南京和北京气溶胶光学厚度与PM2.5质量浓度关系对比分析

利用南京与北京地区2014年5月1日—2019年10月31日的PM_2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料,对两地PM_2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论,结果表明：南京与北京均呈现PM_2.5浓度冬季显著高于夏季,AOD冬季小于夏季的特征;对比而言,北京PM_2.5月均浓度高于南京地区;南京与北京的PM_2.5浓度与AOD均为正相关关系,PM_2.5浓度与AOD间相关性存在显著的季节差异,主要表现为夏季相关性大于冬季相关性;两地AOD与PM_2.5浓度均为正相关关系,在同一AOD水平下,相对湿度越大,PM_2.5浓度越大,气溶胶吸湿增长易造成污染物积累;南京PM_2.5浓度与能见度的r为0.57,而北京的r为0.83,两地的PM_2.5浓度与能见度的冬季相关性较夏季好,在高相对湿度下,同一PM_2.5浓度水平时,南京能见度较北京好.     

2006-2017年四川盆地MODIS气溶胶光学厚度时空变化特征

四川盆地地形复杂、气候特殊,是我国颗粒物污染高发地.为探究四川盆地气溶胶分布和周期变化特征,深入认识气溶胶污染特性及其气候效应,结合卫星遥感探测方法,利用2006-2017年MODIS C006 3 km AOD（气溶胶光学厚度）产品,分析了四川盆地AOD的时空特征.结果表明:①MODIS AOD（MODIS数据反演的气溶胶光学厚度）与太阳光度计CE318观测的AOD、ρ（PM_2.5）、ρ（PM₁₀）线性相关系数分别为0.78、0.77、0.75,表明MODIS C006 3 km AOD产品适用于四川盆地颗粒物污染研究.②四川盆地AOD平均值范围为0.1~1.3,其中,成都平原和四川盆地东南部地区是AOD高值（AOD值>1.0）中心,四川盆地周边高海拔区AOD均小于0.3.③2006-2017年AOD年均值范围为0~2.5,整体呈"倒N型"曲线下降,其峰值和谷值分别出现在2013年和2017年;2013年AOD大于1.0的区域占四川盆地的34.1%,是12 a中颗粒物污染最重的一年;2017年AOD小于0.3的面积占57.1%.④AOD季节性变化呈春季最大、夏季次之、秋季最小的特征.⑤AOD月变化呈"双峰型"波动特征,AOD月均值范围为0~2.5,其中,2-5月AOD月均值均大于0.7,8月AOD月均值为0.6,11-12月AOD月均值均小于0.5.研究显示,四川盆地颗粒物污染防治应以成都平原城市群和四川省南部城市群为主,应重点控制细颗粒物排放,合理安排工业企业的周期性生产强度.      

基于FY-4A卫星数据反演气溶胶光学厚度及分析应用

风云四号A星（FY-4A）是我国新一代静止气象卫星,多通道扫描成像辐射计（AGRI）是风云四号静止气象卫星的主要载荷之一.为探究FY4A数据用于气溶胶光学厚度（AOD）反演的可行性,基于FY-4A/AGRI数据,利用暗像元算法对2019年2月23~26日及10月27~30日京津冀地区AOD进行反演研究,并与AERONET地基观测AOD数据进行了对比分析.结果表明,基于FY-4A数据及构建响应函数库,通过暗像元方法能较好的反演出京津冀地区气溶胶空间分布;AOD主要的高值区体现在京津冀中南部地区并向周边郊区逐渐降低,在AOD值较大时此特征较为明显;将反演值与同期AERONET地基观测数据对比验证,相关系数达到0.869,均方根误差为0.221,表明AOD反演值与观测值吻合较好,FY-4A卫星数据反演AOD具有一定可行性.     

2015年10月南京霾污染过程分析

为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD（aerosol optical depth,气溶胶光学厚度）数据,计算AE_440-1020（?ngstr?m Exponent,波长指数）以及a₂（光谱曲率）,结合CALIPSO（Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations）卫星气溶胶组分分析以及MODIS（Moderate Resolution Imaging Spectroradiometer）火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE_440-1020均高于1.0并且a₂呈负值,其中10月16日AQI达到峰值（201）,AOD₅₀₀达1.51,AE_440-1020达1.37,a₂达-0.77;这两次较为严重的霾污染过程均主要由人为因素（工业污染、城市建设、生物质燃烧、汽车尾气排放等）产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.      

空间分辨率与精度协同改进的卫星AOD产品降尺度模型

针对现有卫星气溶胶光学厚度(AOD)产品空间分辨率和精度往往难以满足大气污染精细治理实际需求,提出了一种耦合偏差校正的统计降尺度改进模型(SDBC).该模型基于“空间尺度不变性假设”引入相关驱动因子的额外空间信息实现AOD降尺度,并在此基础上通过偏差校正进一步提升降尺度产品的精度.以1km分辨率MAIAC AOD产品为例,在北京、大湾区、台湾岛3个典型地区开展模型验证.结果表明:(1)DEM、NDVI、人口数量和土地覆盖是影响AOD变化的细节因子,在SDBC空间降尺度过程中引入可将AOD产品的空间分辨率有效提升至500m,且降尺度产品验证R2最高可达0.88;(2)顾及卫星观测几何、质量标识、大气水蒸气柱、气溶胶模式等因子的偏差校正则可进一步提升降尺度AOD产品的精度,3个地区的验证R2均在0.85以上,最高可达0.93;(3)信息熵评估结果显示SDBC模型生成的500m AOD产品提高了原始MAIAC AOD产品的空间信息量.在保留了公里级产品AOD的空间分布格局的基础上,SDBC产品也增强了细节和纹理特征、改善了边界现象和马赛克效应.研究结果证实SDBC模型能有效协同改进现有卫星A...     

西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究

西安是空气污染监控和防治有代表性的西部大型城市。研究了西安市及周边地区上空气溶胶光学厚度与PM10浓度的关系模型。利用2011—2012年MODIS卫星气溶胶光学厚度（AOD）遥感产品,通过数据匹配,利用地面气象观测站点的能见度数据和相对湿度数据对AOD产品进行垂直标高订正和湿度订正,2项订正显著提高了AOD和地面PM10浓度的相关性,相关系数从0．36提高到0．65,按季节分类统计和订正春至冬四季的相关系数分别为0．57、0．71、0．62和0．87,夏季和冬季的订正更为有效,可用性更高,这可能由于受到不同季节气溶胶来源和特征的影响。为研究中国西部大型城市,特别是西安市空气环境监测和区域联防联控提供了一种有效方法。     

上海市一次重雾霾过程的天气特征及成因分析

2013年11月30日至12月9日上海地区出现入冬以来一次最严重的持续性雾霾天气过程,严重影响了该地区人们的生活健康.本文借助空气质量数据、地面气象要素、卫星遥感数据并结合后向轨迹模式反映了此次重污染过程的污染特征及其成因.结果表明,污染期间,PM2.5与PM10小时浓度变化趋势基本一致,高浓度值出现在早晚8时左右,主要是由该时段的逆温现象造成的;来自西北方向污染物的远距离输送影响了本地空气质量状况,气团在不同高度层做下沉运动,造成大气层结稳定;该地区在西北方向的弱高压控制下,地面风速较小,能见度低,天气条件静稳,不利于污染物扩散,造成持续性重污染事件;卫星遥感数据显示此次污染为区域性污染.     

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.     

基于环境一号卫星的四川盆地气溶胶光学厚度精细化反演

四川盆地为中国灰霾形势较为严重的区域之一,对四川盆地大气灰霾的监测具有十分重要的意义。利用环境一号卫星数据,对能表征大气污染程度的气溶胶光学厚度进行了反演。提出了用EVI植被指数判定暗像元精细化反演气溶胶光学厚度的方法,该方法能较好地去除部分大气影响,气溶胶光学厚度反演结果与CE318的气溶胶光学厚度结果相关性较高,误差较小,具有较高的精度,反演结果满足精细化要求。反演结果表明,四川盆地内有德阳、成都、眉山和乐山4个气溶胶光学厚度高值区,该高值区呈带状分布且与四川盆地的地形密切相关。     

基于AOD数据和GWR模型估算京津冀地区PM2.5浓度

利用MODIS气溶胶光学厚度（AOD）数据针对不同土地覆盖类型的适用性,提出了一种基于土地覆盖类型的AOD融合方法,生成了一种新的3km AOD数据集.在此基础上,通过地理加权回归（GWR）模型估算了京津冀地区2016年PM_2.5浓度,并用交叉验证的方法对模型性能进行评价.结果表明：利用融合后的AOD数据建立的模型可解释PM_2.594.85%的浓度变化,交叉验证R²为0.94,RMSE为9.27μg/m³,MPE为6.72μg/m³,明显优于多元线性回归（MLR）模型;基于GWR模型估算的京津冀地区2016年年均PM_2.5浓度为58.57μg/m³,其中冬季PM_2.5浓度最高,春秋季次之,夏季浓度最低,PM_2.5月均浓度变化范围32.78~140.83μg/m³,8月份浓度最低,12月份浓度最高;空间分布南北差异显著,衡水市PM_2.5污染最为严重,张家口市PM_2.5浓度较低.利用此方法成功弥补了PM_2.5空间缺失,为城市尺度的健康效应和环境流行病学研究提供数据支持.