基于MAIAC AOD反演和两阶段模型的美国东南部地面PM2.5浓度估计.docx

基于MAIAC AOD反演和两阶段模型的美国东南部地面PM2.5浓度估计 摘要：以往的研究表明，细颗粒物（PM2.5，空气动力学 直径小于2.5微米的颗粒）与多种健康问题有关。实地测量是PM2.5浓度测量的最好标准，但耗时且昂贵。利用遥感图像反演的气溶胶光学厚度（AOD）产品可以辅助地面监测网络进行PM2.5在时间与空间上的估计。然而，在以往的研究中使用的粗分辨率（如10公里）的AOD产品很难估计城市规模的PM2.5浓度，准确的预测PM2.5的浓度对研究PM2.5对健康的影响是至关重要的。在本文中，我们使用带有气象场（例如，风速）和土地使用参数（例如，森林覆盖，道路长度，高程和点的排放量）作为辅助变量的两阶段空间统计模型算法对由多角度大气校正（MAIAC）算法派生出来的一种新产品进行检测，从而估计每天的PM2.5浓度。本文的研究区位于美国东南部，研究中使用的2003年的数据由多种渠道收集。模型采用交叉验证的方法。我们得到的R 2为0.83，模型拟合的平均预测误差（MPE）为1.89微克/立方米，预测均方差的平方根误差（RMSPE）为2.73微克/立方米，交叉验证的R 2为0.67，MPE为 2.54微克/立方米，RMSPE为3.88微克/立方米。模型拟合和交叉验证均表明因变量和预测变量之间拟合良好。研究结果表明，空间分辨率为1公里的MAIAC AOD可用于估计PM2.5浓度。 关键