AEP Advances in Environmental Protection 2164-5485 Scientific Research Publishing 10.12677/AEP.2023.132042 AEP-64214 AEP20230200000_76265693.pdf 地球与环境 温州市空气质量变化趋势研究 Study on the Trend of Air Quality Changes in Wenzhou 仁川 2 1 洪扬 2 1 倩文 3 1 毓泰 3 1 温州大学建筑工程学院,浙江 温州 温州市数据管理发展集团有限公司,浙江 温州;温州市数据管理发展集团有限公司,博士创新站,浙江 温州 null 04 04 2023 13 02 322 332 © Copyright 2014 by authors and Scientific Research Publishing Inc. 2014 This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/

空气污染与人类活动、城市扩张等因素密切相关。本研究中利用中国区域1 km分辨率PM2.5数据,分析浙江省与温州市2000~2020年PM2.5浓度空间分布特征、年均值分布特征;应用Mann-Kendall检验法分析PM2.5浓度年平均值变化趋势。结果表明,浙江省与温州市2000~2020年PM2.5浓度均呈现先升高再降低的趋势,且PM2.5浓度年均值的降低和“十二五”国家规划高度相关;浙江省与温州市趋势突变点都出现在2017年,温州市PM2.5浓度年平均值的变化趋势显著大于浙江省。该研究有助于了解和掌握我国大气环境质量的演化发展情况,为区域的空气污染防治、城市发展规划提供参考借鉴。 Air pollution is closely related to human activities, urban expansion and other factors. In this study, the spatial distribution characteristics and annual average distribution characteristics of PM2.5concentration in Zhejiang Province and Wenzhou City from 2000 to 2020 were analyzed using the 1 km resolution PM2.5data in China; Mann-Kendall test was used to analyze the annual average change trend of PM2.5concentration. The results showed that the PM2.5concentration in Zhejiang Province and Wenzhou City increased first and then decreased from 2000 to 2020, and the reduction of the annual mean PM2.5concentration was highly related to the “Twelfth Five Year Plan”. The trend mutation points of Zhejiang Province and Wenzhou City both appeared in 2017, and the change trend of annual average PM2.5concentration in Wenzhou City was significantly greater than that in Zhejiang Province. This study is helpful to understand and master the evolution and development of atmospheric environment quality in China, and provide reference for regional air pollution prevention and urban development planning.

温州市,空气污染,PM 2.5,时空变化,Mann-Kendall检验, Wenzhou City Air Pollution PM 2.5 Temporal and Spatial Changes Mann-Kendall Test
摘要

空气污染与人类活动、城市扩张等因素密切相关。本研究中利用中国区域1 km分辨率PM2.5数据,分析浙江省与温州市2000~2020年PM2.5浓度空间分布特征、年均值分布特征;应用Mann-Kendall检验法分析PM2.5浓度年平均值变化趋势。结果表明,浙江省与温州市2000~2020年PM2.5浓度均呈现先升高再降低的趋势,且PM2.5浓度年均值的降低和“十二五”国家规划高度相关;浙江省与温州市趋势突变点都出现在2017年,温州市PM2.5浓度年平均值的变化趋势显著大于浙江省。该研究有助于了解和掌握我国大气环境质量的演化发展情况,为区域的空气污染防治、城市发展规划提供参考借鉴。

关键词

温州市,空气污染,PM2.5,时空变化,Mann-Kendall检验

Study on the Trend of Air Quality Changes in Wenzhou<sup> </sup>

Renchuan Qian1,2, Hongyang Bai1,2*, Qianwen Wu3, Yutai Ke3

1Wenzhou Data Management Development Group Co., Ltd., Wenzhou Zhejiang

2Doctor Innovation Station, Wenzhou Data Management Development Group Co., Ltd., Wenzhou Zhejiang

3College of Civil Engineering and Architecture, Wenzhou University, Wenzhou Zhejiang

Received: Mar. 11th, 2023; accepted: Apr. 13th, 2023; published: Apr. 20th, 2023

ABSTRACT

Air pollution is closely related to human activities, urban expansion and other factors. In this study, the spatial distribution characteristics and annual average distribution characteristics of PM2.5concentration in Zhejiang Province and Wenzhou City from 2000 to 2020 were analyzed using the 1 km resolution PM2.5data in China; Mann-Kendall test was used to analyze the annual average change trend of PM2.5concentration. The results showed that the PM2.5concentration in Zhejiang Province and Wenzhou City increased first and then decreased from 2000 to 2020, and the reduction of the annual mean PM2.5concentration was highly related to the “Twelfth Five Year Plan”. The trend mutation points of Zhejiang Province and Wenzhou City both appeared in 2017, and the change trend of annual average PM2.5concentration in Wenzhou City was significantly greater than that in Zhejiang Province. This study is helpful to understand and master the evolution and development of atmospheric environment quality in China, and provide reference for regional air pollution prevention and urban development planning.

Keywords:Wenzhou City, Air Pollution, PM2.5, Temporal and Spatial Changes, Mann-Kendall Test

Copyright © 2023 by author(s) and beplay安卓登录

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 引言

近几十年来,我国工业化和城市化进程加快,特别是某些粗放型、污染型工业的发展,同时也带来了大范围的城市空间扩张,机动车拥有量迅速增加,能源和资源消耗迅速增加,城市植被覆盖率迅速降低,从而造成了一系列的环境问题,其中就包括大气污染。我国是世界上最大的发展中国家,大气污染问题日益突出 [ 1 ] 。

回顾我国大气、雾霾污染的发展历程,尤其是对我国主要发展地区的污染演化特点进行分析可发现大气污染物的不断增长是造成大气颗粒物特别是PM2.5的主要因素之一。PM2.5是一种对呼吸系统和心脑血管系统有害的污染物,当浓度达到一定程度后,会增加人的患病几率。而PM2.5的高浓度会导致能见度的下降,从而对城市的可持续发展产生一定的负面作用。近几年,我国多地发生了严重的大气污染事故,从2012年起,在全国338个地级及以上城市相继建立了PM2.5的地面监测网络,并对其进行了监测。分析显示,我国大部分城市的PM2.5浓度经常超过正常值,而且PM2.5的污染都比较严重,并且以经济发达地区为主 [ 2 ] 。

根据美国国家航空航天局的大气微粒反演资料,中国2001~2006年PM2.5年平均浓度为80 μg/m3,与世界卫生组织(World Trade Organization, WHO)建议的PM2.5年平均浓度标准相差8倍。基于2010年中国疾病负担危险因子排名,中国的室内空气颗粒物污染是第四大健康危险源 [ 3 ] 。为提高全球的空气质量,世界上许多国家和地区都已建立了较为完备的大气环境监控体系 [ 4 ] 。比如,美国早在1997年就制定了PM2.5监控标准。到2010年末,欧美等发达国家已经把PM2.5列入大气污染指标,并对其实施了严格的控制。尤其是在某些主要城市,当地政府对PM2.5进行监测后,并将其发布到了社会上,让公众监督了解 [ 4 ] 。

目前已有学者对浙江省2012年至2015年的空气重污染过程统计特征及其预测方法开展了相关研究,但未对温州市空气质量做出针对性的评价 [ 5 ] ;同时针对某一研究区内空气质量变化趋势的分析方法大多为线性回归法、Spearman秩相关系数法 [ 6 ] 。研究中将Mann-Kendall (MK)检验法应用于PM2.5浓度年平均值变化趋势的分析,基于该方法的分析结果能更准确地反映研究区变化趋势,能判断出变化趋势的突变点。基于此,本文通过对浙江省与温州市2000~2020年的PM2.5浓度空间分布特征、年平均值变化趋势以及年均值分布进行分析,并考虑相关政策的实施对浙江省与温州市PM2.5浓度年均值量变化趋势的影响,以此了解浙江省与温州市在过去的21年内空气质量随时间的变化。

2. 数据及处理方法 2.1. 数据介绍

美国宇航局(National Aeronautics and Space Administration, NASA)在1999年将地球观测系统(Earth Observing System, EOS)泰拉(Terra) AM卫星送入地球轨道,并于2002年将另外一颗地球观测系统水(Aqua) PM卫星送入太空。这两颗卫星都装备有中分辨率成像光谱(MODIS),用以研究全球气候和人为活动的影响。该传感器具有36个波段,涵盖可见到红外的范围。每隔1至2天,就可获得一次地表观测资料,目的是为了广泛的采集全球陆、海及大气的资料,例如云覆盖的变化、地球能量辐射的变化,以及海洋和陆地表面的基础物理参量等。MODIS可提供可见光–近红外波段的气溶胶光学厚度(Aerosol Optical Depth, AOD)数据,对应的气溶胶颗粒尺寸在0.1~2 μm之间,与PM2.5的粒度分布基本一致,且两者之间存在较好的统计关系 [ 7 ] 。

在MODIS AOD的基础上,Alexei Lyapustin等进一步提出了大气校正的多角度实现(Multiangle implementation of atmospheric correction, MAIAC)算法。利用时序分析技术对大气中的气溶胶特征和双向反射系数进行反演,使AOD成像的分辨率提高到1公里 [ 8 ] [ 9 ] ,为建立高分辨率的PM2.5浓度预报模式奠定了基础 [ 10 ] 。然而,由于卫星资料的不确定性,导致PM2.5浓度预报的精度下降 [ 11 ] [ 12 ] ,故采用内插方法对其进行了平滑 [ 13 ] 。但是,平滑处理会人为地减少PM2.5的空间变异。Xiao等提出了多插补卫星AOD数据的多插补(MI)方法,通过分析大气气溶胶的光学厚度与云量、气象学条件之间的关系以及它们本身的空间和空间分布的连续性,建立了一种基于AOD的线性回归模型 [ 14 ] 。该方法在高精度卫星PM2.5模型的建立中得到了很好的应用 [ 14 ] [ 15 ] 。

China High PM2.5是覆盖中国地区的长期、全覆盖、高分辨率、高质量的大气污染物数据之一。该系统采用了MODIS/Terra + Aqua MAIAC AOD产品,并结合其它辅助资料,如地基测量,卫星遥感,大气再分析和模式仿真等,利用机器学习算法生成连续全覆盖的PM2.5数据。

2.2. 数据来源

PM2.5数据来源为中国北京师范大学博士生韦晶发布中国高分辨率高质量空气污染数据集,选用中国东部地区2000~2020年的MODIS PM2.5产品,空间分辨率为1 km,PM2.5浓度数据年估算与地面实测结果具有较高的相关性(R2= 0.94),均方根误差(RMSE)为5.07 μg/m3,平均绝对误差(MAE)为6.71 μg/m3,平均值误差(MRE)为21.37%。

辅助数据包括:基础GIS资料、工业产值情况和人口分布资料。基础GIS资料采用中国高清地图;工业产值数据来源为浙江省以及浙江省内各市的统计局;人口分布情况数据采用第五、六、七次人口普查数据,数据来源为国家统计局。

2.3. 数据处理方法

PM2.5原始数据为NetCDF格式,须首先将其转为ArcGIS的栅格数据格式,以便后续处理分析。NetCDF格式是遥感领域中常见的一种图像格式,其文件主要由定义维数(dimensions)、定义变量(variables)、变量(attributes)、数据(data)四部分组成,文件中的数据以数组形式存储。本文使用的PM2.5的数据为二维数组。TIFF格式文件是标签图像文件格式,其文件主要由文件头(IFH)、文件目录(IFD)、目录项(TAG)、图像数据四部分组成,文件中的数据以字节形式存储。NetCDF格式转TIFF格式在ArcGIS有直接转换的工具,可以使用模拟器对文件进行批量转换格式。利用重投影工具对TIFF格式文件进行投影。将转换后的栅格数据利用掩膜操作分别提取浙江省与温州市(下称研究区) 2000~2020年逐年的PM2.5浓度空间分布数据,再采用ArcGIS中的栅格计算器分别计算研究区逐年的PM2.5统计值(包括专题图的绘制)。

此外,为能够更直观地看出研究区21年间PM2.5浓度年均值的变化趋势,使用Mann-Kendall (MK)检验分析研究区的PM2.5浓度年均值,并绘制了研究区PM2.5的变化趋势图。MK检验可以综合已知的全部数据来判断突变年限、检验时间序列的变化趋势,此方法的功能强大,不需要样本遵循一定的分布,即使部分数据缺失也不会影响最终的结果,不受少数异常数值的干扰,在实际使用中的适用性较强 [ 16 ] 。

对于一个时间序列Xt= (x1, x2,…, xn),MK趋势检验的统计量S计算公式如下:

S k = ∑ i = 1 n − 1 ∑ k = i + 1 n sgn ( X k − X i ) (1)

由式(1)易知,统计量 S k 是第i时刻数值大于第j时刻数值的个数的累计数,且S1= 0。如果Sk是一个正数,那么后一部分的观测值相比之前的观测值会趋向于变大;如果Sk是一个负数,那么后一部分的观测值相比之前的观测值会趋向于变小。

其中,sgn为检验函数:

确定所有 n ( n − 1 ) 2 个Xk− Xi的差值函数 sgn ( θ ) ( n > k > i ≥ 1 )

sgn ( θ ) = { 1 , θ > 0 0 , θ = 0 − 1 , θ < 0 (2)

然后计算Sk的方差Var并定义统计量UF,UF可由式(3)计算得出:

U F k = { S k − 1 V a r , S k > 0 0 , S k = 0 S k + 1 V a r , S k < 0 k = 1 , 2 , ⋯ , n (3)

其中UF1= 0,UF含义为时间序列Xt的顺行变化趋势,且服从标准正态分布,给定显著性水平α = 0.05,则置信区间 U α = ± 1.96 。如果 | U F k | > | U α | ,则否定无趋势的零假设,表明序列存在明显的趋势变化。将序列Xt反转并再次使用以上方法,则可以得出另一统计量UB,UB含义为时间序列Xt的逆行变化趋势,UF与UB的交点即为时间序列Xt的趋势突变点。

3. 研究区介绍 3.1. 浙江省

浙江省地处中国东南沿海、长江三角洲南翼,属季风性湿润气候,自然条件较优越。地跨北纬27˚02'~31˚11',东经118˚01'~123˚10'。东临东海,南接福建,西与江西、安徽相连,北与上海、江苏接壤。浙江东西和南北的直线距离均为450公里左右,陆域面积10.55万平方公里,是中国面积较小的省份之一。其地理位置、工业产值情况、人口分布情况如图1所示。

图1. 浙江省地理位置、工业产值、人口分布概况

3.2. 温州市

温州市位于浙江省东南部,东濒东海,南与福建省宁德地区的福鼎、柘荣、寿宁三县毗邻,西和丽水地区的缙云、青田、景宁畲族自治县相接,北和东北与台州地区的仙居、黄岩、温岭、玉环四县为界。全境介于北纬27˚03'~28˚36',东经119˚37'~121˚18'之间,属中亚热带季风气候区,冬夏季风交替显著,温度适中,四季分明,雨量充沛。其地理位置、工业产值情况、人口分布情况如图2所示。

图2. 温州市地理位置、工业产值、人口分布概况

4. 研究区PM<sub>2.5</sub>时空分布特征 4.1. 研究区PM<sub>2.5</sub>浓度空间分布特征

利用2000~2020年浙江省逐年的PM2.5浓度数据得到该地区21年的PM2.5浓度累计平均值分级分布图,如图3所示。结果显示,浙江省21年的PM2.5浓度位于优(24小时PM2.5平均浓度为0 μg/m3~35 μg/m3)和轻度污染(24小时PM2.5平均浓度为75 μg/m3~115 μg/m3)之间,PM2.5浓度总平均为良。高值区主要分布在湖州市北部以及嘉兴市东部。浙江省南部地区(包括丽水市、温州市西部及北部、台州市西部及北部、金华市东部及西南部) PM2.5平均浓度较低。PM2.5浓度最大值出现在嘉兴市海盐县东部,PM2.5浓度平均值为115.44 μg/ m3

图3. 浙江省21年的PM2.5浓度累计平均值分级分布

图4. 温州市21年的PM2.5浓度累计平均值分级分布

利用2000~2020年温州市逐年的PM2.5浓度数据得到该地区21年的PM2.5浓度累计平均值分级分布图,如图4所示。结果显示,温州市21年的PM2.5浓度位于优(24小时PM2.5平均浓度为0 μg/m3~35 μg/m3)和良(24小时PM2.5平均浓度为35 μg/m3~75 μg/m3)之间,PM2.5浓度总平均为良。高值区主要分布在温州市东部及东北部地区(包括乐清市、鹿城区、瓯海区、瑞安市与平阳县的东部),市内其他地区PM2.5平均浓度较低。PM2.5浓度最大值出现在瑞安市东部,PM2.5浓度平均值为71.53 μg/m3

4.2. 研究区PM<sub>2.5</sub>浓度年均值分布

由图5可知浙江省2000~2020年的PM2.5浓度年均值分布。2000年,PM2.5浓度高值区主要为浙江省北部以及东南部。2001年PM2.5浓度高值区向南部扩散。2002年浙江省西南部PM2.5浓度对比上一年有所减少。2003~2012年,浙江省内PM2.5浓度总体上升,嘉兴市、湖州市的大部分地区PM2.5浓度长期位于良与轻度污染之间,其中湖州市北部、嘉兴市东部的PM2.5浓度位于中度污染。2013年,浙江省南部地区的PM2.5浓度相较于2012年有所降低,但嘉兴市、湖州市的大部分地区PM2.5浓度依旧位于轻度污染。2014~2020年,浙江省内PM2.5浓度逐年下降,2020年浙江省的大部分地区PM2.5浓度位于优。

图5. 浙江省2000~2020年PM2.5浓度年均值分级分布

由图6可知温州市2000~2020年的PM2.5浓度年均值分布。2000年,温州市PM2.5浓度总体位于优,乐清市以及鹿城区、瓯海区、瑞安市、平阳县PM2.5浓度位于良。2001年温州市PM2.5浓度总体位于良,与上一年相比,PM2.5浓度上升。2002年除乐清市以及鹿城区、瓯海区、瑞安市、平阳县以外,其余地区PM2.5浓度对比上一年有所减少。2003~2012年,温州市内PM2.5浓度总体上升,泰顺县、文成县、平阳县的部分地区PM2.5浓度位于优,其余地区PM2.5浓度长期位于良。2013~2020年,温州市PM2.5浓度逐年下降,2020年温州市的全部地区PM2.5浓度位于优。

图6. 温州市2000~2020年PM2.5浓度年均值分级分布

4.3. 研究区PM<sub>2.5</sub>浓度年均值时间分布特征

图7. 浙江省与温州市2000~2020年PM2.5浓度年平均值变化

由图7可知,浙江省PM2.5浓度年平均值介于25.54 μg/m3~58.31 μg/m3,整体上呈现出先上升后下降的趋势。2000~2003年PM2.5浓度年平均值都高于上一年,在2003年达到第一个高峰值(57.70 μg/m3);2004~2006年,PM2.5浓度年平均值逐年下降并于2006年达到第一个低峰值(55.80 μg/m3);2007年陡然上升(58.05 μg/m3);2007~2010年PM2.5浓度年平均值逐年下降并于2010年达到第二个低峰值(54.28 μg/m3);2011年陡然上升(58.30 μg/m3);2012~2020年PM2.5浓度年平均值逐年下降(2019年除外),从2018年开始浙江省PM2.5浓度年平均值位于优;2020年达到PM2.5浓度年平均值最低值(25.54 μg/m3)。

温州市PM2.5浓度年平均值介于23.07 μg/m3~52.80 μg/m3,整体上呈现出先上升后下降的趋势。2000~2005年PM2.5浓度年平均值逐年上升(2002年除外),2002年出现第一个低峰值(45.35 μg/m3);2006~2011年,温州市PM2.5浓度年平均值在48.19 μg/m3~52.80 μg/m3范围内变动;2012~2020年PM2.5浓度年平均值逐年下降(2019年除外),从2017年开始温州市PM2.5浓度年平均值位于优;2020年达到PM2.5浓度年平均值最低值(23.07 μg/m3)。

4.4. 研究区PM<sub>2.5</sub>浓度年均值变化趋势

由MK检验(图8)可知,浙江省PM2.5浓度年平均值整体均呈现出先升高,再逐渐降低的趋势,在2000~2013年呈现上升趋势,2014~2020年呈现下降趋势,其变化趋势突变点位于2017年。其中2003、2007、2008年浙江省的UF分别达到2.03、1.97、2.08,可以将这几年浙江省的PM2.5浓度年平均值变化趋势判定显著提升;2018年浙江省的UF为−1.96,且在此之后浙江省每年的UF逐年降低,则可以将浙江省2018年及以后的PM2.5浓度年平均值变化趋势判定为显著下降。

图8. 浙江省PM2.5浓度年均值MK趋势分析图

由MK检验(图9)可知,温州市PM2.5浓度年平均值变化趋势与浙江省的类似,整体均呈现出先升高,再逐渐降低的趋势,在2000~2013年呈现上升趋势,2014~2020年呈现下降趋势,其变化趋势突变点位于2016~2017年之间。温州市在2004~2009年这六年间的UF均大于1.96,可以判定温州市在这六年间的PM2.5浓度年平均值变化趋势为显著上升;2018年温州市的UF为−2.34,且在此之后温州市每年的UF逐年降低,则可以将温州市2018年及以后的PM2.5浓度年平均值变化趋势判定为显著下降。

图9. 温州市PM2.5浓度年均值MK趋势分析图

5. 结论

本文利用2000~2020年的年均PM2.5数据分析了浙江省与温州市21年间的PM2.5浓度的时空分布特征变化情况,得出如下主要结论:

1) 浙江省的PM2.5浓度最大值出现在嘉兴市海盐县南部,温州市的PM2.5浓度最大值出现在瑞安市东部。浙江省与温州市的PM2.5浓度年平均值变化趋势都呈现先上升、然后快速下降的趋势。在2000~2014年间呈现上升趋势;在2014~2020年间呈现快速下降趋势。

2) 在2000~2020年间,温州市每年的PM2.5浓度年均值都小于浙江省。但由MK检验可知,在2004~2009年这6年间温州市的PM2.5浓度年均值呈现显著上升趋势,而浙江省在同期的PM2.5浓度年均值虽然也处于上升趋势,但其上升趋势小于温州市的上升趋势。由MK检验可知,在2018~2020年间浙江省与温州市的PM2.5浓度年平均值变化趋势都呈现显著下降趋势,但温州市在这几年间的UF均小于浙江省,说明在这几年间温州市的PM2.5浓度年平均值下降趋势要比浙江省的更加明显。

3) 2000~2004年,浙江省的PM2.5浓度高值区由北部向中部蔓延;2005~2011年,PM2.5浓度随着年份的变化产生一定幅度的波动,但PM2.5浓度高值区依旧位于浙江省北部及中部;2012~2020年,浙江省的PM2.5浓度高值区面积呈现明显的缩小趋势,除2013年的PM2.5浓度高值区面积较大,其余年份的PM2.5浓度高值区面积都相较于上一年有所缩小。

4) 温州市2001年的PM2.5浓度高值区由温州市中部向四周蔓延;2002年相较于上一年,其PM2.5浓度高值区面积有所缩小;2003、2004年PM2.5浓度高值区又从温州市中部向四周蔓延;2005~2011年,温州市PM2.5浓度高值区面积呈现较为平缓的变化趋势;2012~2020年,温州市PM2.5浓度高值区面积呈现明显的缩小趋势,PM2.5浓度高值区逐年从四周向温州市中心收缩。

5) 现有研究表明,在“十二五”国家规划之后,中国多个城市的空气质量显著提升 [ 17 ] 。

浙江省与温州市的PM2.5浓度年均值从2011年开始逐年减小(仅有2019年除外),这与“十二五”国家规划在时间上高度吻合,则可以说明研究区PM2.5浓度年均值的下降和“十二五”国家规划高度相关。

基金项目

温州市基础性科研项目(S20210012)。

文章引用

钱仁川,白洪扬,吴倩文,柯毓泰. 温州市空气质量变化趋势研究Study on the Trend of Air Quality Changes in Wenzhou[J]. 环境保护前沿, 2023, 13(02): 322-332. https://doi.org/10.12677/AEP.2023.132042

参考文献 References 时燕, 刘瑞梅, 罗毅, 杨昆. 近20年来中国PM2.5污染演变的时空过程[J]. 环境科学, 2020, 41(1): 1-13. 郦嘉诚, 高庆先, 李亮, 等. 对首要污染物所揭示的京津冀环境空气质量状况的认识启迪与对策建议[J]. 环境科学研究, 2018, 31(10): 1651-1661. 穆泉, 张世秋. 中国2001-2013年PM2.5重污染的历史变化与健康影响的经济损失评估[J]. 北京大学学报(自然科学版), 2015, 51(4): 694-706. 尚勇. 全球问题的中外关联——以大气污染为例[J]. 改革与开放, 2015(15): 46+51. 李怀川. 浙江省空气重污染过程统计特征及浙南重污染预报方法的探讨[D]: [硕士学位论文]. 兰州: 兰州大学, 2017. 赵燕, 李大伟, 翟宇虹, 方晓丹. 2014年-2021年珠海市环境空气质量变化趋势及污染特征研究[J]. 环境科学与管理, 2022, 47(12): 144-149. Remer, L.A., Kaufman, Y.J., Tanré, D., et al. (2005) The MODIS Aerosol Algorithm, Products, and Validation. Journal of the Atmospheric Sciences, 62, 947-973.
https://doi.org/10.1175/JAS3385.1
Lyapustin, A., Wang, Y., Laszlo, I., et al. (2011) Multiangle Implementation of Atmospheric Correction (MAIAC): 2. Aerosol Algorithm. Journal of Geophysical Research: Atmospheres, 116, Article No. D03211.
https://doi.org/10.1029/2010JD014986
Lyapustin, A., Wang, Y., Laszlo, I., et al. (2012) Multi-Angle Im-plementation of Atmospheric Correction for MODIS (MAIAC): 3. Atmospheric Correction. Remote Sensing of Envi-ronment, 127, 385-393.
https://doi.org/10.1016/j.rse.2012.09.002
Zheng, Y., Zhang, Q., Liu, Y., Geng, G. and He, K. (2016) Esti-mating Ground-Level PM2.5 Concentrations over Three Megalopolises in China Using Satellite-Derived Aerosol Optical Depth Measurements. Atmospheric Environment, 124, 232-242.
https://doi.org/10.1016/j.atmosenv.2015.06.046
van Donkelaar, A., Martin, R.V., Levy, R.C., et al. (2011) Satellite-Based Estimates of Ground-Level Fine Particulate Matter during Extreme Events: A Case Study of the Moscow Fires in 2010. Atmospheric Environment, 45, 6225-6232.
https://doi.org/10.1016/j.atmosenv.2011.07.068
Lv, B., Hu, Y., Chang, H.H., et al. (2017) Daily Estimation of Ground-Level PM2.5 Concentrations at 4 km Resolution Over Beijing-Tianjin-Hebei by Fusing MODIS AOD and Ground Observations. Science of the Total Environment, 580, 235-244.
https://doi.org/10.1016/j.scitotenv.2016.12.049
Just, A.C., Wright, R.O., Schwartz, J., et al. (2015) Using High-Resolution Satellite Aerosol Optical Depth to Estimate Daily PM2.5 Geographical Distribution in Mexico City. Environmental Science & Technology, 49, 8576-8584.
https://doi.org/10.1021/acs.est.5b00859
Xiao, Q., Wang, Y., Chang, H.H., et al. (2017) Full-Coverage High-Resolution Daily PM2.5 Estimation Using MAIAC AOD in the Yangtze River Delta of China. Remote Sensing of Environment, 199, 437-446.
https://doi.org/10.1016/j.rse.2017.07.023
Huang, K., Xiao, Q., Meng, X., et al. (2018) Predicting Monthly High-Resolution PM2.5 Concentrations with Random Forest Model in the North China Plain. Environmental Pollution, 242, 675-683.
https://doi.org/10.1016/j.envpol.2018.07.016
晨澄, 杨友健, 白直旭. 瓯江流域感潮河段潮位变化趋势分析[J]. 陕西水利, 2022(7): 1-5+11. 刘亦文. 碳减排约束政策对中国城市空气质量的影响研究[J]. 湖南大学学报(社会科学版), 2022, 36(2): 73-81.
Baidu
map