《表1 AOD、PM2.5、PM10子模型各变量相对重要性(%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《四川盆地PM_(2.5)与PM_(10)高分辨率时空分布及关联分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:“-“表示该变量未纳入AOD子模型计算.

变量重要性是RF模型的变量选择的重要评判依据[24].本研究收集了与大气颗粒物时空分布可能相关的各类数据，作为模型的备选变量，再进行变量筛选，剔除相关性弱、重要性低的冗余变量.精简模型的“变量相对重要性”，体现了各变量对于模型预测的重要性.AOD子模型共选择了19个输入变量（气象类8个、地理空间类3个、人类活动1个、土地功能性质类6个、季节性时间变量1个）.最重要的5个自变量分别是季节性、日照时间、气温、风速和降水量.在暖季，日照时间长，空气对流强烈，污染物扩散较快，AOD数值较低[25].PM2.5与PM10子模型分别各有23个输入变量（AOD卫星数据1个、气象类8个、地理空间类3个、社会经济类4个、土地功能性质类6个、季节性时间变量1个）.其中，排放清单变量分别输入了细颗粒物与粗颗粒物数据，其余变量保持一致（表1）.AOD是PM2.5与PM10子模型中最重要的自变量，相对重要性值均超过23%.在去除AOD后，PM2.5与PM10子模型在基于站点的10折交叉验证R2均从0.86降为0.85.由于各地级市所属站点空间分布较集中，基于站点的交叉验证可能会高估模型对于整个区域的预测准确性，因此，又进行了基于站点聚落的20折交叉验证[26]，即根据监测站点的空间聚类将训练数据分为20组进行交叉验证，在去除AOD后，PM2.5与PM10子模型的R2分别从0.67、0.70降为0.62、0.68，表明AOD能明显提升模型预测的准确性.同时季节性（分别为15.62%和13.79%）和气象条件（总重要值分别为39.00%和41.37%）也起着重要作用，体现了颗粒物生成的强烈季节性[9]，反映了气象条件对于颗粒物浓度预测的重要性[27].