大气CO2浓度时空变化卫星遥感监测的应用潜力分析

GOSAT卫星观测反演大气CO2浓度精度已经提高到了1—2 ppm,而卫星数据能否准确地揭示全球和区域大气CO2浓度变化特征还缺乏充分的评价与分析。本文针对已经连续运行观测3年的GOSAT卫星,收集了来自美国NASA-OCO团队(ACOS)和日本环境研究所GOSAT团队(NIES)基于各自算法反演的两套大气CO2柱浓度数据,描述并分析了全球大气CO2时空变化特征。分析结果表明,从XCO2反演的绝对值结果来看ACOS总体上比NIES的高出约2 ppm左右,但从时空的相对变化上它们揭示了相近的大气CO2浓度时空变化特征。两套数据显示出全球平均大气CO2浓度在2010年—2012年的3年期间年增量分别为1.8 ppm和2.0 ppm;季节变化幅度,北半球最大4—6 ppm,南半球最大约2 ppm,这与地面观测结果基本一致。进一步将EDGAR 4.2人为排放总量格网化数据与GOSAT卫星观测反演的CO2浓度进行相关统计分析,结果指出两套数据对人为排放量有着微弱的响应。本文结果指出目前GOSAT卫星观测反演的XCO2可以检测出全球和区域大气CO2浓度的年变化、季节变化和区域空间变化的特征;GOSAT卫星10.5 km空间分辨率的观测虽难于检测出点源的浓度变化,但从区域上对人为排放的累积效应的监测显示了一定的应用潜力。     

武汉市出租车轨迹二氧化碳排放的时空模式分析

车辆尾气是道路交通二氧化碳（CO₂）排放的重要来源,目前的研究主要集中在区域CO₂排放清单的计算和分析上,鲜有从微观层面上进行CO₂排放的反演分析。采用微观尾气排放模型对出租车行程轨迹的CO₂排放量进行定量反演,进而从点、线、面3个粒度对武汉市出租车行程轨迹CO₂排放的时空模式进行分析。研究结果表明,利用出租车轨迹可以有效地反演出租车CO₂排放量,并发现其在不同日期和时段具有明显的规律性。通过时空聚类技术发现了点粒度下的出租车CO₂排放的类簇数目存在一定的时空变化规律,采用数据场模型展示了线粒度下的道路线段出租车CO₂排放强度存在明显的时空分布规律,利用时空自相关技术揭示了面粒度下的区域出租车CO₂排放量具有较高的时空正相关性。研究成果可以为城市减排措施制定等提供辅助支持。     

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MAX-DOAS和TROPOMI对北京冬季对流层NO2污染监测和对比分析

利用不同监测平台对大气环境污染进行监测时,不同遥感数据之间的对比验证以及协同观测是准确评估大气污染变化的关键。本文利用北京站点布置的多轴差分吸收光谱仪(MAX-DOAS)光谱仪,反演了2018年11月—2019年2月北京站点冬季的对流层NO₂垂直柱浓度,总结了北京冬季NO₂的日变化和月变化规律。研究中首先利用MAX-DOAS测量光谱结合DOAS反演算法获取不同时刻对流层NO₂垂直柱浓度,与TROPOMI过境时刻的NO₂遥测数据的变化趋势和相关性进行比较,并对卫星过境时地基站点不同的数据平均时间,和星—地间平均采样距离进行敏感性分析,同时将双因素方差分析方法 (Two-way ANOVA)应用于评估风场对区域NO₂浓度变化的影响。结果显示北京地区11月的对流层NO₂平均浓度高于冬季其他月份,最大时均浓度可达到4.04×1016 molec·cm-2,且冬季各月份下午对流层平均NO₂浓度明显高于上午。利用TROPOMI和MAX-DOAS获...     

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...     

基于Sentinel-5P卫星数据的黑龙江省NO2浓度监测研究

随着经济快速发展和城市化进程不断加快,大气污染日益严重,开展大气环境监测具有重要现实意义。本文基于TROPOMI(哨兵5P)卫星数据,对大气中的氮氧化物进行了大范围连续监测。研究结果表明：黑龙江省NO₂浓度分布呈现出明显的南北差异,NO₂浓度较高地区主要分布在人口稠密、工业较为发达的南部地区,而北部地区人口较少,森林资源较为丰富,空气条件较好,NO₂浓度较低。     

融合GNSS、ERA5、大气污染物的PM2.5浓度预测研究

冬春季节的空气质量预测有助于公众合理安排出行和政府相关部门的交通治理.细颗粒物(PM_2.5)的浓度主要影响因素有大气污染物、水汽等.为提高PM_2.5浓度预测的精度,以京津冀地区为例,利用快速傅里叶变换(fast Fourier transform,FFT)与长短期记忆(long short term memory,LSTM)神经网络方法相结合,考虑GNSS、ERA5水汽、大气污染物等观测要素,构建PM_2.5的浓度预测模型,预测研究未来24 h的PM_2.5的浓度.利用GNSS水汽校正区域ERA5水汽,并进行精度评定.利用FFT取大气污染物、第五代大气再分析产品(ECMWF atmospheric reanalysis 5,ERA5)水汽等观测要素的公共变化周期,获得最佳公共周期为78 h;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.通过均方根误差(root mean square error,RMSE)评价指标进行模型精度评价.研究结果表...     

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。     

GOSAT卫星数据监测中国大陆上空CO2浓度时空变化特征

中国地区大气CO2浓度对全球气候变化有重要的影响。本文基于日本GOSAT卫星短波红外CO2的长期观测数据,对2010年-2016年中国大陆上空CO2浓度的分布特征和变化趋势进行分析研究。利用高精度的地基TCCON站点CO2观测对GOSAT CO2数据进行精度验证,结果表明,GOSAT CO2具有较高的精度,相对TCCON CO2的偏差为-1.04±2.10 ppm,两者的相关系数高达0.90;利用中国地区7年的GOSAT CO2观测数据分析研究显示,CO2浓度高值主要分布在中国的浙江-江苏-安徽地区、京津冀地区和湖南-湖北-河南-陕西地区;截至2016年,中国大部地区CO2浓度超过400 ppm;中国大陆CO2平均浓度呈现明显的逐年增长趋势,从2010年的387.76 ppm增长到2016年的402.18 ppm,年增长率约为2.31 ppm/a,略高于同期全球平均水平。     

澳大利亚区域大气加权平均温度建模

大气加权平均温度T_m是计算水汽转换因子和大气可降水量的重要参数。利用2007—2017年全球大地观测系统(global geodetic observing system, GGOS) Atmosphere T_m格网数据和欧洲中尺度天气预报中心(European centre for medium-range weather forecasts, ECMWF) 2 m温度数据,建立一种适合澳大利亚区域、顾及T_m残差季节性和日周期变化的T_m模型——qTm。此外,采用2018年的GGOS Atmosphere T_m格网数据和探空资料对该模型进行评估。结果表明,qTm模型在澳大利亚区域具有较高的精度和适用性,与GGOS Atmosphere T_m相比,qTm模型的年均偏差(Bias)和均方根误差(root mean square error, RMSE)分别为－0.31 K和1.97 K,相对于GPT2w-1和GPT2w-5模型,RMSE分别提高21.8%和25.9%;qTm模型值与探空积分值更符合,模型的年均Bias和RMSE分别为－0.44 K和2.45 K,相比GPT2w-1和GPT2w-5模型分别提高10.2% 和11.8%。qTm模型可为澳大利亚区域提供精确的T_m值,为该区域大气水汽分析和厄尔尼诺现象研究提供基础。     

基于珠海一号高光谱影像的大同煤田区碳汇变化

大同煤田因多年的开采历史,破坏了农林草地,成为生态环境脆弱区,导致煤田区域碳循环变化。由于近几年的绿色发展,生态环境有所改观,碳汇量随之增加。本文以大同煤田为研究区域,基于2020和2021年珠海一号高光谱遥感影像数据,从土地利用变化角度研究煤田区域两年的碳汇变化情况,结论如下：(1)大同煤田区域两年间土地利用结构未发生显著变化,草地、林地和耕地分别增加了2.57、0.71和0.11 km²;(2)2021年较2020年大同煤田碳汇量增加了3万t CO₂,煤田生态环境逐渐改善。     

风云三号D星MERSI AOD资料的同化应用研究

为了验证风云三号D星MERSI传感器的气溶胶光学厚度(AOD)数据对地面PM_2.5的污染过程预报的效果,本文基于WRF-Chem (Weather Research and Forecasting model coupled with Chemistry)大气化学模式和三维变分同化方法,针对2020-02-10—2020-02-12中国北方地区的一次PM_2.5重污染过程,进行了同化和预报试验研究。同化数据来自常规地面站点的PM_2.5浓度数据和风云三号D星MERSI传感器的气溶胶光学厚度(AOD)数据。控制试验不同化任何资料,3组同化试验分别为仅同化地面PM_2.5,仅同化卫星AOD,以及同时同化PM_2.5和卫星AOD两种资料。结果表明,3组同化试验都可以有效提高初始场准确率,以地面PM_2.5作为检验标准,仅同化PM_2.5、仅同化AOD、同时同化两种资料相对于控制试验,初始场的平均偏差分别降低54.9%、21.9%和49.0%,平均相关系...     

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.      

基于卫星遥感的近地面PM2.5浓度反演进展

细颗粒物PM_2.5(Fine Particulate Matter)是影响空气质量和公共健康的关键因素之一。高时空分辨率的PM_2.5数据是公共健康风险评估和流行病学研究的基本需求。相较于地面站点,卫星遥感技术具有连续观测、宽覆盖和低成本的优势,基于卫星气溶胶光学厚度AOD (Aerosol Optical Depth)反演PM_2.5质量浓度的方法已成为热点。本研究概述了卫星AOD产品反演PM_2.5浓度的原理,介绍了用于PM_2.5反演的主要卫星AOD产品及其反演精度;总结了现有的PM_2.5估算方法及其优缺点,指出目前PM_2.5反演研究存在的问题;提出未来PM_2.5反演方向主要集中在高时空分辨率的PM_2.5浓度重建、基于激光雷达数据的三维PM_2.5浓度反演及PM_2.5化学组分反演等方向。比例因子法、物理机理模型和统计模型这3种方法都能在不同时期不同程度...     

耦合注意力机制DNN的PM2.5估算及时空特征分析

PM_2.5作为指示环境质量的重要因子之一,不仅影响着灰霾天气的发生,还与公众健康息息相关,近年来受到广泛的关注。尽管PM_2.5地面观测站点在不断地扩张,其覆盖范围依旧有限,难以反映全域PM_2.5浓度的时空异质性。本研究运用卫星遥感气溶胶光学厚度数据,辅助因子除常规的气象因子等以外,还加入了针对中国人民生产生活习惯的农历日因子,提出一种耦合注意力机制的深度神经网络模型,对长三角区域2015年—2020年PM_2.5浓度进行了逐日的高精度估算。模型交叉验证结果显示决定系数R²高达0.85,斜率0.86,与地面站点观测值有较高的一致性,优于多元线性回归和随机森林模型。长三角区域PM_2.5浓度时空特征分析结果表明,PM_2.5浓度在空间上呈现北高南低的趋势;季节特征以冬季浓度最高,夏季浓度最低,春秋过渡。此外,长三角区域2015年—2020年整体PM_2.5浓度呈下降趋势,其中以上海市最为明显,下降速率为3.30μg/(m     

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。     

超光谱热红外数据通道选择方法在O3和CH4廓线反演中的应用

与高光谱热红外数据相比,超光谱热红外数据中包含了臭氧(O₃)和甲烷(CH₄)在大气垂直剖面上更多的状态信息,为提升O₃和CH₄廓线的反演精度提供了可能。然而,超光谱热红外数据通道之间的间隔较窄,这在给数据引入一些特有可反演信息的同时还引入了大量的相似信息,这些特征均无法被现有的基于高光谱热红外数据的通道选择方法识别。为了保证超光谱热红外数据反演O₃和CH₄廓线的效率和精度,我们提出了一种基于大气灵敏度和雅可比剖面的通道优选方法(OWSP法)。该方法首先通过分析通道对不同气体的灵敏度情况,优选出受其他气体干扰较小的通道为初选通道;其次,深度分析通道雅可比特征后提出了优化雅可比矩阵的策略,具体为将通道雅可比量化为表征通道信息容量的因素,并采用迭代的方法获取最终的通道选择结果。本文将OWSP方法应用在阿拉善、北京—天津、长江三角洲和珠江三角洲4个典型地区的冬夏季大气条件下,与常用的最佳灵敏度法(OSP法)相比,OWSP方法所选的通道集合中冗余信息少,同时也可以识...     

基于垂直订正和湿度订正方法估算川渝地区逐小时PM2.5

针对PM_2.5污染比较严重的川渝地区,本研究利用日本静止葵花卫星(Himawari-8)反演的气溶胶光学厚度(AOD)进行垂直订正和湿度订正估算川渝地区2017年—2018年09:00—16:00时的PM_2.5浓度。首先,基于气象观测的能见度(vis)数据与消光系数σa(λ)之间的关系,引入“标高(Ha)”对气溶胶光学厚度进行垂直订正;其次,根据匹配的气象和环境监测数据对每一个站点逐一拟合1—12月份的吸湿增长因子,并采用反距离加权空间插值(IDW)方法构建吸湿订正因子网格,从而进行湿度订正估算。研究结果表明,经垂直订正和湿度订正后,相比AOD与PM_2.5之间的相关性,“干”消光系数σ_dry与PM_2.5的相关性显著提高,相关系数(r)由0.12—0.45提高至0.32—0.69;验证09:00至16:00时卫星估算结果,相关系数(r)均大于0.7,均方根误差(RMSE)为18.59±2.26μg/m³;提取所有观测站点进行验证,r=0.82,RMSE=18...     

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。     

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...