卫星遥感监测近地表细颗粒物多元回归方法研究

对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012),0.7449(R2=0.5549),0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562,35.3321,36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象.     

长江三角洲PM2.5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PM2.5遥感监测.为遥感监测长江三角洲地区PM2.5,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 AOD产品估算PM2.5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PM2.5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0.45、0.50、0.58和0.52.利用模型估算的长时间序列PM2.5时空分布数据进行时空变化特征分析,结果表明:1 2000~2013年研究区PM2.5质量浓度呈增长趋势,月均增长量为0.047μg·m-3,最大值出现在2月,为(66.2±19.3)μg·m-3,最小值出现在8月,为(22.6±5.9)μg·m-3.2研究区PM2.5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PM2.5的多元线性回归模型能较好地应用于区域PM2.5监测.     

多尺度PM_(2.5)分布特征的空间插值与遥感反演对比

精确识别污染物浓度的空间分布是进行区域大气污染防治的重要基础。利用MODIS卫星数据,采用基于地面气象和环境空气质量监测站点观测数据为基础的反演模型,反演获取2013年12月珠三角地区典型大气污染过程1 km分辨率的PM_(2.5)浓度数据,对比分析遥感反演及基于环境空气质量监测站点观测数据的空间插值方法对区域、城市和乡镇尺度PM_(2.5)浓度空间分布特征的再现效果差异。结果表明,珠三角地区PM_(2.5)遥感反演结果与地面观测数据的相关性达到0.74,相关性水平较好,遥感反演结果可描述区域、城市和乡镇尺度上PM_(2.5)污染浓度的空间分布特征,识别不同空间位置的污染程度差异;基于站点观测数据的空间插值方法对PM_(2.5)浓度空间分布特征的再现能力有限,在区域尺度PM_(2.5)浓度空间分布特征分析时效果尚可,在站点有限的城市和乡镇尺度分析中效果不佳,容易产生对高浓度污染地区的误判;在需要利用站点观测数据分析区域尺度PM_(2.5)浓度空间分布特征时,析取克里金、反距离权重或径向基函数插值方法的效果相对较好。     

基于AOD数据反演地面PM_(2.5)浓度研究进展

随着中国城市发展,城镇化进程的不断推进,能源消耗持续增加,空气中的污染物含量越来越高,空气污染事件频发,城市空气质量研究成为一个热点议题。PM_(2.5)作为表征空气质量的重要指标之一,越来越受到人们的关注,目前获取PM_(2.5)数据主要有地面监测和卫星遥感监测2种方式。传统的地面监测手段可以得到高精度的局部PM_(2.5)污染数据,但是由于其覆盖范围的局限性,并没有办法反映出整个区域的PM_(2.5)污染情况。遥感卫星监测恰到好处地弥补了这一缺陷,其中应用最为广泛的是使用卫星遥感数据产品大气气溶胶光学厚度AOD来反演地面的PM_(2.5)浓度。文章从AOD数据的多样性及其应用、反演地面PM_(2.5)浓度模型的选择以及反演模型的优化这3个方面对目前国内外利用遥感卫星AOD数据反演地面PM_(2.5)浓度的研究进行了归纳梳理。其中AOD数据分辨率的不同产生了不同精度的反演结果;而线性回归模型和非线性回归模型的反演精度也存在较为明显的差异;通过在模型中加入气象参数、气溶胶垂直分布特性以及地表信息等因素会显著地改善反演结果。上述研究为流行病学中PM_(2.5)人口暴露研究及健康影响提供方法论基础。     

中国2013年1月PM2.5重污染过程卫星反演研究

利用第三代空气质量模型CMAQ(community multiscale air quality modelling system)模拟的PM2.5垂直分层数据和中尺度气象模型WRF(weather research and forcasting model)模拟的高分辨率湿度数据,分别对MODIS AOD(aerosol optical depth)资料进行垂直与湿度订正,建立了订正后的AOD数据与PM2.5地面监测数据之间的线性拟合模型,其线性相关系数r=0.77(n=57,P0.01).基于此线性拟合模型,首次反演了2013年1月全国10 km分辨率PM2.5月均浓度的空间分布特征,并分析了人口暴露水平.结果表明,2013年1月我国PM2.5月均浓度大于100μg·m-3、200μg·m-3的面积占国土面积的比例分别高达10.99%、1.34%,暴露人口占全国总人口的比例分别高达45.01%、6.31%.     

宁波市区秋冬季PM_(2.5)质量浓度特征及影响因素分析

该研究基于2013年11-12月的宁波市空气质量监测数据和气象资料数据,分析了PM_(2.5)质量浓度变化特征,探讨了PM_(2.5)与其它粒径颗粒物、气体污染物以及多个气象因子之间的相关性及影响规律,构建了包含气象和污染气体因子的逐步回归模型,综合分析了2类因子对宁波市PM_(2.5)浓度的影响。研究结果表明:(1)研究时间段内的宁波PM_(2.5)质量浓度范围为(100.66±72.98)μg/m~3,超过粗颗粒PM_(2.5-10)的质量浓度,是可吸入颗粒物的主要组成部分。(2)PM_(2.5)与3种污染气体均表现出显著的相关性,其中与CO的质量浓度相关性最高,R=0.85。风速与PM_(2.5)呈现负相关,受西北-北风向影响下的PM_(2.5)浓度要明显高出其它风向影响下的浓度。降水对PM_(2.5)影响显著,降水日的PM_(2.5)平均质量浓度随降水强度呈现幂函数递减,为非降水日的48.4%。非降水日的PM_(2.5)浓度与相对湿度显著正相关,与日照时数显著负相关。(3)逐步回归结果表明,气象和污染气体两类因子能够解释PM_(2.5)浓度82.4%的变异。其中,CO是影响宁波市秋冬季PM_(2.5)浓度的首要显著因子。本研究对明确城市PM_(2.5)污染特征和影响因素具有参考价值和意义。     

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.     

基于WRF模型与气溶胶光学厚度的PM2.5近地面浓度卫星反演

为了反演高分辨率的PM_2.5近地面浓度,利用WRF(中尺度气象模型)模拟的大气相对湿度、风速、边界层高度等气象因子对AOD(气溶胶光学厚度)分别进行订正,以逐步提高AOD与近地面ρ(PM_2.5)间的相关性;分析不同反演模型的统计学特征,优选反演模型,并利用最优模型反演中国中东部地区2014年年均ρ(PM_2.5)的空间分布特征.结果表明:AOD经相对湿度订正后,其与近地面ρ(PM_2.5)的相关性显著提高,相关系数达到0.77;同时引入相对湿度、风速2个气象因子,AOD与近地面ρ(PM_2.5)的相关系数升至0.79(n=145,P<0.01);同时引入相对湿度、风速和边界层高度3个气象因子,AOD与近地面ρ(PM_2.5)的相关系数进一步升至0.80(n=145,P<0.01).模型反演表明,研究区域内ρ(PM_2.5)年均值大于35 μg/m3的面积高达334.49×104 km2,占研究区域面积的83.2%,并且高污染地区与人口密度高度重合.分析表明,北京、天津、河北、山东及河南等典型重污染省、直辖市分别有96.30%、100%、78.16%、98.86%、100%面积的ρ(PM_2.5)超标,分别约有99.97%、100%、96.41%、98.88%、100%人口生活在空气质量超标地区.      

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.     

广州市学龄儿童在校期间PM2.5暴露水平评价

采用便携式大气颗粒物采样器(MiniVol)和便携式颗粒物检测仪(pDR-1500)在2010年3月底至4月初对广州市某小学的室内外细颗粒物(PM2.5)浓度进行了监测,并对学龄儿童在校期间活动模式进行了跟踪调查,评价了学龄儿童在校期间PM2.5暴露水平.结果显示该小学室内外日均PM2.5浓度范围为25.1~145.9μg/m3,室内PM2.5浓度略低于室外,两者呈明显的正相关关系(R2=0.65);室内实时PM2.5浓度结果表明非假期与假期存在差异.使用离子色谱分析了PM2.5的阴离子成分,其中NO3-和SO42-占阴离子成分总量的73%~95%.研究显示道路交通源是采样地点PM2.5主要来源之一.学龄儿童在校期间单位体重PM2.5日均潜在暴露水平为7.6μg/(kg×d),个体日均潜在暴露水平为246.8μg/d.     

北京PM2.5背景值定值方法及其变化特征研究

通过气团识别方式,确定了较强气团判别指标,定量评估了较强气团对北京上甸子区域大气本底站PM2.5浓度影响.结果显示,偏北风过程中PM2.5的背景值介于10.3~13.5μg/m3,平均值为(11.7±1.3)μg/m3;偏南风过程中PM2.5的背景值介于60.2~92.6μg/m3,平均值为(76.2±12.8)μg/m3.偏北风过程中,PM2.5背景值变化趋势不明显;偏南风过程中,PM2.5背景浓度呈线性下降趋势,下降速率为5.5μg/(m3×a).2009~2012年期间,区域本底站观测到的PM2.5年均值变化不大,这与北京地区的局地产生的二次PM2.5逐步增大有关,在一定程度上抵消了区域背景值下降的影响.当出现系统性偏南风时,北京以南区域输送对北京当地PM2.5浓度增加的平均贡献接近60%,但是自2009年开始逐步下降,截止2012年该贡献降低到44%.     

PM2.5中水溶性有机物吸光特性的模拟研究

研究建立了超声雾化器与光声光谱仪,扫描电迁移率颗粒物粒径谱仪联用的分析系统,将深圳市2011年夏季采集的PM2.5膜样品提取液雾化发生气溶胶,使之进入光声光谱仪检测其吸光强度以研究气溶胶中水溶性有机物(WSOM)的吸光特征.结果表明:观测期间PM2.5中WSOM平均质量浓度为(4.3±2.3)μg/m3,分别占PM2.5和OM质量浓度的11.9%±4.8%和49.2%±18.5%.WSOM在405,532,781nm波长下的质量吸收效率值(MAE)分别为(0.55±0.31),(0.54±0.31),(0.21±0.13)m2/g.经计算所得:深圳市夏季大气PM2.5中WSOM在405,532,781nm波长下的平均吸收系数分别为(2.30±1.08),(2.25±1.26),(0.86±0.45)Mm-1,对应的WSOM对大气PM2.5整体吸光效应的贡献率分别为7.6%,10.6%和5.8%,说明WSOM对PM2.5整体吸光效应的贡献不容忽视,有机气溶胶在大气灰霾中的能见度损害作用值得进一步深入研究.     

硼工业粉尘污染特征的研究

报告了硼加工车间空气中粗、细颗粒物的分布,包括粒子数量分布和质量分布.鄂破、球磨、雷蒙磨车间的粉尘质量浓度分别高达28,33和23 mg/m3.粉尘中PM10所占比例分别为62.1%,62.7%和56.5%.而在PM10中,细粒子比例较低,分别为10.1%,14.2%和9.22%,但PM2.5的质量浓度分别为1.76,2.94和1.20 mg/m3.用ICP-MS测定的球磨和雷蒙磨车间空气中硼的质量浓度分别为425.6和669.1 μg/m3,其污染水平是相当高的.      

武汉市洪山区春季PM2.5浓度及多环芳烃组成特征

分析了武汉市洪山区2014年春季PM2.5的浓度,并利用气相色谱/质谱(GC/MS)测定了多环芳烃(PAHs)的组成.结果表明,PM2.5的质量浓度为47.99～195.87μg/m3,平均质量浓度为(101.34±32.49)μg/m3,超标天数占总监测天数的81.82%;PM2.5质量浓度与各气象要素间的相关性不显著.PM2.5中PAHs日均浓度变化范围为8.44~34.45ng/m3,平均浓度为21.48±7.03ng/m3,其中4环PAHs的含量最高,达到11.72ng/m3,占总PAHs浓度的54.56%,结合典型污染来源中PAHs的特征比值和数学统计中主成分分析法,判断出其主要污染来源为车辆排放、燃烧源和燃煤源;PAHs日均总毒性当量(∑BaPeq)浓度范围为1.10~5.46ng/m3,平均值为2.99ng/m3,日均超标率达到60.61%.     

北京地区大气细颗粒物的个体暴露水平

于2012年12月至2013年4月采用LD6S型微电脑激光粉尘仪在北京地区采取单人逐日跟踪的方式记录了多名个体对大气细颗粒物(PM2.5)的暴露水平,同时收集研究对象的时间-活动日志,计算日平均暴露水平,再进行多人多日合并处理.并于研究时段内同步记录北京市环境保护监测中心发布的空气质量监测数据.结果表明,研究期间北京地区冬季与春季PM2.5的平均浓度分别为127,69μg/m3.个体日均暴露水平中值为54μg/m3,与大气质量浓度的平均比值为0.60.个体室内暴露分量均值达到总暴露量的80%,室外与交通各占约10%.不同人群及季节的暴露水平之间未表现出显著差异.当大气环境质量浓度高于国家空气质量二级标准浓度限值时,室内住宅、办公室和餐厅,室外公交车、街道微环境中的PM2.5质量浓度与大气环境质量浓度存在显著的相关关系.     

基于混合效应模型的京津冀地区PM2.5日浓度估算

利用2016年182d的MODIS 3km AOD数据与地面监测数据,评估了混合效应模型不同参数组合的模拟性能,得出模型在解释AOD-PM_2.5关系时,对时间序列变异的解释能力要比空间差异更佳.在此基础上,利用混合效应模型建立京津冀地区每日的AOD-PM_2.5关系,模型拟合R²为0.92,交叉验证调整R²为0.85,均方根误差（RMSE）为12.30 μg/m³,平均绝对误差（MAE）为9.73 μg/m³,说明模型拟合精度较高.基于此模型估算的2016年京津冀地区年均PM_2.5浓度为42.98 μg/m³,暖季（4月1日~10月31日）为43.35 μg/m³,冷季（11月1日~3月31日）为38.52 μg/m³,与同时期的地面监测数据差值分别为0.59,0.7,5.29 μg/m³.空间上,京津冀地区的PM_2.5浓度呈现南高北低的特征,有一条明显的西南-东北走向的高值区.研究结果表明,基于每日混合效应模型可以准确评估京津冀地区的地面PM_2.5浓度,且模型估算的PM_2.5浓度分布状况为区域大气污染防治提供了基础的数据支撑.     

基于LME/BME的珠江三角洲PM2.5星地融合技术研究

收集并处理了遥感反演的气溶胶光学厚度（AOD）、归一化植被指数（NDVI）和气象数据,采用贝叶斯最大熵（BME）结合线性混合模型（LME）估算了2015年10月~2016年3月珠江三角洲地区近地表旬平均PM_2.5质量浓度.结果表明,LME+BME模型的预测精度比LME模型有较大提升,LME+BME模型的交叉验证结果R²为0.751,RMSE为6.886μg/m³,MAE为4.52μg/m³,而LME模型的交叉验证结果R²为0.703,RMSE为7.546μg/m³,MAE为4.927μg/m³.空间分布看,PM_2.5高浓度地区主要集中在广州、佛山、东莞等地区,低浓度地区主要集中在肇庆、惠州、江门的南部等地区;时间变化看,PM_2.5污染比较严重的时间为2015年10月中旬、2015年11月下旬以及2016年3月下旬,而2015年10月上旬、2015年12月上旬和2016年1月下旬污染则相对较低.     

广州市区公交车站PM_(2.5)与CO暴露水平研究

用便携式颗粒物浓度测定仪(DustTrak Model8520)和CO测定仪(Q-Trak Model8551),于2008年9月至2009年1月对广州市区11个代表性公交车站的PM2.5和CO暴露水平进行了测定。结果表明,公交车站7:00～19:00时间段PM2.5的平均浓度范围为206～348μg/m3,总体均值达288μg/m3,显示公交车站PM2.5污染问题突出;CO平均浓度范围1.5～4.0mg/m3,总体平均2.8mg/m3,有六个站点平均浓度超过了我国环境空气质量标准限值(4.0mg/m3或3.2mg/m3)。大多数站点工作日与非工作日PM2.5与CO水平差异不大,部分站点则受车流量和客流量变化影响呈现差异。同一站点PM2.5日变化特征不如CO明显,一次污染物CO变化受交通高峰影响呈双峰特征,而PM2.5水平影响因素复杂,一般白天较低,夜晚21:00出现峰值。不同站点CO与车流量未见显著相关性,表明车流量并不是决定公交站点CO水平的唯一因素,而扩散条件及公交车排放可能也是重要影响因素;与CO不同,不同站点PM2.5与车流量表现出显著相关(p0.05),可能侧面反映路面扬尘对公交车站PM2.5水平的影响和贡献。     

飞机LTO排放影响评估耦合模型研究与应用

民航飞机在LTO起降阶段的飞行中,发动机污染物排放的源强和空间位置是动态的.为准确定量评估其影响,构建了飞机LTO污染排放影响评估耦合模型.首先利用飞行动力学模型,模拟飞机LTO飞行轨迹,并获得轨迹中每一位置点的性能参数（实时燃油流量）;再通过排放计算模型,确定每一位置点的污染物排放量（源强）;在此基础上,基于拉格朗日烟团模型,针对飞机烟团排气特点进行修正,实现污染扩散模拟.最后采集了一架典型飞机在一个完整LTO飞行过程中的机载数据,结合实时气象参数,进行了实例应用研究.结果显示.在LTO过程中NO_x、SO₂、CO、PM和HC的平均排放速率分别为17.71、2.21、1.05、0.20和0.03g/s;飞机在起飞离地时刻,烟团扩散范围集中于跑道附近及侧向300m、纵向3000m范围内,NO_x地面最大浓度超过100mg/m³;当飞机爬升至混合层顶完成起飞时,地面污染物扩散至侧向1200m范围,NO_x浓度降至298.5μg/m³,依然较为严重,其他污染物地面浓度相对较低_.