Page 46 - 《华中农业大学学报》2026年第1期

40 华 中 农 业 大 学 学 报 第 45 卷

误差均不超过±15%，符合 HJ/T 655―2013《环境空 归系数的空间解释提供了相容的量纲与物理含义。
气颗粒物（PM 10 和 PM 2.5 ）连续自动监测系统安装和 1 d 2
g ( d )= exp(- ) （1）
验收技术规范》的要求，检验通过。 2π σ 2σ 2
其次，遵循最优子集法思路，设计“400 m 粗步
表 1 城市近地面高密度监测传感网的PM 2.5 和PM 10
观测数据的平行性检验结果 长-100 m 细步长”的双精度嵌套，筛选最优变量（污
Table 1 Parallel test results for PM 2.5 and PM 10 染影响因素）及其尺度组合。考虑到全因素与多尺
observations from the citywide near-surface high- 度的交叉组合（污染影响因素×尺度）搜索空间庞
density sensor network 大，单纯穷举不仅成本高，而且会引入冗余变量而降
检验指标 相对误差限/% 低稳定性。为此，本研究设计双精度嵌套筛选策略：
组别 PM 2.5 / PM 10 /
Examination Relative error
3
3
Group （µg/m ） （µg/m ） 对 PM 2.5 、PM 10 质量浓度进行反距离插值，以实现污
indicators limit
一组 染浓度数据的空间化，并通过留一法验证插值精度，
137.81 177.90
均值 Group 1 调整后可决系数（调整后 R ）分别为 0.81、0.85，均方
2
±10
Average 二组
143.72 183.51 根误差分别为 5.47、9.24；以空间化颗粒物质量浓度
Group 2
与变量和尺度的交叉组合线性拟合的调整后 R 作为
2
一组
81.63 114.81 评价指标，先以较粗的 σ 步长进行初筛，快速定位表
30百分位 Group 1
±15
30th percentile 二组 现较优的变量与尺度的交叉组合；再在其邻域内以
78.91 103.04
Group 2 较细步长精筛，确定最终进入后续回归模型的最优
一组 变量与尺度交叉组合集合。通过前期测试，实验中
96.75 133.00
50百分位 Group 1
±15 采用 400 m 与 100 m 2 个层级步长完成筛选与收敛。
50th percentile 二组
95.32 121.58 筛选结果如表 3 所示。该策略在保证筛选质量的同
Group 2
时显著降低了计算量。
一组
120.31 162.45
80百分位 Group 1 最后，基于 GWR 模型量化各因素对颗粒物的空
±15
80th percentile 二组 间异质性影响，获得“系数场（影响强度）-主导尺度-
121.97 154.53
Group 2
空间位置”的三元输出。在变量表征和筛选完成后，
一组
131.36 173.46 根据公式（2）~（3）构建 GWR 模型，式（2）~（3）中， x
90百分位 Group 1
±15
90th percentile 二组 为最优表征尺度下的因素高斯算核核密度值； y 代表
134.64 168.04
Group 2
栅格化的 PM 2.5 、PM 10 质量浓度；每个样本点 i的空间
2）颗粒物污染识别方法。首先，在高斯扩散机 位置由坐标 (u i ，v i) 定义；其第 k 个回归系数记为
理约束下，采用不同标准差的二维高斯算核对城市 β k(u i ，v i)，且空间权重矩阵 W (u i ，v i) 由自适应二次
的污染源与下垫面要素进行多尺度连续表征。由于 核函数生成。
研究区域的颗粒物污染源主要为工业生产排放的 p
)
y i = β 0(u i ，v i) + ∑ β k(u i ，v i x ik + ε i （2）
NO x 、SO 2 和 VOC s 颗粒物前体物以及工地扬尘，所以 k = 1
提取 NO x 、SO 2 和 VOC s 年排放量、扬尘源（施工工地 β k(u i ，v i) =[ X W (u i ，v i) X] -1 X W (u i ，v i)Y （3）
T
T
点位空间信息、物流设施兴趣点）以及下垫面形态指 根据模型的回归系数值及其空间分布，揭示各
标（城市用地构成和面积、容积率、建筑密度）共 15个 因素对 PM 2.5 和 PM 10 扩散“影响强度-主导尺度-空间
因素，数据来源和提取操作如表2所示。 位置”的三元对应关系，以识别同源异质和异源叠加
针对上述潜在影响因素，不直接采用离散计数 的关键区段与边界。以同样的自变量和因变量构建
或面积等指标，而是按照公式 1，进一步计算各因素 最小二乘法模型（ordinary least squares，OLS），并对
在不同高斯标准差 σ下的二维核密度分布，即不同尺 比二者的性能指标，即赤池信息准则值（akaike infor‐
度下该因素对颗粒物扩散的影响强度场 g ( d )，以刻 mation criterion，AIC c ）、贝叶斯信息准则值（Bayesian
画各因素随距离 d衰减的潜在作用及其多尺度特征， information criterion，BIC c ）以及残差平方和（residual
从而将异质性的空间关联显式化、连续化。该步骤 sum of squares，RSS），以验证模型精度。该模型让
既统一了点源、线源与面源的表征方式，也为后续回 整个识别方法在解释性、精度与算力成本之间取得