摘要：本文对福州市城区PM2.5浓度的监测数据进行探索性分析，具体利用4种常用插值方法进行空间插值，最后利用交叉验证对插值结果进行误差分析，旨在综合分析空间插值方法的精度。分析结果显示：简单克里金的插值结果是最接近于实测值，而其他三种插值方法的插值结果相差不大；简单克里金的指标排名和也明显优于其他几种方法。此外，PM2.5季节性分布特征对插值结果有明显影响，夏、秋两季的插值精度较高，而春季是四个季节中插值精度最低的。

关键词：PM2.5浓度；空间插值；方法比较

中图分类号：X830.2 文献标识码：A 文章编号：2095-672X（2018）06-0177-01

DOI：10.16647/j.cnki.cn15-1369/X.2018.06.106

Abstract ： A data exploratory analysis of PM2.5 concentration monitoring data in Fuzhou urban area was conducted， and four commonly used interpolation methods were used for spatial interpolation. Finally， cross-validation was used to analyze the interpolation results for error analysis， and the spatial interpolation method was comprehensively analyzed. Accuracy. The analysis results show that the simple Kriging interpolation result is the closest to the measured value， while the interpolation results of the other three interpolation methods are not much different； the simple Krigings index ranking is also significantly better than the other methods. The seasonal distribution characteristics of PM2.5 have a significant impact on the interpolation results， and the interpolation accuracy is higher in summer and autumn， and the spring is the lowest in the four seasons.

Keywords： PM2.5 concentration； Spatial interpolation； Method comparison

空间插值是根据已有空间数据预测未知空间数据的方法。随着ArcGIS和计算机技术的快速发展，空间数据插值的应用越来越广泛。丁卉等[1]采用三种空间插值方法对珠三角地区62个大气环境自动监测站的空气污染物浓度数据进行空间插值，结果显示克里金法插值效果最佳；李杰等[2]利用石家庄赵县100个点的PM2.5数据，采用三种常用插值方法进行插值，结果表明，协同克里金插值的精度最高；刘妍月等[3]对长沙市某时刻的PM2.5浓度进行空间插值，结果表明克里金插值法能较好的反映出PM2.5浓度分别特点，但精度有待提高；许亚辉等[4]利用反距离加权插值法分析了南京市城区PM2.5分布情况。

本文对福州市城区的PM2.5浓度监测数据进行数据探索性分析，并利用4种常用的空间插值方法进行插值，最后利用交叉验证对插值的结果进行误差计算，综合分析了空间插值方法的精度。

1 数据来源

本研究的PM2.5质量浓度数据来源于2016年12月1日～2017年11月30日福州市环境监测中心站22个空气自动监测点的数据。22个自动监测点包含5个国控监测点、7个市控监测点，10个区控监测点。通过分季节PM2.5的日均值折线图，选取数据波动较大的4月16日、7月21日、10月23日、1月11日的数据分别代表春夏秋冬四个季节的PM2.5来进行空间插值。对四个日期的PM2.5质量浓度进行分析，结果表面福州PM2.5浓度分布具有明显的季节性特征，即春季平均浓度最高，其次是冬季，夏季和秋季较低，均方差结果显示，春季最高，冬季次之，秋季最低（表1）。

2 方法介绍

2.1 数据预处理

ArcGIS提供了直方图、正态QQ分布图、趋势分析等数据分析方法，其中直方图显示数据的概率分布特征以及概括性的统计指标，正态QQ分布图检查数据的正态分布情况，而趋势面分析用于发现数据在某个方向上是否有分布趋势。本文应用这三种方法分别对4个季度的样点数据进行分析。

本文选取了应用较为广泛的反距离权重插值法、径向基函数法这两种确定性插值方法，以及普通克里金插值、简单克里金这两种的统计插值方法。利用地理信息的ArcGIS软件实现空间插值。

2.2 插值结果验证

以平均误差（ME）、均方根误差（RMS）、平均相对误差（MRE）作为插值结果的评价标准。平均误差指测量值与预测值之间的平均差值，反应预测误差的整体分布情况。

均方根误差指明模型预测结果与测量值的接近程度，此值越小越好。

3 结果与讨论

3.1 空间插值结果

从表2可以看出，4种分析插值方法中，简单克里金的平均误差为正，而其他3种方法的平均误差均为负，说明简单克里金的插值整体上是略高于实测值，其他3种则是低于实测值。从均方根误差大小看，简单克里金的插值结果最接近于实测值，可见其插值精度最高、误差最小，而其他3种插值方法的插值结果相差不大；从平均相对误差看，也是简单克里金的相对误差最小，可见相对于测量值来说，简单克里金的插值也是最为准确的。对4种插值方法的3个评价参数分别排名，然后求和得到表3。可以看出，简单克里金的指标排名和明显优于其他几种方法，普通克里金插值和径向基函数法几乎不相上下，反距离权重插值法则是最差的。

3.2 季节对插值结果的影响

4种方法的插值结果，夏、秋两季的RMS明显小于春、冬季，说明夏、秋两季的插值精度较高，而春季是4个季节中插值精度最低的，可见PM2.5的季节性分布特征对插值结果有明显影响。

4 结论

对比4种插值方法，简单克里金的插值结果最接近于实测值，而其他3种插值法的插值结果相差不大；简单克里金指标排名和明显优于其他方法。但是，简单克里金插值虽然是几种方法中插值效果精度最高的，其RMS值也达到12.11，说明方法的精度还不是非常理想。

4种方法的插值结果，夏、秋两季的RMS明显小于春、冬季，说明夏、秋两季的插值精度较高，而春季是4个季节中插值精度最低的，可见PM2.5的季节性分布特征对插值结果有明显影响。

参考文献

[1]丁卉，余志，徐伟嘉等. 3种区域空气质量空间插值方法对比研究[J].安全与环境学报，2016，16（3）：309-315.

[2]李杰，翟亮，桑会勇等.PM2.5浓度插值中不同空间插值方法对比[J].测绘科学，2016，41（4）： 50-55.

[3]刘妍月，李军成.长沙市大气中PM2.5浓度分布的空间插值方法比较[J].环境监测管理与技术，2016，28（2）：14-18.

[4]許亚辉，周蕾，倪海峰等.基于反距离加权空间插值方法的南京老城区PM2.5的空间分布研究[J].中国科技信息，2014，（16）：48-49.

收稿日期：2018-04-17

作者简介：周淑玲（1985-），女，研究生，工程师，研究方向为污染源监督性监测及企业自行监测。