杭州地区2015年PM2.5浓度时空变化特征分析

在2015年杭州地区11个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOT产品,建立了利用AOT反演近地面PM2.5质量浓度的模型.利用实测和遥感反演数据共同分析了杭州市PM2.5质量浓度时空变化特征.分析结果表明,PM2.5质量浓度分布的日变化特征为:在杭州市中心城区,冬季、春季及秋季都存在典型的双峰变化,冬季、春季的峰值出现在9:00-12:00,秋季峰值出现在6:00-9:00;夏季表现出夜间浓度高于白天的特征.PM2.5质量浓度分布的季节性变化特征为:冬季＞春季＞秋季＞夏季.PM2.5质量浓度的空间分布格局为:杭州地区东北区域的浓度明显高于其他区域;杭州—富阳—桐庐沿线、杭州—临安沿线PM2.5质量浓度存在高浓度的分布条带,PM2.5质量浓度的空间分布与城镇化的格局相似.PM2.5质量浓度空间分布与地形和植被指数呈负相关,春季地形和植被指数对PM2.5浓度分布的抑制影响最大.     

京津冀地区PM2.5/PM10浓度时空分布监测与分析

针对京津冀地区多年来重工业较多、结构性污染突出等问题,该文充分利用多期扬尘地表和工业企业污染源、交通网络、地理国情地表覆盖数据、气象和地形数据,结合MODIS AOD产品和环境监测数据,采用主成分分析和最佳子集回归方法优选预测变量,构建估算PM2.5和PM10浓度的地理加权回归模型,实现京津冀地区2013、2015和2017年PM2.5/PM10年均浓度空间分布模拟制图,分析PM2.5/PM10年均浓度时空分布。实验结果表明,PM2.5和PM10浓度估算模型的决定系数R2分别为0.76和0.86,平均相对预测误差分别为10.87%和13.54%。     

2015—2016年东北三省PM2.5的时空分布特征

基于2015—2016年东北三省36个主要城市PM2.5浓度数据以及同期大气氧化物数据,运用克里金插值法及相关性分析法,对PM2.5的时空分布特征及与其他大气氧化物的相关性进行分析.结果表明:2016年较2015年PM2.5浓度显著降低,下降了17.83％;PM2.5浓度由高到低的季节依次是冬季、秋季、春季和夏季,浓度分别为64.31、49.44、39.57、28.09μg·m-3;PM2.5月均浓度呈U形分布,最大值出现在11月,最小值出现在8月.分地区来看,PM2.5空间分布整体呈南高北低状态,黑龙江省的年均PM2.5浓度明显低于另外两省.PM2.5与CO、SO2、NO2浓度均为极显著正相关,表明CO、SO2、NO2对PM2.5浓度有显著影响.     

两型模式下长株潭主城区PM2.5时空变化特征分析

为评估"两型社会"建设是否对改善城市空气质量发挥了作用,本文以长株潭主城区为研究对象,从土地利用视角出发,融合地理国情普查数据、遥感气溶胶光学厚度(AOD)数据、PM_(2.5)浓度观测数据和相关专题数据,运用遥感技术、GIS空间分析和数学统计理论与方法,构建了顾及多源地理要素特征的城市PM_(2.5)污染时空变化模拟模型。在此基础上,分年均和季节时间尺度分析PM_(2.5)浓度空间分布特征及其与土地利用格局的耦合关系。结果表明,"两型社会"建设期间,长株潭主城区PM_(2.5)浓度呈显著下降趋势和明显的季节差异,但整体仍严重超标;主城区内PM_(2.5)浓度空间差异与土地利用类型显著相关,建设用地面积比例越高、园林地越低,PM_(2.5)浓度越高。该研究结果对于开展污染防治、指导土地利用开发以及实现长株潭城市群"两型社会"可持续发展具有一定的参考价值。     

基于地理国情数据的PM_(2.5)因子多元回归分析

针对对PM2.5和与其相关的测绘成果进行的相关分析和回归模型分析相对不足的问题,该文以河北省石家庄市为研究对象,在相关因素分析的基础上,运用多元线性回归分析与多元非线性回归分析两种方法对石家庄市PM2.5浓度与扬尘地表、工业企业分布、地表覆盖以及道路等地理国情数据进行回归建模,并进行对比分析,根据判定系数R2得到最优建模方法及PM2.5重要影响因素及其影响关系。结果表明,该实验中多元非线性回归分析能获得较好的拟合效果,由模型可以看出扬尘地表、未利用地、人造覆盖面积与PM2.5呈正相关,是影响PM2.5的重要因素。该研究结果对于认识空气中PM2.5的来源与分布特征具有重要的参考价值。     

利用MODIS资料监测湖北省PM2.5的3种模型对比

为确定适宜遥感监测湖北省PM2.5浓度的模型,该文运用MODIS气溶胶光学厚度(AOD)产品、气象数据、土地利用数据、数字高程模型(DEM)数据和地面监测站点获取的PM2.5质量浓度数据建立了智能算法模型(模型1)、地理加权回归模型(模型2)和线性混合模型(模型3),并用地面监测站点数据评估模型拟合结果。结果表明:模型3在所有表征反演精度的统计指标(全数据集R~2、回归斜率、均方根误差、平均绝对误差)上均表现出优异性;十折交叉验证结果表明模型1、模型2和模型3的R~2分别为0.559 8,0.562 2,0.755 5,3种模型皆不存在过拟合现象;对湖北省2015年PM2.5浓度时空分布特征的分析结果表明模型3能够提供可靠数据,可为PM2.5浓度监测提供一种有效的补充手段。     

基于数据同化的长春市雾霾反演与空间特征分析

近年随着长春地区冬季雾霾天气的频繁出现,大气可吸入颗粒物(PM2.5)已成为长春地区的主要空气污染物之一。遥感技术与污染物模型相结合是近年来预报空气质量的一种有效方法。本文以2015—2016年长春市冬季雾霾天气为例,利用MODIS遥感影像获取的气溶胶光学厚度(AOD),反演长春市地表PM2.5浓度值,得到长春市空气污染物空间分布图,并分析长春市空气污染物的时空分布特征。同时利用AOD反演的PM2.5浓度值作为数据同化资料,对长春市地表PM2.5浓度值进行预报,预测结果令人满意。研究结果表明:数据同化与遥感信息技术结合进行雾霾预测是一种有效的手段,可为雾霾反演的数据提供可靠的信息。     

2016年四川省PM2.5浓度时空分布研究

PM2.5导致大气能见度下降,造成雾霾天气.本文基于2016年四川省89个空气质量监测站的PM2.5数据,对2016年四川省PM2.5浓度时空分布特征进行研究分析.结果表明,2016年四川省PM2.5浓度空间分布呈现出西北部PM2.5浓度较低、空气质量较好,东南部PM2.5浓度较高、空气质量较差的趋势;时间分布呈现夏季PM2.5浓度较低、空气质量较好,冬季PM2.5浓度较高、空气质量较差的趋势,从而得出四川省PM2.5浓度时间和空间分布规律及分布图.     

结合VIIRS和监测数据插值的北京雾霾监测方法

本文使用2014-03-20至2014-03-26的北京市VIIRS夜间灯光影像数据和地面监测站PM2.5质量浓度数据,通过遥感图像处理和GIS空间分析相结合,对雾霾强度变化及PM2.5质量浓度空间分布进行分析,提出一种监测雾霾的新方法。结果表明,VIIRS夜间灯光影像成像特征与雾霾浓度变化密切相关,结合同时期地面监测站PM2.5监测数据,能定性反映北京市雾霾强度变化及定量反映PM2.5质量浓度的空间分布。该方法不仅弥补了MODIS等数据在夏季的雾霾监测效果优于冬季的不足,同时也填补了传统光学遥感卫星难以在夜间监测雾霾的空白。     

MODIS气溶胶光学厚度产品在陕西省PM10监测中的应用研究

利用NASA MODIS(中分辨率成像光谱仪)的气溶胶光学厚度(AOT)产品与陕西省范围内空气污染物中PM10的质量浓度作比较分析,发现两者具有较好相关性。AOT变化趋势可以反映PM10的质量浓度变化趋势。在进一步研究中,利用27个观测点数据结合2012年4月的每日MODIS数据反演出全省范围内PM10质量浓度月均值空间分布影像,进而对全省范围空气污染情况进行分析,获得陕西省大气污染分布情况,成功地监测出一直盘踞在渭河谷地至秦岭北麓的"大气污染带",同时计算出区域性PM10质量密度分布情况。结果表明在陕西省利用AOT数据进行区域大气污染分析研究具有可行性,为在较大区域范围内评估空气质量提供了一种有效途径。     

Exploration of spatial and temporal characteristics of PM2.5 concentration in Guangzhou,China using wavelet analysis and modified land use regression model

ABSTRACT

This article attempts to detail time series characteristics of PM2.5 concentration in Guangzhou (China) from 1 June 2012 to 31 May 2013 based on wavelet analysis tools, and discuss its spatial distribution using geographic information system software and a modified land use regression model. In this modified model, an important variable (land use data) is substituted for impervious surface area, which can be obtained conveniently from remote sensing imagery through the linear spectral mixture analysis method. Impervious surface has higher precision than land use data because of its sub-pixel level. Seasonal concentration pattern and day-by-day change feature of PM2.5 in Guangzhou with a micro-perspective are discussed and understood. Results include: (1) the highest concentration of PM2.5 occurs in October and the lowest in July, respectively; (2) average concentration of PM2.5 in winter is higher than in other seasons; and (3) there are two high concentration zones in winter and one zone in spring.     

基于LUR的武汉市PM2.5浓度空间分布模拟

基于稀疏监测点的监测数据无法直接获取城市内部空气污染的高分辨率空间分布。以武汉市为例,研究了基于土地利用回归(landuseregression,LUR)模型的大气PM2.5浓度高分辨率空间分布模拟。采用双变量相关分析识别出与PM2.5浓度相关性最高的4个影响因子,分别是1000m缓冲区内道路长度,500m缓冲区内水域面积,500m缓冲区内建设用地面积以及工业污染影响。采用PM2.5月平均浓度和识别出的影响因子连同气象条件(月平均温度和月降水量)进行多元线性回归分析,相关系数R2达到0.905,调整后的R2为0.885。在研究区建立均匀格网(2km×2km),利用得到的LUR方程计算格点PM2.5浓度值,应用空间插值制成武汉市主城区夏季PM2.5浓度空间分布模拟图。模拟结果显示,主城区有三个PM2.5浓度高值中心,分别为青山工业区、江北工业区和汉口汉西建材市场区域。汉阳南部、武昌南部的大型湖泊和水域面积比例较大的区域表现为两个PM2.5浓度低值中心。     

基于MODIS数据的上海市热岛效应分析

采用上海市2006年的MODIS LST影像,通过地表温度生成四季的热场强度指数图,对上海市的热岛空间分布的季节变化进行研究.研究表明,上海市热岛强度和热岛范围在季节分布上以夏季最为强烈,春季次之,秋季和冬季热岛范围和强度明显弱于夏季和春季.再结合植被覆盖度(FCOVER),分析两者的空间关系,表明两者存在一定的负相关性.其结果对城市的绿地规划和缓解城市热岛效应具有一定的指导意义.     

基于GIS的石家庄市雾霾分析

为了得出雾霾气象成因机制、影响因素和时空分布特征,以石家庄市区与郊县为研究区域,将2013年9月至2016年12月石家庄市各市区、郊县的PM2.5历史监测数据中的有效数据进行了数据分析处理得到雾霾浓度数据,还有温度、降水、风速、地形和人口密度等数据,运用GIS分析的方法,模拟绘制石家庄雾霾的时空分布图、雾霾与各影响因子的专题对比图,得到雾霾形成机制的因子、雾霾的时空分布规律、雾霾季节变化特征、雾霾与地形间的关系等;运用数据分析软件OriginPro8.SR3分析雾霾浓度与风速数据、降雨数据、温度数据间的相关性。     

中国东部气溶胶光学厚度季节变化的数值模拟

气候模式对气溶胶光学厚度AOD的合理模拟,是模拟研究气溶胶气候效应的前提。利用在线耦合的区域气候—大气化学—气溶胶耦合模式系统RIEMS-Chem,模拟研究了2010年中国东部地区AOD的季节变化情况。模拟结果与卫星搭载的中分辨率成像光谱仪(MODIS)的反演资料和地基气溶胶观测网(AERONET)的站点观测资料分别进行了一年四季的详细对比,检验结果显示尽管模拟值有所低估,模式仍然能够合理地反映AOD的季节变化情况和空间分布特征,与AERONET站点观测值相比,整体相关系数为0.6。MODIS反演和相应模拟结果均显示,中国东部地区AOD整体水平夏季最大,春季次之,秋、冬季最小,华北平原、四川盆地和华中地区是AOD的主要大值区。只考虑日间AOD时,其季节分布特征略有不同,在华北平原地区,日间AOD夏季最大(1.1—1.5),在长江中下游流域地区,日间AOD则在春季最大(1.1—1.7);在中国东部,日间AOD的大值在夏、冬两季分别主要分布在长江以北、以南地区,而在春、秋两季则主要位于长江中下游流域。     

基于MODIS数据的长株潭地区城市热岛时空分析

基于MODIS影像,采用分裂窗算法反演的地表温度对长株潭地区城市热岛空间分布与季相变化特征、影响因子进行定量研究。结果表明,长株潭地区春季和夏季存在明显的城市热岛效应,而冬季和秋季城市热岛并不明显;地表覆盖类型对城市热岛的影响十分明显,长株潭地区春、夏、秋季植被绿地状况与城市热岛呈现明显负相关分布,其中以夏季最为明显,夏季地表温度与NDVI相关系数的平方R2达到0.8193,即植被覆盖对城市地表温度的影响显著。因此,城市植被的分布与季节变化影响着城市热岛的强度与时空分布,揭示出植被绿地对降低城市热岛效应具有重要的作用,大范围的绿地建设能有效降低城市热岛效应。     

皖江城市带植被NPP时空变化及其气候响应

针对现有植被净初级生产力研究对城市圈、城市带尺度缺乏关注的问题,基于MODIS遥感数据、地面气象资料等,利用改进的CASA模型,结合回归分析、相关分析等方法探究了2000—2013年皖江城市带植被NPP的时空变化及其对气候因子的响应,为区域生态环境质量评价提供参考。结果表明:近14年来,皖江城市带植被NPP总体呈增加趋势;不同土地利用类型NPP差异显著,林地草地耕地建设用地未利用土地水体;年NPP均值呈现由南部向西北部减少的空间分布特征;植被NPP年际变化率较小,介于±10gC·m-2·a-1范围内;温度是影响研究区植被NPP时空变化的主要气候因子。     

城区空气质量指数时空分布特征及影响机制分析

济南市是中国雾霾最严重的城市之一，探究该地区大气污染的时空分布及影响机制具有重要意义。利用地统计插值分析了济南市主城区AQI的时空分布特征，并利用地理探测器定量分析了AQI的风险因子及影响机制。研究结果表明，年际尺度上，济南市主城区AQI在时间上呈逐年降低趋势，在空间上大致呈现出东南低西北高的分布态势；季节尺度上，济南市主城区AQI在时间上具有鲜明的季节性差异，从高到低依次为冬季、春季、秋季、夏季，在空间上则呈现出春季和冬季东南低北部高、夏季整个主城区均低、秋季南低北高的分布态势；月尺度上，济南市主城区AQI呈现出典型的“U”形分布特征，最高值为1月和12月、最低值为8月；各因子交互作用的影响力远大于单因子的影响力，其中，土地利用类型∩年均降水量的交互作用对济南市主城区AQI的影响力最大。研究显示，济南市主城区AQI受土地利用类型和年均降水量的共同影响最大。     

Analysis of the Seasonal Variation of CO<Subscript>2</Subscript> Concentration in China Based on GOSAT Satellite Data

Carbon dioxide (CO₂) is one of the major gases that contribute to the global warming. Therefore, studying the distribution of CO₂ can help people understand the carbon cycle. Based on the GOSAT retrieved CO₂ products, the temporal and spatial distribution and seasonal variation of CO₂ concentration were analyzed from 2011 to 2015. CO₂ concentration has obvious seasonal variation. It was low in summer, and was high in spring, and the annual increase was about 2 ppm. Nevertheless, the annual growth rate of CO₂ concentration in summer was higher than that in spring, it was 0.5425% in summer and was 0.46% in spring. CO₂ concentration was low in the northwest and was high in the southeast. The growth rate of CO₂ was 2.8 ppm in the northwest and was 3.42 ppm in the southeast. More human’s activities made CO₂ concentration higher in the southeast than that in other regions.