莉，徐岩 . 基于时间序列分析的北京地区 PM2.5 浓度研究 [J]. 运筹学学报，2018，22（2）：115-126.
[12] 宋国君，国潇丹，杨啸，等 . 沈阳市 PM（2.5）浓度 ARIMA-SVM 组合预测研究 [J]. 中国环境科学，2018，38（11）： 4031-4039.
[13] SUN Q，ZHU Y M，CHEN X M，et al. A hybrid deep learning model with multi-source data for PM2.5 concentration forecast [J].Air Quality Atmosphere & Health，2021，14：503-513.
[14] 范竣翔，李琦，朱亚杰，等 . 基于 RNN 的空气污染时空预报模型研究 [J]. 测绘科学，2017，42（7）：76-83+120.
[15] FENG R. Investigating wintertime air pollution in Hangzhou， China [J].Air Quality，Atmosphere & Health，2020，13（3）：321-328.
[16] 孙欢欢，倪长健，崔蕾，等 . 成都市大气颗粒物污染特征及与气象因子的关联性分析 [J]. 环境污染与防治，2016，38（5）： 55-60.
[17] LEE H J，LIU Y，COULL B A，et al. A novel calibration approach of MODIS AOD data to predict PM2.5 concentrations [J]. Atmospheric Chemistry & Physics，2011，11（15）：7991-2011.
[18] ZHENG Y Y，ZHANG Q，LIU Y，et al. Estimating groundlevel PM2.5 concentrations over three megalopolises in China using satellite-derived aerosol optical depth measurements [J].Atmospheric environment，2016，124：232-242.
[19] 邓中慈，康平，胡成媛，等 . 四川盆地 PM（2.5）时空分布及影响因子研究 [J]. 环境污染与防治，2020，42（11）：1334-1337.
作者简介：周智敏（1991—），女，汉族，广东梅州人，科员，硕士研究生，主要研究方向：大气环境污染；通讯作者：孙丹 （1986—），女，汉族，重庆万州人，科长，硕士研究生，主要研 究方向：机器图像与视觉、模式识别。