CN103942439A - 一种基于气象观测数据的可吸入颗粒物浓度估算方法 - Google Patents
一种基于气象观测数据的可吸入颗粒物浓度估算方法 Download PDFInfo
- Publication number
- CN103942439A CN103942439A CN201410171151.3A CN201410171151A CN103942439A CN 103942439 A CN103942439 A CN 103942439A CN 201410171151 A CN201410171151 A CN 201410171151A CN 103942439 A CN103942439 A CN 103942439A
- Authority
- CN
- China
- Prior art keywords
- ground
- meteorological
- aerosol
- website
- scat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大气能见度与相对湿度观测数据估算近地面可吸入颗粒物(PM10)浓度的方法,包括:S1:基于水平能见度观测数据计算近地面气溶胶散射系数;S2:基于近地面气溶胶消光系数与PM10质量浓度计算气溶胶平均质量散射效率;S3:根据季节、背景环境及气象信息,建立气溶胶平均质量散射效率与相对湿度的相关模型;S4:利用S3所述相关模型,基于大气能见度与相对湿度观测数据估算PM10浓度。本发明通过基于大气能见度、相对湿度等气象数据估算近地面颗粒物污染水平,能有效补充颗粒物地面监测站点的不足,拓展颗粒物浓度监测的空间范围。
Description
技术领域
本发明涉及大气环境遥感监测技术领域,特别涉及一种基于地面气象观测数据的近地面可吸入颗粒物(PM10)浓度估算方法。
背景技术
作为一种主要的大气污染物,气溶胶对公共健康的影响已经是公认的事实,直接威胁着人类生存与可持续发展。其中,可吸入颗粒物PM10(空气动力学直径小于10μm的颗粒物)可达人体的支气管区,粒径小于5μm的颗粒物可达到肺泡区,部分更小的粒子甚至可以通过毛细血管进入人体血液循环系统,对心脏及心血管造成较大危害。据《2006年中国环境状况公报》统计,在我国监测的557个城市中,43.4%的城市大气质量没有达标,颗粒物为主要污染物。
准确获取PM10的时空分布、来源及传输路径是衡量其污染影响,制定颗粒物防治政策的重要保障。当前PM10监测主要依靠地面环境站点获取,然而由于观测设备一般昂贵且维护复杂,环境监测站点分布不均且数量有限。而地面气象站点相对于环境监测站点而言,数量更大且空间分布较为均匀,如果基于经验方法由气象站点观测的数据估算周边PM10浓度,将有效补充环境监测站点的数据不足。目前,大气能见度和相对湿度已成为绝大部分气象站点的基本观测数据,数据质量较为可靠。更重要的是,气象数据往往比环境监测数据获取的时间更长,可用于某地区颗粒物污染状况的历史数据分析。
发明内容
本发明要解决的技术问题是基于地面气象站点观测的大气能见度及相对湿度数据,估算近地面可吸入颗粒物PM10浓度,从而进一步拓展颗粒物监测的空间覆盖能力。
为解决上述技术问题,本发明提供了一种基于地面气象观测数据的近地面可吸入颗粒物(PM10)浓度估算方法,包括以下步骤:
S1、选择建模站点:选择处于同类环境中的、用于建模的地面气象站点(具有能见度及相对湿度观测数据)和地面环境监测站点(具有PM10质量浓度观测数据);
S2、计算散射系数:基于所述地面气象站点观测的大气能见度,依据已知经验关系,计算所述地面气象站点处近地面气溶胶散射系数(aerosol scatteringcoefficient);
S3、计算平均质量散射效率:基于步骤S2所述近地面气溶胶散射系数与步骤S1中所述地面环境监测站点观测的PM10质量浓度数据,计算近地面气溶胶平均质量散射效率(aerosol average mass scattering efficiency);
S4、拟合相关模型:根据目标时间段不同气溶胶类型,基于步骤S3所述气溶胶平均质量散射效率与S1中所述地面气象站点获取的相对湿度,按时间进行匹配,选取非线性经验函数拟合得到二者的相关模型;根据Mie散射理论,假定气溶胶的化学组分与粒径分布在一定时间内变化不大,则气溶胶平均质量散射效率可近似看作相对湿度的函数;
S5、估算PM10浓度:利用步骤S4所述相关模型,基于与S1所述用于建模的地面气象站点处于同类环境的另一地面气象站点所观测的大气能见度与相对湿度数据,按不同气溶胶类型估算所述另一地面气象站点近地面PM10质量浓度。估算的过程是:
S51、基于所述另一地面气象站点观测的大气能见度计算所述另一地面气象站点处的近地面气溶胶散射系数;
S52、根据气溶胶来源类型选取目标时间段所述相关模型,由所述另一地面气象站点处观测的相对湿度计算出所述另一地面气象站点处近地面气溶胶平均质量散射效率;
S53、由所述另一地面气象站点处近地面气溶胶散射系数与所述另一地面气象站点处气溶胶平均质量散射效率,计算所述另一地面气象站点处PM10质量浓度。
优选地,步骤S4所述不同气溶胶类型,具体包括:根据地面站点所在区域的气象条件与气溶胶来源,将当地目标时间段气溶胶分为无机成分主导型和有机成分主导型两种类型。
步骤S1和步骤S5所述同类环境,指城市或农村中设定的距离范围、或污染程度处于相同的量化范围。
优选地,在所述同类环境中,所述用于建模的地面气象站点和地面环境监测站点距离A小于所述用于建模的地面气象站点和所述另一地面气象站点之间的距离B。建模时PM10观测数据与能见度、相对湿度的观测最好是在同一地点,或者二者相距越近越好;而在应用这一模型估算另一地面气象站点的PM10时,该气象站点只要与前述建模的站点环境背景相同且距离不要太远即可
本发明通过基于大气能见度、相对湿度等气象数据估算近地面颗粒物污染水平,能有效补充颗粒物地面监测站点的不足,拓展颗粒物浓度监测的空间范围。
附图说明
图1是按照本发明一种基于地面气象观测数据的近地面可吸入颗粒物(PM10)浓度估算方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为按照本发明一种实施方式的基于气象观测数据的可吸入颗粒物(PM10)估算方法的流程图,包括以下步骤:
步骤S1、选择建模站点:选择用于建模的地面气象站点(具有能见度及相对湿度观测数据)和环境监测站点(具有PM10观测数据),要求二者处于同类环境中。例如,满足:1)直线距离较近(根据环境背景特点设定距离范围A,如城市或高污染背景地区不超过5km,城郊或低污染背景地区不超过20km),2)二者背景环境相同(周边环境或背景污染程度处于相同的量化范围),并具有一定代表性;
步骤S2、计算散射系数:基于地面气象站点观测的大气能见度,依据世界气象组织(WMO)提出的经验关系,计算近地面的气溶胶散射系数(aerosol scatteringcoefficient);
步骤S2具体包括:
S21、采用对比度阈值为0.05,由观测的大气能见度计算大气总消光系数,如下式:
σtotal(λ)=3.912/VIS 公式1
其中,σtotal(λ)为大气总消光系数,λ为消光系数对应的波长,本说明中都取值为550nm,因此后文中λ不再标出;VIS为大气能见度观测值(单位km)。
S22、基于经验公式和波长计算大气分子消光系数,如下式:
其中,n为大气折射率,在海平面处取值为n-1=293*10-6;N为分子数密度,在海平面出取值N=266*1019cm-3;
S23、从大气总消光系数中分别减去分子消光系数贡献,获得近地面气溶胶消光系数σa,如下式:
σa=σtotal-σm 公式3
S24、基于经验的气溶胶单次散射反照率(single scattering albedo)由气溶胶消光系数计算气溶胶散射系数,
σa,scat=σa·Ω 公式4
其中σa,scat(λ)为近地面气溶胶散射系数,Ω为气溶胶单次散射反照率,北京地区一般设置为0.85。
步骤S3、计算平均质量消光效率:基于步骤S2获取的近地面气溶胶散射系数与S1中地面环境监测站点观测的PM10质量浓度数据,计算定义为二者比值的近地面气溶胶平均质量散射效率(aerosol average mass scattering efficiency);根据Mie散射理论,假定气溶胶的化学组分与粒径分布在一定时间内变化不大,则气溶胶平均质量散射效率可近似看作相对湿度的函数;
步骤S3中,基于S2获取的气溶胶散射系数与S1所述地面环境监测站点的PM10质量浓度,定义气溶胶参数平均质量散射系数Ea,scat:
Ea,scat=σa,scatCPM10 公式5
其中CPM10为PM10质量浓度。根据Mie散射理论,假定气溶胶的化学组分与粒径分布在一定时间内变化不大,则Ea,scat可近似看作相对湿度的函数。
步骤S4、拟合相关模型:根据目标时间段、不同气溶胶类型的气象条件,基于步骤S2所述气溶胶平均质量散射效率与S1中地面气象站点获取的相对湿度,拟合得到二者的相关模型;
步骤S4具体包括:
S41、根据地面站点所在区域的不同气溶胶类型的气象条件,将当地某月气溶胶分为无机成分主导型和有机成分主导型两种,分别选取适宜的非线性经验函数,用于拟合气溶胶平均散射效率与相对湿度的相关关系,如下式:
其中,RH为S1所述地面气象站点观测的相对湿度,Ea,scat(RH)为S3所述气溶胶质量平均散射效率,a,b,c,g,m,n为拟合系数。
S42、基于步骤S31确定的非线性经验函数,将S3所述Ea,scat(RH)与S1中观测的RH按时间进行匹配,形成训练样本集,逐月拟合建立二者的相关模型,即得出各月的拟合系数。
步骤S5、估算PM10浓度:利用步骤S4所述气溶胶平均质量散射效率与相对湿度的相关模型,基于一定空间范围内、且环境背景与S1所述模拟站点处于同类环境的另一地面气象站点所观测的大气能见度与相对湿度数据,参考时间及不同类型气溶胶的气象条件信息估算所述另一地面气象站点近地面PM10质量浓度。
步骤S5具体包括:
S51、判断所述另一地面气象站点(例如某较远气象站点)是否可以使用步骤S42所述相关模型来估算PM10浓度:若该较远站点同时满足:1)具有能见度与相对湿度观测数据,2)与步骤S1所述用于建模的地面气象站点为相同背景环境且二者直线距离在设定的距离范围B内(如城市或高污染背景地区不超过50km,城郊或低污染背景地区不超过200km),则可以基于该相关模型估算PM10浓度;
S52、基于步骤S51所述另一地面气象站点观测的大气能见度与相对湿度,按照步骤S2计算所述另一地面站点处的近地面气溶胶散射系数,并按照下式计算该站点周边的PM10浓度:
PM10'=σ'a,scatEa,scat(RH') 公式7
其中,PM10'为估算的所述另一地面站点处PM10浓度,σ'a,scat为所述另一地面站点处气溶胶散射系数,RH'为所述另一地面站点处相对湿度。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,包括以下步骤:
选择处于同类环境中的、用于建模的地面气象站点和地面环境监测站点,所述用于建模的地面气象站点具有能见度及相对湿度观测数据,所述地面环境监测站点具有PM10质量浓度观测数据;
基于所述地面气象站点观测的大气能见度,依据已知经验关系,计算所述地面气象站点处近地面气溶胶散射系数;
基于所述近地面气溶胶散射系数与所述地面环境监测站点观测的PM10质量浓度数据,计算近地面气溶胶平均质量散射效率;
根据目标时间段不同气溶胶类型,基于所述气溶胶平均质量散射效率与所述地面气象站点获取的相对湿度,按时间进行匹配,选取非线性经验函数拟合得到二者的相关模型;
利用所述相关模型,基于与所述用于建模的地面气象站点处于同类环境的另一地面气象站点所观测的大气能见度与相对湿度数据,按不同气溶胶类型估算所述另一地面气象站点近地面PM10质量浓度。
2.如权利要求1所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,所述同类环境,指城市或农村中设定的距离范围、或污染程度处于相同的量化范围。
3.如权利要求1所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,在所述同类环境中,所述用于建模的地面气象站点和地面环境检测站点距离A小于所述用于建模的地面气象站点和所述另一地面气象站点之间的距离B。
4.如权利要求1所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,所述不同气溶胶类型包括无机成分主导型和有机成分主导型两种类型。
5.如权利要求1所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特 征在于,所述估算另一地面气象站点近地面PM10质量浓度的过程是:
S51、基于所述另一地面气象站点观测的大气能见度计算所述另一地面气象站点处的近地面气溶胶散射系数;
S52、根据气溶胶来源类型选取目标时间段所述相关模型,由所述另一地面气象站点处观测的相对湿度计算出所述另一地面气象站点处近地面气溶胶平均质量散射效率;
S53、由所述另一地面气象站点处近地面气溶胶散射系数与所述另一地面气象站点处气溶胶平均质量散射效率,计算所述另一地面气象站点处PM10质量浓度。
6.如权利要求1~5任一项所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,所述经验关系包含如下过程:
由观测的大气能见度计算大气总消光系数:σtotal(λ)=3.912/VIS,其中,σ(λ)为大气总消光系数,λ为消光系数对应的波长,VIS为大气能见度;
计算大气分子消光系数:其中,n为大气折射率,N为分子数密度;
从大气总消光系数中分别减去分子消光系数贡献,获得近地面气溶胶消光系数,基于经验的气溶胶单次散射反照率由气溶胶消光系数计算气溶胶散射系数:σa=σtotal-σm,σa,scat=σa·Ω,其中,σa,scat(λ)为近地面气溶胶散射系数,Ω为气溶胶单次散射反照率。
7.如权利要求1~5任一项所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,计算所述平均质量散射系数Ea,scat的方法为:
Ea,scat=σa,scat/CPM10,其中CPM10为PM10质量浓度,σa,scat(λ)为近地面气溶胶散射系数。
8.如权利要求3所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,所述距离A在城市或高污染背景地区不超过5km、在城郊或低污染背景地区不超过20km;所述距离B在城市或高污染背景地区不超过50km、在城郊或低污染背景地区不超过200km。
9.如权利要求4所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,在所述无机组分主导型气溶胶类型条件下所述非线性经验函数为:
湿度,Ea,scat(RH)为所述气溶胶质量平均散射效率,a,b,c,g,m,n为拟合系数。
10.如权利要求8所述基于气象观测数据的可吸入颗粒物浓度估算方法,其特征在于,计算所述另一地面气象站点处近地面气溶胶散射系数的方法为:PM10'=σ'a,scat/Ea,scat(RH'),其中PM10'为估算的所述另一地面气象站点处PM10浓度,σ'a,scat为该所述另一地面气象站点处气溶胶散射系数,RH'为近地面气溶胶散射系数相对湿度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410171151.3A CN103942439B (zh) | 2014-04-24 | 2014-04-24 | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410171151.3A CN103942439B (zh) | 2014-04-24 | 2014-04-24 | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103942439A true CN103942439A (zh) | 2014-07-23 |
CN103942439B CN103942439B (zh) | 2017-05-17 |
Family
ID=51190107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410171151.3A Expired - Fee Related CN103942439B (zh) | 2014-04-24 | 2014-04-24 | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103942439B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
CN105547933A (zh) * | 2015-12-09 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种大气污染监测方法和设备 |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
CN110160924A (zh) * | 2019-06-27 | 2019-08-23 | 中国科学院遥感与数字地球研究所 | 一种颗粒物浓度检测方法 |
CN110573856A (zh) * | 2017-05-25 | 2019-12-13 | 富士通株式会社 | 测定装置以及测定方法 |
CN110987733A (zh) * | 2019-11-28 | 2020-04-10 | 西安工业大学 | 一种复杂环境下红外探测设备可用性的评判方法 |
US10796036B2 (en) | 2016-08-08 | 2020-10-06 | International Business Machines Corporation | Prediction of inhalable particles concentration |
CN111999268A (zh) * | 2020-08-19 | 2020-11-27 | 成都信息工程大学 | 一种大气消光系数湿度订正方法 |
CN112484776A (zh) * | 2020-11-18 | 2021-03-12 | 成都信息工程大学 | 静止卫星逐小时近地面大气细颗粒物估算方法 |
CN112525787A (zh) * | 2020-11-27 | 2021-03-19 | 中国气象局广州热带海洋气象研究所(广东省气象科学研究所) | 基于地表高密度气象资料反演pm2.5全天候细网格数据的方法 |
CN115345075A (zh) * | 2022-08-17 | 2022-11-15 | 北京城市气象研究院 | 一体化气溶胶污染气象指数-气溶胶浓度估算方法及系统 |
CN116399764A (zh) * | 2023-03-23 | 2023-07-07 | 暨南大学 | 一种污染源颗粒物消光截面效率的反演方法、系统及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004453A (zh) * | 2006-12-20 | 2007-07-25 | 西安理工大学 | 一种气象与大气环境参数的测定方法 |
CN102183492A (zh) * | 2010-12-15 | 2011-09-14 | 安徽循环经济技术工程院 | 三波段积分式大气气溶胶粒子散射系数测量仪及测量方法 |
US20120281085A1 (en) * | 2011-05-04 | 2012-11-08 | Raytheon Company | In-scene determination of aerosol parameters from imagery |
-
2014
- 2014-04-24 CN CN201410171151.3A patent/CN103942439B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004453A (zh) * | 2006-12-20 | 2007-07-25 | 西安理工大学 | 一种气象与大气环境参数的测定方法 |
CN102183492A (zh) * | 2010-12-15 | 2011-09-14 | 安徽循环经济技术工程院 | 三波段积分式大气气溶胶粒子散射系数测量仪及测量方法 |
US20120281085A1 (en) * | 2011-05-04 | 2012-11-08 | Raytheon Company | In-scene determination of aerosol parameters from imagery |
Non-Patent Citations (3)
Title |
---|
ZIFENG WANG 等: "Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method", 《REMOTE SENSING OF ENVIRONMENT》 * |
张晖: "西安市及周边地区MODIS气溶胶光学厚度与PM10浓度关系模型研究", 《环境工程学报》 * |
陈良富: "奥运期间北京及周边地区霾天空气质量监测", 《大气与环境光学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105547933A (zh) * | 2015-12-09 | 2016-05-04 | 中国科学院遥感与数字地球研究所 | 一种大气污染监测方法和设备 |
CN105547933B (zh) * | 2015-12-09 | 2018-06-29 | 中国科学院遥感与数字地球研究所 | 一种大气污染监测方法和设备 |
CN105527208A (zh) * | 2016-01-27 | 2016-04-27 | 北京市环境保护监测中心 | 一种大气颗粒物质量浓度数据校正方法 |
CN106124374A (zh) * | 2016-07-22 | 2016-11-16 | 中科宇图科技股份有限公司 | 基于数据融合的大气颗粒物遥感监测方法 |
US10796036B2 (en) | 2016-08-08 | 2020-10-06 | International Business Machines Corporation | Prediction of inhalable particles concentration |
CN110573856A (zh) * | 2017-05-25 | 2019-12-13 | 富士通株式会社 | 测定装置以及测定方法 |
CN110573856B (zh) * | 2017-05-25 | 2023-01-06 | 富士通株式会社 | 测定装置以及测定方法 |
CN110160924A (zh) * | 2019-06-27 | 2019-08-23 | 中国科学院遥感与数字地球研究所 | 一种颗粒物浓度检测方法 |
CN110160924B (zh) * | 2019-06-27 | 2023-10-31 | 中国科学院遥感与数字地球研究所 | 一种颗粒物浓度检测方法 |
CN110987733B (zh) * | 2019-11-28 | 2022-02-25 | 西安工业大学 | 一种复杂环境下红外探测设备可用性的评判方法 |
CN110987733A (zh) * | 2019-11-28 | 2020-04-10 | 西安工业大学 | 一种复杂环境下红外探测设备可用性的评判方法 |
CN111999268A (zh) * | 2020-08-19 | 2020-11-27 | 成都信息工程大学 | 一种大气消光系数湿度订正方法 |
CN111999268B (zh) * | 2020-08-19 | 2023-09-15 | 成都信息工程大学 | 一种大气消光系数湿度订正方法 |
CN112484776A (zh) * | 2020-11-18 | 2021-03-12 | 成都信息工程大学 | 静止卫星逐小时近地面大气细颗粒物估算方法 |
CN112525787A (zh) * | 2020-11-27 | 2021-03-19 | 中国气象局广州热带海洋气象研究所(广东省气象科学研究所) | 基于地表高密度气象资料反演pm2.5全天候细网格数据的方法 |
CN115345075A (zh) * | 2022-08-17 | 2022-11-15 | 北京城市气象研究院 | 一体化气溶胶污染气象指数-气溶胶浓度估算方法及系统 |
CN116399764A (zh) * | 2023-03-23 | 2023-07-07 | 暨南大学 | 一种污染源颗粒物消光截面效率的反演方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103942439B (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103942439A (zh) | 一种基于气象观测数据的可吸入颗粒物浓度估算方法 | |
Kuik et al. | Air quality modelling in the Berlin–Brandenburg region using WRF-Chem v3. 7.1: sensitivity to resolution of model grid and input data | |
Henne et al. | Validation of the Swiss methane emission inventory by atmospheric observations and inverse modelling | |
Cobourn | An enhanced PM2. 5 air quality forecast model based on nonlinear regression and back-trajectory concentrations | |
Banks et al. | Performance evaluation of the boundary-layer height from lidar and the Weather Research and Forecasting model at an urban coastal site in the north-east Iberian Peninsula | |
Yasutomi et al. | Development of a long-term daily gridded temperature dataset and its application to rain/snow discrimination of daily precipitation | |
Denning et al. | Three-dimensional transport and concentration of SF6 A model intercomparison study (TransCom 2) | |
Zheng et al. | Comparison of ground based indices (API and AQI) with satellite based aerosol products | |
Merbitz et al. | Mobile measurements and regression modeling of the spatial particulate matter variability in an urban area | |
Ning et al. | Evolution of potential evapotranspiration in the northern Loess Plateau of China: recent trends and climatic drivers | |
Shisong et al. | Comparison of remotely sensed PM2. 5 concentrations between developed and developing countries: Results from the US, Europe, China, and India | |
Schoetter et al. | Evaluation and bias correction of regional climate model results using model evaluation measures | |
Smith et al. | Sub‐km scale numerical weather prediction model simulations of radiation fog | |
Negm et al. | Assessing the suitability of American National Aeronautics and Space Administration (NASA) agro-climatology archive to predict daily meteorological variables and reference evapotranspiration in Sicily, Italy | |
He et al. | Spatial distribution of aerosol hygroscopicity and its effect on PM2. 5 retrieval in East China | |
Park et al. | Estimates of Asian dust deposition over the Asian region by using ADAM2 in 2007 | |
Liu et al. | Meteorological influences on seasonal variation of fine particulate matter in cities over Southern Ontario, Canada | |
Werner et al. | Application of WRF-Chem to forecasting PM10 concentration over Poland | |
Kang et al. | Temporal variations of PM concentrations, and its association with AOD and meteorology observed in Nanjing during the autumn and winter seasons of 2014–2017 | |
Chalbot et al. | Spatial attribution of sulfate and dust aerosol sources in an urban area using receptor modeling coupled with Lagrangian trajectories | |
CN110907319B (zh) | 一种近地面细颗粒物的归因分析方法 | |
Sexton et al. | Detection of anthropogenic climate change using an atmospheric GCM | |
Stopelli et al. | Predicting abundance and variability of ice nucleating particles in precipitation at the high-altitude observatory Jungfraujoch | |
Liu et al. | Quantifying uncertainty in catchment-scale runoff modeling under climate change (case of the Huaihe River, China) | |
Zuidema et al. | Shortwave radiative impacts from aerosol effects on marine shallow cumuli |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 Termination date: 20200424 |