首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 156 毫秒
1.
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.  相似文献   

2.
利用2009年北京市大气颗粒物质量浓度和气溶胶光学特性的同步观测研究发现,北京市城区颗粒物污染严重.PM2.5、PM10年平均浓度分别为(65±14)、(117±31)μg·m-3,均超出国家2016年拟执行环境空气质量二级标准,PM2.5、PM10日均值超标率分别为35%、26%.细粒子PM2.5污染与可吸入颗粒物PM10污染呈显著性相关,相关系数R约为0.90(P<0.001),二者相关性伴随PM2.5在PM10中所占比重自春季到冬季逐渐增大而增强,年均PM2.5占PM10比重为61%.气溶胶光学厚度AOD(500 nm)与气溶胶波长指数(α)年均值分别为(0.55±0.10)、(1.12±0.08).PM2.5、PM10与AOD间全年及各季节均呈显著线性相关,相关系数R≥0.50;但其相关系数与相关函数存在着显著的季节差异,夏秋季节相关性显著高于春冬季节,且全年相关会掩盖较大的季节性系统差异.对PM2.5、PM10数据进行湿度订正,对AOD进行混合层高度订正,PM2.5、PM10与AOD之间的相关性得到一定提升,且更适合指数相关.  相似文献   

3.
刘大钧  汪家权 《环境科学》2016,37(9):3315-3321
使用TH 880-F型烟尘测试仪和低压颗粒物冲击仪(low pressure impactor,LPI)对云南某铅锌冶炼厂无组织排放区(1区和2区)烟气颗粒物进行分级采样,并分析各粒径段颗粒物中的铅元素粒径分布特征及含量情况.从铅在不同粒径颗粒物中的分布特征来看,无组织1区排放的细颗粒物(fine particulate matter,PM2.5,粒径小于2.5μm的颗粒)中的铅分别占可吸入颗粒物(particulate matter,PM10,粒径小于10μm的颗粒)和总悬浮物颗粒(total suspended particle,TSP,粒径小于100μm的颗粒)中的66.6%和43.1%,无组织2区相应占比分别为54.1%和38.7%,这表明无组织排放的铅污染物粒径以小粒径颗粒为主.无组织排放颗粒物中铅含量与地面气象资料中风向、风速密切相关,其次是风能密度.铅冶炼区无组织排放颗粒物中铅含量与边界层风向、风速的相关度最高,其次是风能密度w;而渣场无组织排放颗粒物中铅含量与边界层温度垂直分布γ的相关度最高,其次是u、v分量,然后为风能密度w.  相似文献   

4.
中国2013年1月PM2.5重污染过程卫星反演研究   总被引:2,自引:1,他引:1       下载免费PDF全文
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%.  相似文献   

5.
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.  相似文献   

6.
高炉炼铁工艺细颗粒物PM2.5排放特性分析   总被引:2,自引:1,他引:1       下载免费PDF全文
采用静电低压撞击器(electrical low pressure impactor,ELPI)对高炉出铁场、矿槽除尘后细微颗粒物(PM2.5)的粒径及质量浓度分布进行在线分析.结果表明,出铁场除尘后PM2.5粒数浓度在105~106cm-3数量级范围内,主要为粒径小于0.1μm的颗粒物,而矿槽除尘后PM2.5粒数浓度在104~105cm-3数量级范围内,主要为粒径1.0μm以下的颗粒物,质量浓度呈单峰分布;PM2.5化学组成分析表明水溶性离子SO2-4、K+、Ca2+含量较高,分别为10.32%~28.55%、10.36%~12.15%、3.97%~15.4%;主量元素主要为Fe、Si、Al,含量分别为16.8%~31.62%、2.24%~8.76%、1.24%~5.89%;含碳组分OC和EC在PM2.5中的含量也较为丰富,分别为2.7%~4.6%和0.8%~1.3%.PM2.5单体颗粒形态主要为球状颗粒和不规则颗粒.高炉出铁场、矿槽除尘后PM2.5的排放因子分别为0.045~0.085 kg·t-1、0.042~0.071 kg·t-1.  相似文献   

7.
谢志英  刘浩  唐新明 《环境科学学报》2015,35(10):3292-3299
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.  相似文献   

8.
2007年8月,利用粒谱分析仪(APS)、振荡天平颗粒物分析仪(TEOM)和碳黑分析仪(BC)观测北京市大气气溶胶可吸入颗粒物(PM10),研究高湿度气象条件对气溶胶颗粒物吸湿长大的影响.结果表明,PM10质量浓度与碳黑质量浓度在静稳天气状况下相关系数达0.82,而对于颗粒物数浓度与PM10质量浓度,静稳与非静稳天气状况下两者的相关性并不一致,颗粒物数浓度及1μm的细粒子在粒谱分布中所占的比重显著增加.气溶胶颗粒物粒谱变化结果说明,在高湿度条件下颗粒物粒径明显吸湿增长.  相似文献   

9.
通过2014年上海市西部郊区PM2.5的浓度变化分析了该地区的PM2.5污染分布状况,并且从温度、湿度和风向等方面讨论了PM2.5浓度与气象因子的关联性.结果表明:该地区2014全年超标天数有112天,超标率为30.7%,PM2.5月均浓度呈夏低冬高的趋势状态,并且PM2.5浓度与气象条件有密切的联系.该地区气温在5~15℃、湿度在60~70%时PM2.5浓度最高;在以东风为主导风盛行时,该地区PM2.5浓度较低,而在以西风为主导风盛行时,该地区易受到周边区域的高污染因素影响,形成PM2.5高浓度累积现象.  相似文献   

10.
2012年9月1日至30日利用大气气溶胶OC/EC在线分析仪在线分析了西安PM2.5中的OC、EC,并结合O3和紫外辐射数据(UV)进行了分析。结果表明:PM2.5、OC、EC、及O3的日均值分别为85.22,19.50,7.18,56.69μg/m3。PM2.5及其中OC、EC的日变化规律呈现"双峰"分布,OC、EC的日波动范围较PM2.5小,且OC的波动范围较EC大,OC、EC的相关性较高(R2=0.73)。PM2.5中TCA的平均比重为47.85%,是PM2.5的主要成分之一,TCA以OM为主,OM中SOC的平均比重高达54.76%,PM2.5中SOC的平均比重为21.25%,SOC和O3的相关性较高,表明研究期间西安市有机物光化学反应较重。1 d中10:00至19:00是PM2.5中SOC比重最高的时段且呈上升趋势,而PM2.5中TCA的变化规律则呈"W"型双峰分布。  相似文献   

11.
MODIS气溶胶光学厚度在临安大气颗粒物监测中的应用   总被引:5,自引:0,他引:5  
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.  相似文献   

12.
利用卫星和地基遥感气溶胶数据分析了北京地区多气溶胶性质参量与PM2.5的相关性,提出了计算粒子直径小于2.5μm的气溶胶体积浓度和光学厚度(AOD)的方法,并用该方法对2012年3~9月北京地区地基遥感气溶胶体积浓度和光学厚度进行了尺度校正.结果表明:多种气溶胶遥感参量如气溶胶光学厚度、体积浓度和质量浓度等均与PM2.5存在一定的相关性;相比于卫星遥感参量,地基遥感参量与PM2.5的相关性更好;各波段的总气溶胶光学厚度与PM2.5的相关性随波长的增加而减小;经粒子尺度校正后,气溶胶的体积浓度和长波段总气溶胶光学厚度与PM2.5的相关性明显增加.  相似文献   

13.
京津冀地区大气PM2.5污染严重.为揭示区域PM2.5时空分布规律,使用2013-2014年河北省地面站点PM2.5监测数据、MODIS AOD(气溶胶光学厚度)遥感数据、地面气象站点数据和土地利用调查数据,基于线性混合效应模型(LME),建立了ρ(PM2.5)时空变化与AOD因子、气象因子、土地利用因子之间的关系模型.采用十折交叉验证法对模型精度进行检验,并利用计算得到的校正因子[全部实测的ρ(PM2.5)年均值除以参与建模的所有实测ρ(PM2.5)年均值]纠正因AOD非随机性缺值导致的抽样偏差.结果表明:①河北省区域模拟精度R2(决定系数)为0.85,经交叉验证后R2为0.77,RMSE(均方根误差)和RPE(相对预测误差)分别为18.28 μg/m3和28.68%.②ρ(PM2.5)年均值模拟结果的校正因子范围为1.24~2.05,校正后的研究区ρ(PM2.5)年均值为89.84 μg/m3,与实际监测数据相近.③ρ(PM2.5)空间分布呈平原高、山区低,平原地区西南高、东北低的趋势.④ρ(PM2.5)与AOD、温度、相对湿度呈正相关,与风速、大气能见度呈负相关.研究显示,线性混合效应模型能有效对ρ(PM2.5)进行时空变化模拟,并实现对非地面监测地区ρ(PM2.5)时空变化的预测,恰当的预测因子组合和模型校正有助于模型预测精度的提升.   相似文献   

14.
卫星遥感监测近地表细颗粒物多元回归方法研究   总被引:4,自引:0,他引:4  
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.  相似文献   

15.
基于静止卫星高分四号(GF-4)遥感数据,利用6SV辐射传输模型与暗目标算法进行高空间分辨率气溶胶光学厚度(AOD)遥感反演;在此基础上,结合地面监测站大气细颗粒物(PM2.5)浓度、气象资料等数据,采用物理订正方法及线性混合效应模型,实现长三角城市群区域大尺度空间连续的PM2.5浓度遥感反演;最后利用十折交叉验证法对反演精度进行验证.结果表明:GF-4反演的AOD结果分辨率较高,空间连续性好,与AERONET地基监测相关性R达到0.82;利用GF-4 AOD的PM2.5估算模型精度较高,模型估算PM2.5浓度与地面实测数据拟合度R2为0.74;在分春夏秋冬4个季节建模情景下,交叉验证R2依次为0.67,0.59,0.63和0.72,平均绝对误差MAE为10.40,7.42,10.10,13.34μg/m3,表明GF-4卫星适用于区域PM2.5浓度监测.  相似文献   

16.
基于AGRI数据反演区域PM2.5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PM2.5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PM2.5浓度与地面空气质量监测站的PM2.5浓度变化趋势一致,算法计算效率较高.利用AGRI估算近地面PM2.5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.  相似文献   

17.
利用2011年10月17~22日连续在线观测沈阳地区大气能见度、颗粒物质量浓度ρ(PM10)、ρ(PM2.5)、ρ(PM1.0)、以及通过太阳光度计测量数据反演得到的气溶胶光学厚度、Angstrom波长指数、气溶胶粒子谱分布数据,结合相对湿度、风速、温度等气象资料,分析了2011年秋季沈阳一次雾霾天气过程中能见度与颗粒物质量浓度及气溶胶光学特征变化.结果表明:相对温度偏高、小风天气以及颗粒物质量浓度累积是造成沈阳能见度下降、引发雾霾天气的主要因素;雾霾期间细粒子所占比例较高,ρ(PM10)、ρ(PM2.5)、ρ(PM1.0)平均值分别为138.8、103.3、94.9μg/m3,比雾霾过程前均增加约2倍左右,PM2.5/PM10和PM1.0/PM10分别为74.7%和68.6%;当RH80%时,能见度与颗粒物质量浓度相关性显著(R20.90),RH80%时,能见度与颗粒物浓度间的相关性减弱;雾霾期间气溶胶光学厚度明显增加,雾霾前气溶胶光学厚度和Angstrom波长指数平均值分别为0.82和0.94,雾霾期间气溶胶光学厚度和Angstrom波长指数平均值分别为1.42和1.25;雾霾天气过程中,细模态粒子的峰值浓度约是雾霾前细粒子浓度的2倍,说明沈阳地区大气污染物以细粒子为主,进而影响气溶胶光学特征发生变化.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号