论文部分内容阅读
随着我国经济的快速发展,工业化和城镇化进程加速,部分地区的环境承载压力不断加大,大气污染问题日趋严重。在我国大多数地区,可吸入颗粒物PM10已成为影响环境空气质量的首要污染物。针对当前大气污染的现实状况,利用卫星遥感监测空气污染的空间分布及变化趋势具有相当重要的现实意义。
本文基于研究MODIS数据在大气污染和可吸入颗粒物PM10监测的作用出发,提出利用MODIS L1B数据反演气溶胶光学厚度AOD,并对同时段的PM10时均值数据与AOD数据使用多种方法进行回归分析,建立相应的关系模型,以期发现能够较准确反映两者关系的模型,实现利用MODIS数据实时动态地监测大气污染数据的目的。主要结论如下:
(1)MODIS反演的气溶胶光学厚度和可吸入颗粒物PM10的浓度具有较好的相关性,在一定程度上可以反映城市空气污染状况。但对PM10与AOD之间进行统计回归分析只有当首要污染物为PM10时,两者之间才能进行统计回归分析。如果某些日子的主要污染物不是可吸入颗粒物,而是SO2或NO2,则必须排除这些天的数据,才能进行统计回归分析。
(2)在对MODIS数据进行气溶胶反演,6S模式中的大气模型参数为大陆模式,此模型的使用受气象条件的影响,在某些时段有局限性(如夏季),影响反演的精度;在此情况下进行反演,最好能对气溶胶的成分进行分析,以减少误差。
(3)利用2008年9月至11月的MODIS L1B数据反演的AOD数据,与PM10的建立五种类型的回归模型,通过分析确定系数R2和F检验的值,得到较优的两个回归模型:线性模型和一元二次模型;用检验数据对两个模型进行检验,得到的平均相对误差分别为11.7%、30.6%,确定线性模型为反映AOD与PM10最佳拟合模型。