遥感反演PM25的文献阅读笔记.docVIP

PM2.5遥感反演基本原理 卫星遥感反演大气气溶胶是基于卫星传感器探测到的大气上界的表观反射率，也是卫星传感器接收到的辐射值L。 为整层大气反射的太阳辐射，主要来自于大气中分子和气溶胶的散射贡献； 为太阳下行总辐射；为传感器和目标物之间的透过率；为地表反射率； 为大气半球反照率。 由上式可看出卫星观测到的反射率既是AOD的函数，又是下垫面反射率的函数，如果知道下垫面反射率，并根据不同地区的气溶胶特征确定大气气溶胶的模型就可以得到AOD。 因此利用AOD与地面监测指标之间的数学关系，进而建立相应的数学统计模型，这就是基于卫星遥感反演AOD进而通过统计模型预测PM2.5的基本原理和思路。 遥感数据源 目前能用于反演PM2.5的遥感传感器主要有云－气溶胶光达和红外探险者卫星观测器CALIPSO、中分辨率成像光谱仪MODIS、多角度成像光谱仪MISR、多角度多通道偏振探测器 POLDER、大气臭氧总量绘图仪TOMS和TOMS的后继者臭氧监测仪OMI。 目前应用最多的传感器主要是MODIS和MISR。 三、PM2.5时空分布计算方法 利用遥感反演的AOD结合影响PM2.5的其他因素，采用统计方法间接计算PM2.5时空分布是当前主要的方法。 其计算方法大体可以分为简单线性模型、多元线性回归模型、人工智能模型和广义加法模型4种。 简单线性模型是利用近地面监测站的PM2.5浓度与AOD之间的简单二元关系建立的，是较早用于PM2.5反演的模型构建方法。 多元线性回归模型除了考虑AOD外，还将与PM2.5有相关性的湿度、温度、风速、气溶胶类型、大气边界层高度等因素作为自变量，因此多自变量进行PM2.5多元线性回归，其精度得到显著的提高。 由于PM2.5浓度的时空分布受到气象场、排放源、复杂下垫面、理化生过程的耦合等多种因素的影响，具有较强的非线性特性。有学者采用神经网络模型、支持向量机模型、贝叶斯网络算法、基因算法等人工智能算法进行PM2.5时空分布计算，取得较好的应用效果。 广义相加模型GAM是线性模型非参数化的扩展将一些与因变量间存在的复杂非线性关系的自变量以不同函数加和的形式拟合入模型可以探索到变量间非单调非线性关系从中找出数据规律从而得到更好的预测结果。 PM2.5遥感反演的问题 为解决卫星遥感近地面颗粒物中存在的“以点带面”问题，提高区域尺度近地面颗粒物反演精度，以建立基于模式结果的区域尺度近地面颗粒物浓度反演模型为目标，以结合大气动力学模式模拟的边界层参数为主要方法，以明确的研究区域和真实数据对提出的方法进行检验。 文献《大气细颗粒物PM2.5质量浓度的遥感估算模型研究》的阅读笔记 5.1研究目标、研究内容与技术路线 （1）研究目的 以南京市仙林地区为研究区域,利用MODIS气溶胶产品和地面实测环境空气质量实时数据,探究大气细颗粒物质量浓度的变化特征与影响_素,分析气溶胶光学厚度与大气细颗粒物质量浓度的相关关系,建立细颗粒物质量浓度卫星遥感估算模型,为大气污染的遥感监测研究提供一些有效的技术方法。 （2）研究内容 A、细颗粒物质量浓度的变化特征：时间尺度、SO2和NO2、气象要素对其影像 B、气溶胶光学厚度与细颗粒物质量浓度的关系分析 C、考虑气象因素的细颗粒物质量浓度多元回归估算模型研究 （3）技术路线 5.2 数据预处理 细颗粒物质量浓度数据的预处理：剔除缺失值；统计分析计算均值；根据过境时间选时刻浓度 MODIS气溶胶产品的预处理:影像的选取、纠正、分割和提取 气象数据的预处理:气温、相对湿度、风速为每小时、能见度为每日 5.3细颗粒物质量浓度的变化分析 时间变化 S02和N02对细颗粒物的影响 气象因子对细颗粒物的影响 PM2.5多元线性回归模型 5.4细颗粒物质量浓度的卫星遥感估算模型（AOT与PM2.5） 5.4.1 模型选择 综合考虑：确定性系数和F检验以及显著性P值 全年：幂函数；春夏：幂函数；秋：线性模型；冬：一元二次 5.4.2 垂直订正 原理：；H为气溶胶标高；b则描述了来自对流层上部和平流层的气溶胶对整层气溶胶光学厚度的贡献；τ为AOT。 求出每天的H后将AOT除以标高,得到近地面的气溶胶消光系数,实现气溶胶垂直分布订正。 气溶胶标高的确定 水平能见度——近地面消光系数β——自变量；AOT为因变量；得到拟合方程，x的系数为标高 5.4.3湿度订正 湿度影响因子f（RH）=，RH为相对湿度的百分数 PM2.5=β/f（RH） 方法一：，即对AOT作垂直与湿度订正 方法二：，即对AOT做垂直订正和对PM2.5做湿度订正 六、基于卫星遥感的我国PM时空分布研究阅读笔记 6.1 方法综述 利用卫星遥感AOD反演地面PM2