%0 Journal Article
%T 基于改进LUR模型的大区域PM<sub>2.5</sub>浓度空间分布模拟<br>An Improved LUR-based Spatial Distribution Simulation for the Large Area PM<sub>2.5</sub> Concentration
%A 李爽
%A 翟亮
%A 桑会勇
%A 邹滨
%A 方新
%A 甄云鹏&lt
%A br&gt
%A LI Shuang
%A ZHAI Liang
%A SANG Huiyong
%A ZHOU Bin
%A FANG Xin
%A ZHEN Yunpeng
%J 武汉大学学报·信息科学版
%D 2018
%R 10.13203/j.whugis20170042
%X 针对采用传统土地利用回归（land use regression，LUR）模型进行大气污染物浓度模拟时预测变量信息损失的缺陷，将主成分分析（principle component analysis，PCA）与逐步多元线性回归（stepwise multiple line regression，SMLR）相结合，提出了一种改进的LUR（PCA+SMLR）模型模拟大区域PM2.5浓度空间分布的方法。首先采用相关分析筛选与PM2.5显著相关的预测变量，然后对筛选出的预测变量进行主成分变换（PCA），最后保留所有主成分变量进行SMLR建立回归模型模拟PM2.5浓度。并以京津冀为研究区域进行实验验证，对PCR、SMLR、PCA+SMLR这3种模型的实验结果进行对比分析，结果表明，PCA+SMLR模型可提高预测变量对回归模型的贡献度，调整后R2达0.883，并且其精度检验指标及制图效果皆优于传统的LUR模型，证明了该模型可有效提高PM2.5浓度的模拟精度，对PM2.5区域联防联控具有指导意义
%K PM&lt
%K sub&gt
%K 2.5&lt
%K /sub&gt
%K PCA
%K SMLR
%K 贡献度
%K 空间分布
%K &lt
%K br&gt
%K PM&lt
%K sub&gt
%K 2.5&lt
%K /sub&gt
%K PCA
%K SMLR
%K contribution
%K spatial distribution
%U http://ch.whu.edu.cn/CN/abstract/abstract6229.shtml