区域CORS网在PM2.5监测中的应用研究

在雾霾频发的冬季大气可降水量PWV与大气污染物PM_2.5之间存在一定的关联关系，本文通过对河南地区CORS网的GNSS大气可降水量与PM_2.5之间的相关性进行分析并建立了实时监测模型。试验研究发现：河南地区冬季雾霾频发期大气可降水量PWV与PM_2.5之间存在着较强的正相关关系，通过建立的PM_2.5实时监测模型验证了可以依据大气可降水量PWV对PM_2.5进行实时监测，并取得了较为理想的结果，可以为当前进行PM_2.5监测提供一种新的参考。     

基于深度学习的中国连续空间覆盖PM2.5浓度预报

实现全国连续空间覆盖未来小时尺度的PM_2.5浓度实时、高精度预报是一个难题。本文建立基于深度学习的多层长短期记忆迭代模型和改进的空间反向传播神经网络S-BPNN模型来实现全国小时尺度PM_2.5浓度的空间预报。首先,研究基于空间相关性将全国1286个空气质量监测站点在空间上进行自适应分区,并对各个分区分别构建多层LSTM迭代预报模型实现未来24 h各个监测站点的PM_2.5浓度的实时预报。其次,应用改进的S-BPNN空间化模型实现未来24 h全国连续空间覆盖的PM_2.5浓度精细化制图。然后,利用2016—2019年中国PM_2.5监测站的历史数据进行训练和验证,结果显示预报模型和空间化模型的相关系数R²分别为0.88和0.87,表明模型都能实现较高的精度。最后,基于提出的预报模型和空间化模型,辅助从监测站实时获取的大气污染数据和气象数据,通过搭建的大气污染物浓度预报智能化在线信息原型系统可实时发布预报结果并可进行空间化展示。研究实现了全国连续空间覆盖的PM_2.5浓度高时空精度的实时预测,以支持大气污染联防联控和公众环境空间质量信息服务。     

基于改进LUR模型的大区域PM2.5浓度空间分布模拟

针对采用传统土地利用回归（land use regression,LUR）模型进行大气污染物浓度模拟时预测变量信息损失的缺陷,将主成分分析（principle component analysis,PCA）与逐步多元线性回归（stepwise multiple line regression,SMLR）相结合,提出了一种改进的LUR（PCA+SMLR）模型模拟大区域PM_2.5浓度空间分布的方法。首先采用相关分析筛选与PM_2.5显著相关的预测变量,然后对筛选出的预测变量进行主成分变换（PCA）,最后保留所有主成分变量进行SMLR建立回归模型模拟PM_2.5浓度。并以京津冀为研究区域进行实验验证,对PCR、SMLR、PCA+SMLR这3种模型的实验结果进行对比分析,结果表明,PCA+SMLR模型可提高预测变量对回归模型的贡献度,调整后R2达0.883,并且其精度检验指标及制图效果皆优于传统的LUR模型,证明了该模型可有效提高PM_2.5浓度的模拟精度,对PM_2.5区域联防联控具有指导意义。     

中国重点区域PM2.5时空变化分析与预测

在我国工业化和城市化迅速发展的背景下,细小颗粒物PM_2.5污染已经成为当前主要空气污染物。本文使用基于Python编程语言的网络爬虫技术获取了中国京津冀、长三角、珠三角3个重点区域的PM_2.5日均值数据,分别基于Excel软件和ArcGIS软件进行PM_2.5时空变化特征分析。最后,通过建立分数阶累加灰色预测模型对北京市2018年PM_2.5月均值浓度进行预测。结果显示:1)时间上,我国PM_2.5浓度表现为“冬高夏低”的“U”形变化趋势;2)空间上,我国PM_2.5浓度整体表现为由南北地区向中部地区PM_2.5浓度逐渐增加;3)分数阶GM(1,1)模型对PM_2.5月均值浓度数据的预测精确度较高,结合预测结果可从长期或短期提出PM_2.5污染治理的措施建议。     

京津冀地区FY-4A水汽校正模型研究CSCD

融合全球卫星导航系统(GNSS)与风云气象卫星FY-4A可获得高精度高空间分辨率的水汽分布信息.利用中国大陆构造环境监测网络(CMONOC)提供的GNSS观测资料开展京津冀地区FY-4A水汽校正研究.首先对京津冀地区进行区域划分,按区域分季节开展GNSS水汽与FY-4A水汽的相关性分析;其次分区域、分季节选择不同的函数模型结合GNSS水汽资料构建FY-4A水汽校正模型;然后采取区域模型、单站点模型与实测GNSS水汽开展模型的可靠性检验;最后通过分区域FY-4A水汽校正和图像叠加,获得校正后的京津冀地区FY-4A水汽分布.研究表明:FY-4A水汽与GNSS水汽的相关性较好,区域FY-4A水汽校正模型精度与单站点模型精度相当,可取代单站点模型用于FY-4A的水汽校正.基于CMONOC的分区域函数模型在一定程度上提高FY-4A水汽精度,为短期天气预报和合成孔径雷达(InSAR)大气校正提供参考.     

2015—2019年冬季黄河流域中游大气污染物空间分布特征

本文基于2015—2019年冬季黄河流域中游地区（山西段和陕西段）6种大气污染物的浓度数据,研究了黄河流域中游冬季大气污染物的变化特征。研究结果表明,2015—2019年黄河流域中游地区,PM₁₀和CO浓度持续降低,O₃浓度持续升高,PM_2.5、SO₂及NO₂平均浓度呈先上升后下降的规律。2019年主要污染物NO₂、CO、PM_2.5、PM₁₀及SO₂浓度均最低;2019年冬季O₃平均浓度达到最高（54μg/m³）。研究地区下游的PM_2.5浓度高于上游,且沿黄河由北向南其浓度逐渐增加,黄河东侧山西段的PM_2.5浓度高于西侧陕西段。研究区域PM₁₀污染浓度由2015—2016年的黄河东侧高西侧低转变为2017—2019年上游低下游高的分布特征。SO₂浓度呈黄河东岸比西岸高的分布。NO₂高值区域从2015—2017年黄河西侧下游地区变为2018—2019年中上游地区;CO平均浓度高值区域位于黄河东侧下游地区;O₃浓度空间分布特征不明显,但近5年浓度大幅增加,需要加强对臭氧的防控。     

基于GNSS的北京地区水汽含量与雾霾浓度的相关性分析

介绍了利用GNSS观测数据反演大气可降水量PWV的相关原理，分析了北京地区春、夏、秋、冬时节的可降水量、天顶干延迟ZHD与雾霾浓度PM_2.5的相关性，通过分析发现北京地区不同季节的PWV、ZHD与雾霾浓度PM_2.5的相关性表现出较大的差异性，冬季的相关性最强，春季和秋季的相关性次之，夏季的相关性最弱。通过试验分析，笔者认为利用GNSS反演获得的PWV、ZHD等气象数据在一定程度上可用于雾霾灾害天气的监测和预警。     

基于深度学习与随机森林的PM2.5浓度预测模型

针对PM_2.5浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘，而深度学习算法在数据较少情况下效果不佳的问题，综合考虑深度学习与随机森林的特点，提出一种基于深度学习与随机森林的PM_2.5浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_2.5地面观测数据构建训练数据集，通过深度学习方法对训练数据内部深层次隐含特征进行提取，将提取得到的隐含特征用于随机森林模型训练，并使用随机森林回归算法得到PM_2.5浓度的预测值。为验证方法的有效性，以河南省区域2018年—2019年的PM_2.5浓度估算为例，将原始特征与利用CNN、LSTM和CNN＿LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明，在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度，其中以LSTM为特征选择器，RF为回归器的组合模型是本实验的最优模型，在即使只有35%...     

基于GNSS的空间PM2.5检测系统设计及应用

针对PM_2.5浓度空间检测难度大、传统检测设备灵活性低下等缺点,提出了基于GNSS的空间PM_2.5检测系统.系统包括主控、PM_2.5传感器、GNSS定位模块、电源模块、数据记录模块、4G网络模块等部分,在工作过程中可同时获得位置信息和PM_2.5浓度数据,并将两者进行匹配、保存及发送.该系统具有体积小、重量轻、灵活性好和使用方便等优点,大大拓展了空气质量监测的作业空间,提高了传统作业方式的灵活性,具有广阔的应用前景.      

2000年—2018年中国和印度的长期PM2.5污染暴露的疾病负担研究

PM_2.5作为空气污染物，对人体健康构成了潜在威胁。中国和印度是全球人口最多的两个发展中国家，PM_2.5污染造成的疾病负担问题尤为严重。因此，本文基于长时间序列高分辨率(0.01°×0.01°)卫星反演的PM_2.5浓度数据，分析了中国和印度19年(2000年—2018年)的PM_2.5时空格局变化和人口暴露情况；基于综合暴露响应模型全面评估了两个国家因PM_2.5长期暴露导致的6种疾病(急性下呼吸道感染、慢性阻塞性肺病、二型糖尿病、缺血性心脏病、肺癌和中风)的过早死亡人数。结果表明，中国PM_2.5浓度的高值区集中在新疆、四川盆地、华北平原以及长江经济带等地区，年人口加权浓度总体呈减少趋势(2000年为50μg·m^-3,2018年为40.8μg·m^-3)；印度PM_2.5浓度的高值区集中在北部地区，年人口加权浓度一直呈上升趋势(2000年为51.5μg·m^-3,2018年为76...     

基于水汽垂直指数分布特征的PWV快速层析方法

GNSS水汽层析技术可以反演对流层水汽三维时空变化情况,但该技术比较复杂、运算量大,需要消耗一定的时间.故本文提出了一种利用地基GNSS反演的大气可降水量(precipitable water vapor, PWV)结合水汽在垂直方向上的指数分布特性来计算大气水汽三维分布的快速层析方法.该方法利用香港地区2022年8月的GNSS数据开展试验,与传统GNSS水汽层析方法进行对比.试验结果表明：两种方法的层析解算结果与探空数据均具有良好的一致性.虽然快速层析方法的解算结果在底层区域缺少一些水汽变化的细节信息,精度略逊于传统层析方法,但是在中、高层时精度会有所提升,层析解算结果良好.而且本文提出的快速层析方法无需构建和解算复杂的层析方程组,可以在大量GNSS测站参与水汽层析时减少计算复杂度,提升运算能力,同时可以更快地得到任意高度层的水汽密度,是一种简便、高效的层析方法.     

基于MGEX站多系统GNSS反演大气可降水量精度评估

2020年6月北斗卫星导航系统(BDS)完成全面组网,为分析其解算水汽信息的精度,选用15个MGEX (Multi-GNSS Experiment)测站2021年10月至11月的观测数据进行水汽反演. 利用GAMIT软件分别解算BDS、GPS、Galileo和GLONASS的观测数据,将得到的对流层天顶延迟(ZTD)与国际GNSS服务(IGS)发布的结果进行对比,并将解算的大气可降水量(PWV)分别与探空数据、ERA5数据计算得到的PWV对比. 实验结果表明:截止高度角设置为5°时,4个卫星系统估计的ZTD均方根 (RMS)均小于13 mm,GPS-PWV、BDS-PWV、Galileo-PWV、GLONASS-PWV与无线电探空可降水量(RS-PWV)相比,RMS平均值分别为2.25 mm、2.46 mm、2.52 mm和2.84 mm,RMS均小于3 mm;与ERA5-PWV相比,RMS平均值分别为1.63 mm、1.86 mm、1.76 mm和1.99 mm,RMS均小于2 mm. GPS探测水汽的精度最高,BDS探测水汽的精度低于GPS和Galileo,高于GLONASS,均满足气象学应用需求.      

顾及日变化的山东省大气加权平均温度模型构建

联合使用无线电探空和数值气象模式数据,构建了顾及日变化特征的山东省大气加权平均温度模型。以ERA5积分T_m值为参考,对构建T_m模型用于山东省卫星定位连续运行综合应用服务系统(SDCORS)的精度和适用性进行了验证。结果表明：顾及日变化的山东省T_m模型基本消除了系统性偏差影响,均方根误差(RMSE)为3.0 K左右,较Bevis模型和Li模型分别提升24%和16%;且该模型具有良好的稳定性,在SDCORS各站点处的RMSE的最大变化为0.3 K,能够满足SDCORS的GNSS水汽反演应用需求。     

GNSS水汽层析的自适应非均匀指数分层方法

GNSS水汽层析技术在中小尺度灾害性天气的监测和预警中发挥着重要作用。常见的GNSS水汽层析技术在垂直分层时采用均匀分层,不符合大气水汽在垂直方向上的实际分布情况。本文以大气水汽密度为依据,提出一种自适应非均匀指数分层方法。该方法大大降低了各层之间的水汽密度差异,提高了水汽层析模型分层精度,且能够实现对任意给定层析区域的自适应分层建模。利用2019年8月香港CORS实测数据和探空数据对该方法进行试验与分析,与传统均匀分层相比,自适应非均匀指数分层的均方根误差和平均绝对误差分别降低了0.401 g/m³和0.223 g/m³,在低海拔处和恶劣天气下层析结果的精度和质量显著提高。     

不同饱和水汽压模型对GNSS反演可降水量的影响分析

地基全球卫星导航系统（GNSS）水汽反演过程中需要大气加权平均温度T_m的参与，而饱和水汽压E_s作为T_m计算过程中的一个重要变量影响着T_m，因此E_s将会间接地影响大气可降水量（PWV）的反演精度.针对目前地基GNSS水汽反演研究中普遍采用的三种不同的饱和水汽压模型（Magnus-Tetens模型、BUCK模型、Goff-Gratch模型），本文就不同的饱和水汽压模型参与反演是否会引起水汽反演结果的差异进行了研究.以香港为研究区域，利用GAMIT解算了2016年旱雨两季（2、7月）的天顶湿延迟（ZWD），同时利用king's park探空站的探空数据通过数值积分计算得到旱雨两季（2、7月）的T_m，然后严格参照反演步骤编程模拟计算旱雨两季（2、7月）每天的PWV.最后对比并分析了不同饱和水汽压模型参与计算对T_m和PWV的影响及原因，结果表明:三种饱和水汽压模型参与计算得到的PWV与真值（探空站计算得到的PWV）之间不存在具有统计意义的显著性差异，因此均可被用来提供计算T_m时所用到的饱和水汽压E_s，但是通过对比分析发现部分研究人员将BUCK模型中的变量T当作露点温度而非大气温度进行计算会使T_m产生较大的误差，进而对该误差进行了不合理性分析.本文的分析将会对后续地基GNSS水汽反演研究中的处理提供一定的参考.      

附加高水平分辨率PWV约束的GNSS水汽层析算法

全球导航卫星系统(global navigation satellite system, GNSS)水汽层析技术凭借高精度、低成本、全天候等优点成为获取高时空分辨率水汽三维分布的重要手段之一。引入遥感卫星提供的高分辨率水汽信息,首次提出附加高水平分辨率大气可降水量(precipitable water vapor, PWV)约束的GNSS水汽层析算法,对现有水汽层析算法的约束条件进行补充和改进。首先对高分辨率PWV观测值进行校正,然后基于二次加密划分的层析体素块构造PWV约束方程,通过将PWV约束方程融合到GNSS层析模型来改善模型的约束条件,进而优化层析结果质量。利用徐州地区2017-08的GNSS观测数据和风云三号A星(Fengyun-3A, FY-3A)遥感水汽数据对该算法的可行性及精度进行验证,分别以高精度的探空水汽廓线和ERA5三维水汽密度场为参考值对层析结果进行评估。实验结果表明,所提算法反演的水汽廓线和三维水汽分布均优于传统层析算法,各类精度指标都有了显著改善,其中平均均方根误差由2.73 g/m~3减小为1.78 g/m~3,反演精度提高了34.80%,进一步表明所提算法可有效改善层析结果质量,有助于获取高精度和高可靠性的三维大气水汽分布。     

顾及垂直递减率的中国区域Tm格点产品空间插值

大气加权平均温度(T_m)是全球导航卫星系统(global navigation satellite system, GNSS)反演大气水汽(precipitation water vapor, PWV)的关键参数。当前已有T_m模型提供的T_m信息难以捕获其日周期变化,因此限制了其在高时间分辨率GNSS PWV估计中的精度。大气再分析资料可提供高时空分辨率的T_m格点产品,但是在使用时需要对其进行空间插值,且T_m在高程上的变化远大于其在水平方向上变化。同时,针对中国区域地形起伏大等特点,提出顾及垂直递减率的中国区域T_m格点产品空间插值方法,以分布于中国区域的2015年89个探空站资料为参考值,验证了提出的方法在全球大地测量观测系统大气中心T_m格点产品和美国国家航空和太空管理局提供的MERRA-2的T_m格点产品中的空间插值精度。结果表明：(1)在顾及垂直递减率的T_m格点产品空间插值中,反距离加权法的...     

日本区域加权平均温度建模

由于日本区域易受自然灾害频发、水汽特征变化复杂、探空站点分布稀疏的问题,进而制约了高精度水汽的获取,因此缺少此区域的高精度加权平均温度(T_m)模型. 鉴于此,采用2009—2016年全球大地测量观测系统(GGOS) Atmosphere T_m和ERA-Interim 2 m T_s格网数据新建立一种考虑T_m残差季节性变化和周日变化的适合日本区域的T_m模型 (JQTm模型). 同时,利用2017年日本区域13个探空站和110个GGOS Atmosphere T_m格网数据,对新建立的JQTm模型在日本区域的精度进行评估. 研究发现:与GGOS Atmosphere T_m格网数据对比,JQTm模型的偏差(bias)和均方根误差(RMSE)分别为0.15 K和1.92 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升41.16% (1.33 K)、44.41% (1.53 K);与探空资料对比,JQTm模型的bias和RMSE分别为–0.66 K和2.14 K,RMSE分别比GPT2w-1模型、GPT2w-5模型提升28.43% (0.85 K)、29.61% (0.90 K). JQTm模型能够为日本区域提供高精度的T_m值,为研究此区域大气水汽和极端天气提供重要依据.      

黄土高原地区PWV影响因素分析及精度评定

大气水汽是对流层的重要组成部分之一,研究影响水汽的因素及精度具有重要意义。主要研究黄土高原地区大气可降水量（precipitable water vapor, PWV）的影响因素,并对其实际精度进行评估。首先,对ERA5（the fifth-generation atmospheric reanalysis data of ECMWF）的气压、气温数据和全球导航卫星系统（global navigation satellite system, GNSS）获取的天顶对流层延迟（zenith troposphere delay, ZTD）进行评定;然后,依据ERA5的气压、气温数据和GNSS的ZTD数据计算1 h分辨率的PWV,并利用误差传播理论推导PWV的理论误差; 最后, 与PWV实际计算误差进行对比,分析黄土高原地区PWV的精度。结果表明,基于GAMIT/GLOBK软件获得的GNSS ZTD与PANDA软件解算的GNSS ZTD差值的均方根（root mean square, RMS）和Bias分别为4.05 mm和-0.46 mm;ERA5气压和气温的平均RMS和Bias分别为3.36 hPa/1.97 K和-0.01 ?hPa/0.04 K;黄土高原地区PWV的理论误差为1.51 mm,实际误差为1.94 mm。计算得到的PWV精度较高,对水汽分布以及气候监测的研究具有重要意义。     

基于北斗PWV的暴雨时空变化特征分析

利用49个山东省连续运行参考站(SDCORS) 2020年的北斗观测数据,使用GAMIT软件进行了大气水汽反演,得到了全年逐小时的大气可降水量(PWV)序列. 将反演得到的PWV与探空气象站观测的PWV对比,平均偏差为2.4 mm,均方根误差(RMSE)为3.4 mm,相关系数达到0.98,结果表明反演结果的精度符合气象研究需求. 分别从单连续运行参考站(CORS)和全省范围对PWV在暴雨过程中的变化进行了分析,发现PWV在暴雨产生前5~12 h开始上升,至暴雨产生时刻,PWV最大值普遍达到60 mm以上,平均变化率达到1~3 mm/h,越临近暴雨产生,PWV变化幅度越大,降水结束后,PWV会迅速下降. PWV的变化与暴雨的产生具有高度相关性,PWV在暴雨产生前后的剧烈变化,可用于暴雨预警研究,对于生产生活活动具有重要现实指导意义.