《表2 LUR模型系数表:基于地理国情数据的PM_(2.5)浓度估算方法研究》

提取 ⇩
《表2 LUR模型系数表:基于地理国情数据的PM_(2.5)浓度估算方法研究》
《基于地理国情数据的PM_(2.5)浓度估算方法研究》

式中,模型中的解释变量依次为环境监测站点所在位置的AOD年均值、年均降水值、监测站点8 km缓冲区内耕地面积占比、房屋建筑面积占比以及监测站点5 km缓冲区内露天采掘场面积占比。模型回归方程拟合优度R2=0.843,调整后的R2=0.832,即回归方程中的5个自变量能够解释模型中PM2.583.2%的变异情况。基于模型系数表(表2),模型中所有变量系数t检验的显著性水平均小于0.01,表明预测变量对模型具有显著性意义。通过各变量共线性诊断统计量可以看出,5个自变量的膨胀因子均小于3,说明5个自变量之间基本不存在共线性问题。综上所述,该LUR模型拟合效果较佳。

  1. 保存图表

查看“表2 LUR模型系数表:基于地理国情数据的PM_(2.5)浓度估算方法研究”的人还看了

表3 数据处理前后模型精度
表3 数据处理前后模型精度
基于优化核极限学习机的铝电解电流效率预测
表1 地理国情监测数据更新1∶10 000 DLG数据对应关系
表1 地理国情监测数据更新1∶10 000 DLG数据对应关系
地理国情监测数据更新1∶10000 DLG数据研究
表4 地理国情数据属性补充的地类
表4 地理国情数据属性补充的地类
国土三调数据与地理国情数据融合可行性分析
表1 土地利用与地理国情数据对应关系
表1 土地利用与地理国情数据对应关系
水土流失动态监测方法研究
表1 土地利用与地理国情数据对应关系
表1 土地利用与地理国情数据对应关系
水土流失动态监测方法研究
表1 土地利用与地理国情数据对应关系
表1 土地利用与地理国情数据对应关系
水土流失动态监测方法研究