《表3 2014～2017年北京市全部数据模型验证结果》

  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

《基于能见度及AOD数据的北京市PM2.5浓度的反演》

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

利用北京市2014年风速订正后的AOD数据、每日06:00至18:00的PM2.5日平均浓度及日平均能见度进行模型检验。采用全部数据即不区分污染日与非污染日的四季全部有效数据，分别计算所建立的四季模型的平均相对误差，得到结果见表3。又根据PM2.5浓度是否大于150μg/m3区分为污染日和非污染日，计算建立的四季模型在污染日和非污染日的平均相对误差，结果见表4。根据表3，总体的平均相对误差均在21%至31%范围内，春季为24.0%，夏季为21.7%，秋季为31.0%，冬季为27.3%。高宇潇等（2018）利用MODIS气溶胶产品AOD数据和地面监测站PM2.5、气压、温度、风向、风速和相对湿度数据建立乌鲁木齐春、夏、秋反演PM2.5的多元回归模型。并利用城中监测站、农科院数据进行模型检验，结果为城中监测站的春季平均相对误差为46%，夏季为80%，秋季为42%。而农科院的春季平均相对误差为51%，夏季为61%，秋季为33%。相比之下，本文建立的春、夏、秋季模型的相对误差显著降低，尤其是夏季，准确度提高高达58.3%、39.3%。蒲立力等（2017）利用MODIS气溶胶产品AOD数据和地面监测站PM2.5、气压、温度、风速数据，建立上海市四季估算PM2.5的多元线性回归模型并检验，得到春季的平均相对误差为28.74%，夏季为29.42%，秋季为26.83%，冬季为22.21%。而本文所建立春季、夏季的模型更优，模型准确率更高，秋季、冬季模型准确率略低于该模型。本研究建立的PM2.5反演模型因综合考虑了气溶胶对垂直和水平两方面的光学特征，与前人的结果相比拟合曲线的准确性得到了显著地提高。图2a–2d为2014年PM2.5每日06:00至18:00的日平均浓度模型计算值与实测值对比图。模型计算值与实测值曲线变化趋势基本一致，拟合度较好。从整体上看，各季节PM2.5日均浓度反演模型，对PM2.5浓度均有不同程度的低估状况。当PM2.5浓度较低时，反演模型低估程度小，准确程度高；当PM2.5浓度较高时，反演模型低估程度大，准确程度低。从四季的准确率来看，夏季反演模型对PM2.5模拟效果最好，其次是春、冬两季的反演模型，最后是秋季的反演模型。