基于MODIS数据的山东省近十年AOD时空变化特征

利用2010~2019年的MOD04_3K气溶胶光学厚度产品数据,从时间和空间角度分析山东省气溶胶光学厚度（AOD）变化特征.结果表明：2010~2019年山东AOD年均值在0.545~0.851波动,平均值为0.706,10年间山东AOD年均值整体呈现下降趋势,至2019年下降了0.269,下降幅度高达33%;山东AOD有明显的季节变化特征,呈夏季高峰,冬季最低,采暖期AOD均值整体上低于非采暖期;山东AOD高值区集中在北部环渤海、鲁西地区及济宁市,而山东中部及东北部沿海地区为低值区.AOD高值区总体分布在低海拔地区,而AOD较低的区域主要位于高海拔地区,且AOD时序变化趋势率与年均AOD空间分布特征基本保持一致.     

河南省气溶胶光学特性的时空变化特征

利用2001～2018年的Terra MODIS C6.1气溶胶产品对河南省大气气溶胶光学特性进行研究,分析气溶胶光学厚度(AOD)、气溶胶垂直柱质量浓度(AMC)和细粒子比(FMF)的时空分布特征,并针对代表性区域研究了气溶胶光学参数的时间变化特征.结果表明,河南省年均AOD和AMC及其在各个季节的空间分布均为东高西低、北高南低,与河南省特殊地势、人口分布及各地区企业数量有关,而FMF的空间分布与AOD和AMC分布相反.春季AMC值最高,而FMF值最低,表明春季主要是受到沙尘气溶胶的影响.夏季AOD和FMF值最高,而AMC值较低,主要是夏季气溶胶吸湿增长作用增强导致AOD高值出现,雨水冲刷与二次气溶胶生成量增加使夏季以细模态气溶胶为主.秋、冬季河南省AOD和AMC值相对较低,FMF值略高于春季.河南省AOD和AMC呈现逐年下降趋势;而FMF呈现上升趋势,而且2011年之后AOD、AMC和FMF的月平均峰谷差值均有所减少.     

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.     

基于时空混合效应模型的京津冀PM2.5浓度变化模拟

为揭示京津冀地区高精度PM_2.5的时空分布特征,以空间分辨率为1 km的MAIAC AOD数据为主要预测因子,以气象数据、植被指数、夜间灯光数、人口密度和海拔数据作为辅助因子,构建了一种新的时空混合效应模型（STLME）,在拟合最优次区域划分方案基础上对京津冀地区PM_2.5浓度进行预测分析.结果表明,基于STLME模型的ρ(PM_2.5)预测精度高于传统的线性混合效应模型（LME）,其十折交叉验证（CV）R²为0.91,明显高于LME模型的0.87,说明STLME模型在同时校正PM_2.5-AOD关系的时空异质性方面具有优势.最优次区域划分方案识别出PM_2.5-AOD关系的空间差异,并结合缓冲区平滑方法,提高了STLME模型预测精度.京津冀PM_2.5浓度时空变化差异显著,高值区主要分布在以石家庄、邢台和邯郸为中心的河北南部,低值区则位于燕山-太行山区;冬季PM_2.5污染最严重,其次是秋季和春季,夏季污染最轻.STLM...     

基于GTWR-XGBoost模型的四川省PM2.5小时浓度估算

卫星气溶胶光学厚度(AOD)和气象数据已被广泛用于估算空气动力学直径≤2.5μm的地表颗粒物(PM_2.5)浓度.研究高时间分辨率、高精度的PM_2.5浓度估算方法,对及时准确的空气质量预报和大气污染的预防及缓解具有重要意义.使用Himawari-8 AOD小时产品和ERA5气象再分析资料作为估算变量,提出GTWR-XGBoost组合模型,对四川省PM_2.5小时浓度进行估算.结果表明：(1)提出的组合模型运用于全数据集的性能优于KNN、 RF、 AdaBoost、 GTWR、 GTWR-KNN、 GTWR-RF和GTWR-AdaBoost模型,拟合精度指标R²、 MAE和RMSE分别为0.96、 3.43μg·m^-3和5.52μg·m^-3,验证精度指标R²、 MAE和RMSE分别为0.9、 4.98μg·m^-3和7.92μg·m^-3.(2)该模型作用于PM_2.5浓度小时估算...     

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。     

The promise of Beijing: Evaluating the impact of the 2008 Olympic Games on air quality

To prepare for the 2008 Olympic Games, China adopted a number of radical measures to improve air quality. Using the officially reported air pollution index (API) from 2000 to 2009, we show that these measures improved the API of Beijing during and a little after the Games, but a significant proportion of the effect faded away by October 2009. For comparison, we also analyze an objective and indirect measure of air quality at a high spatial resolution – aerosol optimal depth (AOD), derived using the data from NASA satellites. The AOD analysis confirms the real but temporary improvement in air quality, it also shows a significant correlation between air quality improvement and the timing and location of plant closure and traffic control. These results suggest that it is possible to achieve real environmental improvement via stringent policy interventions, but for how long the effects of these interventions will last will largely depend on the continuation of the interventions.     

徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征

为研究徐州冬季雾-霾天气形成过程中颗粒物粒径及气溶胶光学特性的变化特征,分析了2014年12月1日～2015年2月28日徐州大气颗粒物质量浓度（PM₁₀、PM_2.5、PM₁）、数浓度（0～1μm、1～2.5μm、2.5～10μm）和气溶胶光学特性等数据.结果表明：0～1μm粒径范围细颗粒物的大量增多是引发徐州冬季雾-霾天气的主要因素,徐州冬季地面风速小（静风或轻风天气）,较高的大气相对湿度对雾-霾的形成和维持起着重要影响作用.持续时间较长的雾霾天气,因颗粒物吸湿增长和水汽附着,1～10μm粒径范围大气颗粒物在雾霾时段易发生沉降而减少,后随相对湿度降低雾霾转为短时间的霾天气,1～10μm颗粒物数浓度大幅上升.徐州冬季500nm波段AOD_total和AOD_{fine mode}具有相同的变化趋势,雾-霾日AOD_total和AOD_{fine mode}显著高于非霾日.AOD_{fine mode}与AOD_{coarse mode}的比值雾-霾日亦明显高于非霾日,而且在雾-霾日Angstrom波长指数主要集中在1～1.6,表明徐州冬季雾-霾时段大气中细颗粒物为主控粒子.     

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN)。该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复杂过程,得到精度较高的反演结果。通过有效数据对所构建的模型做精度测试,同时将反演结果和实测数据对比分析,结果表明,模型反演结果与研究区内所有站点的观测值均具有较高的一致性(R^2均>0.89)。可见,应用DNN对H8气象静止卫星开展AOD反演具有一定的可行性。     

河北省气溶胶标高时空变化及其成因

以2012年河北省20个监测站的MODIS AOD(气溶胶光学厚度)和近地面水平能见度数据为基础,应用Peterson 模型和高斯模型,计算气溶胶标高月均值年内变化模型系数;应用全微分近似计算原理,构建了气溶胶标高时空变化的成因模型.结果表明:①全省平均气溶胶标高以夏季最高,为3.298 km;春、秋季次之,分别为2.864和2.284 km;冬季最低,为1.597 km. 全省气溶胶标高空间分布以夏季地域差异最显著,最大值为3.193 km;冬季地域差异最小,最大值为1.487 km. ②在全省尺度上,大气颗粒物排放强度和大气边界层高度每变化1%时,将会引致气溶胶标高分别变化0.577%和0.143%,二者对气溶胶标高变化的贡献率分别为80.1%和19.9%;在省内6个次级区域尺度上,大气颗粒物排放强度越大的区域,大气边界层高度对气溶胶标高的贡献率越大,如冀中南平原、沧州沿海平原和冀东平原的贡献率分别达到63.7%、57.8%、54.2%;反之则贡献率较低,如冀中平原、冀西北山区和冀东北山区的贡献率则分别仅为45.4%、32.6%、8.6%.