论文部分内容阅读
随着我国社会经济建设的不断发展,细颗粒物污染问题也愈演愈烈。利用卫星遥感数据研究细颗粒物的污染特征,建立细颗粒物质量浓度估算模型以及溯源是研究热点,也具有十分重要的现实意义。本文研究区为我国西部地区重要的中心城市成都,通过污染物质量浓度和气溶胶光学厚度数据研究成都地区细颗粒物污染特征;经过垂直和湿度修正,细颗粒物质量浓度与气溶胶光学厚度的相关性有大的提高;研究并改进萤火虫优化算法,并通过实验验证算法可靠性。工作内容如下:(1)从日均值和月均值等角度,分析成都地面环境监测点所公布的2014年和2015年细颗粒物质量浓度数据时间变化;从污染物来源及存在形式等角度,分析讨论细颗粒物与可吸入颗粒物、一氧化碳等污染物的相关性的大小;分析研究气象要素对细颗粒物质量浓度的影响,分别讨论了降雨量、温度、气压气象要素与细颗粒物质量浓度的相关性及原因。(2)基于MOIDS 1B数据,利用成熟的暗像元算法反演与污染源数据同年的2009年成都地区的气溶胶光学厚度。基于污染源数据和成都市的行政区域划分,计算成都的15个区域的整体区域平均值,企业群平均值、山地区域平均值、交通道路平均值。并讨论分析了15个区域的整体区域平均值、企业群平均值、山地平均值和交通道路平均值的差异及原因。(3)经过垂直和湿度修正,气溶胶光学厚度与细颗粒物质量浓度的相关性从0.344提升到0.593,有明显的提高。依据季节对两者做多种模型拟合以及加入气象要素做多元线性回归模型,并用平均相对误差评价模型。(4)研究并改进萤火虫优化算法以适用于细颗粒物的溯源,设定目标函数为萤火虫到各个污染源的空间权重,并在标准萤火虫优化算法的位置更新过程中,加入风要素和气溶胶光学厚度值的影响,从而改变算法的位置更新过程。通过分析以及实验,确定算法中的各个参数,最后以一小区域企业数据来验证算法的可靠性。