地理探测联合地理加权岭回归的PM2.5驱动因素分析OA北大核心CSTPCD
Identification of Driving Factors of PM2.5 Based on Geographic Detector Combined with Geographically Weighted Ridge Regression
开展PM2.5的驱动成因分析,对大气污染防治具有重要意义.利用2015—2018年PM2.5地面监测数据,结合地理探测器和地理加权岭回归方法,探测了全国282个城市PM2.5空间分异的关键驱动因素,分析了各关键驱动因素对PM2.5影响的时空异质性.结果表明,气象参数和社会经济活动可更好地解释PM2.5呈现的空间分异性;在2015—2018年间,所建地理加权岭回归模型的R2分别为0.698、0.724、0.656和0.712,AICc分别为1317.533、1234.400、1256.107和1110.740,2种指标均优于全局回归模型和地理加权回归模型,说明地理加权岭回归模型可更好地解释PM2.5产生空间分异的关键影响机制;模型拟合结果进一步显示,气温、比湿度、地区生产总值、年平均人口和工业企业数是引起PM2.5空间分异的关键驱动因素,各因素的影响既存在正向效应也存在负向效应,其对应的回归系数具有明显的时空异质性.
赵锐;詹梨苹;周亮;张军科
西南交通大学地球科学与环境工程学院,四川 成都 611756西南交通大学地球科学与环境工程学院,四川 成都 611756兰州交通大学环境与市政工程学院,甘肃 兰州 730070西南交通大学地球科学与环境工程学院,四川 成都 611756
资源环境
PM2.5影响因素地理探测器地理加权岭回归时空异质性
《生态环境学报》 2022 (2)
基于区域重点建设项目环境影响的社会风险演化机制与评估体系研究
307-317,11
国家自然科学基金项目(41571520)四川循环经济研究中心课题资助(XHJJ-2002XHJJ-2005)成都市软科学研究项目(2020-RK00-00240-ZF2020-RK00-00246-ZF)中央高校基本科研业务费专项资金(2682021ZTPY088)
评论