基于MAIACAOD反演和两阶段模型的美国东南部地面PM2.5浓度估计概念.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。 关键词：气溶胶光学厚度； MAIAC ；MODIS ；PM2.5；两阶段模型 1 引言 许多流行病学研究表明，PM2.5（空气动力学直径小于2.5微米的颗粒 ）与包括心血管和呼吸系统疾病在内的多种健康问题有关（Dominici等人，2006;Gauderman等人，2004;Gold 等人，2000; Peters, Dockery, Muller与Mittleman，2001;Schwartz与 Neas，2000）。可通过计算住在离中心一定距离内的人口（例如几公里（Laden, Schwartz，Speizer，Dockery，2006）到几十公里（Samet，Dominici，Curriero，Coursac与Zeger， 2000））来估计受到PM2.5影响的人数。由空间错位引起的曝光误判会引起偏差，而且往往会降低对健康风险的估计。因而，在进行空气质量评价与环境流行病学研究时，准确的探明PM2.5的特性是非常重要的 。 由于地面监测网络的维护费用高，即便是在拥有最广泛的监控 系统的美国，也只是在人口较多的县（低于总数3000的30％ ）覆盖有一个或多个监控器。卫星遥感提供了一种在监控不可用或过于稀疏的地方通过使用的气溶胶光学厚度（AOD）预测PM2.5浓度 的高效方法 (Hoff 和 Christopher, 2009)。 AOD通过在大气柱中的气溶胶的散射和吸收来测量消光 ，它与细颗粒的负载量有关。以往的研究中，多种卫星传感器的AOD产品如中分辨率成像光谱仪（MODIS）(Hu等,2013; Liu, Franklin等., 2007; Zhang, Hoff和 Engel-Cox, 2009)、多角度成像光谱仪（MISR）(Liu, Franklin等, 2007;Liu, Koutrakis, Kahn, Turquety等, 2007; Liu, Koutrakis等, 2007)和 地球静止业务环境卫星气溶胶/烟雾产品（GASP）已被用于估计 PM2.5浓度。此外，许多先前的研究都通过利用大气顶部反射率和GEOS-化学输送模式提高卫星反演AOD的精度，以增加粒子浓度估计的准确性。然而，目前的AOD产品的局限之一是空间分辨率较低。例如，利用MODIS，MISR和 GASP 操作算法反演的AOD产品的空间分辨率分别是10公里、17.6公里、4公里。最近，一种新的多角度大气校正（MAIAC）算法被研究出来。MAIAC采用时间序列分析和基于图像的加工技术，在植被稀疏的土地和相对明亮的表面进行气溶胶反演和大气修正(Lyapustin, Wang等, 2011)。 源自 MODIS辐射率的MAIAC AOD产品具有1公里空间分辨率，并且已被证明与新英格兰地区PM2.5浓度具有很强的相关性(Chudnovsky, Kostinski, Lyapustin和 Koutrakis, 2012)。 先前的许多研究中采用一些方法来建立地面PM2.5浓度和卫星获得的AOD之间的定量关系，例如线性回归，这些方法不考虑 PM2.5与AOD的关系在不同时间的变化。Lee, Liu, Coull, Schwartz, and Koutrakis(2011)开发了一种线性混合效应模型，这种模型将AOD作为唯一的指标，并将不同时相的AOD与PM2.5的关系的变化考虑在内。