基于GWR方法的区域PM2.5浓度估算实验 进展汇报 汇报人：郭宇 日期：2014.05.11
☞ 主要内容 : 背景介绍 1 实验数据及方法 2 实验结果（初步） 3 总结及展望 4
背景介绍 污染现状 PM10 NOx CO PM2.5 SO2 ……
背景介绍 研究现状 PM2.5监测浓度空间浓度模拟分布制图 空间插值 遥感反演 土地利用回归（LUR） 地理加权回归（GWR）
☞ 方法出发点 局限于资金、人力、物力等客观条件，现有空气质量监测站点稀疏，无法实现区域空间连续环境监测。 空间异质性
☞ 研究思路 针对现有方法的优缺点，综合遥感及土地利用线性回归及地理加权估计空间异质性的特色，选取研究区时间段（年均、季均、月均）PM2.5浓度模拟进行方法探索研究，力求建立PM2.5浓度估算最佳模型，从而进行浓度空间分布制图。
☞ 研究意义 详细、准确了解PM2.5浓度的空间分布，揭示其时空分布与变化规律。能够针对PM2.5污染健康损害，一方面为最优健康出行路线的研究提供可靠数据支撑，另一方面有利于制定有效措施降低人体PM2.5空气污染暴露强度及健康风险。
☞ 实验设计框架 数据收集预处理 回归建模 检验及制图
☞ 研究数据 PM2.5监测站点浓度数据（EPA）----因变量 气溶胶光学厚度值（AOD）（NASA）----自变量 ☞ 研究数据 PM2.5监测站点浓度数据（EPA）----因变量 气溶胶光学厚度值（AOD）（NASA）----自变量 土地利用类型数据（USGS）----自变量 人口分布数据（United States Census）----自变量 道路交通数据（Open Street Map）----自变量 叶面积指数（LAI）----自变量 气象环境数据（NARR）（温度、降水、风速）----自变量
☞ 数据预处理 日均 上午 AOD栅格分布（10KM） ＝ ＋ 下午 550nm_AOD 年均AOD栅格 季均AOD栅格 月均AOD栅格 ☞ 数据预处理 MOD04 影像几何纠正、裁剪 波段值处理 MYD04 550nm_AOD 上午 下午 ＋ ＝ AOD栅格分布（10KM） 日均 年均AOD栅格 季均AOD栅格 月均AOD栅格
气溶胶光学厚度栅格图
LAI栅格图 加州研究区LAI栅格分布图
土地利用及道路数据 缓冲区半径：200、400、600、800、1000m统计地理特征变量
☞ 建模方法 地理加权回归（Geographically Weighted Regression）通过采取局部参数估计方式，用以反映样本对回归模型权重在空间上的非平稳性，使得回归模型结果在局部地理区域更加合理。
☞ 建模过程 从普通最小二乘法（OLS）回归入手，获得一个正确的OLS模型，然后使用同样的解释变量运行 GWR： ☞ 建模过程 从普通最小二乘法（OLS）回归入手，获得一个正确的OLS模型，然后使用同样的解释变量运行 GWR： 注意：（1）多重共线性（即当存在两个或多个冗余变量或者这些变量共同提供同一信息时） （2）“哑元”解释变量（例如，向城镇中心外的人口普查区赋予值 1，而向其他区域赋予值 0）
☞ 实验初步结果（一） 2006年加州全年PM2.5统计数据
☞ 实验初步结果（二） 全年对应AOD天数PM2.5统计数据
☞ 实验初步结果（三） 春季对应AOD天数PM2.5统计数据
☞ 实验初步结果（三） 夏季对应AOD天数PM2.5统计数据
☞ 实验初步结果（三） 冬季对应AOD天数PM2.5统计数据
☞ 总结展望 （1）年均PM2.5浓度估算与林地类、气溶胶光学厚度和风速相关，且随着空间尺度呈现递增趋势（200-1000m）; ☞ 总结展望 （1）年均PM2.5浓度估算与林地类、气溶胶光学厚度和风速相关，且随着空间尺度呈现递增趋势（200-1000m）; （2）季均PM2.5浓度估算的相关地理因素随着季节变化而变化；春季主要与林地类、自由用地、气溶胶光学厚度、距海距离、温度相关；夏季与林地类和气溶胶光学厚度相关；而冬季则与林地类、自由用地、气溶胶光学厚度及温度相关； （3）季均PM2.5浓度估算随着空间尺度的 改变模型拟合度变化不大（200-1000m）; 展望：
敬请老师及在场的各位批评指正！