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。     

上海市大气环境中PM_(2.5)/PM_(10)时空分布特征

针对上海市颗粒物的污染和防治问题,利用2014年4月14日—2015年3月24日10个国控监测点的PM2.5和PM10小时数据及对应的气象因素资料,以PM2.5质量浓度占PM10质量浓度的比例为研究对象,使用聚类分析和相关性分析PM_(2.5)/PM_(10)的时空分布特征.结果表明:P2.5和PM10的季节高低为冬春秋夏,PM_(2.5)/PM_(10)的季节分布在不同区域存在差异性.PM_(2.5)/PM_(10)的日变化呈现双峰型趋势,峰值出现在05:00和14:00左右,上午PM_(2.5)/PM_(10)高于下午.颗粒物质量浓度及PM_(2.5)/PM_(10)具有明显的"周末效应",这与车辆通行政策与人类作息时间变动相关.在空间分布上,颗粒物质量浓度及PM_(2.5)/PM_(10)均表现为背景站浦西站浦东站.     

西安市2001—2012年PM_(10)浓度时间序列的特征分析

基于西安市2001—2012年可吸入颗粒物PM10浓度时间序列数据,利用Morlet小波分析方法,研究了PM10浓度数据的多时间尺度变化,并利用主成分分析方法研究了PM10浓度和气象因素的相关性。研究结果表明,污染物浓度变化受采暖期周期影响,主要受采暖期燃煤量和气温的影响,与大气压强、平均气温和PM10等第一主成分具有高相关性。     

不同时间尺度大气PM_(2.5)和PM_(10)卫星影像反演

利用南宁市地面8个监测站与中分辨率成像光谱仪(MODIS)数据反演得到的气溶胶光学厚度值作为数据源,运用回归分析法,选取月、季、年三种时间尺度,分别对PM_(2.5)、PM_(10)浓度与AOD值进行相关性研究。结果表明,PM_(2.5)与AOD相关性好于PM_(10),月尺度PM_(2.5)和PM_(10)与AOD值相关性强,除个别月份外,R2均在0.7以上;季尺度PM_(2.5)和PM_(10)与AOD值相关性,随季节变化显著,但R2均在0.5以上;年尺度PM_(2.5)和PM_(10)与AOD值拟合,采用一元二次模型,R2在0.5以上。上述结果表明AOD在月尺度上与地面站点污染物监测数据PM_(2.5)和PM_(10)的相关性最为显著,故可在月尺度上通过卫星遥感影像反演的AOD推算地面PM_(2.5)和PM_(10)的空间浓度场。     

深圳PM2.5浓度变化趋势及其月尺度预测方法

基于深圳市环境监测站的PM2.5浓度数据以及深圳市国家气候观象台发布的月度气象监测公报,研究了2012年至2019年深圳市PM2.5浓度的变化规律,分析了PM2.5浓度与月尺度气候要素的关系,并利用多元线性回归分析法建立了PM2.5月均浓度的预测模型。结果表明：2012年至2019年深圳PM2.5浓度呈明显下降趋势,PM2.5浓度有季节性特征,干季(1~3月及10~12月)PM2.5浓度比较高,也是PM2.5污染防控的重要时段。月降水日数、月降水量以及月平均温度与PM2.5浓度的负相关较明显,偏北风频率与PM2.5浓度呈显著正相关,可一定程度上帮助预判月均PM2.5浓度。与前人研究结果相反,月平均相对湿度与PM2.5浓度呈显著负相关。包含气象因素项以及PM2.5浓度项的月平均PM2.5浓度预报模型拟合度较高,偏北风频率、月平均相对湿度是对月平均PM2.5浓度影响最大的气象因素。利用深圳市2020年数据对模型进行检验,结果证明方程对于月平均PM2.5浓度的预报有一定适用性,可较好预报PM2.5浓度月增量。     

基于多元时间序列的哈尔滨市PM2.5影响因素分析

为探究哈尔滨市PM2.5与其他空气污染物和气象因子间的动态关系,基于哈尔滨市2013-2018年日值空气质量数据和气象观测数据建立PM2.5质量浓度的多元时间序列模型.利用相关性较强且平稳的空气污染物(包括SO2,NO2,PM10,CO和O3)和气象因子(平均气温、极大风速、累计降水量、日照时数和平均气压)建立PM2....     

2020年初湖北省PM2 .5和O3与往年同期时空差异对比研究

目的 探究COVID-19疫情防控期间PM2 .5和O3 浓度变化的潜在影响因素.方法 利用湖北省25个自动监测站点2015－2020年(1－3月)的PM2 .5 ,O3 以及相关大气污染物浓度数据,在对其进行空间插值的基础上,分析湖北省市域尺度PM 2 .5和O3 浓度数据空间演变,并结合气象资料和大气污染数据进行相关性分析,重点研究影响疫情防控期间PM2 .5和O3 时空分异特征的气象因素及经济因素.结果与结论 (1)湖北省13个市(州)PM2 .5浓度在疫情期间为近6 a来最低水平;其中,2月份荆门(57 μg/m3 ) 、荆州(42 μg/m3 ) 、随州(46 μg/m3 )和襄阳(59 μg/m3 )同比降幅最大,分别为38 .7%, 40%,39 .5% 及41 .6%;(2)疫情期间近地面O3 浓度有上升趋势,整体表现为1月波动,2月上升,3月下旬达到峰值,除荆州和宜昌外,其他市(州)浓度增长率均超过20%;(3 )从空间变化差异来看,湖北省PM2 .5和O3 浓度呈中部高、东部较低、西部最低的分布规律;(4)相关性分析表明,湖北省防疫期间生产制造业的停摆与PM2 .5的下降呈正相关;近地面O3 浓度的上升与PM2 .5等颗粒物的减少以及形成臭氧所需的前体物活跃度上升有关.     

北京市大气PM2.5的季节特征和空间趋势（英文）

近年来,北京地区雾霾污染事件频发,大气PM2.5污染引起国内外强烈关注.利用北京市35个PM2.5监测站自2012年10月开始发布数据至2013年9月的小时观测数据,对其时空变化特征进行了分析.结果表明:(1)35个站点的平均PM32.5浓度为88.6μg/m;(2)PM2.5浓度与风速等气象要素关系密切,低浓度通常出现在大风天或者大风过后的紧邻时段,重污染天通常风速小,相邻天的PM2.5浓度可相差几倍甚至十倍以上;(3)PM2.5浓度随季节变化较大,1月和6月份较高,4月、8月和11月相对较低;(4)PM2.5浓度随站点类型变化明显,交通环境站点的平均浓度高于城市环境评价站点(可超过10%);(5)北部PM2.5浓度低于东部和南部,而与河北交界的南部和西南地区浓度为全区最高;(6)PM2.5浓度由北到南整体上呈线性增加趋势,每向南10 km,PM2.5平均浓度升高4.6μg/m3(R2=0.89),南部PM2.5平均浓度接近北部2倍;(7)PM2.5平均浓度存在一定的局部变化,但相邻站点变化幅度一般在20%以内.     

气候系统模式MIROC对中国降水和地面风场日变化的模拟

本文利用日本东京大学气候系统研究中心、日本环境研究所和日本地球环境研究中心联合开发的MIROC 3.2气候系统模式模拟的当前情况下(以1991-1995年为代表)和全球增暖情景(A1B假设)下(以2091-2095年为代表)3小时平均降水和地面风场资料,检验模式对中国地区降水和青藏高原、中国东部沿海等地区地面风场日变化模拟能力并分析全球增暖情景下日变化与20世纪末的差异.结果表明:模式对中国地区降水日变化有较好的模拟能力,模拟的青藏高原东侧最大降水出现在午夜,南部沿海地区最大降水出现在晚上,东北地区降水最大值出现在下午等日变化特征与观测资料基本一致,对青藏高原大地形山谷风和东部沿海地区海陆风日循环也有较好的模拟,但对江淮流域夏季降水日循环上午和傍晚双峰结构的模拟与观测差异较大.全球增暖情景下,中国大部分地区日降水总量增大,但各时刻降水占日总降水比例改变很小,青藏高原、东部沿海等地区各个时刻差值风场风向角明显改变,风速差异增加.     

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。     

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。