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。     

利用卫星遥感数据估算PM2.5浓度的应用研究进展

近年来,PM_(2.5)已成为中国大气污染的首要污染物,危害人体健康。为弥补地基监测站点在空间分布上的局限性,借助卫星遥感技术估算PM_(2.5)浓度已成为研究热点。文章总结了利用卫星估算PM_(2.5)浓度的各种研究方法,探讨了不同方法的优势和不足,指出不同方法对不同应用目的的选择性差异较大。提出,应针对不同应用目的选择相应的方法,从而取得满足各方面需求的研究成果,为未来PM_(2.5)浓度估算应用工作提供参考。     

北京地区基于化学组分的夏季气溶胶吸湿特性

利用吸湿增长光散射测量系统、黑碳仪和气相色谱质谱联用仪等仪器,于2019年7月15日~8月4日在北京地区开展了为期21d的大气气溶胶观测实验.观测期间北京市区于7月27日出现短暂的轻度污染,并在7月29日出现强降水天气.结果显示：北京市区夏季大气污染变化剧烈且短暂,大气气溶胶散射吸湿增长因子f（RH）呈现平滑连续的特点,并且降水会对f（RH）造成显著影响.7月27日PM_2.5的平均质量浓度为（92.54±47.05）μg/m³;,表现出较为剧烈的污染变化.7月28~30日平均散射吸湿增长因子f（80%±1%）分别为（1.50±0.35）,（1.43±0.36）和（1.48±0.25）,反映了降水对于大气气溶胶的湿清除作用.最后利用实验数据估算粒径吸湿增长因子gf（RH）,并建模研究f（RH）和gf（RH）的关系,模型精度R²最高可达0.698.     

中国地区MODIS气溶胶光学厚度产品综合验证及分析

讨论了2000年02月~2019年08月不同分辨率、算法中等分辨率成像光谱仪（MODIS）气溶胶光学厚度（AOD）产品在不同季节、区域、下垫面条件下中国区域的精度和适用性,在像元尺度上对比了重采样降低分辨率后的多角度大气校正（MAIAC）AOD数据与其他产品的精度.研究表明：在同等验证条件下,相较于暗目标算法（DT）、深蓝算法（DB）和暗目标与深蓝结合算法（DTB）,1km MAIAC AOD产品在中国地区与AERONET站点AOD观测数据整体一致性最高,R²达到0.891,均方根误差（RMSE）仅为0.126,超过75%的验证样本落在期望误差线（EE）范围内;同时,该产品受季节、区域和下垫面变化影响也最小,其中秋季R²达到0.917,RMSE为0.111,样本落在EE内的比例达到80.11%.3km DT算法AOD产品在植被覆盖率较大的森林和农田区域优于1km MAIAC AOD产品,在植被覆盖率较小的草地和城市区域则差于1km MAIAC AOD产品,且该产品在不同季节均存在AOD高估问题,其中,夏季高估程度最高（平均相对误差（RMB）=1.622,AOD值高估62.2%）.DB在长三角和珠三角地区存在AOD被低估的现象.DTB算法兼顾了DT算法和DB算法的优缺点,DTB算法AOD产品的相关性一般高于DB算法AOD产品,样本被高估程度一般低于DT算法AOD产品.通过重采样方法降低1km MAIAC AOD产品分辨率后,相同尺度下的MAIAC AOD数据精度优于DT算法、DB算法和DTB算法AOD产品,因此,MAIAC算法更适用于小尺度城市群集中区域的大气环境监测.     

中国地区MODIS气溶胶光学厚度产品综合验证及分析

讨论了2000年02月~2019年08月不同分辨率、算法中等分辨率成像光谱仪（MODIS）气溶胶光学厚度（AOD）产品在不同季节、区域、下垫面条件下中国区域的精度和适用性,在像元尺度上对比了重采样降低分辨率后的多角度大气校正（MAIAC）AOD数据与其他产品的精度.研究表明：在同等验证条件下,相较于暗目标算法（DT）、深蓝算法（DB）和暗目标与深蓝结合算法（DTB）,1km MAIAC AOD产品在中国地区与AERONET站点AOD观测数据整体一致性最高,R²达到0.891,均方根误差（RMSE）仅为0.126,超过75%的验证样本落在期望误差线（EE）范围内;同时,该产品受季节、区域和下垫面变化影响也最小,其中秋季R²达到0.917,RMSE为0.111,样本落在EE内的比例达到80.11%.3km DT算法AOD产品在植被覆盖率较大的森林和农田区域优于1km MAIAC AOD产品,在植被覆盖率较小的草地和城市区域则差于1km MAIAC AOD产品,且该产品在不同季节均存在AOD高估问题,其中,夏季高估程度最高（平均相对误差（RMB）=1.622,AOD值高估62.2%）.DB在长三角和珠三角地区存在AOD被低估的现象.DTB算法兼顾了DT算法和DB算法的优缺点,DTB算法AOD产品的相关性一般高于DB算法AOD产品,样本被高估程度一般低于DT算法AOD产品.通过重采样方法降低1km MAIAC AOD产品分辨率后,相同尺度下的MAIAC AOD数据精度优于DT算法、DB算法和DTB算法AOD产品,因此,MAIAC算法更适用于小尺度城市群集中区域的大气环境监测.     

西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究简

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。