北疆地区MODIS 3km气溶胶光学厚度与PM10质量浓度的相关性分析

利用2016年MODIS 3 km分辨率的气溶胶光学厚度(AOD)日产品、PM_(10)质量浓度以及相关气象数据,开展了北疆地区AOD与PM_(10)质量浓度的相关性分析.结果表明,AOD与PM_(10)质量浓度的直接相关程度较低,相关系数仅为0.294.对比分析了利用能见度数据对AOD进行垂直订正,然后再用相对湿度数据对其进行二次订正(AOD垂直-湿度订正)和利用能见度数据对AOD进行垂直订正和相对湿度数据对PM_(10)质量浓度进行订正(AOD垂直订正-PM_(10)湿度订正)两种订正方法,结果指出"AOD垂直订正-PM_(10)湿度订正"可显著提高二者之间的相关性.订正之后,北疆地区AOD与PM_(10)质量浓度的相关系数达到0.755,呈显著正相关;阿勒泰的订正效果最好,相关系数为0.837.最后,基于垂直订正后的AOD和湿度订正后PM_(10)建立两者之间的最优拟合模型,并利用新建的模型反演了北疆地区PM_(10)质量浓度.反演得到的PM_(10)质量浓度与经过湿度订正后PM_(10)呈显著正相关,相关系数为0.688;昌吉和伊宁的反演效果最好,相关系数分别为0.910和0.829.本研究结果表明MODIS 3 km AOD产品经过垂直和湿度订正后,可作为北疆地区监测PM_(10)质量浓度的一个有效手段.     

MODIS气溶胶光学厚度在临安大气颗粒物监测中的应用

基于大气辐射传输理论的研究表明,AOD(气溶胶光学厚度)与地面PM(颗粒物)浓度(以ρ计)呈正相关. 利用2006—2010年MODIS晴空AOD数据产品与临安区域大气本底站监测的ρ(PM₁₀)进行相关分析发现,二者的R(相关系数)为0.431,直接相关程度较低. 根据AOD和气象能见度间的关系,获得了不同季节临安地区的气溶胶平均垂直标高,利用该垂直标高和RH(相对湿度)分别订正AOD和ρ(PM₁₀)后,二者的相关性(R为0.576) 明显提高.冬季AOD和ρ(PM₁₀)的相关性最好,R为0.765;夏、春季次之,R分别为0.643和0.608;秋季最低,为0.442. 经过对5年资料的对比分析,证实了MODIS气溶胶光学厚度经垂直标高和RH订正后,可用于临安地区地面空气污染的监测.      

基于卫星遥感资料监测地面细颗粒物的敏感性分析

分析了垂直分布、粒径分布和吸湿增长3个影响因子及其组合对基于卫星遥感资料监测地面细颗粒物(PM2.5)的敏感性.以广州地区为例,使用影响因子及其组合对2010年全年、干季和湿季的MODIS气溶胶光学厚度(AOD)资料进行订正,与时空匹配的地基实测PM2.5质量浓度数据对比和分析.研究表明,两者的直接相关性很低,全年相关系数(R)仅有0.147.经单个因子订正后,效果提升有限.其中,粒径因子的敏感性最高,垂直因子次之.组合因子中,垂直及粒径订正的效果最好,敏感性最高,全年R达0.526.垂直及粒径因子再加上湿度因子后,全年R降为0.498.垂直及湿度订正的敏感性最低,全年R仅为0.145.总体而言,垂直及粒径订正因子敏感性最高,效果最佳.粒径因子加入后订正效果提升显著,而经验吸湿增长因子的时空代表性比较单一.     

基于MODIS气溶胶产品的安徽省颗粒物浓度反演研究

基于MODIS level2的气溶胶产品,分别利用地面气象观测和ECMWF再分析资料进行垂直订正和地面水汽订正,建立MODIS气溶胶光学厚度与地面颗粒物浓度间的关系模型,并分析了颗粒物浓度的时间变化特征。结果表明:(1)MODIS光学厚度与地面PM_(2.5)和PM_(10)浓度相关性较差,经过垂直订正得到的地面消光系数与PM_(2.5)和PM_(10)浓度的相关性增强,水汽订正后的干消光系数与PM_(2.5)和PM_(10)浓度的相关性进一步提高。(2)ECMWF再分析格点数据中边界层厚度和相对湿度产品适用于MODIS光学厚度的垂直订正和水汽订正。(3)利用MODIS光学厚度历史数据反演的合肥市月平均PM_(2.5)浓度自2000年以来呈震荡增长趋势,PM_(2.5)浓度冬季较高,春秋次之,夏季最低。     

北京市气溶胶的时间变化与空间分布特征

以MODIS气溶胶遥感数据与同期AERONET监测数据为基础,应用统计分析、对比分析、时间序列分析等技术手段,研究了北京地区气溶胶的时间变化和空间分布特征.结果表明,气溶胶MODIS遥感反演数据和同期AERONET监测数据吻合较好,Pearson积矩相关系数为0 789,误差为ΔAOT550 = -0.077AOT 0.03.北京地区气溶胶550 nm光学厚度AOT和细粒比η的时间变化规律性明显:夏季以城市污染气溶胶为主,光学厚度最高,且具细粒特征;春季城市污染气溶胶和春季沙尘共存,光学厚度比较高,且粗粒占一定比例;冬季以采暖燃煤气溶胶为主,光学厚度不高,但是粗粒占较大比例;秋季大气清澈,气溶胶平均光学厚度仅为0.34.空间分布方面,主要受植被覆盖和产业结构等因素影响,位于西部北部山区的延庆、密云、怀柔和门头沟区气溶胶的光学厚度低,位于东南部平原地区的昌平、顺义、通县、大兴和房山区气溶胶光学厚度总体较高.     

阜新市MODIS AOD与大气PM_(2.5)浓度相关性研究

利用卫星遥感MODIS数据研究区域大气PM_(2.5)浓度分布是环境管理的有效方法。获取美国国家航空航天局MODIS L1B1KM数据,采用暗目标法反演阜新市大气气溶胶厚度AOD数据;提取阜新市5个大气监测站点位2014年3月至5月、2015年3月至4月期间PM_(2.5)浓度数据进行相关性分析,建立PM_(2.5)浓度-AOD之间的线性、一元二次、对数函数、幂函数及指数函数5种相关性模型;引用湿度影响因子建立大气PM_(2.5)浓度订正模型,采用PM_(2.5)浓度订正模型、Peterson模型分别订正PM_(2.5)浓度及AOD标高,应用阜新市环保局5个监测点位2014年6~12月、2015年5~12月期间PM_(2.5)的月平均浓度进行模型检验。对比分析订正后的5种相关性模型拟合优度,检验结果表明:订正方法提高了PM_(2.5)浓度-AOD相关性;线性相关性模型R2为0.633 6,相对误差为12.41%,相对其他4种模型相对误差较小。利用阜新市大气AOD预测PM_(2.5)浓度具有良好环境指示意义。     

基于AERONET数据估算近地面PM2.5

近年来对PM_(2.5)估算的研究大多是从卫星遥感的气溶胶光学厚度出发,而从气溶胶粒子谱本身出发的研究较少.基于此,本文提出一种新方法,利用2016—2017年AERONRT北京、香河、徐州和太湖4个站点的气溶胶粒径分布数据估算了近地面PM_(2.5)质量浓度,经标高订正和湿度订正后用地面监测数据对估算结果进行评价检验.结果表明:①估算的2016—2017年PM_(2.5)日均值和地面实测数据的拟合度R~2分别为北京0.42、香河0.31、徐州0.05和太湖0.49,经标高订正和湿度订正后分别提升至0.69(RMSE=39.33μg·cm~(-3))、0.79(RMSE=35.36μg·cm~(-3))、0.49(RMSE=32.93μg·cm~(-3))和0.75(RMSE=15.24μg·cm~(-3));②将估算的PM_(2.5)季均值与地面实测季均值进行对比分析,结果也显示二者基本相当,同时基于该方法估算了2006—2017年北京和香河地区PM_(2.5)年均值,分析了其变化趋势.由此可见,基于AERONET的粒子谱数据能够较好地估算近地面PM_(2.5)质量浓度,并且可以利用该方法估算PM_(2.5)历史数据,分析变化趋势.     

乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究

为了建立乌鲁木齐市近地面PM10浓度监测的关系模型,利用乌鲁木齐市2013年3—11月、2014年3—11月MODIS AOD产品与同期地面观测的PM10质量浓度进行相关分析,结果表明二者直接相关程度较低(r=0.433,p0.01);然后以WRF模式模拟的大气边界层高度及地面观测的相对湿度数据对AOD进行垂直、湿度订正后,二者相关性得到较大程度提高(r=0.630,p0.01);按照季节分类统计和订正春、夏、秋季的相关系数r分别为0.779、0.393、0.523,均大于统计学上99%的置信度要求,其中春季的订正最为有效,可用性更高;最后,建立全年和各季AOD-PM10最优拟合模型并反演乌鲁木齐市地面PM10质量浓度,全年和三季的反演结果与实测数据的相关系数分别为0.757、0.748、0.652、0.715(p0.01);同时基于卫星遥感AOD反演得到的PM10质量浓度的空间分布与AOD呈现出整体的一致性,并且3个季节AOD平均值表现为:春季秋季夏季.证实了卫星遥感AOD经过垂直和湿度订正后,可以作为辅助监测乌鲁木齐市PM10地面浓度分布的一个有效手段.     

环境一号卫星在监测大气PM10中的应用

选择京津唐地区作为实验区,从环境一号卫星(HJ-1)的CCD数据出发,利用暗目标法反演陆地气溶胶,然后在对气溶胶光学厚度进行垂直订正和湿度校正的基础上,得到PM10的反演模型,进行PM10的反演实验.并利用中国环境监测总站的地面监测数据对结果进行了检验.结果表明,HJ-1的时空分辨率满足PM10周监测的需要,结果与地面数据有一定的相关性(相关系数为0.58),为提高PM10的反演精度还需结合更多的地面数据进行模型的修正.     

MODIS气溶胶产品在大气能见度监测中的应用

利用MODIS气溶胶产品和气象观测资料分析了能见度与MODIS气溶胶产品和气象要素的相关关系,并运用多元回归方法建立了安徽省不同季节能见度的反演模型,在此基础上分析安徽省能见度的时空分布特征。结果表明:(1)能见度与气溶胶光学厚度(AOD)、气溶胶质量浓度(MASS)和相对湿度呈显著负相关,AOD、MASS经气溶胶标高垂直订正后,与能见度相关性显著提高;(2)反演能见度与实测能见度相关系数为0.689(P0.001),对于平均值为16.80 km的能见度观测值,反演的平均偏差MBE为-0.25 km,均方根误差RMSE为4.21 km;(3)安徽省能见度空间分布不均,皖南山区、大别山区,以及淮北平原能见度较高,沿江、江淮之间中部,以及沿淮部分地区为能见度的低值区;能见度有明显的季节变化特征,春、夏季高于秋、冬季,6月份能见度明显小于下半年的其他月份,可能与秸秆焚烧有关。     

MODIS 3 km气溶胶光学厚度产品检验及其环境空气质量指示

分析了MODIS C006 3 km卫星遥感气溶胶产品的算法流程,并与AERONET观测数据进行对比验证,综合新疆阿克苏地区地面空气子站1年的颗粒物质量浓度(PM10)、环境气象资料(能见度、湿度等),评估了该高分辨率气溶胶产品的精度和稳定性.分析表明,MODIS 3 km AOD与AERONET地基AOD(Issyk-Kul)的相关系数(r)达到0.8836,满足期望误差要求,但存在高估;研究区AOD和PM10存在同步变化趋势,新疆阿克苏市区2个空气子站PM10质量浓度与AOD的相关系数(r)均大于0.55,直接对比的相关性好于类似研究;经高度订正和湿度订正后AOD-PM10的相关系数和拟合优度均有所提高,标准误差和变异系数均下降,但提升并不明显.这一相关性结果与研究区本底气象环境条件有关.MODIS 3 km AOD的季平均结果表明,阿克苏地区AOD存在显著的季节性变化,春季明显高于其他季节,主要城市春季平均AOD在1.5以上,夏季和秋季AOD均值基本介于0.6~0.7之间,阿克苏市主城区夏秋季AOD季均值仍在1.0以上,反映人口集聚、城市交通工业发展等大气人为污染的增加导致AOD的增高.结果表明,MODIS C006 3 km AOD产品质量稳定,其月、季平均等长时间尺度结果有更好的空间覆盖,可满足区域环境空气质量评估的需要.     

高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究

利用最新的MODlS(中分辨率成像光谱仪)气溶胶光学厚度(AOD)反演算法,反演珠江三角洲及香港地区2008年高分辨率(1 km x1 km)AOD分布,并与AERONET观测数据进行了验证(r=0.917).分析了2008年珠江三角洲及香港地区5个站点地面监测PM10质量浓度与反演的AOD数据相关性.结果表明:两者直...     

BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5

近年来随着中国经济的快速发展,中国区域的大气污染情况日趋严重,大气污染监测与治理已刻不容缓.由于卫星遥感具有较广的空间覆盖、成本低等优点,卫星遥感反演气溶胶光学厚度(AOD)产品被普遍认为是地面PM2.5浓度的重要指标,且已被广泛地应用于地面PM2.5遥感监测.利用2007～2008年的MODIS/Terra气溶胶光学厚度产品,考虑中国东部地区5个大气成分站点风速、风向、温度、湿度和边界层高度等气象数据,构建后向(BP)神经网络,提出了基于MODIS AOD产品估算PM2.5的模型.利用5个大气成分站点PM2.5观测数据对模型进行散点拟合和时间序列拟合验证,结果表明:①从PM2.5观测值与估算值的散点回归分析来看,PM2.5估算值与观测值相关系数最好的为庐山站(R=0.6),其它4个站次之,但其相关系数均在0.4(中强相关)以上;②从PM2.5观测值与估算值的时间序列比对分析来看,PM2.5估算值和观测值差值随时间变化而变化,且存在明显的日际振荡现象,但经相邻5 d滑动平均处理,5个站点的PM2.5估算值与观测值相关系数得到普遍提升,滑动后的相关系数RMA均在0.7以上(除郑州外),庐山RMA达到0.83.结果表明在BP网络框架下,基于MODIS AOD产品估算PM2.5的模型能较好地应用于PM2.5监测.     

徐州市气溶胶光学厚度与PM2.5相关性及年周期特征

基于徐州市2014～2017年气溶胶光学厚度(AOD)、地面监测站PM_(2.5)浓度及气象数据,构建经标高订正的AOD(AOD/H)与经湿度订正的PM_(2.5)(PM_(2.5)×f_((RH)))之间的5种不同类型的拟合模型,分析两者在不同季节的相关性;同时利用经验模态分解对AOD/H与PM_(2.5)×f_((RH))进行周期变化分析。结果表明:AOD与PM_(2.5)浓度直接相关程度较低,经过订正后两者的相关程度显著提高;选取乘幂模型为最优拟合模型,利用乘幂模型估计得到的PM_(2.5)浓度与地面监测的经湿度订正的PM_(2.5)浓度呈显著正相关,相关系数在四季分别达到0.752、0.650、0.808和0.942;利用经验模态分解分析得到AOD/H与PM_(2.5)×f_((RH))具有显著的年周期变化特征,均在冬季出现高值,后逐渐降低,在6月前后出现极小值,到秋季又逐渐增大;AOD/H与PM_(2.5)×f_((RH))年变化特征表现出很高的一致性(r=0.888),表明在徐州地区AOD/H对PM_(2.5)×f_((RH))在年周期尺度变化特征研究中能起到良好的指示作用。     

基于MODIS气溶胶光学厚度与气象要素的苏锡常地区PM2.5地面浓度分布研究

基于GIS技术和岭回归分析方法,采用苏锡常地区的MODIS高分辨率气溶胶光学厚度资料、PM_(2.5)浓度观测资料和苏锡常及周边地区的气象观测资料,构建了基于气溶胶光学厚度和气象要素的PM_(2.5)地面浓度分布估算模型,模拟了2013年春季苏锡常地区PM_(2.5)的空间分布状况,并将此模型与气象要素多元回归模型、气溶胶光学厚度直接回归模型进行比较.结果表明:该模型将遥感观测资料与地面气象观测资料相结合,能够有效地模拟PM_(2.5)的空间分布状况;2013年春季苏锡常地区PM_(2.5)的空间分布具有整体上西北高、东南低,中心城区高、城郊区低的趋势,局部高浓度区域可能与工业生产、交通等人为因素有关;该模型能够在保持较高精度的前提下,有效地突出局部地区的变化特征,体现出更强的空间分异性,对于研究PM_(2.5)的空间分布规律具有一定的实际应用价值.     

2006~2009年我国超大城市霾天气特征及影响因子分析

收集了2006～2009年北京、上海、广州和成都能见度等气象因子以及SO2、NO2和PM10等环境空气质量资料,在此基础上统计分析上述4个超大城市霾天气频率季节和年际变化特征及其主要的影响因子.结果表明,北京、上海、广州和成都霾天气频率季节最高值分别为夏季、冬季、春季和秋季.北京和广州霾天气频率呈现逐渐下降趋势,而上海和成都呈现逐渐上升趋势.PM10和相对湿度是影响能见度或霾天气频率关键因子.北京能见度变化对相对湿度比较敏感,而上海和广州对PM10浓度变化比较敏感,成都对相对湿度和PM10浓度敏感程度相当.