耦合注意力机制DNN的PM_2.5估算及时空特征分析

摘要

PM2.5作为指示环境质量的重要因子之一，不仅影响着灰霾天气的发生，还与公众健康息息相关，近年来受到广泛的关注。尽管PM2.5地面观测站点在不断地扩张，其覆盖范围依旧有限，难以反映全域PM2.5浓度的时空异质性。本研究运用卫星遥感气溶胶光学厚度数据，辅助因子除常规的气象因子等以外，还加入了针对中国人民生产生活习惯的农历日因子，提出一种耦合注意力机制的深度神经网络模型，对长三角区域2015年—2020年PM2.5浓度进行了逐日的高精度估算。模型交叉验证结果显示决定系数R2高达0.85，斜率0.86，与地面站点观测值有较高的一致性，优于多元线性回归和随机森林模型。长三角区域PM2.5浓度时空特征分析结果表明，PM2.5浓度在空间上呈现北高南低的趋势；季节特征以冬季浓度最高，夏季浓度最低，春秋过渡。此外，长三角区域2015年—2020年整体PM2.5浓度呈下降趋势，其中以上海市最为明显，下降速率为3.30μg/（m3·a），其次为江苏省(2.65μg/（m3·a）)；浙江省与安徽省下降速率都小于2μg/（m3·a），但由于安徽省PM2.5浓度远高于浙江省，提升空间更大，需要更多的关注。综上所述，利用卫星数据结合本研究提出的方法能弥补地面观测站点的不足，获得高精度全域PM2.5浓度时空分布特征，从而更科学地指导相关政策的规划与落地。

关键词