耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

• 作者: 刘鹏华 姚尧 张亚涛 梁兆堂 梁昊 王昊松
• 来源期刊: 地球信息科学学报
• 关键词: PM2.5 大数据 卡尔曼滤波 时空分析 K-Medoids
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 地理空间分析综合应用
• 页码范围: 475-485
• 页数: 11页
• 字数: 9278字
• 语种: 中文

摘要

近年来,细颗粒物污染尤其是PM2.5受到人们越来越多的关注,研究PM2.5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PM2.5分布规律.地面监测站的建设为PM2.5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PM2.5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PM2.5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PM2.5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PM2.5时间分布曲线呈现"U"形,冬季PM2.5浓度明显高于夏季,且日变化曲线呈现"W"形;秋冬季PM2.5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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚尧	中山大学地理科学与规划学院	10	40	3.0	6.0
5	刘鹏华	中山大学地理科学与规划学院	3	11	2.0	3.0
6	梁昊	南京大学江苏省地理信息技术重点实验室	1	8	1.0	1.0
7	梁兆堂	中山大学地理科学与规划学院	1	8	1.0	1.0
8	张亚涛	中山大学地理科学与规划学院	1	8	1.0	1.0
9	王昊松	中山大学地理科学与规划学院	1	8	1.0	1.0