基于地基GNSS与MODIS的PM2.5浓度分析研究
发布时间：2021-06-24 05:16
近些年,随着我国经济快速发展,城市空气污染已成为影响生态环境的突出问题之一,其中PM2.5污染最为严重。目前,主要通过地面监测站来监测PM2.5浓度,但由于监测站数量有限、分布不均匀、无法对大区域的空气污染物进行实时监测,使其具有一定的局限性,利用地基GNSS技术与卫星遥感技术监测PM2.5浓度已成为一种新趋势、新方法。本文结合地基GNSS技术全天候、实时性及卫星遥感技术全覆盖、空间性的优点,利用2018年陕西地区大气可降水量（Precipitable Water Vapor,PWV）、气溶胶光学厚度（Aerosol Optical Depth,AOD）、空气质量、气象及地理位置数据等,构建地理加权回归（Geographically Weighted Regression,GWR）模型模拟 PM2.5 浓度,分析陕西地区PM2.5浓度分布特征。对GWR模型适用性及模拟精度进行分析评定,发现综合考虑多因素及空间差异性的GWR模型更适合陕西地区PM2.5空间聚集特征,可预测监测站未覆盖区域更高精度的PM2.5浓度,主要研究内容如下:（1）基于地基GNSS技术的PM2.5浓度反演分析。利用2...
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
技术路线图
2研究区域及数据获取72研究区域及数据获取2.1研究区域概况本文选取空气污染较为严重的陕西地区作为研究区域，陕西地区地处我国西北部黄河中游地区，总面积205603km2，经纬度范围为东经105°29′～111°15′、北纬31°42′～39°35′。陕西北部主要以黄土高原为主，中部、南部分别以关中平原和秦巴山区为主，南北海拔高，分别为900m-1900m和1000m-3000m，中部海拔较低仅为460m-850m。研究区域地面空气质量监测站、气象站和GNSS站分布情况（图2.1所示）。图2.1研究区域各站点分布图研究区域四季分明，南北气候差异大，其中关中、陕北地区以暖温带气候为主，陕南地区以北亚热带气候为主，春季（3月至5月）降水量少，夏季（6月至8月）高温多雨，秋季（9月至11月）气候湿润，冬季（12月、1月、2月）天冷干燥。降水量夏多冬少，大范围降雨主要集中在7～8月；南多北少，由南向北递减，受地形影响明显。本文研究时间为2018年，研究时期陕西省人口约3864万人，GDP为24438.320亿元，相比2017年增加8.3%。工业产业稳定发展并持续增长，其中能源工业增速较快，煤炭开采及洗选业、石油与天然气开采业、石油与煤炭及其它燃料加工业均有不同程度增长，分别增长12.3%、11.9%、9.1%。电力、热力生产和供应业同比增长1.2%。
2研究区域及数据获取9一般用空气质量指数AQI（AirQualityIndex，AQI）来评价空气质量状况，其中包含PM2.5、PM10、SO2、NO2、O3、CO六项指标，其范围及等级（表2.2所示）。表2.2空气质量AQI指数、PM2.5标准值空气质量等级AQI指数PM2.5标准值（单位：μg/m3）优（一级）0-500-35良（二级）51-10035-75轻度污染（三级）101-15075-115中度污染（四级）151-200115-150重度污染（五级）201-300150-250严重污染（六级）＞300＞250利用陕西省环保局数据中心公布的2018年各季节污染物含量和历年污染物排放量数据，分析研究区域空气污染情况及主要污染物含量。结果显示，空气污染主要受大气颗粒污染物的影响，多发生在冬季，夏季臭氧也会产生影响，碳氧化物等污染物出现概率较校造成空气污染的主要污染物有PM2.5、PM10、NO2、SO2、CO、O3，2018年平均浓度分别为51μg/m3、104μg/m3、40μg/m3、16μg/m3、2.0μg/m3、164μg/m3，各市PM2.5浓度均未达到二级标准，城市空气优良率仅为66.5%。分析计算2018年研究区域各站点空气质量数据，获取PM2.5浓度空间分布情况（图2.2所示，单位：μg/m3）。图2.2研究区域年均PM2.5空间分布图
【参考文献】：
期刊论文
[1]京津冀冬季气溶胶光学厚度遥感反演[J]. 孙灏,刘伟汉,王艳梅,周伟,蔡创创. 遥感信息. 2020(01)
[2]连续台风时期香港区域的水汽变化分析[J]. 周苏娅,闻德保,梅登奎. 大地测量与地球动力学. 2020(01)
[3]深空站区域对流层延迟模型构建及在嫦娥四号中的应用[J]. 路伟涛,谢剑锋,韩松涛,陈略,任天鹏,牛东文,王美,李黎. 中国科学:技术科学. 2019(11)
[4]CMONOC观测约束下的中国大陆地区MODIS PWV校正[J]. 刘备,王勇,娄泽生,占伟. 测绘学报. 2019(10)
[5]基于超快速星历反演大气可降水量的精度分析[J]. 师芸,邬康康,申靖宇. 全球定位系统. 2019(05)
[6]融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究[J]. 王勇,任栋,刘严萍,李江波. 武汉大学学报(信息科学版). 2019(08)
[7]大气气溶胶成分遥感研究进展[J]. 李正强,谢一凇,张莹,李雷,许华,李凯涛,李东辉. 遥感学报. 2019(03)
[8]利用BDS数据反演大气可降水量及其精度分析[J]. 高志钰,李建章,刘彦军,刘江涛,张健珲. 测绘通报. 2019(05)
[9]对流层映射函数对GNSS反演可降水量的影响分析[J]. 黄逸宇,魏冠军,任瑞. 全球定位系统. 2019(02)
[10]区域CORS网在PM2.5监测中的应用研究[J]. 李建武,海连洋,马远新,王腾军,宋会传. 测绘通报. 2019(01)
博士论文
[1]联合空基和地基GNSS观测反演大气水汽方法研究[D]. 夏朋飞.武汉大学 2018
硕士论文
[1]基于MODIS和地面监测数据的西安市PM2.5浓度反演研究[D]. 毛敏.长安大学 2018
[2]联合地基GNSS与MODIS的雾霾预测[D]. 梁春丽.桂林理工大学 2018
[3]京津冀地区PM2.5浓度预测模型建立与时空分析[D]. 崔相辉.山东科技大学 2018
[4]环渤海区域PM2.5时空地统计建模与分析[D]. 刘颖颖.华中农业大学 2017
[5]基于MODIS影像的中国地区气溶胶产品验证与PM2.5反演[D]. 张天棋.西南交通大学 2017
[6]GPS技术用于雾霾天气监测的探索研究[D]. 吕旭阳.长安大学 2015
[7]基于MODIS数据的气溶胶光学厚度与PM2.5浓度关系研究[D]. 范辰乾.山东师范大学 2014
[8]PM2.5浓度土地利用回归建模关键问题研究[D]. 罗艳青.中南大学 2014
本文编号：3246447
【文章来源】：西安科技大学陕西省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
技术路线图
2研究区域及数据获取72研究区域及数据获取2.1研究区域概况本文选取空气污染较为严重的陕西地区作为研究区域，陕西地区地处我国西北部黄河中游地区，总面积205603km2，经纬度范围为东经105°29′～111°15′、北纬31°42′～39°35′。陕西北部主要以黄土高原为主，中部、南部分别以关中平原和秦巴山区为主，南北海拔高，分别为900m-1900m和1000m-3000m，中部海拔较低仅为460m-850m。研究区域地面空气质量监测站、气象站和GNSS站分布情况（图2.1所示）。图2.1研究区域各站点分布图研究区域四季分明，南北气候差异大，其中关中、陕北地区以暖温带气候为主，陕南地区以北亚热带气候为主，春季（3月至5月）降水量少，夏季（6月至8月）高温多雨，秋季（9月至11月）气候湿润，冬季（12月、1月、2月）天冷干燥。降水量夏多冬少，大范围降雨主要集中在7～8月；南多北少，由南向北递减，受地形影响明显。本文研究时间为2018年，研究时期陕西省人口约3864万人，GDP为24438.320亿元，相比2017年增加8.3%。工业产业稳定发展并持续增长，其中能源工业增速较快，煤炭开采及洗选业、石油与天然气开采业、石油与煤炭及其它燃料加工业均有不同程度增长，分别增长12.3%、11.9%、9.1%。电力、热力生产和供应业同比增长1.2%。
2研究区域及数据获取9一般用空气质量指数AQI（AirQualityIndex，AQI）来评价空气质量状况，其中包含PM2.5、PM10、SO2、NO2、O3、CO六项指标，其范围及等级（表2.2所示）。表2.2空气质量AQI指数、PM2.5标准值空气质量等级AQI指数PM2.5标准值（单位：μg/m3）优（一级）0-500-35良（二级）51-10035-75轻度污染（三级）101-15075-115中度污染（四级）151-200115-150重度污染（五级）201-300150-250严重污染（六级）＞300＞250利用陕西省环保局数据中心公布的2018年各季节污染物含量和历年污染物排放量数据，分析研究区域空气污染情况及主要污染物含量。结果显示，空气污染主要受大气颗粒污染物的影响，多发生在冬季，夏季臭氧也会产生影响，碳氧化物等污染物出现概率较校造成空气污染的主要污染物有PM2.5、PM10、NO2、SO2、CO、O3，2018年平均浓度分别为51μg/m3、104μg/m3、40μg/m3、16μg/m3、2.0μg/m3、164μg/m3，各市PM2.5浓度均未达到二级标准，城市空气优良率仅为66.5%。分析计算2018年研究区域各站点空气质量数据，获取PM2.5浓度空间分布情况（图2.2所示，单位：μg/m3）。图2.2研究区域年均PM2.5空间分布图
【参考文献】：
期刊论文
[1]京津冀冬季气溶胶光学厚度遥感反演[J]. 孙灏,刘伟汉,王艳梅,周伟,蔡创创. 遥感信息. 2020(01)
[2]连续台风时期香港区域的水汽变化分析[J]. 周苏娅,闻德保,梅登奎. 大地测量与地球动力学. 2020(01)
[3]深空站区域对流层延迟模型构建及在嫦娥四号中的应用[J]. 路伟涛,谢剑锋,韩松涛,陈略,任天鹏,牛东文,王美,李黎. 中国科学:技术科学. 2019(11)
[4]CMONOC观测约束下的中国大陆地区MODIS PWV校正[J]. 刘备,王勇,娄泽生,占伟. 测绘学报. 2019(10)
[5]基于超快速星历反演大气可降水量的精度分析[J]. 师芸,邬康康,申靖宇. 全球定位系统. 2019(05)
[6]融合GNSS PWV、风速与大气污染观测的河北省春季PM2.5浓度模型研究[J]. 王勇,任栋,刘严萍,李江波. 武汉大学学报(信息科学版). 2019(08)
[7]大气气溶胶成分遥感研究进展[J]. 李正强,谢一凇,张莹,李雷,许华,李凯涛,李东辉. 遥感学报. 2019(03)
[8]利用BDS数据反演大气可降水量及其精度分析[J]. 高志钰,李建章,刘彦军,刘江涛,张健珲. 测绘通报. 2019(05)
[9]对流层映射函数对GNSS反演可降水量的影响分析[J]. 黄逸宇,魏冠军,任瑞. 全球定位系统. 2019(02)
[10]区域CORS网在PM2.5监测中的应用研究[J]. 李建武,海连洋,马远新,王腾军,宋会传. 测绘通报. 2019(01)
博士论文
[1]联合空基和地基GNSS观测反演大气水汽方法研究[D]. 夏朋飞.武汉大学 2018
硕士论文
[1]基于MODIS和地面监测数据的西安市PM2.5浓度反演研究[D]. 毛敏.长安大学 2018
[2]联合地基GNSS与MODIS的雾霾预测[D]. 梁春丽.桂林理工大学 2018
[3]京津冀地区PM2.5浓度预测模型建立与时空分析[D]. 崔相辉.山东科技大学 2018
[4]环渤海区域PM2.5时空地统计建模与分析[D]. 刘颖颖.华中农业大学 2017
[5]基于MODIS影像的中国地区气溶胶产品验证与PM2.5反演[D]. 张天棋.西南交通大学 2017
[6]GPS技术用于雾霾天气监测的探索研究[D]. 吕旭阳.长安大学 2015
[7]基于MODIS数据的气溶胶光学厚度与PM2.5浓度关系研究[D]. 范辰乾.山东师范大学 2014
[8]PM2.5浓度土地利用回归建模关键问题研究[D]. 罗艳青.中南大学 2014
本文编号：3246447
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3246447.html
