论文部分内容阅读
近年来,由于城市化进程不断加快,人类活动加剧,重度雾霾天气频繁出现,严重影响人们的交通出行和身体健康。PM2.5作为雾霾天气的首要污染物,对于近地表环境和人类健康有着重要的影响。然而,我国PM2.5地面监测网络建成较晚,监测站点数量少,无法进行大范围的PM2.5浓度监测,并且城市地区人口密集,地表覆盖类型复杂,亟需高时空分辨率PM2.5数据进行研究。卫星遥感技术的快速进步弥补了地面监测的不足,通过卫星遥感影像反演可以获取大范围、长时间序列的PM2.5浓度数据,为研究大气污染的时空分布格局和健康影响评估提供了便捷与可能性。因此,本研究以空气污染最为典型的京津冀城市群地区为研究区,基于MODIS影像数据反演该地区2015年12月的PM2.5浓度数据,得到的主要研究结论如下:1)针对目前云检测算法在城市地区的局限性,改进一种云检测算法,利用MODIS数据的多光谱优势首先区分出冰雪和云,然后利用可见光波段检测出高亮云,最后利用MODIS 8波段和26波段组合检测出薄云和卷云,从而提取出完整的冰雪和云信息,算法简单高效。2)在SARA(A Simple high resolution MODIS Aerosol Retrieval Algorithm)算法基础上改进一种气溶胶遥感反演算法,以最小反射率技术计算地表反射率,反演得到250m空间分辨率、<1天时间分辨率的气溶胶光学厚度数据,与AERONET气溶胶地面观测数据具有较高的一致性,总拟合决定系数达到0.9,然后基于反演的气溶胶数据和气象参数数据,通过三阶段广义相加模型反演得到京津冀城市群地区完整的PM2.5浓度分布数据,有效扩大了PM2.5的监测范围。3)基于反演的PM2.5浓度数据,对京津冀城市群地区PM2.5浓度的空间分布格局及人群暴露潜在健康影响进行分析,得到的结论如下:人工表面是人类活动最剧烈的地区,空气污染最严重,并且对周边的地区也存在负面影响;2015年12月,整个京津冀地区空气污染严重,平均83.19%以上的面积和97.46%以上的人口受到空气污染影响。