基于精细模式气溶胶与WRF模式估算PM_(2.5)质量浓度

将气象要素加入到基于气溶胶光学厚度(aerosol optical depth,AOD)的近地面大气颗粒物浓度估算是目前热门的技术手段之一。获取了江苏省南京市2014年3月—2019年2月期间的AOD,精细模式分数(fine-mode fraction,FMF)和PM_(2.5)质量浓度数据,并结合天气研究和预报(weather research and forecast,WRF)模式得到的气象模拟数据,对南京市PM_(2.5)的质量浓度进行反演。结果表明,相比于AOD与PM_(2.5)进行相关性分析,通过FMF校正得到的精细气溶胶光学厚度AOD_f与PM_(2.5)的相关性分析能够取得更高的拟合系数,R~2最高达到0.40。利用随机森林模型,引入含不同高度的气象因子对PM_(2.5)质量浓度建立反演模型,得到的拟合系数与各误差指标均优于仅含近地面气象因子的模型,表明PM_(2.5)质量浓度受到多因子共同作用的影响,能较好地为利用多源数据反演PM_(2.5)质量浓度提供依据和参考。     

MERSI和MODIS卫星监测京津冀及周边地区PM2.5浓度

京津冀及周边地区是中国PM_(2.5)污染最重的区域之一,利用卫星遥感技术监测大范围的PM_(2.5)时空分布变化是一种先进的重要手段。本研究首先基于暗像元算法利用FY-3B/MERSI与AQUA/MODIS对京津冀及周边区域进行了遥感AOT反演和验证分析;然后,引入气象资料和地面观测资料利用GWR模型反演了区域PM_(2.5)浓度,并对遥感反演结果进行了交叉验证评估,综合对比分析了MERSI和MODIS的气溶胶及PM_(2.5)遥感监测能力;最后,利用MERSI数据对2017年第一季度京津冀及周边区域的PM_(2.5)月均浓度时空分布变化情况进行了初步探索分析。结果表明:FY-3B/MERSI在气溶胶及PM_(2.5)遥感监测能力方面略优于AQUA/MODIS,MERSI反演的1 km分辨率AOT和PM_(2.5)与地面站点实测结果的决定系数R2分别为0.76μg/m~3和0.79μg/m~3,均方根误差分别为0.26μg/m~3和28μg/m~3,平均绝对误差分别为0.16μg/m~3和15μg/m~3,能基本满足对京津冀及周边区域PM_(2.5)的精细化监测需要。2017年第一季度京津冀及周边区域PM_(2.5)月均浓度遥感监测结果表明该区域的PM_(2.5)空间分布格局与地形地貌关系密切,高值区整体上沿太行山脉成带成片;从时间变化来看,1—3月呈逐月下降的趋势,其中3月份PM_(2.5)区域浓度较1月和2月有大幅下降。这说明FY-3\MERSI遥感反演产品能为环境质量监测和环境管理工作效果评估提供有效参考,本研究对国产卫星在大气环境遥感业务中的大力发展应用有重要参考意义。     

MODIS卫星遥感估计福州地区近地面PM2.5浓度

卫星遥感反演气溶胶光学厚度已被广泛应用于近地面空气污染遥感监测。为揭示福州地区细颗粒物污染的空间分异趋势,利用2014年—2015年的地基监测细颗粒物(PM_(2.5))浓度数据、MODIS 3 km气溶胶光学厚度(AOD)卫星数据以及GEOS-FP气象数据,分别构建了估计福州地区近地面PM2.5浓度的日校正模型和站点一日校正模型,并利用十折交叉验证方法对2个模型进行评价验证。结果表明:(1)日校正模型和站点一日校正模型分别能够解释福州地区PM2.5浓度76.2%和81.4%的变异,反演的2014年—2015年福州地区近地面PM2.5浓度和地面实测站点数据之间的相关性R~2分别为0.724(RMSE=10.993μg·m~(-3))和0.781(RMSE=9.687μg.m~(-3));(2)分别针对不同下垫面环境的城市站点和县郊站点数据进行模型拟合验证,两个模型反演的PM2.5浓度值与地面实测值之间皆具有良好的相关性,R~2最高可达0.808;(3)将模型反演的PM2.5浓度季均值与地面实测季均值进行对比分析,结果也显示二者高度相关,据此反演的2015年福州地区年平均PM2.5浓度分布图可清晰地揭示福州地区PM_(2.5)浓度分布的空间变化情况。由此可见,基于MODIS 3 km AOD产品和气象数据建立的近地面PM_(2.5)浓度遥感估算模型能够很好地反演出福州地区近地面PM2.5浓度分布情况。     

利用高分一号卫星监测开封地区PM_(2.5)

PM_(2.5)是影响开封地区空气质量的首要污染物,利用卫星遥感手段可以快速获得PM_(2.5)浓度的空间分布。通过采用过境开封市的GF-1卫星数据,获取气溶胶光学厚度,结合地面PM_(2.5)监测数据与边界层高度、相对湿度和气温等辅助数据,采用多元线性回归,建立了基于GF-1的PM_(2.5)遥感反演模型。研究表明,2015年6—9月GF-1数据反演得到的PM_(2.5)浓度与地面监测结果较为接近,且有较高的相关性;加入地理加权回归能明显提高模型精度,较好地反映PM_(2.5)的空间分布;但在PM_(2.5)浓度较高时,该模型会出现低估现象。     

大气PM2.5遥感制图研究进展

遥感技术具有时空大范围、低成本的独特优势,已经成为定量监测大气PM_(2.5)污染时空分布的重要手段。本文综述了大气PM_(2.5)遥感制图的进展:首先,对大气PM_(2.5)遥感反演方法进行了归纳,以及总结了现有大气PM_(2.5)遥感反演验证方法的适用条件与局限性;其次,对卫星反演大气PM_(2.5)合成产品偏差校正和大气PM_(2.5)无缝制图进行了梳理;最后总结了大气PM_(2.5)遥感制图的前沿研究方向。     

NPP卫星VIIRS微光资料反演夜间PM2.5质量浓度

为研究城市夜间PM_(2.5)质量浓度,利用NPP卫星上可见光红外成像辐射套件(VIIRS)DNB通道的微光辐射数据,以辐射传输理论为基础,建立了夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度的关系,并基于支持向量机方法建立了夜间城市PM_(2.5)质量浓度反演模型。以北京市作为研究对象,选取2015-03—2015-05期间无月、无云且晴朗夜空条件下4个PM_(2.5)监测站点的微光辐射数据与时空匹配的PM_(2.5)质量浓度数据对模型进行验证。研究结果表明:夜间城市灯光辐射强度与地面表层PM_(2.5)质量浓度呈现负相关性,相关系数最高的定陵站点达到–0.83。基于支持向量机方法建立的PM_(2.5)反演模型获得的PM_(2.5)质量浓度与实际PM_(2.5)质量浓度的相关系数达到0.95,反演结果较优,为进一步大范围监测PM_(2.5)质量浓度空间分布以及改善城市夜间空气质量状况评估方法提供了可行性参考。     

基于亮温和SVM模型的干球温度推算方法

干球温度(气温)是地面气象观测中所要测定的常规要素之一。目前基于遥感数据获取该量的方法多采用线性拟合或直接应用遥感反演的温度近似代替干球温度,但是由于下垫面复杂,导致误差较大。本文提出用支持向量机(SVM)模型进行干球温度推算。选择广西省南宁市为研究区域,首先通过遥感反演温度与气象实测温度的对比,证明了利用遥感数据推算干球温度的可能性。然后,构建了针对干球温度的SVM推算模型。最后,尝试了分别使用表观亮温和遥感反演地温作为SVM模型的输入进行干球温度的推算。结果表明,SVM模型推算的干球温度与实测值更为接近,和传统方法相比,精度得到明显提高;且用表观亮温进行推算更为简单,更适合业务化的应用。     

融机器学习与WRF大气模式的PM2.5预报方法

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型中,建立了0~72h的PM2.5浓度实时预报模型。实验证明,该模型能够对0~72h单站点的PM2.5浓度进行较高精度的实时预报,且在24~72h的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升,即该方法可以更好地模拟大气物理化学状态,从而更为精准地进行长时PM2.5浓度预报。     

融合机器学习与WRF大气模式的PM2.5预报方法

针对当前我国重污染天气实时的空气质量预报问题,该文提出了一种融合随机森林算法与WRF大气模式的PM2.5浓度实时预报方法。该方法结合了北京市地面空气质量监测数据和WRF气象数据进行分析,将高层大气状态(如逆温层高度等)融入了预报模型中,建立了0～72 h的PM2.5浓度实时预报模型。实验证明,该模型能够对0～72 h单站点的PM2.5浓度进行较高精度的实时预报,且在24～72 h的长时预报结果上较基于地面空气污染物数据与地表气象站数据的预报方法精度有明显提升,即该方法可以更好地模拟大气物理化学状态,从而更为精准地进行长时PM2.5浓度预报。     

应用MODIS数据对新疆北部大雾地面能见度和微物理参数的反演

大雾区域地面能见度、垂直总水汽含量、雾滴有效半径等因子是对大雾进行有效监测的重要参数。以MOD IS探测器的卫星遥感数据资料为主要数据源,定量反演了这些大雾参数。能见度参数反演结果和气象地面观测能见度信息数据的对比表明其效果良好。所得垂直总水汽含量、雾滴有效半径也与以前国内外相关多年研究的结果趋势一致。此方法在这里成功的应用,说明其在遥感大雾监测中的潜在应用价值。