研究背景
济南市是山东省省会，近年来空气污染问题加剧，特别是雾霾事件频发，对居民健康造成负面影响。由于缺乏长期连续的地面PM2.5浓度数据，研究者们利用卫星遥感气溶胶光学厚度（AOD）反演地面PM2.5浓度，以弥补地面监测数据的不足。AOD数据具有高空间分辨率、广覆盖范围和长期连续观测的特点，有助于扩展地面监测网络的时间和空间覆盖范围。
方法
数据收集与处理
- 卫星AOD数据：利用MODIS传感器和MAIAC算法获取1公里分辨率的AOD数据。
- 地面PM2.5观测数据：收集2013-2016年间山东省99个地面监测站点的数据。
- 气象数据：从ECMWF获取2米温度、相对湿度等参数。
- 排放清单：获取0.1度网格化月平均排放清单数据。
- MERRA-2模拟数据：利用MERRA-2模型计算不同组分的PM2.5浓度。
模型训练与评估
- 模型类型：随机森林、XGBoost和线性混合模型。
- 交叉验证：采用空间十倍交叉验证和逐年交叉验证，选择最佳模型参数。
- 融合模型：融合表现较好的随机森林和线性混合模型，提高预测稳定性。
结果
模型表现
- 随机森林：在空间十倍交叉验证中表现出色，R2值为0.93，均方根误差为10.6 μg/m³。
- 线性混合模型：R2值最低，为0.85，均方根误差最高，为15.8 μg/m³。
- XGBoost：表现最差，R2值为0.71，均方根误差为23.5 μg/m³。
PM2.5空间分布
- 2016年：济南市年平均PM2.5浓度为74 μg/m³，变化区间为62-85 μg/m³。
- 热点区域：集中在城市和乡镇中心，部分地区未被地面监测网覆盖。
时间趋势
- 季节周期性：夏季PM2.5浓度最低，冬季最高。
- 长期趋势：2007年至2013年，冬季PM2.5浓度显著上升，夏季浓度上升缓慢；2013年后，冬季和夏季浓度均显著下降。
结论
研究利用卫星遥感数据和大气化学传输模型，成功构建了济南市2003-2016年高分辨率（1平方公里）的PM2.5浓度预测模型，填补了地面监测数据的空白，为评估济南市空气污染提供了重要依据。模型在空间和时间上均表现出较好的稳定性，为制定合理的污染控制政策提供了支持。
