基于MCD19-A2数据和GWR模型的2011-2020年中国大气PM_(2.5)质量浓度反演

为探究MODIS高时空分辨率气溶胶产品数据在长时间序列下对于反演中国陆地PM_(2.5)质量浓度的适用性和准确性。该研究基于MCD19-A2数据研究2011-2020年中国陆地气溶胶光学厚度(aerosol optical depth,AOD)的时空分布特征,以降水、风速等8个气象要素为辅助变量建立反演PM_(2.5)的地理加权回归模型(geographically weighted regression,GWR)并分析中国陆地PM_(2.5)的空间分布。结果表明:1)2011-2020年中国陆地气溶胶时空分布基本符合“西低东高、逐年下降”的规律且10 a间AOD值存在较大季节差异,春季(0.294)>夏季(0.262)>冬季(0.223)>秋季(0.194)。2)利用方差膨胀系数(variance expansion coefficient,VIF)对变量进行多重共线性检验,建立并分析2011-2020年GWR模型,发现建模集决定系数均大于0.760,验证集决定系数均大于0.740,且均方根误差均小于7.070μg/m3,模型拟合效果良好。3)将GWR模型预测的PM_(2.5)浓度值分别通过样条函数插值法、反距离加权插值法、克里金插值法和自然邻近插值法进行空间插值,发现4种插值方法决定系数均大于0.910,均方根误差均小于7.030μg/m3,插值结果十分可靠,并与国家地球系统科学数据中心所提供的“1km高质量中国PM_(2.5)分布”数据一致。该研究表明结合MCD19-A2数据与GWR模型反演PM_(2.5)浓度具有较好的适用性。

2013-2020年京津冀地区PM_(2.5)浓度时空变化模拟及趋势分析

为研究京津冀地区PM_(2.5)浓度时空变化趋势,利用多角度大气校正(MAIAC)气溶胶光学厚度(AOD)产品,结合气象和土地利用等数据,构建线性混合效应(LME)和地理加权回归(GWR)组成的两阶段统计回归模型,建立了2013-2020年1 km空间分辨率的PM_(2.5)浓度数据集。结果显示:模型交叉验证后的决定系数(R^(2))、斜率、均方根预测误差(RMSPE)和相对预测误差(RPE)范围分别为0.85~0.95、0.87~1.05、7.87~29.90μg/m^(3)和19.19%~32.71%,数据质量较高;2013-2020年京津冀地区PM_(2.5)浓度呈现出明显的时间特征(冬季高、夏季低)和空间特征(南部平原高、北部山区低);相对2013年,2020年PM_(2.5)高浓度区域明显缩小,年均浓度下降54.04%,全域降至55μg/m^(3)以下,由于政府对污染物排放的严格控制,2015-2017年冬季PM_(2.5)浓度出现大幅下降;相对2017年,2018-2020年PM_(2.5)浓度下降不明显。研究结果可为京津冀及周边地区空气污染防治提供科学依据。

北京地区气溶胶PM2.5粒子浓度的相关因子及其估算模型

文中运用统计分析和气象统计预报的方法 ,使用北京白石桥小区的污染物观测资料和同期北京地区的气象观测资料 ,对影响大气污染的气象因子进行了综合分析 ,并分别建立了气溶胶PM 2 .5粒子浓度与气体污染物、气象要素场的两类统计相关拟合模型。发现气溶胶PM2 .5粒子浓度与气体污染物浓度存在不同程度的相关性 ,且与气象条件亦存在显著的相关关系 ,此类时空变化及其量化估算模型具有一定实际应用价值。通过确定气象要素场和气溶胶浓度的关系可进一步研究不同地区的污染物输送和污染源扩散影响的问题。