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.     

卫星遥感监测遵义市大气质量状况研究

为了解遵义市大气质量空间分布状况,采用MODIS L1B 1 km遥感影像数据,基于6S大气辐射传输模型构建查找表,利用暗像元法反演了遵义市AOD(气溶胶光学厚度)分布,并将反演结果与NASA公布的MOD04_3K气溶胶产品及地面观测空气质量数据进行对比。结果表明:反演的遵义市AOD结果与NASA公布的MOD04_3K气溶胶产品相关性为0.73,与地面观测的AQI、PM2.5、PM10相关性分别为0.70、0.70、0.61,反演结果与验证数据具有较好的一致性,AOD反演结果具有较高准确性;遵义市AOD分布呈现西南部较高,东北部较低的格局,遵义市全域AOD均值为0.23,红花岗区AOD均值最高(0.51),赤水市AOD值最低(0.12)。     

基于卫星遥感数据(AOD)估算PM2.5的研究进展

雾霾天气的频繁出现,不断向人们警示中国大气环境污染的严重性.细颗粒物PM2.5作为空气质量评价指标之一,由于粒径小、为有毒性物质提供载体的特性,对人们的健康和生活产生很大的负面影响.近年来,PM2.5的相关研究引起了世界各国研究者的广泛关注,通过地基手段获得PM2.5质量浓度受到环境、地理等因素的限制,而利用卫星遥感技术估算地面PM2.5质量浓度,覆盖面广、估算精度可靠,对环境污染监测和治理具有重要意义.在综合了国内外关于气溶胶光学厚度(AOD)估算PM2.5文献的基础上,对AOD和PM2.5的数据源和估算的方法及手段作了简要介绍,分析总结了AOD与PM2.5相关性与PM2.5遥感估算的模型,并展望了未来PM2.5研究的发展方向.     

基于多卫星遥感的东北地区霾污染时空特征研究

利用多卫星(MODIS、CALIPSO、VIIRS)观测的气溶胶产品、地面空气质量监测数据和气象资料,获取了东北地区2006—2015年期间气溶胶光学厚度(AOD)的季节和年际变化特征,并对2014年10月14日东北地区一次典型重霾污染过程的特征及其潜在传输路径进行了深入讨论.研究结果显示,自2008年起东北地区灰霾污染范围扩大且污染程度加剧,呈带状空间分布(营口-长春-哈尔滨);区域内AOD值呈春、秋和冬季高,夏季低的时间变化特征.采用CALIPSO星载激光雷达数据与MODIS、VIIRS卫星获取的AOD开展综合分析,可有效弥补MODIS、VIIRS卫星因冬季积雪亮地表干扰所产生的AOD缺省区域,增强对长期积雪覆盖地区霾污染的时空特征分析能力.与反映霾污染空间分布范围更广的VIIRS卫星相比,MODIS卫星AOD值与东北地区地面观测获取的AQI、PM10和PM2.5相关系数更高,分别为0.89、0.73和0.83.进一步研究结果显示,秋末冬初东北地区的霾污染事件与农作物秸秆焚烧有关,同时,华北地区灰霾污染可跨越渤海湾传输至东北地区,进一步形成更大尺度的带状区域污染.     

卫星遥感技术在空气点位布设评估工作中的应用研究

以苏州市为例,利用2013-2014年MODIS高分辨率大气气溶胶卫星遥感产品对国控空气监测点位布设调整方案进行评估论证,通过提取2 km和5km半径范围的PM2.5遥感观测数据,与现有国控布设点位的地面监测数据进行相关性分析后,确定卫星产品用于评估验证是可靠的;通过不同天气场下PM2.5月均值浓度分布的比较,表明调整后空气点位布设具有很好的代表性.     

基于AGRI颗粒物浓度遥感反演及季节变化分析

基于AGRI数据反演区域PM_2.5浓度.利用6S辐射传输模式,分析气溶胶光学厚度AOD与能见度相关性,建立AOD、气溶胶标高和能见度模型;通过对大气柱AOD垂直订正,构建AOD与近地面PM_2.5浓度关系的物理模型;同时引入了地面相对湿度数据.结果表明,FY-4A遥感的PM_2.5浓度与地面空气质量监测站的PM_2.5浓度变化趋势一致,算法计算效率较高.利用AGRI估算近地面PM_2.5与地面观测网对比分析,其结果不亚于于MODIS以及VIIRS的对比结果,AGRI估算的均方根误差和相对误差较小.从季节分析,冬季近地面颗粒物浓度是影响整层大气柱AOD值的主要因素,AGRI反演结果精度较好,夏季相关系数相对于其他三个季节偏低.总体而言,采用FY-4A/AGRI反演颗粒物浓度精度可靠,有利于实现区域气溶胶全天候实时监测.     

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.     

基于遥感资料的北京大气污染治理投资对降低PM_(2.5)的效能分析

采用北京市环境监测中心35个站点的PM2.5监测数据及MODIS Terra的大气气溶胶光学厚度L3 C051产品数据,分季度建立北京市PM2.5历史浓度遥感估算模型.结合北京大气污染物(PM10、PM2.5、SO2、NO2)年均浓度数据,对北京市2001—2012年间用于工业废气污染治理投资累计额进行了效能分析.研究表明,北京市工业废气污染治理投资对于改善大气PM10、SO2、NO2均有显著贡献,但其对于大气PM2.5污染的治理效果并不明显.可能原因包括PM2.5排放源的复杂性、相关治理措施对PM2.5的针对性、经济增长导致的区域PM2.5源排放持续增长及区域外排放的持续影响等.因此,需要采取专门的有针对性的治理措施,建立健全大气污染治理技术和激励机制,控制工业燃煤及城市交通排放,削减本地及周边源排放,以有效改善北京地区大气PM2.5污染状况.     

北京大气PM2.5遥感监测业务化方法探讨

为探索卫星遥感监测大气ρ(PM_2.5)业务化方法,以北京为例,利用2013年MODIS卫星资料和北京35个地面自动监测站(下称自动站)的实时观测数据,以目前国内外应用最广泛的3种卫星反演大气气溶胶的方法——AOD(气溶胶光学厚度)、K_drya,0(气溶胶干消光系数)和R_a(气溶胶表观反照率)反演地面ρ(PM_2.5)的方法(分别称为AOD法、K_drya,0法和R_a法)为基础,结合地面ρ(PM_2.5)实测数据,建立了气溶胶反演参数与ρ(PM_2.5)统计关系,进一步测算了全市区域ρ(PM_2.5)的分布情况.结果表明:3种方法都具有较高的反演精度,其获取的全年ρ(PM_2.5)与地面实测数据的相关系数分别达到0.80、0.81和0.85,其中R_a法结果精度最高.从季节来看,R_a法在除夏季外的其他季节与地面监测数据相关系数都在0.70以上,优于其他2种方法.建议在春、秋、冬三季以R_a法,夏季以AOD法或K_drya,0法为基础进行北京PM_2.5业务化遥感监测.基于R_a法探讨了在2013年11月20—23日区域性大气重污染过程中北京PM_2.5区域分布特征和变化过程,卫星反演结果相对误差低于20%,直观地反映了区域大气颗粒物污染的时空分布规律.研究显示,三者都可以用来反演北京地区ρ(PM_2.5),其中R_a法最简便易行,尤其适用于业务化遥感监测.      

京津冀地区MODIS 3 km气溶胶光学厚度产品与10 km产品的对比分析

本文以京津冀为研究区,对该地区的大气气溶胶光学厚度的分布及变化进行分析.利用AERONET地基观测的气溶胶光学厚度(AOD)数据,对最新发布的MODIS/Aqua C6.1 3 km AOD产品在京津冀地区的适用性进行验证,并将3 km产品与MODIS/Aqua C6.1 10 km产品进行对比.分析结果表明:MODIS 3 km AOD产品比AERONET地基AOD的相关性高,相关系数达到了0.95;与MODIS 10 km AOD产品相比,其下垫面为城市地区的反演精度低;在时空分布上,MODIS 3 km AOD产品更好的呈现了气溶胶梯度变化,季平均结果中,四季3 km AOD值都略高于10 km产品.以上结论可为MODIS 3 km AOD产品在京津冀地区的使用提供了借鉴与参考.     

北京市MODIS气溶胶光学厚度与PM_(10)质量浓度的相关性分析

利用北京地区2012年1—12月NASA MODIS气溶胶光学厚度(AOD)和通过空气污染指数(API)转换得到的PM10质量浓度进行了相关性分析.结果发现,二者的直接相关程度较低,在引入季节变化的气溶胶标高且考虑了气溶胶的垂直分布后,进行标高订正,二者的相关系数有所提高;在考虑了湿度影响因子后,进行湿度订正,二者的相关系数显著提高;引入平均风速、平均气温和平均气压等气象因素,进行多元回归分析,相关系数进一步提高.证实了卫星遥感气溶胶光学厚度在经过垂直和湿度订正并考虑气象因素的情况下,可以作为监测北京地区颗粒物污染物地面分布的一个有效手段.     

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。     

华北平原AOD时空演化与影响因素

深入了解大气气溶胶时空变化及其影响因素,对控制大气污染,改善大气环境具有重要意义.首先利用2013～2019年的VIIRS IP气溶胶光学厚度（AOD）数据分析华北平原AOD的时空变化规律.其次,选取SO₂、 NO₂、 PM_2.5、气象数据、 NDVI、 DEM、 GDP和POPU作为影响因素,基于XGBoost模型分别建立华北平原5个代表城市的AOD与其影响因素之间的连接模型,定量估算并揭示AOD时空分布规律背后各个影响因素的贡献.结果表明在空间分布上,华北平原AOD以太行山脉为界,呈现东南高西北低的格局.在时间变化上,5个城市AOD年均值整体呈下降趋势,AOD月均值先上升后下降,最高值出现在7月,最低值出现在12月.此外,建立的华北地区5个城市AOD估算模型精度较高,R²在0.60～0.67之间.华北平原的AOD影响因素中,NO₂和SO₂是对5个城市AOD贡献最大的影响因素,此外,PM_2.5是另外一种重要的污染排放影响因素.气象因...     

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。     

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...     

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.     

基于地理加权模型的我国冬季PM2.5遥感估算方法研究

为了分析冬季我国区域范围内近地面PM_(2.5)质量浓度时空分布特征,根据卫星遥感反演PM_(2.5)质量浓度的基本原理,综合考虑我国不同地区的PM_(2.5)污染特征的空间差异性,基于卫星遥感、气象模式资料及同期地面观测的PM_(2.5)质量浓度数据采用地理加权模型进行回归分析,研究构建了我国区域范围内近地面PM_(2.5)遥感反演模型.结果表明:在冬季暗像元反演AOD算法受限制的情况下,深蓝算法产品可以一定程度上弥补暗像元算法的不足,将二者有效融合能同时提高AOD产品的精度和空间覆盖度;利用地理加权回归模型进行全国区域PM_(2.5)遥感估算,既能体现全国PM_(2.5)时空分布的全局变化特性,又能从局部体现全国PM_(2.5)组分、污染程度及垂直分布结构特征的空间差异特性,基于地理加权回归模型的PM_(2.5)遥感反演结果(R2=0.7)明显优于多元线性回归模型(R2=0.56);2013年12月—2014年2月份全国PM_(2.5)空间分布呈现明显的区域特征,PM_(2.5)浓度较高的地方主要分布在华北南部、长三角中部和北部、华中东部及四川东部等地,西部和北部地区PM_(2.5)污染相对较轻;从时间变化来看,全国冬季12月份PM_(2.5)污染最重,1月份次之,2月份相对最低.这可为全国PM_(2.5)区域联防联控提供有力的信息支撑.     

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.     

北京地区不同时段平均PM2.5浓度与MODIS气溶胶光学厚度相关性分析

利用2014年北京市12个空气质量监测站的逐小时PM_(2.5)地面观测资料,以及Terra和Aqua卫星的MODIS气溶胶光学厚度(AOD)产品,在时间和空间数据匹配的基础上,研究了PM_(2.5)的5 h(10:00—14:00)和24 h(0:00—23:00)两种时段平均浓度及两颗卫星平均AOD的时空分布特征,并建立了AOD与不同时段平均PM_(2.5)浓度之间的回归模型.结果表明:PM_(2.5)的5 h平均浓度和24 h平均浓度值均在城区高、郊区低,最低值位于定陵站;匹配后逐时PM_(2.5)浓度的日变化呈"双峰型",最低值出现在下午,但北京西北部郊区的定陵和昌平镇站因局地山谷风环流和外部排放源的影响,其"双峰型"波动趋势较城区站偏弱,最低值出现在上午;AOD的空间分布特征与PM_(2.5)浓度分布一致,但在郊区由于污染水平分布不均,卫星采集的样本可能来自于周围的清洁大气,导致AOD的最小值在郊区站点明显低于城区站点;两颗卫星平均的AOD与5h PM_(2.5)平均浓度的决定系数高于AOD与24 h PM_(2.5)平均浓度的决定系数;AOD与PM_(2.5)的相关系数在城区高于郊区,郊区排放源分布不均和强的局地系统性环流是造成其相关系数低的重要原因.