基于遥感与地面监测数据的上海市PM_(2.5)浓度时空变化研究

【摘要】：生态系统结构在近十几年遭到人类的严重破坏,引起空气雾霾污染事件频繁发生。生态环境问题已经成为我国乃至世界各国密切关心的热点问题。我国环境公报2013-2017年数据显示,超过70%的参与空气质量监测的城市污染物超标,平均未达标天数为30%。其中,严重污染情况又以PM_(2.5)为首要污染物的天数居多。PM_(2.5)导致可见度下降、引起地球辐射失衡等环境变化,对人体健康有负面影响。因此,有关PM_(2.5)的研究,近年来已经成为人们关注的焦点。我国于2013年才正式将PM_(2.5)浓度纳入国家空气质量监测范围,但是在这之前的大范围PM_(2.5)监测数据有限,难以满足大范围面状监测要求。遥感技术具有多平台、多传感器、多分辨率、短时间重返周期和空间大范围观测等优点,可以从一定程度上克服地面监测布点不足的局限性。上海作为一个东部长三角地区经济快速发展、人口密集的重要城市,一直是国家空气质量监测的重点区域之一。气溶胶光学厚度(Aerosol Optical Depth,AOD)结合其他影响因子建立AOD-PM_(2.5)关系模型,是卫星估算PM_(2.5)浓度常用方法。论文以上海市为研究区域,提出了一种利用遥感可见光波段反演AOD算法,结合气象、NDVI和时间等因子采用逐步回归和L-M优化BP神经网络方法建立了PM_(2.5)日均浓度估算模型,利用小波分析挖掘出PM_(2.5)浓度不同时间尺度变化特征,最后通过空间相关方法探索出PM_(2.5)浓度不同时间尺度分布及变化原因。论文主要研究工作总结如下:(1)从图像去雾霾角度,提出了一种AOD反演算法。从图像去雾霾角度出发,采用暗通道先验算法、高斯滤波提出了一种适用于可见光波段反演AOD算法。反演算法提高了AOD有效观测天数,较好地反映了研究区域AOD整体分布,同时与实测AOD具有0.71的相关系数和较好的拟合精度。研究区域AOD空间分布整体呈现出从沿海往内陆逐渐减少、上海市区及附近地区AOD(0.9)较高、水域及周边地区AOD(0.6)较低等分布特征。(2)结合逐步回归和L-M优化BP神经网络方法,建立了PM_(2.5)浓度估算模型。AOD结合气象、NDVI和时间等因子有效提高了PM_(2.5)浓度多元线性模型精度,但是也引起因子数量呈倍数增长。利用逐步回归方法将34个影响因子减少为23个显著因子。再采用L-M优化BP神经网络方法建立了PM_(2.5)浓度估算模型。研究证明,模型估算日均值与实测PM_(2.5)浓度回归系数达0.79以上,均方差为12μg/m~3。月均值与实测PM_(2.5)浓度回归系数达0.76,年度拟合略有差异。模型在不同站点上均显示出较高精度,回归系数均在0.81-0.88之间。(3)分析了上海市PM_(2.5)浓度长时间序列变化特征。2000-2016年间,研究证明上海市空气质量以优良为主,约为79.92%,重度污染天数约为0.38%。采用小波分析挖掘出PM_(2.5)浓度变化三个时间尺度周期特征:第一主周期时长约1年,周期稳定,PM_(2.5)浓度呈现微弱减少趋势;第二周期时长约为6年,周期稳定,PM_(2.5)浓度呈现微弱增加趋势;第三主周期时长约为6个月,周期变化复杂,PM_(2.5)浓度呈现减少趋势。(4)分析了上海市PM_(2.5)浓度空间分布及变化特征。2000-2016年间上海市各地区PM_(2.5)年均浓度在48-56μg/m~3之间,呈现从沿海往内陆、从东往西逐渐减少的趋势,主要受到风速、风向和温度影响。年度间略有差别,高PM_(2.5)浓度年份主要受风速、风向、气温、边界层高度等少数因子影响,低PM_(2.5)浓度年份主要受多数因子共同影响。PM_(2.5)月均浓度空间分布差异较大,分布在27~92μg/m~3范围内,每月影响因子作用差别较大。本文主要创新点:(1)针对部分卫星影像缺少主流AOD反演算法的部分波段及参数较多等问题,从图像去雾霾角度提出了一种适用可见光遥感反演AOD方法。(2)考虑了影响因子的延时效应,增加前两天的影响因子,研究证明60%的PM_(2.5)浓度是受前两天因子的影响,从一定程度上提高了PM_(2.5)浓度反演精度。(3)基于小波变换挖掘出2000-2016年期间上海市PM_(2.5)浓度三个时间尺度周期,分别为1年、6年和6个月,并分析不同时间尺度上周期变化趋势及特征。