北京地区GPS水汽变化与雾霾的相关性

针对北京地区雾霾频发的现状,该文基于雾霾与GPS水汽共有的影响因素,以具体季节为背景,对北京地区2014年1—11月对流层干延迟ZHD、GPS可降水量与大气中PM2.5含量的一致性做了分析。研究结果表明:雾霾过程中盛夏季节表现为大气中PM2.5含量与GPS可降水量具有很好的正相关性,而在冬季则表现为大气中的PM2.5含量与对流层干延迟含量具有很好的正相关性,并发现结合两者的变化在一定程度上可用于雾霾天气的监测与预警。     

基于无人机的PM_(2.5)监测技术研究

作为当前我国迫切需要解决的区域性环境问题,灰霾污染引起社会各界广泛关注。而雾霾形成的原因与机理,以及其水平扩散和垂直输送的规律则是解决灰霾问题过程中最为基础和重要的一环。但传统的大气污染监测手段缺乏空气污染垂直分布特征的观测,地面观测数据难以满足PM_(2.5)等大气污染的预报预警工作的需要和区域污染防控对策制定和污染减排工作的要求。本文通过无人机搭载微型空气质量检测器,实时检测不同时间、不同地点、不同高度的大气污染的连续数据,从而有效补充了固定监测站的数据缺失;进而研究大气污染物PM_(2.5)的垂直分布、垂直扩散等特征,并分析不同天气条件下PM_(2.5)的分布特征和扩散机制,从而为建立模型,环境评估和预测提供技术支撑。     

WebGIS技术支持的PM_(2.5)空间分布分析系统研究

依据成都市已公布的PM_(2.5)数据,采用反距离加权插值算法,推算出成都市5城区的PM_(2.5)浓度分布情况,并采用分级渲染,直观地展示市区内PM_(2.5)的浓度分布情况。同时,应用热点分析模型,根据指定时间段内的PM_(2.5)数据,分析出该时间段具有统计显著性的高值和低值的空间聚类。该模型一方面可让成都市民更好地了解成都市PM_(2.5)的分布情况,为出行提供参考;另一方面可为政府治理环境污染提供参考依据。     

基于遗传小波神经网络的PM_(2.5)浓度预测模型

目前,雾霾天气频发,为了提高PM_(2.5)浓度的预测精度,建立了基于遗传算法优化的小波神经网络模型(GA-WNN)。该方法综合了遗传算法的全局搜索能力和小波神经网络(WNN)强大的非线性拟合的优点,弥补了传统神经网络容易陷入局部最小值和收敛速度慢的缺点。以河北省邢台市实时监测的PM_(2.5)浓度数据为样本进行建模预测,预测结果的平均相对误差为11%。将其小波神经网络进行对比分析,实验结果表明:该方法有效地提高了预测精度,为短时的PM_(2.5)含量预测提供了一个新途径。     

基于GIS的苏锡常地区PM_(2.5)分布模拟

基于GIS技术和多元线性回归方法,采用苏锡常地区的PM_(2.5)浓度观测资料和同期苏锡常及周边地区的气象资料,构建了基于气象要素的多元线性回归模型,模拟2013年春季苏锡常地区PM_(2.5)的空间分布状况。对比此模型与IDW插值方法的精度,结果表明,该模型利用气象要素与PM_(2.5)浓度显著的相关性建立多元线性回归模型,有效地模拟了PM_(2.5)的空间分布状况;2013年春季苏锡常地区PM_(2.5)的空间分布具有整体上东南低、西北高、局部上分布小范围低值区的特点;该模型有效地消除了单一使用IDW插值方法容易受到监测站空间分布的影响而出现极值区域和极值中心偏差的现象,对于研究PM_(2.5)的空间分布规律具有一定的实际应用价值。     

PM_(2.5)土地利用回归模型地理要素的选取

针对PM_(2.5)土地利用回归(Land Use Regression,简称LUR)模型地理要素选取不规范、代表性不明确的问题,本文从地理要素的精度、易获取程度、广泛应用程度及地理要素与PM_(2.5)的经验相关性4个评价指标出发,结合层次分析法(Analytic Hierarchy Process简称AHP)和熵值法,对京津冀地区PM_(2.5)LUR模型构建时各备选地理要素的权重进行综合度量。结果显示,京津冀地区污染企业、交通网络、地表覆盖等优选地理要素的综合权重分别为20%、19%、18%,地理要素与PM_(2.5)的经验相关性和数据精度等优先评价指标的综合权重占××的比例分别次为49%、26%。该方法得出的评价结果符合客观实际,能达到科学选取地理要素的目的,对评估地理要素的代表性和分析LUR的异同性及地方主要污染要素具有重要的参考价值。     

PM_(2.5)浓度空间估算的神经网络与克里格方法对比

针对人工神经网络与克里格插值在PM_(2.5)浓度空间估算中精度随样本点数量与耦合因素不同差异较大的问题,基于相关分析与径向基函数(radical basis function, RBF)筛选PM_(2.5)空间变异关键影响因素,对比不同比例训练样本下普通克里格插值(ordinary Kriging, OK),仅考虑地理坐标RBF神经网络,耦合关键因素的协同克里格插值(CoKriging, CK)及RBF神经网络(CoRBF)的效果差异,并基于最优方法开展PM_(2.5)浓度空间制图。结果表明:4种方法均能有效实现PM_(2.5)浓度空间估算,且精度随训练样本比例增大而波动上升。考虑关键因素人口密度的CoRBF最能表现数据变化趋势,而CK在误差指标上更优越。基于CK与CoRBF的PM_(2.5)浓度空间估算结果较好展示了污染的分异特征,前者较后者更平滑。     

河北省重点城市干湿季PM_(2.5)输送路径和来源分析

为深入研究河北省石家庄、邯郸、唐山以及邢台4座“退后十”重点城市干湿季PM_(2.5)的重污染传输潜在源区,结合GDAS数据,基于HYSPLIT后向轨迹,通过聚类分析、潜在污染源以及浓度权重的计算,对4座重点城市进行大气污染来源的分析。结果表明:1)PM_(2.5)质量浓度呈现为干季浓度较高、湿季浓度较低,同时地域差异较大;2)干季气团4个城市主要受山西省、陕西省、河南省和山东省重工业城市春冬季大量的燃煤、机动车尾气及二次反应携带高浓度气团的影响,该类气团轨迹传输路径较短,传输速度快,影响显著;3)湿季气团大多来源于沿海地区和北部内陆地区,由蒙古国传输至内蒙古地区,以自然源排放为主,受北部冷空气持续影响,使得大气污染物浓度稀释;4)PM_(2.5)较强潜在源区都集中在内蒙古西南部、陕西省东北部、山西省中南部、河南省北部,其中强潜在源区相似,主要集中在延安市、吕梁市、临汾市。     

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。     

WRF模式气象数据在遥感反演PM_(2.5)中的应用研究

利用MODIS气溶胶光学厚度产品AOD,结合地面台站气象观测数据和WRF模式气象模拟数据,对徐州环境监测国控级别站点的近地面PM_(2.5)质量浓度进行反演。根据不同气象要素在反演过程中的相关程度,对气象观测数据和WRF模拟数据在遥感反演中的效果进行分析评估。结果表明,气象观测值和WRF模拟气象数据均能有效应用于PM_(2.5)的遥感反演,在气象观测数据时空覆盖度较低的情况下,能够使用WRF模拟数据进行有效替代,为不同来源的气象数据对PM_(2.5)反演应用研究提供依据和参考。     

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。     

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。     

GPS测站周年运动与温度变化的相关性研究

本文利用傅立叶快速变换（FFT）方法对ITRF2008部分全球分布的GPS测站坐标残差序列进行了拟合分析,给出了这项测站坐标残差的非线性变化模型。利用JPL（Jet Propulsion Laboratory）提供的GPS气象数据计算了温度变化引起的测站位移,并与残差拟合的主要周期进行了相关性分析,发现季节性温度变化引起的热胀冷缩效应对测站非线性变化周年项有很大影响。     

GPS水汽处理的设计与实现

介绍地基GPS气象学的基本原理,并利用VB编程语言编程实现GPS水汽计算和结果的图形化显示。同时对某地2008年5月份的根据三种静力学延迟模型反演的气象数据和降水数据进行分析,探索模型的适用情况。     

整层大气水汽含量与地面水汽压相关性的统计研究

根据合肥站4 a的观测资料,对比分析了整层大气可降水量(precipitable water vapor,PWV)与地面水汽压(surface vapor pressure,SVP)之间的几种经验关系。统计结果表明,PWV与SVP的对数关系、线性关系和二次曲线关系回归方程的年决定系数普遍大于0.820;二次曲线关系的经验系数随年度变化较明显;线性关系的经验系数则相对具有年度稳定性;二次曲线关系更符合合肥地区的实际情况。     

基于无线电探空的武汉大气加权平均温度模型研究

以武汉地区为例,本文推导无线电探空推导的大气加权平均温度模型并对其可靠性进行检验。采用武汉无线电探空数据推算武汉地区的大气加权平均温度计算模型,以此模型计算GPS可降水量,通过与无线电探空结果比较来检验该模型的精确度。在WHDH站GPS可降水量与无线电探空的比较中,两者差值的均方根为3.0mm,两者的相关性达到了0.952。利用中国地壳运动监测网络2002年武汉站GPS数据和武汉地区大气加权平均温度模型推算的可降水量与无线电探空比较,GPS可降水量与无线电探空可降水量在数值上和发展趋势上比较接近,说明了无线电探空的大气加权平均温度模型的可靠性。     

基于相关性分析的GPS坐标非线性变化机制研究

利用SAS相关分析软件对部分气象因素引起的全球测站坐标非线性影响进行了相关性分析;综合比较了季节性温度变化、气压负荷和干湿度因素对测站坐标变化的影响关联程度,得出温度变化引起的热胀冷缩效应和气压负荷是引起测站坐标周年非线性变化的主要影响源,其他周期非线性变化与季节性气象因素影响关联程度较低的结论。     

改进的Kriging算法用于GPS水汽插值研究

大气水汽含量在时间和空间上波动所造成的雷达信号不确定性延迟,是影响雷达干涉测量精度的主要因素之一.将高精度地基GPS可降水汽值用于SAR影像大气延迟的改正,需要采用合适的插值方法对GPS观测值进行空间插值.常规的逆距离权(inverse distance weighted,IDW)倒数和克里格(Kriging)等空间插值方法,由于未考虑地形对大气延迟的影响,其应用效果不理想.为此,提出了一种改进的Kriging插值方法,该方法充分考虑了高程和距离对大气插值的影响.对香港地区GPS水汽观测建立的区域水汽改正模型实验结果表明,改进的Kriging方法具有明显的优越性,可以进一步推广用于建立多影响因素的拟合插值模型.     

利用GPS资料反演大气水汽含量的研究

本文简要介绍了利用ＧＰＳ资料反演确定大气水汽含量的原理和方法,并结合我国北京,上海和武汉三个ＧＰＳ跟踪站的实际观测资料反演确定了三个测站的大气水汽含量,获得了较为满意的数值解算结果。     

利用GPS资料反演大气水汽含量的研究

本文简要介绍了利用 Ｇ Ｐ Ｓ资料反演确定大气水汽含量的原理和方法,并结合我国北京、上海和武汉三个 Ｇ Ｐ Ｓ跟踪站的实际观测资料反演确定了这三个测站的大气水汽含量,获得了较为满意的数值解算结果