首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2篇
  免费   3篇
综合类   5篇
  2022年   3篇
  2021年   2篇
排序方式: 共有5条查询结果,搜索用时 11 毫秒
1
1.
为了全覆盖、高分辨率和高精度识别京津冀地区大气PM2.5质量浓度时空变化,选取多角度大气校正算法遥感反演的1km AOD为主要预测因子,多种气象要素和土地利用要素为辅助预测因子,构建了混合效应模型+地理加权回归模型的两阶段统计模型,并针对京津冀地区PM2.5污染较严重的特点,模型中引入了AOD2等独特预测因子.通过上述两阶段模型定量预测了研究区2017年1 km2空间分辨率的每日PM2.5质量浓度.结果表明,模型交叉验证的决定系数R2为0.94,斜率为0.95,均方根预测误差为13.14 μg·m-3,在前人基础上预测精度进一步提升,可用于PM2.5浓度时空变化预测与分析.2017年,京津冀地区PM2.5浓度年均值为44.96 μg·m-3,年均值范围在0~89.89 μg·m-3之间.PM2.5浓度时空变化差异性明显,整体上呈现"平原西南部浓度高、平原东北部浓度中等和山区高原浓度低"的空间分布格局以及"冬季浓度高、夏季浓度低和春秋过渡"的季节变化特点.模型预测结果的高时空分辨率可以支持流行病学研究在较小区域的暴露评估和识别小尺度污染源的时空变化,分析发现在大气污染防治行动计划实施以来,污染较严重的冀中南山麓平原区可能出现了重要污染源的空间变化.模型预测与分析结果可以为京津冀大气污染防治提供科学支撑.  相似文献   
2.
金囝囡  杨兴川  晏星  赵文吉 《环境科学》2021,42(6):2604-2615
基于2014~2018年京津冀及周边地区MAIAC AOD和PM2.5质量浓度数据,探讨AOD和PM2.5质量浓度的时空差异,并利用线性回归探讨两者之间的相关性.结果表明,PM2.5日均浓度超标天数分别占33%和57%(执行世界卫生组织IT.1和IT.2日均标准值),污染较为严重.Terra、Aqua MAIAC AOD和PM2.5年均浓度均呈下降趋势,PM2.5浓度呈现出冬春季高、夏秋季低的特点,而Terra、Aqua AOD则表现为春夏季高、秋冬季低.PM2.5及AOD的季均和年均浓度均呈现"北低南高"的区域分布特征,高值区主要位于河北南部、山西南部、山东西部以及河南北部,低值区主要位于山西北部、河北北部以及山东东部.PM2.5年均浓度介于27~99μg·m-3,AOD年均值介于0.20~0.69.Aqua AOD与PM2.5浓度的相关性更高,且不同季节Terra、Aqua AOD与PM2.5相关性差异显著,总体均表现为春冬季良好,夏秋季相对较差.对卫星AOD进行垂直和湿度订正后,其与PM2.5的相关性显著提高.  相似文献   
3.
张华玉  邹滨  刘宁  李莎 《中国环境科学》2022,42(9):4033-4042
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AOD产品的空间分辨率和精度,提升我国大气污染遥感精准监测的业务能力.  相似文献   
4.
为揭示京津冀地区高精度PM2.5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PM2.5浓度进行预测分析.结果表明,基于STLME模型的ρ(PM2.5)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PM2.5-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PM2.5-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PM2.5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PM2.5污染最严重,其次是秋季和春季,夏季污染最轻.STLM...  相似文献   
5.
以京津冀2020年318个地面监测站点的PM2.5数据为估算因子,构建了时空线性混合效应模型(STLME)和时空嵌套线性混合效应模型(STNLME),为AOD数据的补值研究提供了一种新方法.结果表明:在有AOD-PM2.5匹配数据的日期,上述两个模型估算精度相近,交叉验证后决定系数R2分别为0.868和0.874,均方根误差RMSE分别为0.112和0.109;在无AOD-PM2.5匹配数据的日期,嵌套模型估算精度明显高于非嵌套模型,交叉验证后决定系数R2分别为0.63和0.26.经过模型补值后,研究区监测站点所在网格AOD数据空间维有效比率从原始数据的44.35%提高到99.35%,时间维有效比率从87.94%提高到100%;同时,每个站点的年均AOD值都有明显提高,弥补了高PM2.5浓度条件下缺失的AOD数据,可以减少空气污染和健康研究中暴露评估的偏差.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号