MODIS卫星监测中国东部地区地面颗粒物的样本时间代表性分析

选取2011年中国东部地区428个测站的PM10质量浓度资料,用Terra和Aqua MODIS AOD产品的时间分布作为指示数据,检验日、月、季、年时间尺度下,卫星过境时刻地面PM数据(SATPM)对地面所有时刻数据平均值(ALLPM)的代表性。结果发现,在东部大部分地区,SATPM与ALLPM的相对误差在±20%以内,且Aqua-MODIS代表性更好。此外,结合两颗卫星的数据,经拟合订正获得了新的日、年时间尺度上PM10质量浓度数据,将其与ALLPM的相关系数从0.87和0.83提高到0.90。此检验结果对于检验卫星数据反演的PM2.5的代表性也有一定指导意义。     

利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布

使用香港元朗地区2008年MODIS卫星遥感的气溶胶光学厚度(AOD)产品、激光雷达气溶胶消光系数垂直分布、地面相对湿度和地面气溶胶浓度观测资料等数据,通过激光雷达数据建立地面消光系数和激光雷达AOD与气溶胶标高的关系,利用这一关系和卫星AOD进行地面消光系数的反演估计,并进行湿度订正;通过建立地面气溶胶浓度和地面消光系数的关系,进行卫星AOD产品和激光雷达气溶胶探测反演地面大气颗粒物质量浓度的研究及应用。结果表明,卫星估计的地面消光系数与小时平均的颗粒物质量浓度观测值的相关系数为0.57~0.86(PM2.5)和0.59~0.78(PM10),估计的质量浓度与小时平均的观测值对比的均方根偏差分别为11.64~25.34μg/m3(PM2.5)和24.64~91.64μg/m3(PM10),表明可以通过卫星遥感进行大气悬浮颗粒物污染的监测应用。其中1 km分辨率的AOD产品,因其更高的空间分辨率,更适合反映具有复杂地形的城市地区大气悬浮颗粒物污染。     

利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布

使用香港元朗地区2008年MODIS卫星遥感的气溶胶光学厚度(AOD)产品、激光雷达气溶胶消光系数垂直分布、地面相对湿度和地面气溶胶浓度观测资料等数据, 通过激光雷达数据建立地面消光系数和激光雷达AOD与气溶胶标高的关系, 利用这一关系和卫星AOD进行地面消光系数的反演估计, 并进行湿度订正; 通过建立地面气溶胶浓度和地面消光系数的关系, 进行卫星AOD产品和激光雷达气溶胶探测反演地面大气颗粒物质量浓度的研究及应用。结果表明, 卫星估计的地面消光系数与小时平均的颗粒物质量浓度观测值的相关系数为0.57~0.86 (PM2.5)和0.59~0.78 (PM10), 估计的质量浓度与小时平均的观测值对比的均方根偏差分别为11.64~25.34 g/m³ (PM2.5)和24.64~91.64 g/m³ (PM10), 表明可以通过卫星遥感进行大气悬浮颗粒物污染的监测应用。其中1 km分辨率的AOD产品, 因其更高的空间分辨率, 更适合反映具有复杂地形的城市地区大气悬浮颗粒物污染。     

基于MODIS数据的地面颗粒物浓度估算方法

提出了一种基于卫星遥感数据的近地面颗粒物质量浓度(PM值)估计方法 .采用Terra/MODIS卫星数据和基于连续两天MODIS数据的气溶胶光学厚度反演算法,反演出无锡地区的气溶胶光学厚度;再利用所反演的气溶胶光学厚度与地面实测颗粒物质量浓度数据进行分析,得出颗粒物质量浓度的大小分布范围与气溶胶光学厚度的关系模型;进一步利用研究区域中地面站点监测到的颗粒质量浓度数据对估算结果进行评估.结果表明该方法所估算的PM值与地面实测数据具有较好的相关性,且地面监测的颗粒物质量浓度均分布在卫星遥感数据所估算的范围之内.本研究证明了MODIS卫星数据监测地面颗粒物质量浓度的可行性,为近地面PM值的估算提供了有效手段.     

MODIS气溶胶光学厚度产品在地面PM_(10)监测方面的应用研究

利用MODIS(中分辨率成像光谱仪)两年的气溶胶光学厚度(AOD)产品与北京地区API转化得到的PM10质量浓度、北京大学站点直接监测的PM10质量浓度以及香港元朗站点监测的PM10质量浓度做相关性分析,发现二者的直接相关程度较低。将AOD除以气溶胶季节标高,得到地面消光系数,与地面PM10质量浓度相关性提高。对地面消光系数进行相对湿度订正,得到计算的质量浓度,与地面实际观测的PM10质量浓度相关性进一步提高。经过两年时间资料的对比分析,证实气溶胶遥感光学厚度经过垂直和湿度影响订正后,可以应用于地面PM10监测。     

利用葵花8号卫星资料反演中国东部地区地面PM2.5浓度

为了得到中国东部地区大范围的地面PM_2.5浓度分布, 用机器学习方法建立一个模型, 用2019年葵花8号静止卫星大气顶层反射率数据和欧洲中心气象资料作为输入数据, 地面PM_2.5浓度作为输出数据。验证结果表明, 在不同时间尺度下, 该模型对中国东部地区均有较高的精度。对于小时PM_2.5的浓度反演, 该模型的十折交叉验证的相关系数为0.82, 均方根误差为20.11 μg/m³。将2019全年卫星?气象格点数据放入模型, 得到中国东部地区全年逐小时的PM_2.5格点数据, 利用该格点数据分析中国东部地区PM_2.5浓度的季节变化和空间分布, 取得良好的效果。     

粤东三市PM2.5和PM10质量浓度分布特征

采用在线监测方法于2009年7月8日至22日在广东省汕头、潮州、揭阳三市各选择1个有代表性的空气质量监测点同步进行PM2.5和PM10监测。监测结果表明,粤东三市PM2.5和PM10质量浓度低于部分沿海城市;PM10与PM2.5的质量浓度日变化呈双峰分布,分别处在上午(6:00至10:00)以及下午(18:00至22:00)两个时间段;PM10与PM2.5日平均浓度变化呈周期性波动,周期约为3～4 d;对于粤东三市区域,PM2.5/PM10为0.5215,说明PM10中细颗粒物含量大于粗颗粒物含量。     

北京市MODIS气溶胶光学厚度和PM2.5浓度的时空差异及其相关性研究

利用NASA MODIS数据反演北京市气溶胶光学厚度,探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及其相关性。结果显示,AOT与PM2.5均有明显的时空分布特征;二者的日均值具有相反的季节性变化特征(AOT夏季日均值高于冬季,PM2.5浓度日均值相反);日均值空间分布围绕城区向远郊区递减;二者的相关性对季节变化敏感,夏季相关性较好,冬季相关性较差。且郊区相关性明显优于城区。因此,卫星气溶胶数据可以反映PM2.5的分布,弥补地面监测站点的不足。     

南昌一次持续雾霾天气成因分析

使用2013年冬季的1次雾霾持续过程的气象观测数据、L波段雷达观测数据和Grimm180颗粒物检测仪观测数据进行相关性分析,结果表明:南昌地区1月下旬PM10、PM2.5、PM1.0与风速呈明显的负相关关系,即风速越大,颗粒物浓度越小;地面风向为E时,南昌出现霾的次数最多;PM10、PM2.5、PM1.0与能见度呈现明显的负相关性,即气溶胶颗粒物的浓度增加时,能见度明显降低;在未降水日PM10、PM2.5、PM1.0与相对湿度呈明显的正相关性;当产生降水时,降水对PM10、PM2.5、PM1.0的清除作用显著,PM10、PM2.5、PM1.0与相对湿度呈负相关性。     

基于卫星遥感和气象数据的2015年徐州市PM2.5时空特征

在2015年徐州市7个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOD产品和地面气象数据,构建了基于物理机理修正的近地面PM2.5多元回归反演模型。利用实测和遥感反演数据共同分析了徐州市PM2.5质量浓度时空变化特征。分析结果表明,在徐州中心城区PM2.5质量浓度的日变化特征表现为PM2.5浓度白天降低,夜间升高的趋势。春秋两季的峰值出现在8:00—9:00,夏季峰值出现在6:00—7:00之间,冬季峰值出现在10:00—11:00之间。PM2.5浓度的季节变化特征为冬季>春季>秋季>夏季。PM2.5浓度的空间分布格局为：徐州市区及铜山中心区、新沂市及新沂与邳州边界为PM2.5高浓度的主要区域,与徐州的城镇会格局相似。     

Mass Concentration of Particles(PM)in Urban Environment of Changsha, China

Continuous measurement of ambient PM10 was performed by TEOM at a university campus for about one year from 20 November 2007 to 29 October 2008 in Changsha city of Hunan province.Indoor PM10 and PM2.5 concentration were measured by DustTrak simultaneously in order to describe the difference in con-centration level and daily variations of particle mass concentration between different seasons, and to survey the influence of ambient particle on indoor air quality.During the survey period,the annual average PM10 concen-tration was found to be 117.63 μg/m3.with a mean value 121.88 μg/m3 in winter and 111.50 μg/m3 in spring.The temporal trend changed quickly from time to time,and the peak values were found in rush hours and in the evening.Ambient PM10 showed a good correlation with indoor PM10 and outdoor PM2.5 but not with indoor PM2.5.These results showed that PM10 was influenced by local source(such as traffic or fuel burn-ing)and regional source.The correlation analysis has shown that ambient PM10 contributes substantial fraction to indoor PM10 but not to indoor PM2.5,which indicates other source may exist in the indoor environment.     

“9·3”阅兵期间协同减排措施对北京市大气PM2.5质量浓度及其来源影响的数值模拟

本文利用嵌套网格空气质量预报模式系统(NAQPMS),模拟研究了“9·3”阅兵期间北京市及周边地区主要气象要素和大气细颗粒物(PM2.5)质量浓度的时空变化特征,结合污染物源解析的方法,定量分析了基准和减排情景下各周边源地对北京市近地面层PM2.5质量浓度的贡献.结果表明:1)NAQPMS模式系统能较好地模拟北京市PM2.5质量浓度的时空变化特征;2)协同减排控制措施有效降低了首都地区PM2.5质量浓度,阅兵活动当天PM2.5质量浓度削减率高达31%;一次PM2.5排放量大,下风向特别是风场辐合区等污染物易累积的地区减排后的削减程度大;3)阅兵活动期间,北京市PM2.5质量浓度最主要的贡献来源于本地排放,日平均贡献率最高达48.6%,河北东南部、中部及河南等地是其主要的外来源地,日平均贡献率最高分别为21.1%、17.6%和16.4%;4)相比于基准情景,减排情景下北京及周边减排力度较大的源地贡献率显著降低,其中北京降幅最大,达2.2%.      

长三角典型城市PM2.5浓度变化特征及与气象要素的关系

利用长三角地区4个典型城市南京、上海、杭州、合肥2014年4月1日~2015年3月31日的PM2.5监测数据,以及同期MICAPS地面气象要素的观测资料,对该地区PM2.5浓度的变化规律及其与气象要素的关系进行了分析和讨论。结果表明:长三角地区PM2.5浓度总达标率总体表现为夏季最高,冬季最低的态势。4个城市中,上海全年总达标率最高,杭州其次,合肥最低。上海和杭州达标率月变化特征相近,南京和合肥相近;PM2.5逐小时浓度日变化曲线呈现两峰一谷型分布,最大值均出现在早晨,最小值均出现在下午16~17时之间;月平均浓度具有明显的季节变化特征,冬季最高,夏季最低;PM2.5浓度与风速呈现显著现负相关关系,受地面风向影响明显,污染物在主导风的作用下从上游污染源扩散至下风区域;与气温呈现负相关关系;从全年来看,PM2.5浓度与相对湿度呈现负相关关系,高湿度状态更有利于降水从而增加PM2.5湿清除;各个城市PM2.5浓度与气压相关性很弱,并且未通过显著性检验,可见气压是影响PM2.5浓度变化的次要因素;降水对PM2.5清除作用明显。不同城市PM2.5的变化特征及其受气象要素的影响存在差异,主要是由不同城市的地理环境、产业布局以及污染源等因素造成的。     

西藏高原太阳红斑紫外线的测量

文章阐述了实地测量和利用卫星数据,以及分析青藏高原太阳紫外线的部分结果。地面测量结果显示西藏城市和乡村2005-2006年晴天红斑紫外线日总量[J/m2]变化规律;2006年西藏城乡晴天紫外线A(UVA)和紫外线B(UVB)日总量对比。卫星数据分析结果显示整个青藏高原夏季太阳紫外线强度的空间分布规律,同时与周边地区的强度做了比较。测量和分析结果能为该地区的地面紫外线情况和人类健康等诸多方面提供量化的数据。     

2014年1月济南市空气污染气象条件分析

为研究大气环流背景及气象条件对山东中西部PM2.5污染的影响,利用气象及PM2.5浓度资料,选取济南市作为典型代表城市,诊断分析了大气环流背景及气象演变过程对2014年1月济南市PM2.5浓度的影响,建立济南静稳指数公式。结果表明：2014年1月华东北部至华北南部地面至对流层中层风速均为负距平,水平方向污染扩散能力差,偏南风异常加强了南方水汽的输送,有利于气态污染物向颗粒态转化,推高了PM2.5浓度;对流层低层东亚冬季风异常偏弱,逆温增多,垂直方向污染扩散能力差;500 hPa异常高压,抑制了东亚大槽的发展,更加有利于污染物在底层的累积。天气演变过程分析表明：地面水平方向及高空垂直方向气象条件对PM2.5浓度均有影响,地面风速偏弱（偏强）,高（低）湿度,风场辐合（辐散）时,PM2.5污染偏高（偏低）;边界层高度降低（升高）,垂直方向气流下沉（上升）,对流层中低层大气层结不稳定增强（减弱）时,PM2.5污染升高（降低）。静稳指数对于空气质量及重污染过程具有较好的预报能力。     

多源卫星热点产品的融合与交互检验

卫星遥感是快速获取地面火灾信息的有效手段,不同频次不同空间分辨率的各类卫星热异常产品记录了大量火情信息,然而在大范围空间尺度上很难对其进行地面火灾监测有效性的验证,影响着多源卫星火情监测融合产品的实际应用。本文研究以贵州地区为例,运用较高空间分辨率的中分辨率成像光谱仪(moderate resolution imaging spectroradiometer, MODIS)和可见光红外成像仪(visible infrared imaging radiometer suite, VIIRS)监测热点对两个先进的静止气象卫星葵花成像仪(advanced himawari imager, AHI)监测热点产品进行检验和评估,分别量化两个AHI热点算法的侦测性能。结果表明：在8 h时间窗内,两个AHI热点算法相对于MODIS和VIIRS热点的误分率在39.2%～71.7%,漏分率在52.7%～68.5%,而相对于地面调查火灾的误分率为25.5%和33.3%。随着格点内极轨卫星热点像元数的增加,两个AHI算法侦测到的概率迅速增大,当5 km×5 km格点上出现4个MODIS和10个VIIRS以上...