中南半岛生物质燃烧排放的跨界输送及对我国南部AOD影响的研究
这是一篇关于生物质燃烧,中南半岛,气溶胶,AOD,北部湾的论文, 主要内容为东南亚是全球生物质燃烧的研究热点地区。每年春季,东南亚的中南半岛地区都会进行大量的生物质燃烧活动,排放的大量污染物在降低当地空气质量的同时,还会通过跨界输送影响其他国家和地区。本文通过比较人为源与生物质燃烧排放清单,综合分析MODIS、OMI、CALIOP等多种星载探测器的遥感资料、气象条件、地理信息状况和中尺度气象模式计算结果,得到了我国南部、西南部以及周边区域气溶胶的区域分布和季节变化特征,讨论了污染物的输送机制及高空输送对我国南部AOD的影响。2010年至2014年3月4月平均的MODIS火点显示,春季中南半岛北部火点密集。我国南部地区和中南半岛位于东亚季风区,2010年至2014年5年平均的NCEP(National Centers for Environmental Prediction)风场显示,春季1000 h Pa和700 h Pa风场的风向相反,地面(1000h Pa)以偏东风为主,而在700 h Pa(约3千米)的高空,则是非常流畅的西风。而2010年至2014年5年平均的MODIS AOD和OMI UVAI则显示,从中南半岛北部至我国南部存在一明显的高值区,这一高值区从缅甸、泰国北部、老挝北部、越南北部一直延伸至我国南部的北部湾、广西省和广东省等地区。中南半岛北部,及其下风向的北部湾、广西南部和珠三角地区的2010年至2014年5年的CALIOP(Cloud-Aerosol LIdar with Orthogonal Polarization)Level 2消光系数廓线显示,中南半岛北部春季的气溶胶水平明显高于冬季和夏季,并且高浓度的气溶胶一直延伸到5千米的高度;其下风向的北部湾、广西南部和珠三角地区春季高层的气溶胶都明显高于其他两个季节,而峰值出现在3千米的高度,尤其在北部湾地区,春季高层的气溶胶水平明显高于低层,表明高层气溶胶源自外来输送,而非本地排放。结合高空流畅的西风,可以得出,春季中南半岛北部生物质燃烧排放的大量污染物会通过高空西风带输送至下游的我国南部地区,并且主要的输送高度发生在2-5千米范围内。北部湾、广西南部和珠三角地区的CALIOP分高度层的AOD显示,春季的高空输送在上述三个区域AOD的占比均远高于其它季节,其中对北部湾AOD的影响能占到60.4%,而在广西南部和珠三角地区高空输送的气溶胶占比能分别达到45.3%和44.4%,定量地体现出了春季源自中南半岛生物质燃烧排放在高空输送的情况下对我国南部AOD的影响程度。
基于时空混合效应模型和Elterman模型的AOD估算
这是一篇关于AOD,时空混合效应模型,Elterman模型,时空变化,冀中南平原的论文, 主要内容为近三十年来,随着中国工业化及城市化进程的不断推进,人们对能源资源的需求和消耗不断增加,引(?)起的大气污染物排放负荷巨大,导致我国空气污染问题日益严重。大气气溶胶是大气污染物的重要组成部分,而AOD(Aerosol Optical Depth,AOD)是反映大气中气溶胶负荷的重要指标。因此,精准掌握AOD时空变化特征,可为区域大气污染防治提供科学的理论依据和数据支撑。当前,卫星遥感可以提供时空全覆盖的AOD产品,然而受到云覆盖和亮地表等因素的影响,导致卫星产品缺值严重,如何有效修复缺失数据成为学术界关注的热点。目前,利用卫星遥感和气象数据构建模型估算AOD的研究已经得到国内外专家学者认可。但相关研究中构建的估算模型大都是确定性模型,难以准确描述AOD和气象因子间的时空异质性关系。因此,应充分考虑不同预测因子之间的时空异质性,改进AOD估算模型,实现更高分辨率的AOD产品估算,为准确分析区域大气污染分布特征和变化规律提供可能。本文以冀中南平原为研究区域,构建了基于时空混合效应模型(STLME)和Elterman模型的AOD估算模型ST-EEM模型。首先,以MAIAC AOD、DEM及气象要素数据为数据源,利用Elterman模型估算气溶胶标高(ASH1);其次,利用水汽压、相对湿度、温度、大气压和风速等气象因子及DEM构建ASH1的时空混合效应模型;然后,利用十折交叉验证法进行模型验证,选取均方根误差(RMSPE)和相对误差(RPE)等指标评价该模型的性能;最后,将重新计算的ASH1参数再次带入Elterman模型公式,构建出ST-EEM模型,从而得到最终的AOD估算结果。同时,选择纳什系数(Ef)和相对误差(Er)作为指标,将该模型的估算结果和其他模型进行对比,进而分析2016～2017年的冀中南平原AOD在时间和空间上的分布特征及变化,为大气污染防治提供理论依据。主要的研究结论如下:(1)与ERM、QRM和R-ERM模型相比,本文提出的ST-EEM模型在AOD估算精度方面有较大的提高,在不同年份的数据估算中具有较好的适用性。ST-EEM模型估算得到的ST-AOD与真实数据MAIAC AOD之间的决定系数R2为0.70,比ERM、QRM和R-ERM模型分别提高了0.53、0.47和0.31;RMSPE和RPE均有所降低。这说明ST-EEM模型不仅可以更好地解释ASH1参数在AOD估算中的作用,还能够减少预测偏差。同时,本文利用2017年的数据对该模型进行了验证。两年数据的实验结果表明,该模型具有良好的时间延展性,能适应不同年份的数据估算。(2)ST-EEM模型估算出的AOD日值数据具有高的时间分辨率。2016年,模型拟合R2为0.707,RMSPE为0.382,RPE为56.789%,2017年验证R2为0.677,RMSPE0.377,RPE 63.319%,说明了ST-EEM模型具有较高的估算精度。在95个站点中,2017年ST-EEM模型的预测值和观测值之间的Ef值有72个站点大于或等于0.50,有92个站点的Er值小于14%。ST-EEM模型优于以往研究中提出的基于气象的AOD预测模型。(3)分析本文所提出的ST-EEM模型的AOD估算结果的时空特征,可以得知:研究区2016和2017年AOD的总体空间特征都表现为西南高、东北低、内陆高、海岸低。除自然因素外,社会经济因素也是西南地区多个城市地区AOD值高的原因。时间特征存在显著的季节变化,夏季总体表现较高,其次是冬季,春季和秋季总体表现相对较低,这与研究区域的地理位置有关。由于研究区的特殊地形,污染物倾向于在这里积累,导致该区域AOD浓度的增加。
北京不同站点气溶胶辐射效应及其气象影响观测研究
这是一篇关于PM10,PM2.5,AOD,短波辐射,气溶胶辐射效应,北京城郊差异,气象条件影响的论文, 主要内容为本文基于北京不同气象站地面观测总辐射、直接辐射、风速、风向、相对湿度、气压、气温以及本站或邻近环境监测站点的PM10、PM2.5浓度、AOD(Aerosol Optical Depth)实测数据分析了太阳短波辐射、多种气象要素、两种颗粒物浓度、AOD的时空变化特征及其城郊差异,并分析了总辐射与颗粒物浓度、AOD的时间变化关系以及多种气象要素对气溶胶短期辐射效应影响。在此基础上,参考国外研究方法采用澳大利亚气象局SES2(the second Sun-Edward-Slingo radiative transfer model)辐射传输模式和0.125°×0.125°的ECMWF(European Centre for Medium-Range Weather Forecasts reanalysis dataset)细网格再分析资料计算了北京地区4个观测站点考虑云和水汽影响的、地面接收的短波辐射通量,并与地面观测的辐射通量进行比较分析气溶胶的短期辐射效应及其城郊差异,并着重分析了风速、相对湿度对北京城区、近郊区和远郊区气溶胶的短期辐射效应的影响及城郊差异。研究结果表明,北京4个站点的月平均总辐射时间变化较一致,位于近郊区的南郊和远郊区的上甸子站月平均总辐射值略高于位于市区的海淀和石景山站,尤其是春夏季和冬季北京城郊总辐射差异较大,中度以上污染日远郊区月平均总辐射远大于其他2个城区和近郊区站点,气溶胶浓度对北京城区和近郊区的影响远大于远郊区。4个站点的PM10、PM2.5浓度具有明显的季节变化特征,尤其是PM2.5浓度较明显,即秋冬季PM10、PM2.5浓度较高,春夏季较低。2个市区站点和近郊区南郊站PM10、PM2.5浓度远大于远郊区站,即南郊站PM10、PM2.5浓度最大,海淀和石景山站次之,上甸子站最小。南郊站AOD大于上甸子站,尤其是秋冬季两个站AOD差异更大。南郊站3年平均AOD较上甸子站平均偏高0.2,极大值偏大0.6。PM10、PM2.5浓度月变化和城郊差异特征与中度以上污染日的总辐射时间变化趋势及其城郊差异相反,这是因为气溶胶对太阳辐射的吸收和散射作用导致其到达地面的短波辐射通量减少。北京城区气溶胶对总辐射的影响约为远郊区的2倍,北京南部和西部气溶胶对辐射的影响较大,晴天和云天北京城区气溶胶对总辐射的削减值分别为146.23180.99W·m-2和202.11217.02 W·m-2之间,晴天情况下北京不同城区的总辐射削减值差异大于云天。北京城郊总辐射削减率的空间差异与大气污染物的空间分布较一致,北京远郊区气溶胶对中午时段的总辐射削减远小于市区;秋冬季气溶胶对总辐射的影响明显大于春夏季,北京南郊秋冬季气溶胶对总辐射的削减作用最大可达60%,较春夏季高1020%;晴天条件下,上甸子站气溶胶对辐射的影响明显小于其他3个站;4个站中海淀和石景山两个站点的辐射削减较大,这与4个站的污染状况差异以及气象条件和大气污染物外来输送对辐射削减的影响差异有关;云天时当PM2.5浓度小于350μg·m-3时总辐射削减差异较小,大于此阈值时,总辐射削减有明显增加,这可能与云天湿度较大导致气溶胶浓度吸湿增长作用显著增强,从而造成气溶胶辐射影响增加有关。北京城郊总辐射和直接辐射削减率与AOD均呈线性变化关系,近地面PM2.5浓度对辐射的影响不容忽视;风速、风向和相对湿度是影响气溶胶天气尺度辐射效应的重要因素。远郊区风速和相对湿度高于市区和近郊区,而污染较重的秋冬季市区和近郊区的风速较小,相对湿度较大,从而加剧了气溶胶的生成和增长,间接影响了气溶胶对太阳辐射的削减作用,减少了到达地面的太阳短波辐射。而且风速和相对湿度对气溶胶短期辐射效应的影响特征有所不同,即北京城区和郊区湿度对气溶胶短期辐射效应的影响较一致,但风速影响存在城郊差异。研究结果对深入认识气溶胶-云-辐射的相互作用物理机制、提高环境气象观测和预报、改进太阳能资源精细化评估和预报均具有一定的科学意义。
北京不同站点气溶胶辐射效应及其气象影响观测研究
这是一篇关于PM10,PM2.5,AOD,短波辐射,气溶胶辐射效应,北京城郊差异,气象条件影响的论文, 主要内容为本文基于北京不同气象站地面观测总辐射、直接辐射、风速、风向、相对湿度、气压、气温以及本站或邻近环境监测站点的PM10、PM2.5浓度、AOD(Aerosol Optical Depth)实测数据分析了太阳短波辐射、多种气象要素、两种颗粒物浓度、AOD的时空变化特征及其城郊差异,并分析了总辐射与颗粒物浓度、AOD的时间变化关系以及多种气象要素对气溶胶短期辐射效应影响。在此基础上,参考国外研究方法采用澳大利亚气象局SES2(the second Sun-Edward-Slingo radiative transfer model)辐射传输模式和0.125°×0.125°的ECMWF(European Centre for Medium-Range Weather Forecasts reanalysis dataset)细网格再分析资料计算了北京地区4个观测站点考虑云和水汽影响的、地面接收的短波辐射通量,并与地面观测的辐射通量进行比较分析气溶胶的短期辐射效应及其城郊差异,并着重分析了风速、相对湿度对北京城区、近郊区和远郊区气溶胶的短期辐射效应的影响及城郊差异。研究结果表明,北京4个站点的月平均总辐射时间变化较一致,位于近郊区的南郊和远郊区的上甸子站月平均总辐射值略高于位于市区的海淀和石景山站,尤其是春夏季和冬季北京城郊总辐射差异较大,中度以上污染日远郊区月平均总辐射远大于其他2个城区和近郊区站点,气溶胶浓度对北京城区和近郊区的影响远大于远郊区。4个站点的PM10、PM2.5浓度具有明显的季节变化特征,尤其是PM2.5浓度较明显,即秋冬季PM10、PM2.5浓度较高,春夏季较低。2个市区站点和近郊区南郊站PM10、PM2.5浓度远大于远郊区站,即南郊站PM10、PM2.5浓度最大,海淀和石景山站次之,上甸子站最小。南郊站AOD大于上甸子站,尤其是秋冬季两个站AOD差异更大。南郊站3年平均AOD较上甸子站平均偏高0.2,极大值偏大0.6。PM10、PM2.5浓度月变化和城郊差异特征与中度以上污染日的总辐射时间变化趋势及其城郊差异相反,这是因为气溶胶对太阳辐射的吸收和散射作用导致其到达地面的短波辐射通量减少。北京城区气溶胶对总辐射的影响约为远郊区的2倍,北京南部和西部气溶胶对辐射的影响较大,晴天和云天北京城区气溶胶对总辐射的削减值分别为146.23180.99W·m-2和202.11217.02 W·m-2之间,晴天情况下北京不同城区的总辐射削减值差异大于云天。北京城郊总辐射削减率的空间差异与大气污染物的空间分布较一致,北京远郊区气溶胶对中午时段的总辐射削减远小于市区;秋冬季气溶胶对总辐射的影响明显大于春夏季,北京南郊秋冬季气溶胶对总辐射的削减作用最大可达60%,较春夏季高1020%;晴天条件下,上甸子站气溶胶对辐射的影响明显小于其他3个站;4个站中海淀和石景山两个站点的辐射削减较大,这与4个站的污染状况差异以及气象条件和大气污染物外来输送对辐射削减的影响差异有关;云天时当PM2.5浓度小于350μg·m-3时总辐射削减差异较小,大于此阈值时,总辐射削减有明显增加,这可能与云天湿度较大导致气溶胶浓度吸湿增长作用显著增强,从而造成气溶胶辐射影响增加有关。北京城郊总辐射和直接辐射削减率与AOD均呈线性变化关系,近地面PM2.5浓度对辐射的影响不容忽视;风速、风向和相对湿度是影响气溶胶天气尺度辐射效应的重要因素。远郊区风速和相对湿度高于市区和近郊区,而污染较重的秋冬季市区和近郊区的风速较小,相对湿度较大,从而加剧了气溶胶的生成和增长,间接影响了气溶胶对太阳辐射的削减作用,减少了到达地面的太阳短波辐射。而且风速和相对湿度对气溶胶短期辐射效应的影响特征有所不同,即北京城区和郊区湿度对气溶胶短期辐射效应的影响较一致,但风速影响存在城郊差异。研究结果对深入认识气溶胶-云-辐射的相互作用物理机制、提高环境气象观测和预报、改进太阳能资源精细化评估和预报均具有一定的科学意义。
基于时空混合效应模型和Elterman模型的AOD估算
这是一篇关于AOD,时空混合效应模型,Elterman模型,时空变化,冀中南平原的论文, 主要内容为近三十年来,随着中国工业化及城市化进程的不断推进,人们对能源资源的需求和消耗不断增加,引(?)起的大气污染物排放负荷巨大,导致我国空气污染问题日益严重。大气气溶胶是大气污染物的重要组成部分,而AOD(Aerosol Optical Depth,AOD)是反映大气中气溶胶负荷的重要指标。因此,精准掌握AOD时空变化特征,可为区域大气污染防治提供科学的理论依据和数据支撑。当前,卫星遥感可以提供时空全覆盖的AOD产品,然而受到云覆盖和亮地表等因素的影响,导致卫星产品缺值严重,如何有效修复缺失数据成为学术界关注的热点。目前,利用卫星遥感和气象数据构建模型估算AOD的研究已经得到国内外专家学者认可。但相关研究中构建的估算模型大都是确定性模型,难以准确描述AOD和气象因子间的时空异质性关系。因此,应充分考虑不同预测因子之间的时空异质性,改进AOD估算模型,实现更高分辨率的AOD产品估算,为准确分析区域大气污染分布特征和变化规律提供可能。本文以冀中南平原为研究区域,构建了基于时空混合效应模型(STLME)和Elterman模型的AOD估算模型ST-EEM模型。首先,以MAIAC AOD、DEM及气象要素数据为数据源,利用Elterman模型估算气溶胶标高(ASH1);其次,利用水汽压、相对湿度、温度、大气压和风速等气象因子及DEM构建ASH1的时空混合效应模型;然后,利用十折交叉验证法进行模型验证,选取均方根误差(RMSPE)和相对误差(RPE)等指标评价该模型的性能;最后,将重新计算的ASH1参数再次带入Elterman模型公式,构建出ST-EEM模型,从而得到最终的AOD估算结果。同时,选择纳什系数(Ef)和相对误差(Er)作为指标,将该模型的估算结果和其他模型进行对比,进而分析2016～2017年的冀中南平原AOD在时间和空间上的分布特征及变化,为大气污染防治提供理论依据。主要的研究结论如下:(1)与ERM、QRM和R-ERM模型相比,本文提出的ST-EEM模型在AOD估算精度方面有较大的提高,在不同年份的数据估算中具有较好的适用性。ST-EEM模型估算得到的ST-AOD与真实数据MAIAC AOD之间的决定系数R2为0.70,比ERM、QRM和R-ERM模型分别提高了0.53、0.47和0.31;RMSPE和RPE均有所降低。这说明ST-EEM模型不仅可以更好地解释ASH1参数在AOD估算中的作用,还能够减少预测偏差。同时,本文利用2017年的数据对该模型进行了验证。两年数据的实验结果表明,该模型具有良好的时间延展性,能适应不同年份的数据估算。(2)ST-EEM模型估算出的AOD日值数据具有高的时间分辨率。2016年,模型拟合R2为0.707,RMSPE为0.382,RPE为56.789%,2017年验证R2为0.677,RMSPE0.377,RPE 63.319%,说明了ST-EEM模型具有较高的估算精度。在95个站点中,2017年ST-EEM模型的预测值和观测值之间的Ef值有72个站点大于或等于0.50,有92个站点的Er值小于14%。ST-EEM模型优于以往研究中提出的基于气象的AOD预测模型。(3)分析本文所提出的ST-EEM模型的AOD估算结果的时空特征,可以得知:研究区2016和2017年AOD的总体空间特征都表现为西南高、东北低、内陆高、海岸低。除自然因素外,社会经济因素也是西南地区多个城市地区AOD值高的原因。时间特征存在显著的季节变化,夏季总体表现较高,其次是冬季,春季和秋季总体表现相对较低,这与研究区域的地理位置有关。由于研究区的特殊地形,污染物倾向于在这里积累,导致该区域AOD浓度的增加。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设港湾 ，原文地址：https://m.bishedaima.com/lunwen/56203.html
