| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第14-21页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 空气污染预测研究进展 | 第15-18页 |
| 1.3 研究目的与意义 | 第18页 |
| 1.4 研究内容与技术路线 | 第18-21页 |
| 2 数据与方法 | 第21-37页 |
| 2.1 研究区域 | 第21页 |
| 2.2 数据来源 | 第21-28页 |
| 2.2.1 地面PM_(2.5)、NO_2、CO监测数据的来源与提取 | 第21-22页 |
| 2.2.2 MODIS卫星数据-气溶胶的获取与处理 | 第22-24页 |
| 2.2.2.1 气溶胶光学厚度(AOD)简介 | 第22页 |
| 2.2.2.2 MODIS-V5.2版本AOD的获取与提取 | 第22-24页 |
| 2.2.3 气象数据来源与提取 | 第24页 |
| 2.2.4 土地利用数据来源与提取 | 第24-25页 |
| 2.2.5 数字高程数据来源与提取 | 第25页 |
| 2.2.6 道路交通网数据来源与提取 | 第25-26页 |
| 2.2.7 人口数据来源与提取 | 第26页 |
| 2.2.8 数据的匹配 | 第26-28页 |
| 2.3 模型构建 | 第28-36页 |
| 2.3.1 地理加权回归模型 | 第28-32页 |
| 2.3.1.1 地理加权回归模型基本原理 | 第28-29页 |
| 2.3.1.2 空间权函数 | 第29-30页 |
| 2.3.1.3 权函数带宽的优化 | 第30-31页 |
| 2.3.1.4 自适应权函数 | 第31-32页 |
| 2.3.2 贝叶斯最大熵 | 第32-35页 |
| 2.3.2.1 时空随机场 | 第32页 |
| 2.3.2.2 硬数据和软数据构造 | 第32-33页 |
| 2.3.2.3 贝叶斯最大熵的基本框架 | 第33-34页 |
| 2.3.2.4 贝叶斯最大熵实现软件 | 第34-35页 |
| 2.3.3 贝叶斯最大熵结合地理加权回归 | 第35-36页 |
| 2.4 模型验证 | 第36-37页 |
| 3 结果与分析 | 第37-61页 |
| 3.1 描述性统计分析 | 第37页 |
| 3.2 模型的分析结果 | 第37-55页 |
| 3.2.1 GWR模型拟合结果 | 第37-53页 |
| 3.2.2 BME模型拟合结果与交叉验证结果 | 第53-55页 |
| 3.3 我国沿海和内陆PM_(2.5)时空分布 | 第55-58页 |
| 3.3.1 PM_(2.5)月间变化特征 | 第55页 |
| 3.3.2 PM_(2.5)空间变化特征 | 第55-58页 |
| 3.4 与国内外相关研究比较 | 第58-61页 |
| 4 结语 | 第61-64页 |
| 4.1 结论 | 第61-62页 |
| 4.2 创新点 | 第62页 |
| 4.3 展望 | 第62-64页 |
| 参考文献 | 第64-76页 |
| 作者简历 | 第76页 |
