论文部分内容阅读
PM2.5以其粒径小、在大气中停留时间长和传输距离较长等特点,对气候变化和人类健康等产生着重要影响。基于遥感手段可以有效监测细颗粒物的污染过程和远距离传输过程,但目前卫星遥感数据中用来区分粗细颗粒物比例的参数细粒子比精度很低,不能满足遥感估算近地面细颗粒物质量浓度模型（PMRS）的需要,因此,本文基于泛克里金方法对MODIS FMF和地基FMF进行融合,旨在为PMRS模型提供精度较高的FMF数据,提高PMRS模型的估算精度。本文首先从FMF反演算法入手,讨论了三种反演算法模态组合法（MODIS算法）、截断半径法（AERONET算法,FMF@440nm）以及光谱识别法（AERONET算法,FMF@500nm）的异同。相同的模态分类及同一气溶胶类型下十分接近的FMF计算结果说明了融合MODIS FMF和地基FMF的合理性,为泛克里金融合奠定了基础。本文利用2015年12月-2016年11月MODIS FMF数据进行了变差分析,获取了FMF数据的时空变化特征。利用泛克里金方法对2016年冬季FMF进行融合,弃一交叉验证结果表明地基站点处FMF融合结果与地基FMF值的最大偏差可由原来的0.552降低至0.198,比原误差降低了54%,有效提高了FMF的精度。将MODIS FMF和FMF融合结果分别用于PMRS模型中估算近地面PM2.5,与中国环境保护部公布的在位监测数据对比结果表明,利用FMF融合结果估算的PM2.5更加接近在位监测结果。为了满足基于瞬时遥感观测的PMRS的需要,本文利用中国中东部2010年12月-2016年11月6年的MODIS FMF数据进行了变异函数的计算,分析了变异函数参数的季节性变化规律,并利用2015年12月-2016年2月研究区域内的数据测试了融合结果对初始变程值的敏感性。分别将2016年冬季变异函数中的变程（控制实验）和2011-2016年6年冬季的变异函数的变程季均值（对比实验）作为初始值进行了融合,并将融合结果输入PMRS中进行近地面PM2.5的估算。两种实验情况下十分接近的FMF弃一法交叉验证结果及与在位监测数据对比结果表明融合结果对于初始变程值的变化敏感度不高,在季节相同的情况下,变程的多年季均值可有效替代研究时段的变程值。