西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究简

西安是空气污染监控和防治有代表性的西部大型城市。研究了西安市及周边地区上空气溶胶光学厚度与PM₁₀浓度的关系模型。利用2011—2012年MODIS卫星气溶胶光学厚度（AOD）遥感产品，通过数据匹配，利用地面气象观测站点的能见度数据和相对湿度数据对AOD产品进行垂直标高订正和湿度订正，2项订正显著提高了AOD和地面PM₁₀浓度的相关性，相关系数从0.36提高到0.65，按季节分类统计和订正春至冬四季的相关系数分别为0.57、0.71、0.62和0.87，夏季和冬季的订正更为有效，可用性更高，这可能由于受到不同季节气溶胶来源和特征的影响。为研究中国西部大型城市，特别是西安市空气环境监测和区域联防联控提供了一种有效方法。     

上海地区气溶胶特征及MODIS气溶胶产品在能见度中的应用

利用气象站点能见度的历史资料和美国国家宇航局的MODIS卫星遥感手段获取10 km×10 km分辨率的气溶胶光学厚度(AOD)资料,建立二者的季节平均关系,得到了上海地区季节变化的气溶胶标高,并利用标高数据和AOD的季节分布,反演出上海地区季节变化的区域能见度分布,研究了近地层大气气溶胶与地面能见度的关系,分析了上海地区AOD的特征及能见度的时空分布特征.结果显示:上海地区冬春季平均能见度较差,外环线以内能见度在10 km以下;低能见度中心分布明显.     

长江三角洲PM_(10)质量浓度遥感估算与时空分布特征

卫星遥感反演气溶胶光学厚度(AOT)已被广泛地应用于地面PM10遥感监测。为遥感监测长江三角洲地区PM10,利用2013年的MODIS/Terra AOT产品,考虑研究区36个空气质量监测站点的风速、温度、湿度和边界层高度等气象条件,构建了基于MODIS AOT产品估算PM10的模型。利用17个空气质量监测站点数据对模型进行散点拟合验证,结果表明,模型估算精度较高,春夏秋冬4个季节PM10质量浓度的模型估算值与地面监测值的相关系数R2值分别为0.72、0.76、0.69和0.72。利用模型估算的长时间序列PM10时空分布数据进行时空变化特征分析,结果表明:2000—2013年研究区PM10质量浓度呈增长趋势,月均增长量为0.077μg/m3,最大值出现在2月,为(107.2±22.0)μg/m3,最小值出现在8月,为(40.5±12.0)μg/m3;研究区PM10质量浓度空间分布差异显著,南部低,北部高,高值主要出现在由上海、杭州和南京构成的三角形区域的城市群中,而低值主要出现在南部远离城市的森林区域。结果表明,基于MODIS/Terra AOT产品和地面观测气象数据估算PM10的多元线性回归模型能较好地应用于区域PM10监测。     

北京地区大气气溶胶光学特性与区域雾霾事件分析

利用法国CEMEL公司制造的自动跟踪扫描太阳光度计(CE-318)获取中国北京地区2013—2014年气溶胶数据,并结合MODIS遥感数据以及美国国家海洋和大气管理局(NOAA)的气象资料进行后向轨迹分析,探讨了污染物来源与其雾霾事件的相关性。结果表明:在时间上,北京地区气溶胶光学厚度(AOD)具有春夏季大、秋冬季小的特点;在空间上,北京地区气溶胶颗粒物在大尺度上主要来源于内蒙地区的沙尘以及近海海域的海盐颗粒,小范围内的气溶胶颗粒主要来自人为污染尤其是汽车尾气、工业废气等排放;北京地区2013年6月以及2014年4月PM10与AOD的相关系数(R2)分别为0.418和0.599,说明雾霾发生期间PM10与AOD的相关性较高。     

基于插值模型的京津冀平原区典型月份AOD变化

以2009—2013年每年10月份京津冀平原区的MODIS气溶胶光学厚度数据(AOD)为基础,建立时间序列插值模型,插值得到更加系统完整的AOD日数据;进一步以日数据为基础,运用算术平均值计算方法得到AOD月均值图像,并且提取京津冀平原区10个城市每年10月份的AOD月均值。研究结果表明:就整个研究区而言,在时间变化上,AOD值呈现逐渐增大的趋势,2012年10月达到最大,2013年10月略有减小;在空间分布上,西北部区域AOD值较小,东南部区域AOD值较大。就10个城市而言,在时间变化上,有5个城市AOD值呈现增大趋势,5个城市呈现波动特征;在空间分布上,西部的3个城市为AOD低值城市,东北部的4个城市为中值城市,东南部的3个城市为高值城市。     

基于MODIS数据的环渤海地区气溶胶时空变化特征分析

利用2000—2015年美国国家航空航天局的Aqua卫星MODIS 2级气溶胶产品MOD04数据,探讨了环渤海地区气溶胶光学厚度(AOD)的时空变化特征。结果表明:(1)环渤海地区的AOD年均值空间分布与海拔密切相关,高海拔地区AOD普遍较低,而低海拔地区AOD普遍较高。污染最严重的季节为夏季,AOD与空气质量指数(AQI)相关性较高。(2)16年来,环渤海地区AOD年均值为0.465~0.682,2012年最高,2001年最低,平均值为0.592,远高于全球陆上平均水平0.190。年内变化呈现双峰型,最高值出现在7月,最低值出现在12月。AOD年内变化与风速呈负相关关系。     

PM_(2.5)遥感反演技术研究进展

PM2.5是表征空气质量最为重要的指标之一。近年来随着卫星遥感技术的迅速发展,通过气溶胶光学厚度(AOD)间接反演PM2.5已成为监测PM2.5的重要技术手段。从遥感反演PM2.5基本原理、遥感数据源、PM2.5时空分布计算方法以及发展趋势4个方面对PM2.5遥感反演技术的研究进展进行了综述。     

基于Himawari-8卫星的中国东北秸秆焚烧监测及其对空气质量的影响研究

利用Himawari-8卫星的AHI成像仪于2016年3月下旬对中国东北进行秸秆焚烧火点监测,结合气溶胶光学厚度(AOD)与地面空气质量数据分析了秸秆焚烧对空气质量的影响。结果显示,研究期间共监测到秸秆焚烧火点425次。齐齐哈尔市、哈尔滨市、呼伦贝尔市、黑河市、绥化市和大庆市火点数较多,分别为116、75、52、50、41、20次。火点数早晚少、中午多。秸秆焚烧对空气质量有很大影响,火点及其下风向的空气质量指数(AQI)和AOD往往较高。秸秆焚烧产生的主要空气污染物是CO和PM10,但它们的峰值滞后于秸秆焚烧的时间。     

京津冀地区AOD和PM_(2.5)质量浓度的特征及相关性分析

为了探讨京津冀地区AOD和PM_(2.5)的变化特征及其相关性对NASA MODIS气溶胶光学厚度产品与京津冀地区PM_(2.5)质量浓度进行了比较分析。结果表明,AOD和PM_(2.5)均有明显的时间和空间分布特征且二者变化特征一致:张家口、承德、秦皇岛是观测期间2014年11月—2015年3月污染最轻的3个城市;京津冀南部AOD值和PM_(2.5)质量浓度明显高于北部。通过各市AOD和PM_(2.5)质量浓度的相关性分析,其最优模型均是非线性模型。根据各市最优模型得到的决定系数,邢台市、衡水市和石家庄市AOD和PM_(2.5)质量浓度具有比较好的相关性,北京市和天津市的相关性相对较差。     

基于MODIS数据的中国地区气溶胶光学厚度时空变化特征

利用2007—2017年的MODIS/AQUA C6版MYD08_M3气溶胶产品数据资料,从时间和空间角度分析中国气溶胶光学厚度(AOD)变化特征。结果表明:(1)2007—2017年中国AOD年均值在0.40～0.55波动,平均值为0.48,11年间中国AOD年均值降低0.06;(2)中国AOD高值区集中在长江中下游、华北平原、珠江三角洲以及新疆的塔里木盆地,而川西、滇西北与青藏高原交界的地区为低值区,东北及内蒙古北部的AOD也相对较低。(3)地势对AOD分布具有一定影响,一般地,AOD高值区总体分布在低海拔地区,而AOD较低的区域主要位于高海拔区。(4)中国AOD表现出一定的季节变化特征,总体上呈春夏季高峰,秋季最低,冬季至次年春季逐步回升的趋势,此外采暖期内AOD整体上低于非采暖期。     

区域大气环境中PM2．5／PM10空间分布研究

提出了一种利用移动监测技术研究区域大气环境中PM2.5／PM10空间分布的方法，并在2004年12月进行了宁波市全市域PM2.5／PM10空间分布的研究。数据显示：相同路径所代表的地区PM2.5和PM10具有很好的相关性，多数路径上PM2.5与PM10数据的相关系数平方在0．95以上，而不同路径上PM2.5与PM10的比值不同。文中给出了宁波市PM2.5／PM10污染的空间分布图，直观地显示出PM2.5／PM10污染的空间分布情况，突出了污染的重点点位和地区。     

福州市东郊大气气溶胶物理特性及其来源分析

利用GRIMM180环境颗粒物监测仪观测了2012年12月至2013年11月福州市东郊气溶胶数浓度和质量浓度,分析了该地区气溶胶粒子的主要物理特征。结果表明,福州市东郊气溶胶数浓度和质量浓度都有着明显的季节变化特征,冬季最高,夏季最低;与京津冀、长三角和西部大城市相比,福州市东郊气溶胶质量浓度较低,空气质量较好。从PM_(2.5)在PM10中所占比例来看,PM_(2.5)是影响福州市东郊空气质量最主要的因子。在冬季气溶胶数浓度日变化基本呈双峰分布,早晨和傍晚分别出现峰值;夏季呈单峰分布,峰值出现在午后。利用后向轨迹HYSPLIT-4模式,经过聚类分析得到,在春季、秋季和冬季福州市气团输送来源主要是北方内陆和福州本地及邻近地区;而在夏季海洋是气团的主要输送来源。     

南宁市大气颗粒物TSP、PM10、PM2.5污染水平研究

2002年在南宁市的5个典型城市功能区内，共采集了125个大气样品(按季节分别采集)，初步调查了大气中颗粒物TSP、PM10、PM2.5的污染状况。结果表明，南宁市TSP、PM10、PM2.5的污染很严重，超标率分别为67．5％、82．5％、92．5％，对人体健康危害更大的PM2．5占到了PM10的63．5％左右。重污染区PM2.5的浓度超过轻污染区近一倍。     

空气中PM_(10)浓度的BP神经网络预报研究

建立了某市PM10浓度预报的分段BP神经网络模型，经验证，所建立的BP预报模型，预测精度比较高，PM10日平均浓度误差大多在-0．010～0．010mg／m^3范围内，相对误差在-20％～20％，表明BP神经网络对PM10的浓度预报是一种有效的工具。     

基于可吸入颗粒物评估的广西能见度观测资料订正

对能见度观测值进行湿度修订,以凸显能见度与可吸入颗粒物(PM10)的关系。以广西3个典型台站(南宁站、桂林站、北海站)为研究对象,利用2001年7月至2011年12月样本数据建立3个台站能见度订正模型,分别采用建模期样本数据与非建模期(2012年1月至2012年12月)样本数据对订正模型进行评估,发现订正后能见度与PM10相关系数绝对值有所提高,即订正后能见度可以更好地表征PM10污染。最后,分析了湿度影响导致的能见度观测偏差以及订正前后能见度分布频率、趋势变化的差异。     

宝鸡市大气PM_(10)中水溶性物质的组成及特征研究

2008年冬、春季在宝鸡市4个不同功能区采集PM10样品,探讨了PM10中水溶性物质的化学组成、时空分布特征以及来源。结果表明,冬、春季PM10的平均质量浓度分别为(402±100)、(410±160)μg/m3,无明显季节差异,冬季以交通干道区的PM10浓度为最高,而春季则以商贸区的PM10浓度为最高;冬、春季PM10中水溶性有机碳(WSOC)浓度最高值均出现在商贸区,最低值则分别出现在背景点和交通干道区,水溶性无机碳(WSIC)浓度最高值分别出现在交通干道区和商贸区,最低值均出现在背景点;冬、春季PM10中所含大多数无机离子浓度不存在显著空间差异,但不同功能区PM10中无机离子所占质量分数差异较明显;冬、春季PM10中的水溶性物质质量浓度分别为207、151μg/m3,在PM10中所占质量分数分别为51%和40%,其中,冬、春季水溶性物质浓度最高的分别为居民区和商贸区;冬季PM10中WSOC浓度与SO24-、NO3-浓度有较好的相关性,说明冬季PM10中WSOC的主要组分为二次有机气溶胶,而春季PM10中WSOC浓度与SO42-、NO3-浓度的相关性相对较差,这是由于一次有机气溶胶对WSOC的贡献率较冬季显著增大;宝鸡市与北京市大气PM10浓度、PM10中的SO42-、NO3-、NH4+浓度最为接近;广州市大气PM10中的SO42-所占质量分数(14%)要高于北方城市(宝鸡市和北京市均为9%)。     

杭州城市可吸入颗粒物污染与气象条件关系的分级评价和BP神经网络评估

为了解杭州城市环境空气质量与气象条件之间的关系,利用杭州市区2003-2007年的可吸入颗粒物(PM10)浓度数据和气象资料,通过分级评价的方法和基于BP神经网络的污染物浓度评估模型,得到PM10浓度与气象条件的对应关系.结果表明,随着日降水量的增大,PM10浓度减小;风速与PM10浓度呈明显的负相关,随着风速的增大,PM10浓度明显减小;气象因素与PM10浓度之间呈非线性关系,大气能见度对PM10和相对湿度的变化极为敏感.随着PM10浓度的增大,大气能见度迅速降低,相对湿度越高,大气能见度则越低;近几年杭州市气象条件不利于大气污染物的扩散和清洗,是杭州城市环境空气质量上升缓慢的主要原因之一.     

杭州市区大气能见度变化趋势及其与主要污染物相关性分析

利用2004-2006年地面气象观测资料和同期环境空气质量自动监测数据,分析了杭州市区大气能见度变化趋势及其与主要污染物的相关性.结果表明,杭州市区能见度的日分布特征为14时最好,8时最差;季节变化特征为夏季>春季>秋季>冬季,全年仅7月能见度超过10 km;SO2、NO2、PM10浓度均随能见度增高而逐渐降低;影响能见度的首要因子为相对湿度和PM2.5,能见度与PM2.5浓度具有较好的相关性.     

杭州城市大气消光系数和能见度的影响因子研究

为了解杭州市能见度下降与大气污染之间的关系，在2001年5月至2002年5月对不同粒径的颗粒物（PM10、PM2.5）的质量浓度进行了观测，结合晴天天气条件下的大气能见度，推算污染物和水汽分子对大气的消光散射，发现细微颗粒物的散射消光特性对杭州市能见度下降起主要作用，并得到能见度与细微颗粒物浓度比值（PM2．5／PM10）的关系；分析了大气能见度和消光系数与PM2．5／PM10和相对湿度的相关系数。     

小波分析在郑州市供暖期PM_(2.5)浓度相关性分析中的应用

为分析供暖期内各种物质与PM2.5的相关性和变化规律,以郑州市供暖期为例,运用Morlet小波分别对PM2.5、PM10、CO、NO2、和SO2的浓度进行分析,并对比各自主周期的小波系数模。结果表明,PM10与PM2.5波动主周期均为33 d,主周期小波系数模差值为0,与PM2.5相关性最高;SO2波动主周期为12 d,与PM2.5相差最大,相关性最低。由于燃煤中各成分含量不同,供暖期SO2与CO、NO2呈中度相关,相关系数依次为0.6045和0.6949;SO2与PM10呈低度相关,相关系数为0.4010。供暖期污染最严重的污染物是PM10和NO2,与非供暖期相比,两者与PM2.5相关系数增量分别为:0.1255和0.2858,相关性提高幅度较大。