地球静止卫星和网格化站点支持下的PM2.5精细制图

许多城市建立的相对稠密的网格化监测站点,为精细化监管城市空气质量奠定了基础。本文选用徐州市网格化监测数据、地球静止卫星Himawari-8/AHI及COMS/GOCI的表观反射率和气溶胶光学厚度数据、气象和其他辅助数据,开展了徐州地区0.005°空间分辨率网格的PM_2.5浓度精细化制图研究。本文使用了极端梯度提升（XGBoost）、随机森林（RF）及时空加权回归（GTWR）等3种方法,并选用多种特征参数组合进行对比分析。综合分析模型精度和过拟合程度,结果表明XGBoost模型表现最好,其R²为0.90,RMSE为11.65 μg/m³。进一步将本文结果与国控站点、清华大学的TAP数据集和马里兰大学的CHAP数据集的对比分析,结果表明基于网格化站点的PM_2.5制图结果能更好地反映城市内部不同区域的PM_2.5浓度分布差异性,弥补因国控站点稀疏带来的缺陷,更好地服务于城市空气质量精准管控。     

基于S5P/TROPOMI的中国东部气溶胶单次散射反照率反演初探

气溶胶单次散射反照率SSA（Single Scattering Albedo）的卫星定量遥感对气候评估和大气污染治理均具有重要意义。搭载于S5P（Sentinel-5 Precursor）上的对流层监测仪（TROPOMI）具有目前同类卫星传感器中最优的空间分辨率。本文基于S5P/TROPOMI数据开展了中国东部地区的SSA反演研究。首先利用中国东部地区AERONET（Aerosol Robotic Network）站点数据对OPAC（Optical Properties of Aerosols and Clouds）气溶胶模型进行约束改进,构建了更为合适的气溶胶类型,并使用地基激光雷达（Lidar）预设相应气溶胶类型的垂直结构。然后使用辐射传输模型SCIATRAN构建查找表LUT（Look-Up Table）,将TROPOMI UVAI（Ultraviolet Absorbing Index）和MODIS AOD（Aerosol Optical Depth）数据联合输入反演气溶胶SSA数据。反演结果与地基站点数据对比,相关系数R²为0.61,均方根误差为0.05;和OMI SSA产品相比,总体趋势一致且具有空间连续性更好。基于TROPOMI的高分辨率SSA算法和数据将有助于中小尺度下气溶胶时空分布、光学特性等研究。