基于小波变换的河北省GPS PWV与PM2.5的相关性分析研究

以2014-01~03的河北省GPS和PM2.5观测数据为例,利用小波变换方法开展GPS水汽和PM2.5浓度的相关性分析。结果表明,低频系数重构的GPS水汽与PM2.5浓度序列较好地反映了两者之间的正相关特性;D7高频信号（128~256 h）及D7与D6高频信号（64~256 h）重构的GPS水汽与PM2.5浓度的相关性较原始序列的相关性有较大提高;对于持续7 d的重度雾霾过程,由第7层和第6层高频系数重构的GPS水汽序列与PM2.5浓度序列的相关性达到0.890;不同时刻水汽变化对PM2.5浓度观测的影响,在水汽变化波动较大时段,水汽与PM2.5浓度的相关性为正;对于水汽变化波动较小时段,由于水汽与PM2.5浓度峰值时刻的差异,水汽与PM2.5浓度序列的相关性则不明显。     

基于Spearman秩相关系数的PWV与PM2.5相关性研究

在讨论大气可降水量(PWV)与细颗粒物(PM 2.5)之间的相关性时,传统方法未能很好地顾及连续数据中包含的非雾霾天气信息的影响,为此本文提出2个数据选取标准——时间标准和空气质量指数(AQI)等级标准,用于获取雾霾期间对应的PWV和PM 2.5序列。为解决数据筛选后不连续的问题,引入一种非参数性质的Spearman秩相关系数ρ,在北京市2014~2016年雾霾多发期,分析不同AQI等级对应时段的非连续等距的PWV和PM 2.5序列的相关性可知,筛选后3 a的ρ在第1、4季度的均值分别为0.6613和0.6280,整体均值为0.6447,表明雾霾天气下PWV和PM 2.5序列具有单调正向的相关性,而传统分析方法(未筛选)下两者的相关系数均较小,表明在对数据进行选取后的分析结果更具针对性和准确性。     

成都市PM_(2.5)浓度时空变化特征及影响因子分析

近年来,空气质量问题日渐突出,大气污染已严重影响了人们的身体健康和日常生活。为了探究成都市近年来的大气污染状况,分析大气颗粒物浓度的时空变化特征及其控制性因子,本文利用2016年成都市逐小时PM_(2.5)监测数据,分析成都市PM_(2.5)浓度时空变化特征,探索气象因子与城市空间形态因子(建筑错落度)对PM_(2.5)浓度变化的影响。结果表明:(1)成都市PM_(2.5)浓度的日变化特征表现为城市中心具有"单峰单谷"特征,而城市郊区日变化特征不明显。且城市中心PM_(2.5)浓度空间变化特征整体表现为由西北向东南逐渐减小的趋势。(2)从全年来看,成都市PM_(2.5)浓度与气温和风速均呈显著负相关,与海平面气压呈显著正相关,而与相对湿度的相关性不明显。(3)PM_(2.5)浓度日间变化率与城市空间形态因子的相关性较强,建筑错落度越高,PM_(2.5)浓度下降越快。     

北京市细颗粒物时空分布及与呼吸系统疾病相关分析

细颗粒物(PM2.5)即粒径小于2.5μm的可吸入颗粒物[1],是当今中国城市大气污染的首要污染物。本研究以北京市为例,选取北京市2010年至2012年三年内采暖期与非采暖期两个不同时期的细颗粒物(PM0.3,PM0.5,PM1)实测数据,及同时期北京市患呼吸系统疾病人数数据,运用地统计的空间分析方法,对获取数据进行空间化及插值研究。通过偏相关分析法对北京市细颗粒物浓度与患呼吸系统疾病人数数据进行相关分析。得出以下主要结论:①细颗粒物的空间变化明显,2010年、2011年及2012年细颗粒物浓度整体呈上升趋势,2012年三种粒径细颗粒物浓度整体高于2010年与2011年。②不同粒径的细颗粒物,对呼吸疾病的影响程度不同:在0.3μm,0.5μm与1μm三种粒径的细颗粒物中,PM1对呼吸系统疾病影响最大,偏相关系数达到0.785。     

上海夏季雾霾的影响因素研究

由于对流层中气象因素变化剧烈且蕴含大量的水蒸气和颗粒物，雾霾的发生也极易改变卫星信号的传播路径，从而导致对流层延迟发生变化，因此重点研究气象因素与雾霾之间的相关性问题。通过上海市2016年62 d(DOY 153～214)的大气中污染物含量资料与天顶对流层延迟比较分析发现，大气中每种污染物含量基本呈现相似的走势，天顶对流层延迟随PM2.5含量增加而增大，且在日值数据的比较中发现，上海夏季的PM2.5含量与气压、气温和相对湿度成正相关关系，与风速、降水量呈负相关关系。     

中国近地面PM2.5浓度与排放的时空分布及其关联分析

PM_2.5是威胁人体健康的主要大气污染物之一。大量研究关注近地面PM_2.5浓度的监测及其时空分布,但目前针对PM_2.5排放及其与近地面浓度之间的关联研究较为缺乏。本文通过2000—2014年近地面PM_2.5浓度格网数据和PM_2.5排放格网数据,采用长时间序列分析法对PM_2.5浓度和PM_2.5排放从定性和定量两个角度进行时空变化趋势对比研究,并进一步结合标准差椭圆法和趋势分析法,分析了我国近地面PM_2.5浓度和PM_2.5排放的时空变化特征及其关联。结果表明,从总体时间序列趋势上,近地面PM_2.5浓度和PM_2.5排放之间在空间分布上基本呈现一致性,集中在胡焕庸线以东的人口密集区,但在时间上,PM_2.5浓度和排放之间存在动态变化时间差。且PM_2.5浓度的变化更为明显,2000—2007年高于35 μg/m³的国土面积占比增加了14.26%,2007—2014年减少了2.84%;从标准差椭圆分析来看,PM_2.5浓度椭圆和排放椭圆在覆盖面积和方位角上与人口和经济分布吻合,但前者面积更大,长轴更接近于东西方向,二者存在约17°差异,而两类椭圆的中心位置随时间变化呈现出较一致的轨迹特征并呈现出滞后特点;此外,受大气扩散、点源排放等因素影响,PM_2.5浓度变化趋势与排放变化趋势在胡焕庸线以东并不完全一致,部分区域排放呈降低趋势而浓度则反而呈升高趋势。因此,从全国层面来看,减排政策对浓度降低在时间上虽存在滞后,但边际效益显著,并已显露成效;而从局地来看,受地形、气象条件和大气化学过程等复杂影响,二者的变化在空间上仍会存在差异,有待进一步深入研究;从防控措施来看,在继续加强落实本地减排政策的同时,应考虑污染物的扩散迁移规律,加强联防联控,有效改善空气质量。     

青藏高原东缘气溶胶粒径分布特征及其来源

气溶胶粒径分布可反映气溶胶的主要来源及其经历的动力学和化学等过程。使用宽范围粒径谱仪对青藏高原东缘四川省理塘县2017年7月6日至8月3日10 nm～10μm气溶胶粒径分布进行观测,结合环保六要素(PM_2.5、PM₁₀、SO₂、NO₂、CO和O₃)和气象要素数据、HYSPLIT轨迹模式、潜在源区贡献函数(PSCF)和浓度权重轨迹(CWT)分析,探讨了青藏高原东缘气溶胶的粒径分布特征、潜在来源和影响区域。结果表明：青藏高原东缘理塘地区气溶胶数浓度较低,平均值为4 660.3 cm^-3,粒径分布主要集中在500 nm以下,占总数浓度的99.95%;不同模态粒子数浓度差异较大,核模态、爱根核模态、积聚模态和粗模态粒子数浓度分别为391.9、4 218.0、50.1和0.4 cm^-3;不同模态粒子数浓度日变化均为双峰型分布,但是峰值时间存在差异,核模态粒子数浓度日变化的峰值时间位于12:00和19:00,爱根核模态、积聚模态和粗模态粒子数浓度...     

融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

为提高PM_2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_2.5浓度预测模型,开展未来24 h的PM_2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_2.5浓度作为模型输出,分别以PM_2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM_2.5浓度预测模型;最后利用实测PM_2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM_2.5浓度预测模型的RMSE和IA分别为16.22 μg/m³和84.36%,模型预测精度较好,可有效预测未来24 h的PM_2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。     

基于移动监测数据的不同城市场景下PM2.5浓度精细模拟与时空特征解析

城市内部PM_2.5浓度分布具有明显的空间异质性,而传统方法基于遥感数据或监测站点数据进行分析,难以揭示高时空分辨率下城市内部的PM_2.5浓度分布特征,缺少不同时刻城市场景（如：道路、工业区、住宅区等）对PM_2.5浓度复杂非线性影响的解析。本研究将移动监测传感器安装于快递车上,采集福州市主城区南部不同类型场景的PM_2.5浓度,然后融合地理加权回归（Geographical Weighted Regression, GWR）和梯度提升决策树（Gradient Boosting Decision Tree, GBDT）方法,提出一种基于GWR-GBDT的PM_2.5模拟与场景解析模型,能够较好地拟合气象、场景因素与PM_2.5浓度的非线性关系,提升了城市PM_2.5污染精细监测能力;并结合部分依赖图解析不同时段不同场景因素对PM_2.5浓度的非线性作用影响。结果表明：① 基于移动PM_2.5浓度监测数据,利用GWR-GBDT模型能够较好地模拟城市场景、气象和PM_2.5浓度之间的非线性关系,能够有效精细模拟PM_2.5浓度的空间分布,十折验证R²结果为0.52~0.94;② 通过部分依赖图分析同一场景在不同时段对PM_2.5浓度响应的异质性,发现各类场景对PM_2.5浓度提升或抑制作用并不稳定;③ 解析不同时段人类活动与城市场景对PM_2.5浓度的交互作用发现,教育医疗单位和住宅区两类场景对PM_2.5浓度的提升作用都与人类通勤有密切关系,高污染场景中的建筑工地在采取的洒水降尘措施后能在数小时内有效缓解PM_2.5污染,公园文体服务区在多数时段对PM_2.5浓度具有抑制作用,工业区和道路多数时段会致使对PM_2.5浓度提升;④ 从PM_2.5浓度的空间分布来看,福州市主城区南部PM_2.5浓度总体呈现东南高-西北低的分布趋势,建筑工地、道路和工业区场景轻度以上污染面积占比明显高于其他场景,公园场景总体PM_2.5浓度较低,山体公园傍晚会受到周边工业区的影响而导致PM_2.5浓度升高,而城市陆地外围水域对沿岸PM_2.5浓度具有抑制作用;⑤ 研究结果可为不同场景下PM_2.5污染精细化治理、城市规划以及老人、儿童等高危人群的PM_2.5污染暴露风险防范提供支持。     

集成多源遥感数据的PM2.5浓度空间分布制图

针对传统地面稀疏站点监测PM_2.5浓度以点带面的缺陷,本研究拟借助多源遥感数据开展了地面大气细颗粒物PM_2.5浓度空间分布模拟研究。以京津冀地区2013年的年均、季均PM_2.5浓度模拟图为例,用简化的气溶胶反演算法（SARA）反演了 1 km高分辨率AOD,并结合高分辨率遥感提取污染相关地理要素,对研究区PM_2.5浓度空间分布进行地理统计模拟及优选。结果表明：① SARA算法反演的AOD与地基AERONET相关性达0.99,能准确地反映研究区AOD的时空分布特征;② 集成多源遥感数据的地理加权回归模型拟合度高（平均R²-0.66）,其空间模拟显示研究区平均PM_2.5污染南部城镇最重,中东部城区次之,西北山区较轻;③ 研究区PM_2.5污染程度高,全年平均模拟浓度高达75 μg/m³,在气候环境及主要污染源季节性差异驱动下,浓度分布季节性特征显著,冬季污染最严重,而夏、秋季相对较轻。该成果对于精细把握PM_2.5污染特征,指导污染防控具有重要意义。     

基于WPA-WOA-BP神经网络的PM2.5浓度预测

针对传统BP神经网络存在的学习速度慢、易陷入局部极值等问题,利用鲸鱼优化算法(WOA)以及狼群算法(WPA)混合优化BP神经网络的权值和阈值,构建WPA-WOA-BP神经网络模型,并对PM2.5浓度进行预测。实验结果证明,WPA-WOA-BP神经网络模型预测稳定性高,可用于PM2.5浓度的预测,且预测精度优于BP神经网络、WPA-BP神经网络和WOA-BP神经网络模型。     

室内多区域气载颗粒物动态行为研究Ⅰ:定性分析

采用状态空间法预测多区域室内环境中颗粒物的动态传输过程;在状态空间模型里,通过矢量、矩阵等概念,刻画颗粒物演化规律的微分方程组以状态方程的形式紧凑地表示;基于状态空间法的解析解,对气载颗粒物的动态传输特性进行了详细的定性分析。通过定性分析表明系统的原点平衡状态是渐进(李亚普诺夫意义下)稳定的;导出了计算系统最小衰减率的公式,该公式将系统矩阵的特征值与最小衰减率直接联系起来;进一步分析了系统参数对衰减率的影响,分析表明可以定义一个新的综合去除系数。     

典型人类活动对关中平原城市群PM2.5浓度的影响

为应对突发公共卫生事件而采取的流动限制性措施,为研究人类活动对PM_2.5浓度的影响提供了一个独特的自然实验环境,但该期间关中平原城市群PM_2.5浓度分布及驱动力有何变化尚缺乏关注。基于2018～2020年PM_2.5遥感反演数据,采用空间自相关分析、地理探测器和多尺度地理加权回归(MGWR)模型,分析2020年2月至3月实施流动限制性措施期间关中平原城市群PM_2.5浓度及驱动因子的时空演变特征。结果表明：(1)2020年2月至3月PM_2.5浓度显著下降,2020年2月热点减少,3月冷点减少。(2)相比历年同期,所有人为因素单因子在2020年2月对关中平原城市群PM_2.5浓度的解释力最低,自然因素解释力较高。其中,工厂兴趣点分布(POI＿D)及路网分布(RD)解释力相比历年同期平均解释力降幅最大,分别为20.3%和38.6%。所有人为因素双因子交互影响解释力在2020年2月最低。(3)所有人为因素在2020年2月对关中平原城市群PM_2.5...     

耦合卡尔曼滤波和多层次聚类的中国PM2.5时空分布分析

近年来,细颗粒物污染尤其是PM_2.5受到人们越来越多的关注,研究PM_2.5的时空分布规律也具有越来越重大的意义。传统的遥感反演方法模型复杂,且不能揭示近地表面的PM_2.5分布规律。地面监测站的建设为PM_2.5的研究提供了更实时的观测数据,但由于测量噪声的影响,观测数据存在不准确的极端异常值。为了揭示中国PM_2.5的时空分布特征,本研究采用Kalman滤波对2015年中国338个城市的空气质量监测网络大数据进行最佳估计,并分析其时空特征。同时,根据中国各城市的PM_2.5浓度的时序分布,采用基于DTW的K-Medoids聚类方法将其分为4个等级,并采用q统计量来评估PM_2.5浓度分布的空间分层异质性。结果表明,采用Kalman滤波能有效去除数据噪声,峰值信噪比（PSNR）明显增大。在时空分布上,中国PM_2.5时间分布曲线呈现“U”形,冬季PM_2.5浓度明显高于夏季,且日变化曲线呈现“W”形;秋冬季PM_2.5浓度的空间分层异质性非常显著,且空间分布呈现“双核分布”,重污染区主要分布在华北平原、新疆等地,西藏、广东、云南等地是稳定的空气质量优良区。     

耦合土地利用回归与人口加权模型的PM2.5暴露风险评估

PM_2.5已成为人群健康的重要威胁之一,科学精准的暴露评估是PM_2.5风险防控的前提,为提升PM_2.5暴露精准评估,本文利用土地利用数据、道路数据、气象数据等构建PM_2.5土地利用回归反演模型,实现了2013年12月1日-2014年2月8日（冬季）广佛都市区PM_2.5时空动态演变监测,在此基础上将PM_2.5反演结果与人口密度数据耦合,分别从PM_2.5污染浓度与人口加权PM_2.5浓度2个方面,评估广佛都市区PM_2.5污染暴露风险。研究结果表明：① 土地利用回归模型能够较好的反映研究区域内PM_2.5的空间分布特征,R²大于0.78;② 2013年12月1日-2014年2月8日,广佛都市区PM_2.5浓度平均值呈现波动变化趋势,研究时段内,最高平均浓度为97.91 μg/m³ （12月29日-1月11日）,最低平均浓度为53.40 μg/m³ （1月26日-2月8日）,全时段PM_2.5浓度超WHO健康标准的面积占比达99.8%;③ 广佛都市区PM_2.5的空间分布具有异质性规律,其高值区分别位于广州市天河区、越秀区、番禺区北部、花都区北部及佛山市禅城区、南海区中部、三水区中部,低值区主要位于广州市白云区、番禺区东南部及佛山市顺德区南部。人口加权暴露风险存在2个高值中心,分别位于广州市和佛山市的主城区;④ 耦合人口加权模型前后,广佛都市区PM_2.5暴露风险高风险区空间分布发生变化,未考虑人口加权模型时,广佛深高值区较为分散,主要位于南海区、天河区、越秀区、禅城区,考虑人口加权模型后,高值区更加集中于广州市和佛山市的主城区。     

大气二氧化碳遥感反演精度检验及时空特征分析（可下载全文）

 利用卫星遥感探测大气二氧化碳(CO₂)浓度,相比传统的地面观测方法,具有稳定、连续、大尺度观测等诸多优点,能更好地获得全球CO₂的时空分布与变化特征。随着卫星遥感技术的发展,一系列具备大气CO₂探测能力的卫星相继发射升空,大气制图扫描成像吸收光谱仪(SCIAMACHY)、温室气体观测卫星(GOSAT)、大气红外探测仪(AIRS)等卫星传感器,已经获得了多年的全球CO₂浓度分布产品。对这些卫星资料进行对比分析,并与本底观测数据进行全球范围的长时间序列的对比验证。研究显示,3种CO₂卫星遥感产品中,SCIAMACHY数据系统性略高于本底数据,且观测范围局限性较大;GOSAT数据稳定性较好,但系统误差较大,平均低于本底数据近9ppmv;AIRS数据产品相比前两者优势突出,单月全球覆盖率达到90%左右,与本底观测数据平均误差小于2ppmv(0.5%),相关系数达到0.9以上,能够较好地反映全球大气CO₂浓度的时空特征。卫星遥感产品与本底观测资料显示,全球CO₂浓度空间分布呈现出明显的纬度分布规律与海陆分布规律,时间变化规律方面则表现出明显的季节性周期变化。     

大气气溶胶光学特性与遥感图像光谱相关性分析

大气气溶胶对气候变化有重要的影响,由于观测资料缺乏,遥感成为越来越重要的研究手段。通过对气溶胶粒子的散射和反射特性分析表明,气溶胶的光学特性因气溶胶的成分和入射光波长的不同而不同,利用这些光谱差异,可以通过遥感方法进行光学厚度的反演,进而研究气溶胶的运动及分布、气候效应等特征。气溶胶中不同的粒子尺度及组成使其散射光学特性有较大的差异,2.1μm(或2.2μm)波段处的光谱反射率受尘粒气溶胶的影响较大;气溶胶具有时空变异特征;气溶胶在大气层上界(TDA)的辐射强迫表现为正效应,在单粒子反射率(SSA)的某一区间,其净效应因云状大小、表面反射率以及垂直气溶胶和云的分布的变化而变化,它通过影响云的凝聚核和半向效应而具有间接辐射强迫效应,另外它与臭氧的含量具有密切关系;在气溶胶信息的获取中,太阳光度计观测是一种重要手段,遥感正成为研究气溶胶越来越重要的途径。     

香港牡蛎中锌元素的分布及存在形态

【目的】研究香港牡蛎(Crassostreahongkongensis)中锌元素的分布及存在形态,为其开发利用提供基础数据。【方法】采用ICP-MS技术检测锌元素在全脏器、鳃、外套膜、闭壳肌、内脏团及牡蛎提取组分中的含量,初步分析其存在形态。【结果】牡蛎全脏器锌质量分数达(1 267.51±2.85)μg/g(干基,下同),组织器官中鳃的锌质量分数最高,达(2 242.63±22.10)μg/g;内脏团中的锌占牡蛎全脏器总锌的占比达45.46%;牡蛎全脏器中无机态与有机态锌元素比例约为1.55∶1。从去内脏牡蛎中提取到一种富锌水溶性多糖组分,进一步分离的多糖组分CT1锌质量分数高达922.18μg/g,红外光谱分析表明其存在多种可与锌配位的官能团。【结论】香港牡蛎富含锌元素,其分布存在组织差异,且无机态锌含量高于有机态锌,蛋白锌和多糖锌是有机态锌的两种重要存在形态,水溶性多糖结合锌较多。     

CBERS-1CCD相机飞行绝对辐射标定试验地面同步测量与场地辐射特性分析

中国对地观测遥感卫星辐射校正场(即敦煌场)位于中国敦煌市西戈壁沙漠的西北角。整个敦煌场地面比较均匀、平坦,面积为30×40km²;测试区(标定区)面积为400×400m²,位于场区的中心位置。2000年8月底至9月初,中国资源卫星应用中心联合安徽光机所在敦煌场地进行了一次CBERS-1CCD传感器飞行绝对辐射标定试验。地表反射率和大气光学特性地面同步测量结果显示:敦煌场地的地面均匀性好,各个通道反射率的变化系数(即相对变化百分比)均小于3%。在可见光、近红外光谱范围内,地面光谱反射率随波长增加逐步增大,例如,在485nm波长处的地面反射率值约为0.18,在830nm波长处的反射率值约为0.26。大气光学特性测量结果显示:0.55μm波长处的大气总光学厚度(≈0.34)和气溶胶光学厚度(≈0.26)相对较小,大气水汽含量也较小。     

基于实数编码遗传算法的大气颗粒物源解析

实数编码遗传算法(RCGA)是在二进制编码遗传算法的基础上提出来的,它具有精度高、执行效率快等优点,非常适用于模型参数寻优.在采用化学质量平衡法(CMB)建立了源解析方程组的基础上,应用RCGA对方程组进行参数寻优,得到各污染源对大气颗粒物的优化贡献率.RCGA法与其它方法相比,解析结果具有更高准确性.