张亚涛
- 作品数：1 被引量：10H指数：1
- 供职机构：中山大学地理科学与规划学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：环境科学与工程更多>>
- 耦合卡尔曼滤波和多层次聚类的中国PM_(2.5)时空分布分析被引量：10
- 2017年
- 近年来,细颗粒物污染尤其是PM_(2.5)受到人们越来越多的关注,研究PM_(2.5)的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_(2.5)分布规律。地面监测站的建设为PM_(2.5)的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_(2.5)的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_(2.5)浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_(2.5)浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比(PSNR)明显增大。在时空分布上,中国PM_(2.5)时间分布曲线呈现"U"形,冬季PM_(2.5)浓度明显高于夏季,且日变化曲线呈现"W"形;秋冬季PM_(2.5)浓度的空间分层异质性非常显著,且空间分布呈现"双核分布",重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。
- 刘鹏华姚尧梁昊梁兆堂张亚涛王昊松
- 关键词：PM2.5大数据卡尔曼滤波
