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.     

Estimation and inter-comparison of dust aerosols based on MODIS, MISR and AERONET retrievals over Asian desert regions

This study presents detailed analysis of spatiotemporal variations and trend of dust optical properties i.e., Aerosol Optical Depth(AOD) and Angstrom component over Asian desert regions using thirteen years of data(i.e., 2001–2013) retrieved from Aerosol Robotic Network(AERONET), Moderate Resolution Imaging Spectroradiometer(MODIS) and Multi-angle Imaging Spectroradiometer(MISR). These regions include Solar Village, Dunhuang and Dalangzadgad and are considered as origin of desert aerosols in Asia. Mann–Kendall trend test was used to show the trend of AOD. The relationship of AOD with weather parameters and general AOD trend over different wavelengths has also been shown. AOD's trend has been observed significant throughout the year in Solar Village, while in Dunhuang and Dalanzadgad the significant trend has been found only in peak period(March–June).Analysis show high values of AOD and low values of angstrom in Solar Village during peak period. In Chinese desert regions, high values of AOD have been found during peak period and low values in pre-peak period. Significant relationship has been observed between AOD and average temperature in Solar Village and Dalanzadgad whereas rainfall and wind speed showed no significant impact on AOD in all desert regions.     

黄渤海气溶胶光学厚度的多源卫星遥感产品精度分析和时空分布特征研究

以黄渤海上空大气为目标研究区,基于AERONET观测网,获取该区域2015—2017年的气溶胶光学厚度（AOD）实测数据,并对可见红外成像辐射计VⅡRS,中分辨率成像光谱仪MODIS,静止水色卫星成像仪GOCI与新一代地球同步气象卫星AHI H8的AOD遥感产品展开精度验证.同时,利用长时间的遥感影像探究并分析AOD在不同时空尺度下的分布特征与变化情况.结果表明：同其它AOD遥感产品相比,GOCI AOD展示出了高采样频率及高精度的特性.此外,在研究区域AOD的逐小时遥感影像中未发现明显的变化规律,而月平均图则显示出从黄渤海西部至中部再到东部AOD逐渐递减的趋势,且该趋势在研究区域不同的地方是具有差异的.不仅如此,本文还尝试分析影响AOD反演精度的潜在因子,发现其可能与地表反射率提取的准确度与预设气溶胶模型设置的合理性有关.     

基于Landsat数据的关中盆地腹地AOD时空格局及城市化对其影响

气溶胶光学厚度（aerosol optical depth,AOD）是气溶胶最基本的光学特性之一,表征气溶胶对光的消减作用,对区域大气污染有一定的指示作用.首先,以2000~2019年长时间序列MOD09A1产品数据为基础,利用ASTER波谱数据库,构建了Landsat TM/OLI蓝光波段地表反射率数据集,利用深蓝算法（deep blue algorithm,DB）对关中盆地腹地AOD进行了反演估算.其次,通过测算2000~2019多年平均/各年平均AOD和季节AOD值,研究分析了AOD空间分布特征和时间变化趋势;利用经验正交函数分析方法（empirical orthogonal function,EOF）剖析了AOD主要的空间分布模式.最后,探索分析了城市化对AOD时空分布特征的影响.结果表明：①研究区多年平均AOD空间分布受地形和人类活动影响显著,低海拔且人类活动强度大的盆地内部AOD值和变化幅度均高于周围山系.AOD呈现出明显的季节差异性：春季（0.34） > 夏季（0.33） > 秋季（0.23） > 冬季（0.12）,夏季AOD区域差异性最大.②年均AOD呈先增大后减小再增大的变化趋势,2005年达到最大值;春夏两季AOD数值分布离散,而冬季则表现为低值集聚的状态.③EOF分析结果表明,研究区AOD存在3种主要的空间分布模态：第一,AOD空间分布模式表现为区域一致型,特征向量空间分布与海拔梯度一致,反映了不同海拔下AOD变化程度的差异;第二,以秦岭山脉为界,大致呈现南北反相的分布特征,反映出关中盆地地域发展的独特性和与南部秦岭山区的差异性;第三,"东南-西北"的分布格局,表明了AOD在"城镇-乡村"呈反相变化趋势;④研究区AOD值与常住人口密度（R²=0.707,P<0.05）、不透水面密度（R²=0.377,P<0.05）以及工业POI密度（R²=0.727,P<0.5）呈正相关关系,说明城市化对AOD时空分布有一定影响.本研究对加强关中盆地空气质量监测和城市生态环境建设具有重要的意义.     

京津冀晋鲁区域气溶胶光学厚度的时空特征

利用2000年3月至2013年12月MODIS Level 3遥感反演大气气溶胶光学厚度(AOD)产品数据,分析近年来京津冀晋鲁区域AOD的时空分布和变化特征.结果表明:1从时变特征来看,近14年来全区年平均AOD值在0.428~0.550之间变化,年际间变化浮动大,因此多年平均增长率并不高,仅呈微弱增长趋势;以2008年为界可将近14年的AOD变化分为呈明显上升趋势的第一阶段(2000—2007年,增长率为1.349%)以及呈明显下降趋势的第二阶段(2008—2013年,增长率为-1.483%);全区四季AOD多年变化除夏季呈微弱下降趋势,其它3季均为上升趋势,冬季增长率最大;夏季AOD最高,但有回落的趋势,冬季AOD最低,但有上升的趋势.2从空间分布特征来看,全区多年AOD空间分布大体上呈南高北低的格局,河北和山东的西南部为高值区(AOD为0.72),河北和山西的北边为低值区(AOD为0.23),北京和天津则处于中上水平(AOD为0.58);全区四季AOD空间分布呈现出强烈的季节变化,春季较高,夏季最高,进入秋季显著降低,冬季则最低,冬季到来年春季呈跳跃性增高.这些结果有助于京津冀晋鲁区域的气候变化和环境研究.     

重庆市城区大气气溶胶光学厚度的在线测量及特征研究

利用CE-318型太阳光度计(CE-318)测定了重庆市城区2010年3月至2011年2月期间的太阳直接辐射量,反演了该地区大气气溶胶光学厚度(Aerosol optical depth,AOD),并对结果进行了分析.结果表明:重庆市城区上空大气AOD随波长增加而减小,Angstrom波长指数α=1.13±0.08,大气混浊指数β=0.57±0.14.受人为源排放的影响,空气较为混浊,且上空主要分布着城市-工业型气溶胶.AOD日变幅随波长增加而减小,且AOD在短波段变化比长波段变化更为明显.重庆市城区上空AOD(λ=500 nm)日变化大致分为5种类型:平缓型、上升型、下降型、凸型和凹型,其中,平缓型出现频率最低,凸型和上升型是主要变化类型.四季中AOD日变化特征在夏秋季较一致,冬春季较一致.AOD(λ=500 nm)全年主要呈现"V"字形特征,年均值为1.25±0.29,最低值出现在夏季,最高值出现在冬季;α全年变化范围在0.90~1.23,同AOD整体上呈负相关趋势,最低值出现在春季,最高值出现在夏季,且四季α值较大,表征气溶胶主控模态为细粒子,受人为源的排放影响较大.     

北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究

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.     

认知资源对公众城市气象灾害防御支付意愿的影响研究#br# ——基于南京市暴雨灾害防御的实证

城市气象灾害防御措施的改进是防灾减灾的有效手段，但如何在辨识公众支付意愿的基础上，构建多方成本分担的灾害防御制度是解决问题的关键。从成本分担的视角出发，以南京暴雨灾害防御为例，分析公众对增强型城市气象灾害防御的支付意愿及认知资源在其中的重要作用。通过构建由Probit模型和有序Probit模型组成的递归混合模型，探讨认知资源和经济资源在公众支付决策中的重要性。研究表明:认知资源的作用十分明显，且随着公众对暴雨灾害风险感知、防御措施了解程度、防御制度认可程度的提高，公众支付意愿越强。而暴雨灾害风险感知又受到灾害趋势认知和经历的共同影响，这两个变量分别影响风险感知的广度和深度，但受教育程度对风险感知深度的影响并不显著。核心建议是从满足公众对城市暴雨灾害风险、防御措施、灾害趋势等知识的需求，政府应该加强暴雨灾害科普宣传的主动性、提升主管和协同部门的公信力；规范科普知识内容、拓宽科普渠道。     

多种气象要素及其变化对AOD与PM2.5关联模型的影响研究

利用卫星遥感反演气溶胶光学厚度(AOD)已成为获取宏观、连续空气污染信息的一种有效手段.通过构建AOD-PM_(2.5)的关联模型是实现空间范围内PM_(2.5)监测的主要方法,而气象要素是该模型中的重要输入参数,直接影响到模型模拟的精度.当前诸多模型多采用地面气象要素,缺乏对于不同高度气象要素及其变化对构建AOD-PM_(2.5)关联模型的影响研究.本文以淮河流域五省为例,在实测地面气象资料的基础上,利用再分析气象资料,考虑了从地面至高空不同高度处的气象要素及其垂直变化,运用多元逐步回归方法,对比了地面与不同高度气象要素及其变化量对AOD-PM_(2.5)关联模型的贡献程度.结果表明:①AOD-PM_(2.5)关联模型在不同站点、不同季节的差异仍较为明显,不同高度及随高度变化的气象要素对提高春季AOD-PM_(2.5)关联模型的精度有较显著影响;②考虑了不同高度气象要素及垂直变化的多元逐步回归线性模型的表现优于仅考虑地面气象要素的模型,尤其是春季的改善较明显,RMSE降幅达到近43%;③基于地理加权回归方法的AOD-PM_(2.5)关联模型的估算结果略优于多元逐步回归线性模型.     

1980~2016年陕西省冬季霾日数时空变化及增多成因初探

利用陕西省地面气象观测站观测资料、中国国家统计局统计资料、美国NASA的MODIS气溶胶光学厚度（AOD）资料以及NCEP/NCAR月平均再分析资料,对1980~2016年陕西省冬季霾日数的时空变化特征及可能原因进行了分析,结果表明：（1）1980~2016年冬季陕西省平均霾日数为12d左右,并且伴有明显的年代际变化;其中1980~2012年冬季霾日数波动明显,1980~1993年偏多,1994~2012年偏少,2013年之后霾日数增加明显.（2）1980~2016年冬季陕西的霾日数有显著的区域差异.关中地区的霾日数最多,平均每年大于18d;陕南地区次之,年平均霾日数为10d左右;陕北地区最少,平均霾日数仅3d左右.陕北、关中、陕南3大区域冬季的霾日数均在2013年后出现了明显的增多.（3）2000~2016年冬季MODIS卫星监测的陕西AOD在关中咸阳、西安、渭南以及汉中南部和安康南部存在明显的高值区,大于0.4,其中关中气溶胶高值区域与关中地区霾日数大值区域有很好的对应关系.（4）2013~2016年冬季我国中东部的对流层低层的东风异常是向陕西关中地区输送气溶胶的有利条件,是霾天气的产生原因之一;2013~2016年陕西冬季对流层低层存在一个明显的位温梯度增大的区域,是不利于霾向高空扩散的大气层结条件,是霾日数明显增加的另一个原因.