基于多源数据的PM2.5浓度时空分布预测与制图

随着我国经济、工业化、城市化进程迅速发展,PM_(2.5)污染在中国已经成为一个极端的环境和社会问题,并引起广泛关注.采用新技术估算的地表PM_(2.5)质量浓度,收集并处理了遥感反演的气溶胶光学厚度(AOD),气象数据,其他地理数据和污染物排放数据,采用贝叶斯最大熵(BME)结合地理加权回归(GWR)来分析2015年冬季的PM_(2.5)暴露在我国东部大范围区域的时空变异特征.结果表明,BME模型的十折交叉验证结果的决定系数R~2为0.92,均方根误差(RMSE)为8.32μg·m~(-3),平均拟合误差(MPE)为-0.042μg·m~(-3),平均绝对拟合误差(MAE)为4.60μg·m~(-3),与地理加权回归模型的结果相比(R~2=0.71,RMSE=15.68μg·m~(-3),MPE=-0.095μg·m~(-3),MAE=11.14μg·m~(-3)),BME的预测结果有极大的提高.空间上,PM_(2.5)高浓度地区主要集中在华北、长江三角洲、四川盆地,低浓度地区主要集中在中国的最南部如珠江三角洲和云南的西南部;时间上,不同月份的研究区域PM_(2.5)空间分布所有差别,2015年的12月、2016年1月PM_(2.5)污染最为严重,2015年的11月,2016年的2月污染相对较低.     

针对NPP VIIRS数据的云检测方法研究

为了获得新型红外成像辐射仪套件(Visible Infrared Imager Radiometer Suite,VIIRS)传感器准确的云掩码数据,克服当前VIIRS云检测算法在中国区域存在的部分缺陷.本研究通过分析当前较为成熟的中分辨率光谱成像仪(Moderate Resolution Imaging Spectroradiometer,MODIS)云掩码算法,结合VIIRS传感器的波段特性,提出了适合中国区域的云检测算法.针对1.38μm高(卷)云检测算法在高海拔区域存在的限制,本研究使用亮温进行辅助检测,降低因低水汽含量造成的误报;针对当前VIIRS M12-M13云检测阈值在我国存在误报的问题,对M12-M13差值云检测在我国适用范围和阈值进行了分析讨论,并使用亮温辅助M12-M13进一步克服地表二项性反射造成的干扰.使用中国区域的两景数据进行应用分析表明:亮温辅助1.38um高(卷)云检测能够较好的抑制地表污染,亮温辅助M12-M13差值云检测比当前VIIRS M12-M13云检测能更好的抑制误报.通过人工解译,将检测结果和解译结果做了对比分析,实例数据检测精度均高于85%,能够满足当前云检测精度要求.