排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
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。 相似文献
2.
对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012),0.7449(R2=0.5549),0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562,35.3321,36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象. 相似文献
3.
对地基监测PM2.5和气象数据、MODISAOD卫星数据与NCEP FNL数据进行了处理分析,在与一元简单线性模型(模型1)进行对比的基础上,建立了适应于北京及其附近地区遥感监测近地面颗粒物(PM2.5)浓度的多元线性(模型2)和非线性(模型3)回归模型,并对模型进行了评价验证和遥感监测初步应用.结果表明:模型1,2,3分别能够解释PM2.5 32.5%,56.1%,62.7%的变异.反演的PM2.5浓度与站点监测值相关性分别为0.5488(R2=0.3012), 0.7449(R2=0.5549), 0.7431(R2=0.5523).对于站点监测PM2.5浓度63.1652μg/m3的均值,反演均方根误差RMSE分别为43.5562, 35.3321, 36.8450μg/m3.模型2和3中气象因子分别能够解释PM2.5 23.6%和12.6%的变异,说明了气象因子影响北京地区春季PM2.5-AOD关系的显著性.3种模型整体上都不同程度地存在着低值高估和高值低估的现象. 相似文献
4.
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 总被引:2,自引:0,他引:2
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。 相似文献
1