论文部分内容阅读
随着社会经济和城镇化的发展，空气污染问题已经成为了一个非常显著的环境和社会问题，尤其是细颗粒物(PM2.5)污染，对人体的呼吸道、心脏、肺等功能造成严重的威胁.目前，常规的空气污染地面固定监测站点虽然能够非常准确地监测站点所在位置的PM2.5 浓度，但难以反映区域或者更大尺度的PM2.5 浓度空间分布特征和规律.随着卫星遥感技术的发展，高分辨率卫星遥感逐渐应用于估算地表PM2.5 浓度，并且在估算过程中将土地利用、气象以及人口等与PM2.5 浓度成因和扩散相关的因素予以考虑，用于模拟区域或更大尺度的PM2.5 浓度时空分布.目前国内外基于卫星遥感的地表PM2.5浓度估算研究中，在研究时段内都采用固定的模型结构来构建PM2.5 浓度估算模型，然而，这些研究忽视了“不同要素对PM2.5 浓度的形成和扩散的贡献和影响是随时间动态变化的”这一事实，比如，“降水”是PM2.5 浓度变化的一个重要因素，在重污染天气充足的降雨可以明显降低PM2.5 浓度，此时，“降水”是PM2.5 浓度降低的主导因素，而在降雨持续一段时间后，“降水”对PM2.5 浓度降低的主导作用将减弱或者消失.因此，本研究基于卫星遥感提出了一种模型结构随时间自适应的地表PM2.5 浓度估算方法(TSAM)，该方法充分考虑了模型结构中各因素以及因素对PM2.5 浓度变化的影响强度随时间变化的规律，并将该方法应用于2013 年1 月-2015 年12 月全国日均PM2.5 浓度时空分布模拟.