四川盆地PM2.5与PM10高分辨率时空分布及关联分析

为深入了解四川盆地PM_2.5与PM₁₀污染情况，通过机器学习的方法，基于卫星遥感气溶胶产品（MAIAC）与国家环境空气质量监测网数据以及气象、地理、社会经济变量等，构建2个随机森林机器学习模型（R²均为0.86），反演四川盆地2013~2017年间1km网格逐日PM_2.5与PM₁₀浓度时空分布，并分析两者的时空关联性.结果表明：2013~2017年四川盆地地面PM_2.5与PM₁₀平均浓度分别为47.8，75.2μg/m³.PM_2.5与PM₁₀浓度空间上均整体呈现"倒月牙"状分布，西部与南部区域浓度值较高.5a间，区域颗粒物浓度逐年递减，总降幅均达到27%，季节上则均具有"冬高夏低"的特点；PM_2.5与PM₁₀浓度空间相关性显著（相关系数0.96），呈现"内强外弱"的格局，春夏季相关系数（0.91、0.90）低于秋冬季（0.96、0.96）.盆地西南部PM_2.5与PM₁₀比值较高，比值高低的季节性排序为冬季 > 秋季 > 夏季 > 春季.     

中国XCO2时空分布与影响因素分析

结合OCO-2卫星观测的CO₂柱浓度混合比数据（XCO₂）,研究2014~2018年间中国CO₂的时空分布及季节波动,并对影响XCO₂分布的因素进行相关分析.结果表明,XCO₂在研究时段内以2.56×10^-6/a的速度增长;年均季节波动为3.26×10^-6.在2014~2018年间观测到中国植被呈显著的上升趋势,尤其是在西北和东南沿海地区.植被活动是影响XCO₂季节变化的重要因素,在东北地区观测到XCO₂与归一化植被指数（NDVI）呈显著负相关（r=-0.58）.人为排放是影响XCO₂空间分布的重要因素,二者具有空间分布一致性（r=0.397,P<0.05）,尤其是在人为排放较强（>10³t）的区域,人为排放量与XCO₂的相关性更强（r=0.714）.最后分区域统计人口、电力消耗和路网密度等社会经济因素对XCO₂的影响,相关性分析的结果分别为0.78,0.69和0.34,证明中国XCO₂分布与社会经济因素的相关性.     

卫星遥感监测海南地区对流层CO2浓度时空变化特征

为了探索海南地区对流层CO₂浓度[以φ(CO₂)计]时空变化特征,采用2002年9月—2012年2月AIRS反演的对流层中层CO₂产品,利用北半球全球本底站瓦里关站和飞机观测φ(CO₂)对该产品进行验证,结合统计分析方法对海南地区φ(CO₂)的月、季、年平均值的时空变化特征进行了研究.结果表明:AIRS反演φ(CO₂)与地基和不同纬度带海洋上空飞机观测数据对比均具有很好的一致性,并且与飞机观测验证偏差更小,二者相关系数均在0.9以上,总体月均值偏差小于2×10-6;全国φ(CO₂)呈现北高南低的分布规律,并且存在较为明显的分界线,形成4个高值中心(塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原)和2个低值中心(青藏高原西南部和云南地区),海南地区平均φ(CO₂)为382.67×10-6,略高于云南低值中心的381.45×10-6;全国φ(CO₂)呈现明显逐年增加趋势,其年均增长速率为2.16×10-6,而海南地区亦呈现显著增加趋势,年均增长速率为2.11×10-6,低于全国水平;φ(CO₂)呈季节性波动特性,全国φ(CO₂)最高值出现在春季,而海南地区为夏季,最低值均出现在秋季;海南地区西部海域、陆地和东部海域上空φ(CO₂)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明海南陆地上空增速略大于海洋地区,西部和东部海域上空增长速率基本保持一致.      

基于多源碳卫星融合产品的中国地区XCO2与人为CO2排放时空变化

准确评估大气CO₂浓度和人为CO₂排放时空变化对于减缓温室气体排放导致的气候变化至关重要,因此,本文基于GOSAT和OCO-2卫星数据融合生成的全球长时间序列、时空连续的Mapping-XCO₂产品,研究2010～2020年中国大气CO₂柱浓度(XCO₂)时空变化特征以及卫星监测人为CO₂排放能力.结果表明:Mapping-XCO₂与中国大气本底站观测存在较高的一致性,具有良好的适用性;2010～2020年中国XCO₂呈现东高西低的空间分布,年均XCO₂为400.4×10^-6,年增长速率为2.47×10^-6;非生长季XCO₂异常可刻画人为CO₂排放时空变化,各省级行政区非生长季XCO₂异常与人为排放清单EDGAR和ODIAC的相关系数分别为0.71、0.67;2010～2020年京津...     

基于卫星观测的2010～2020年中国高分辨率NH3排放特征

基于2010～2020年IASI卫星观测数据,利用排放通量法对中国NH₃排放量(分辨率为0.25o×0.25o)进行了估算,分析了中国NH₃排放的时空分布和长期变化趋势.结果发现,2018～2020年中国NH₃平均年排放量和排放强度分别为18.61Mt和1.93t/km²,排放强度高值区主要集中在华北平原和成渝地区.中国NH₃排放具有明显的季节变化,春、夏、秋和冬4个季节的排放量分别占全年总量的25.92%、36.55%、19.61%和17.92%.NH₃排放的月变化表现出3种主要模式:畜牧业较发达的西藏、内蒙古以及东北和西北部分地区大体呈“冬夏双峰”型;农业种植主要为一年两熟的福建、台湾和华南等地区呈“春夏双峰”型;其他大部分地区则呈“夏季单峰型”.中国的NH₃排放量从2010年的12.68Mt持续增长到2020年的20.75Mt,线性变化率为815.10kt/a,复合年均增长率为5.43%/a.排放强度超过3.00t/km2地区面...     

基于机器学习和卫星遥感的PM2.5/10 空间连续分布反演方法研究

在过去的几十年里,快速的经济发展以及工业化、城镇化进程加速使得中国的资源环境承担的压力不断加大。作为影响空气质量的首要污染物,PM_2.5和PM₁₀（记为PM_2.5/10）直接影响着广大人民群众的身体健康。因此,针对PM_2.5/10浓度进行遥感反演研究,对环境监测和控制改善全国空气环境质量具有重要的意义。近些年来,随着对近地面PM_2.5/10浓度研究的不断深入,基于遥感影像数据进行PM_2.5/10浓度的反演方法也日益增多。本文利用Google Earth engine（GEE）平台获取了海量的Landsat 8 OLI遥感影像数据,并结合气象信息、空间特征等参数,采用机器学习中常用的多层映射反向传播神经网络构建了波段反射率与PM_2.5/10浓度之间的反演模型,以获得PM_2.5/10在研究区域的连续分布。为了提高基础PM_2.5/10反演模型的反演精度,还从影响因素和前溯时间两个维度出发,探寻了模型的最优化输入参数组合,并最终实现了对PM_2.5/10浓度的精准反演。以北京市地区为例,模型的PM_2.5和PM₁₀的反演精度R²分别达到0.814和0.796,均方根误差RMSE分别为19.21 μg?m^?3和28.31 μg?m^?3。鉴于该反演结果具有较高的准确性和可靠性,本文所建立的方法模型为研究PM_2.5/10在空间上的连续分布特征提供了新的思路和方法,具有较为重要的科研意义与广泛的应用价值。     

基于甘肃省卫星遥感的对流层NO2时空变化

基于OMI卫星遥感反演的NO₂柱浓度数据,分析了近11a甘肃省对流层NO₂柱浓度的时空变化及相关影响因素,同时利用HYSPLIT模型探究了大气污染物的来源.结果表明：从空间上,NO₂柱浓度呈现出由甘肃东北区向西南区递减趋势,最高值主要分布于庆阳市全境和平凉市少部分地区.从2008~2014年NO₂柱浓度值不断增长至最高值,高值区逐步扩大;2015~2018年NO₂柱浓度值波动变化,呈现出向周围区域递减的趋势,高值区范围缩小;从时间上,2008~2018年对流层NO₂柱浓度整体呈上升趋势,对流层NO₂柱浓度四季均值分布为：夏季>春季>秋季>冬季;NO₂柱浓度每年在6~8月达峰值,9月后开始下降,年内谷值出现在12月份~次年2月份;对研究区NO₂柱浓度的贡献最大的是自然要素.高温、降水有利于土壤排放NO₂,植被覆盖率对NO₂起到一定的消减作用.利用HYSPLIT得出2009~2018年每年7月庆阳市NO₂的外部输送路径,其中主要路径以陕西地区为主.     

基于OMI卫星数据的渤海对流层NO2分布特征

利用OMI卫星数据,分析了2005～2009年渤海对流层NO2的时空分布特征,研究发现近5 a渤海海域对流层NO2浓度空间分布不均,季节变化及年度增长趋势明显。空间分布上渤海西南部的渤海湾及莱州湾等海域浓度比较大,而东北部的辽东湾浓度比较低;NO2浓度季节变化也非常大,12月份垂直柱浓度(13.464×1015mol/cm2)是8月份(4.959×1015mol/cm2)的2.7倍。分析渤海湾与其周边的京津塘、环渤海西南部地区NO2浓度的月变化,发现冬季京津塘地区对渤海NO2浓度影响比较大,而夏季环渤海西南部地区对其影响比较大。     

基于卫星遥感气溶胶产品评估体系的气溶胶时空分布及变化趋势表征

卫星遥感气溶胶虽然空间覆盖度高,但不同产品数据在准确性和适用性上存在显著差异.为了能够科学定量的衡量各个产品的优劣,选择最合适的气溶胶产品,该研究以数学统计为基础,提出了一种卫星遥感气溶胶产品评估体系,并依此确定了全球6个人口密集地区的最优卫星数据集,在此基础上开展了近10年的（2009—2018）气溶胶时空变化分析.结果表明暗像元算法在植被覆盖度高的地区表现最好,深蓝算法在亮地表的沙漠干旱地区更占优势,而暗像元-深蓝融合算法在土地类型复杂且气溶胶来源多变时得以突出.人口密集的6个区域中,除了区域A和区域B,其它地区的大气污染水平整体偏高.其中,A、B、E的气溶胶负荷呈下降变化,区域F基本不变,其余区域上升变化.评估体系的建立为气溶胶遥感产品的选取提供了新的衡量方法,且该文关于气溶胶时空分布及变化的分析可以为区域性气溶胶研究提供一定的参考价值.     

基于卫星遥感的广东地区对流层二氧化碳时空变化特征

利用瓦里关全球本底站和番禺气象局地面观测的CO2浓度资料对SCIAMACHY反演得到的对流层CO2产品进行验证.结果显示:SCIAMACHY产品能较好地反映对流层CO2的分布状况,在珠三角地区反演和观测的残差为1.29×10-6,相关系数为0.69,可用于分析区域对流层CO2的时空分布特征.利用2003~2009年SCIAMACHY观测资料分析研究显示:广东地区对流层CO2柱浓度最高值出现在春季,最低值出现在夏季,浓度年均值和年增长率分别为384.84′10-6和1.53′10-6/a,大于全球和我国同期的观测结果;粤东、粤西、粤北和珠三角地区的浓度均在春、冬季显著高于夏季、秋季 ,相同季节内各区域之间的差异不显著;粤西地区CO2柱浓度的年增长率最高,为1.82′10-6/a,珠三角和粤东地区的年增长率相当,分别为1.65,1.64′10-6/a,粤北地区的年增长率最低,为1.61′10-6/a.     

基于时空XGBoost的中国区域PM2.5浓度遥感反演

为了提高PM_2.5估算精度,获得连续的PM_2.5浓度空间分布,本文提出了一种时空XGBoost模型（STXGB）.STXGB模型引入克里金法,将地理信息和时间信息融合到XGBoost算法体系中,通过集成遥感数据、气象数据和地理信息数据建立了基于STXGB模型的PM_2.5质量浓度空间估算方法.最后,以2019年中国区域PM_2.5质量浓度月数据为例,采用基于样本、站点和时间的十折交叉验证法,评估了STXGB模型的性能,并与BP神经网络（BPNN）、随机森林（RF）、XGBoost、反距离加权XGBoost （XGBIDW）模型结果进行对比.结果表明,STXGB模型的预测精度优于其它模型,其中,STXGB模型验证的决定系数为0.92,均方根误差为6.51 μg·m^-3,平均预测误差为4.26 μg·m^-3,利用该模型生成的中国区域PM_2.5浓度空间分布更为合理.     

利用MODIS卫星遥感数据监测东中国海浊度的时空分布

建立了海水浊度的水色卫星遥感方法,并应用于MODIS水色卫星数据,获取了东中国海浊度分布。首先,根据2011年和2013年四个航次的海洋光学综合科学考察实验获取的现场数据,建立了基于颗粒物后向散射系数的浊度反演算法;然后,利用时空匹配的现场数据,印证了MODIS卫星数据反演浊度的可靠性;在此基础上,利用2009~2013年MODIS水色卫星资料获取了东中国海12个月的浊度分布,并对影响浊度分布的动力机制进行了分析和探讨。结果表明,东中国海浊度分布在空间上具有很大的差异性,其中近岸高,远岸低。时间上,东中国海区域浊度分布的季节性变化显著,冬季最高,夏季最低,春秋季节属于变化过渡期,冬夏季节进入稳定期。其中,春季下降速度明显高于秋季上升速度。     

长江三角洲PM2.5质量浓度遥感估算与时空分布特征

卫星遥感反演气溶胶光学厚度(AOT)已被广泛地应用于地面PM2.5遥感监测.为遥感监测长江三角洲地区PM2.5,利用2013年的MODIS/Terra AOT产品,考虑研究区36个空气质量监测站点的风速、温度、湿度和边界层高度等气象条件,构建了基于MODIS AOD产品估算PM2.5的模型.利用17个空气质量监测站点数据对模型进行散点拟合验证,结果表明模型估算精度较高,春夏秋冬4个季节PM2.5质量浓度的模型估算值与地面监测值的相关系数R2值分别为0.45、0.50、0.58和0.52.利用模型估算的长时间序列PM2.5时空分布数据进行时空变化特征分析,结果表明:1 2000~2013年研究区PM2.5质量浓度呈增长趋势,月均增长量为0.047μg·m-3,最大值出现在2月,为(66.2±19.3)μg·m-3,最小值出现在8月,为(22.6±5.9)μg·m-3.2研究区PM2.5质量浓度空间分布差异显著,南部低,北部高,高值主要出现在由上海、杭州和南京构成的三角形区域的城市群中,而低值主要出现在南部远离城市的森林区域.结果表明基于MODIS/Terra AOT产品和地面观测气象数据估算PM2.5的多元线性回归模型能较好地应用于区域PM2.5监测.     

基于卫星遥感等多源数据的发电厂CO2排放分析

应用烟羽分割、背景插值和高斯烟羽模型,使用轨道碳监测传感器(OCO-3)SAM模式在1年内的4次有效观测数据,估算了托克托电厂CO₂排放量,并利用年度核算报告结果、月度发电量与连续排放监测系统(CEMS)监测数据对卫星遥感估算结果进行验证.结果表明,2021年4次卫星过境时CO₂排放速率分别为1900.82、3353.96、2941.07和3701.71tCO₂/h,其不确定性分别为25.10%、20.27%、19.59%和29.52%,不确定性主要来源于气象数据、背景和其它排放源影响.CO₂小时排放速率卫星遥感反演结果和核算分配结果验证具有较好的一致性,相关系数R为0.822.电厂月度发电量及小时级在线监测数据分析结果表明,电厂活动水平具有明显的季节性变化和小时变化特征,其中与CO₂排放密切相关的月度发电量相对标准偏差可达14.55%,NO_x小时排放量相对标准偏差可达12.35%.     

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...     

基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

基于OMI数据的四川盆地对流层甲醛时空分布特征

基于OMI卫星遥感反演的对流层甲醛柱浓度资料,对2005—2016年四川盆地对流层甲醛柱浓度的时空分布特征及其影响因素进行了分析.结果表明,12年间甲醛柱浓度年际变化总体呈上升趋势,年均增长率为1.17%.12年间甲醛柱浓度具有波动性,年均最低值和年均最高值分别出现于2005年和2012年.2005—2008年四川盆地甲醛柱浓度相对较低;2011年对流层甲醛柱浓度达到最大且高值区范围最大,2012年后浓度逐渐降低.四川盆地甲醛柱浓度季节变化表现为夏季春季秋季冬季.一年之中,月均甲醛柱浓度最小值基本出现在每年的11—12月,最大值则出现在6—8月.甲醛柱浓度空间分布的高值区主要分布在盆地内西南部的成都平原地区,低值区则多处于人为源排放较低的重庆东北部山区.能源消耗、生产总值及机动车保有量与对流层甲醛柱浓度具有显著的正相关关系.工业源、居民源和交通源排放对甲醛柱浓度具有重要贡献.四川盆地独特的地形及区域内风场对甲醛的扩散也有重要影响.     

北京市PM5.0可吸入颗粒物反演及其时空分布分析

分析城市可吸入颗粒物的空间特征及影响因素对于制定更为有效的可吸入颗粒物污染控制政策具有重要的现实意义.本研究在实际采样和遥感数据处理基础上,构造差值植被指数(DVI),通过建立TM影像与对应PM5.0颗粒物实测值之间的相关关系模型,对北京市2008~2010年3 a的PM5.0的分布进行了反演计算和精度分析;研究了NDBI和NDMI对PM5.0浓度的影响,进一步揭示了北京五环区域范围内可吸入颗粒物的时空分布特征.结果表明,采用DVI反演PM5.0分布的方法可行,反演精度在可接受范围内;整体上研究区2008年PM5.0颗粒物污染最轻,西南三环和四环以及东南三四环之间为颗粒物污染的高值区,西北五环附近颗粒物污染较轻;NDBI(归一化建筑指数)、NDMI(归一化水汽指数)与PM5.0可吸入颗粒物的分布分别呈现显著的负相关和正相关关系,且二者对PM5.0的影响相近.     

基于OMI卫星遥感数据的中国对流层NO2时空分布

基于2004年11月—2008年1月OMI卫星对流层NO₂的垂直柱浓度数据,对我国8个自然地理分区对流层NO₂垂直柱浓度的年均值、月均值的分布进行了分析,依据月均值变化建立正弦曲线拟合模型,依据该模型定量分析了各自然区对流层NO₂垂直柱浓度的变化趋势、变化周期和变化幅度等特征. 结果表明:拟合模型可较好地反映我国8个自然区对流层NO2垂直柱浓度的变化特征;证明了人类活动影响了对流层NO₂垂直柱浓度的分布及其变化,这种影响主要体现在对流层NO₂垂直柱浓度的高低、变化的周期性以及增长趋势等方面.      

基于TROPOMI的石家庄市NO2柱浓度时空分布及来源分析

为探讨石家庄市NO₂柱浓度时空分布及潜在污染源区,该文利用2019-2021年L2级别的TROPOMI二氧化氮数据、石家庄市8个国控点环境自动监测站的NO₂、O₃、PM_2.5浓度数据和气象要素数据以及全球数据同化系统中的气象数据,对石家庄市NO₂时间变化、空间分布、污染传输通道城市以及潜在源贡献区进行分析。结果表明：石家庄市NO₂浓度年内变化趋势呈“U”型,季节性明显,NO₂浓度冬季(13.33×10¹⁵molec/cm²)>秋季(12.76×10¹⁵molec/cm²)>春季(4.96×10¹⁵molec/cm²)>夏季(4.09×10¹⁵molec/cm²);NO₂浓度空间表现为“主城区高、四周低”的椭圆带状分布,并形...