排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
基于2015~2019年长株潭城市群PM2.5和O3遥感浓度数据,利用空间自相关指数和地理加权回归(GWR)等方法探究PM2.5和O3浓度的时空分布特征及相关因素对其影响强度.结果表明:① PM2.5浓度整体呈现出冬季和春季高,夏季和秋季低的"U"型特征,而O3浓度则表现为夏季和秋季高,冬季和春季低的"M"型特征,PM2.5与O3年均浓度高低排序为:长沙市>湘潭市>株洲市.② PM2.5与O3浓度在夏季呈现正相关,秋冬季为负相关,且具有显著的空间集聚特征,O3浓度高-高集聚区的面积呈现逐年增加的趋势.③GWR结果显示:夜间灯光强度和人口密度都对PM2.5与O3具有正相关效应,其中,植被指数(NDVI)、风速和温度对PM2.5浓度的影响最为显著,而风速和温度对O3影响强度更为突出,不同因素对PM2.5和O3浓度影响具有显著的空间异质性. 相似文献
2.
BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5 总被引:4,自引:4,他引:4
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. 相似文献
1