CN108426815B - 一种近地面细颗粒物组分浓度估算方法 - Google Patents
一种近地面细颗粒物组分浓度估算方法 Download PDFInfo
- Publication number
- CN108426815B CN108426815B CN201810357914.1A CN201810357914A CN108426815B CN 108426815 B CN108426815 B CN 108426815B CN 201810357914 A CN201810357914 A CN 201810357914A CN 108426815 B CN108426815 B CN 108426815B
- Authority
- CN
- China
- Prior art keywords
- component
- fine particulate
- value
- optical thickness
- surface fine
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000443 aerosol Substances 0.000 claims abstract description 56
- 230000003287 optical effect Effects 0.000 claims abstract description 53
- 238000004088 simulation Methods 0.000 claims abstract description 42
- 239000000126 substance Substances 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 239000013618 particulate matter Substances 0.000 claims description 41
- 230000008033 biological extinction Effects 0.000 claims description 23
- 238000010521 absorption reaction Methods 0.000 claims description 11
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910002651 NO3 Inorganic materials 0.000 claims description 5
- NHNBFGGVMKEFGY-UHFFFAOYSA-N Nitrate Chemical compound [O-][N+]([O-])=O NHNBFGGVMKEFGY-UHFFFAOYSA-N 0.000 claims description 5
- 150000003863 ammonium salts Chemical class 0.000 claims description 5
- 239000003738 black carbon Substances 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 239000005436 troposphere Substances 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 239000010419 fine particle Substances 0.000 abstract description 6
- 230000007246 mechanism Effects 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 230000002110 toxicologic effect Effects 0.000 description 2
- 231100000027 toxicology Toxicity 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000000926 atmospheric chemistry Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种近地面细颗粒物组分浓度估算方法，解决无法在大区域尺度获取近地面细颗粒物组分浓度数据的问题。所述方法，包含以下步骤：通过大气化学模式的模拟结果，提取总气溶胶光学厚度模拟值；将模拟的近地面细颗粒物各组分体积比转化为模拟的近地面细颗粒物各组分质量浓度；根据模拟的近地面细颗粒物各组分质量浓度与总气溶胶光学厚度模拟值比值，得到比例系数；通过卫星和传感器，提取总气溶胶光学厚度反演值；根据比例系数与总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值；根据地面监测站点观测的细颗粒物各组分质量浓度真实值，进行验证与评价。本发明有助于深入地分析我国雾霾形成的机制。
Description
技术领域
本发明涉及定量遥感研究领域，尤其涉及一种近地面细颗粒物组分浓度估算方法。
背景技术
PM2.5为动力学直径小于或者等于2.5μm颗粒物的总称，是影响城市空气质量和公众健康的首要污染物，根据不同的地理及区域特征，PM2.5组成成分也不尽相同，而不同细颗粒物粒子所展现的毒理特征也各不相同。现有对细颗粒物甚至其组分的监测体系包括细颗粒物浓度的地面监测网和大气监测超级站，细颗粒物浓度的地面监测网检测体系，仅针对特定污染事件中颗粒物组分浓度开展了短期的观测实验，着重分析该污染过程中各个组分的变化特征，并没有对细颗粒物组分浓度进行计算；大气监测超级站检测体系的监测仪器较为昂贵，站点分布相对分散，导致常规的地面观测只能获取监测站点附近的颗粒物组分浓度信息，无法对准确及时的得到大区域尺度的近地面细颗粒物组分浓度数据。
发明内容
本发明提供一种近地面细颗粒物组分浓度估算方法，解决无法在城市/省/区域尺度准确、及时、有效地获取近地面细颗粒物组分浓度数据的技术问题。
一种近地面细颗粒物组分浓度估算方法，包含以下步骤：通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值，并求和得到总气溶胶光学厚度模拟值；根据所述大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度；根据所述模拟的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值，得到比例系数；通过卫星和传感器，提取整个对流层的消光系数，积分得到总气溶胶光学厚度反演值；根据所述比例系数与所述总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值；根据地面监测站点观测的细颗粒物各组分质量浓度真实值，对所述近地面细颗粒物各组分质量浓度估算值进行验证与评价，得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
进一步地，在所述根据大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度的步骤之后，所述方法还包含：根据所述近地面细颗粒物各组分吸湿增长经验系数，对所述模拟的近地面细颗粒物各组分的质量浓度进行重新计算。
进一步地，在所述通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值，并求和得到总气溶胶光学厚度模拟值的步骤之后，所述方法还包括：针对所述大气化学模式的模拟结果，通过CALIPO或CALIPSO观测的廓线信息，得到廓线消光系数；将所述每层气溶胶光学厚度模拟值乘以对应的所述每层消光系数与所述廓线消光系数的比例，得到订正的每层气溶胶光学厚度模拟值；根据所述订正的每层气溶胶光学厚度模拟值，求和得到总气溶胶光学厚度模拟值。
优选地，所述大气化学模式的模型为GEOS-Chem或CMAQ。
优选地，所述卫星和传感器的数据源为Terra/MODIS、Aqua/MODIS、NPP/VIIRS、Terra/MISR、Himawari/AHI。
进一步地，所述卫星和传感器的数据源为多个卫星和传感器的数据源的融合结果。
优选地，所述总气溶胶光学厚度反演值为官方反演值或改进反演算法后的反演值。
优选地，其特征在于，所述近地面颗粒物各组分包括硫酸盐组分、硝酸盐组分、铵盐组分、黑碳、有机碳、沙尘。
本发明有益效果包括：本发明提出的近地面细颗粒物组分浓度估算方法是国内首次提出的基于卫星遥感技术实现近地面细颗粒物组分浓度的估算方法，卫星/传感器技术具备全天候且大尺度观测大气污染参数的能力，可以对长时间、大范围的近地面细颗粒物组分质量浓度进行估算，有助于深入地分析我国雾霾形成的机制，而且对开展雾霾对人体健康的暴露评估也很有帮助。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为一种近地面细颗粒物组分浓度估算方法流程实施例；
图2为一种包含吸湿增长经验系数的近地面细颗粒物组分浓度估算方法流程实施例；
图3为一种包含总气溶胶光学厚度模拟值订正的近地面细颗粒物组分浓度估算方法流程实施例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
PM2.5为动力学直径小于或者等于2.5μm颗粒物的总称，是影响城市空气质量和公众健康的首要污染物。由于其粒径较小，易附带大量有害物质，在空气中滞留时间相对较长，对气溶胶的酸性及吸湿性有很强的影响。PM2.5来源非常复杂，主要分为一次排放和二次排放，是一种复杂的混合物，包含了硫酸盐、铵盐、硝酸盐、有机碳、元素碳和其他组份。颗粒物中的这些重要组分，可以改变大气化学过程，从而影响温室气体的浓度和分布，如黑碳对辐射较强的吸收作用，使其具有特殊的大气增温效应，如硫酸盐和有机碳为致冷效应，对大气的温度垂直廓线、蒸发率和大气稳定性等都有影响。大量流行病学研究表明，长期暴露在高浓度细颗粒物的环境会对人体健康产生极大的危害，如导致急诊率增加、心脏病、心脑血管疾病等。根据不同的地理及区域特征，PM2.5组成成分也不尽相同，而不同细颗粒物粒子所展现的毒理特征也各不相同。
以下结合附图，详细说明本发明各实施例提供的技术方案。
图1为一种近地面细颗粒物组分浓度估算方法流程实施例，本发明实施例提供一种近地面细颗粒物组分浓度估算方法，包含以下步骤：
步骤101，通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值，并求和得到总气溶胶光学厚度模拟值。
在步骤101中，所述气溶胶光学厚度(Aerosol Optical Depth，AOD)是所述消光系数在一定高度内做积分得到的。
需要说明的是，所述大气化学模式的模型可以为GEOS-Chem或CMAQ，也可以是能输出大气污染参数的其他任意模型，这里不做特别限定。
步骤102，根据所述大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度。
在步骤102中，所述将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度的过程也可以成为对所述模拟的近地面细颗粒物各组分物理量纲的转换的过程。
步骤103，根据所述模拟的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值，得到比例系数。
步骤104，通过卫星和传感器，提取整个对流层的消光系数反演值，积分得到总气溶胶光学厚度反演值。
在步骤104中，需要说明的是，所述卫星和传感器的数据源可以是单一的数据源，例如Terra/MODIS、Aqua/MODIS、NPP/VIIRS、Terra/MISR、Himawari/AHI，也可以是多个卫星和传感器的数据源的融合结果。
还需说明的是，所述消光系数反演值为官方反演值或改进反演算法后的反演值，所述官方反演值是通过卫星和传感器官方网站上的公开数据计算得到的。
步骤105，根据所述比例系数与所述总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值。
步骤106，根据地面监测站点观测的细颗粒物各组分质量浓度真实值，对所述近地面细颗粒物各组分质量浓度估算值进行验证与评价，得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
在步骤106中，所述地面监测点可以是一个，也可以多个，这里不做特别限定。通过对所述地面监测点得到的细颗粒物各组分质量浓度真实值与所述地面细颗粒物各组分质量浓度估算值进行对比分析，能够得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
本发明实施例提出的近地面细颗粒物组分浓度估算方法利用卫星/传感器技术具备全天候且大尺度观测大气污染参数的能力，可以对长时间、大范围的近地面细颗粒物组分质量浓度进行估算，有助于深入地分析我国雾霾形成的机制。
图2为一种包含吸湿增长经验系数的近地面细颗粒物组分浓度估算方法流程实施例，本发明实施例提供的近地面细颗粒物组分浓度估算方法对所述模拟的近地面细颗粒物各组分的质量浓度进行了优化，包含以下步骤：
步骤101，通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值，并求和得到总气溶胶光学厚度模拟值。
步骤102，根据所述大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度。
步骤201，根据所述近地面细颗粒物各组分吸湿增长经验系数，对所述模拟的近地面细颗粒物各组分的质量浓度进行重新计算。
在步骤201中，对所述模拟的近地面细颗粒物各组分的质量浓度进行重新计算加入了相对湿度的作用，这是由于细颗粒物各个组分的物理、化学性质不同，使各组分在大气复杂背景下表现出不同的吸收特征，例如，随着相对湿度的增加，包括硫酸盐、硝酸盐和铵盐在内的二次无机气溶胶粒子体积逐渐变大，出现吸湿增长的现象，而沙尘、黑碳等粒子不具有吸湿增长的现象。
需要说明的是，所述具备吸湿增长现象的近地面颗粒物各组分包括硫酸盐组分、硝酸盐组分、铵盐组分，还包括其他多种组分，这里不一一列举。
步骤202，根据所述模拟的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值，得到比例系数。
在步骤202中，所述近地面细颗粒物各组分的质量浓度为加入了相对湿度后重新核算的近地面细颗粒物各组分的质量浓度。
步骤104，通过卫星和传感器，提取整个对流层的消光系数反演值，积分得到总气溶胶光学厚度反演值。
步骤203，根据所述比例系数与所述总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值。
在步骤203中，所述比例系数为加入了相对湿度后重新核算的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值。
步骤106，根据地面监测站点观测的细颗粒物各组分质量浓度真实值，对所述近地面细颗粒物各组分质量浓度估算值进行验证与评价，得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
本发明实施例提出的近地面细颗粒物组分浓度估算方法，引入了大气湿度对近地面细颗粒物组分质量浓度的影响，使估算结果更精确。
图3为一种包含总气溶胶光学厚度模拟值订正的近地面细颗粒物组分浓度估算方法流程实施例，具体包含以下步骤：
步骤101，通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值，并求和得到总气溶胶光学厚度模拟值。
步骤301，针对所述大气化学模式的模拟结果，根据所述每层消光系数，积分得到每层气溶胶光学厚度模拟值，通过CALIPO或CALIPSO观测的廓线信息，得到廓线消光系数。
步骤302，将所述每层气溶胶光学厚度模拟值乘以对应的所述每层消光系数与所述廓线消光系数的比例，得到订正的每层气溶胶光学厚度模拟值。
步骤303，根据所述订正的每层气溶胶光学厚度模拟值，求和得到总气溶胶光学厚度模拟值。
步骤102，根据所述大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度。
步骤201，根据所述近地面细颗粒物各组分吸湿增长经验系数，对所述模拟的近地面细颗粒物各组分的质量浓度进行重新计算。
步骤304，根据所述模拟的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值，得到比例系数。
在步骤304中，所述近地面细颗粒物各组分的质量浓度为加入了相对湿度后重新核算的近地面细颗粒物各组分的质量浓度，所述总气溶胶光学厚度模拟值比值为根据所述廓线消光系数订正后的所述总气溶胶光学厚度模拟值。
步骤104，通过卫星和传感器，提取整个对流层的消光系数反演值，积分得到总气溶胶光学厚度反演值。
步骤305，根据所述比例系数与所述总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值。
在步骤305，所述比例系数为加入了相对湿度后重新核算的近地面细颗粒物各组分的质量浓度与根据所述廓线信息订正后的所述总气溶胶光学厚度模拟值比值。
步骤106，根据地面监测站点对细颗粒物各组分质量浓度观测值，对所述近地面细颗粒物各组分质量浓度估算值进行验证与评价，得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
本发明实施例中总气溶胶光学厚度模拟值的计算引入了廓线信息订正，提高了所述方法的准确性。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种近地面细颗粒物组分浓度估算方法，其特征在于，包含以下步骤：
通过大气化学模式的模拟结果，提取整个对流层内的每层消光系数，根据每层的高度，积分得到每层气溶胶光学厚度模拟值；
针对所述大气化学模式的模拟结果，通过CALIPO或CALIPSO观测的廓线信息，得到廓线消光系数；
将所述每层气溶胶光学厚度模拟值乘以对应的所述每层消光系数与所述廓线消光系数的比例，得到订正的每层气溶胶光学厚度模拟值；
根据所述订正的每层气溶胶光学厚度模拟值，求和得到总气溶胶光学厚度模拟值；
根据所述大气化学模式模拟结果，通过体积比与质量浓度的物理转化关系，将模拟的近地面细颗粒物各组分的体积比转化为模拟的近地面细颗粒物各组分的质量浓度；
根据所述近地面细颗粒物各组分吸湿增长经验系数，对所述模拟的近地面细颗粒物各组分的质量浓度进行重新计算；
根据所述模拟的近地面细颗粒物各组分的质量浓度与所述总气溶胶光学厚度模拟值比值，得到比例系数；
通过卫星和传感器，提取整个对流层的消光系数，积分得到总气溶胶光学厚度反演值；
根据所述比例系数与所述总气溶胶光学厚度反演值的乘积，得到近地面细颗粒物各组分质量浓度估算值；
根据地面监测站点观测的细颗粒物各组分质量浓度真实值，对所述近地面细颗粒物各组分质量浓度估算值进行验证与评价，得到近地面细颗粒物各组分质量浓度估算精度、空间分布、变化趋势。
2.如权利要求1所述的近地面细颗粒物组分浓度估算方法，其特征在于，所述大气化学模式的模型为GEOS-Chem或CMAQ。
3.如权利要求1所述的近地面细颗粒物组分浓度估算方法，其特征在于，所述卫星和传感器的数据源为Terra/MODIS、Aqua/MODIS、NPP/VIIRS、Terra/MISR、Himawari/AHI中至少一个。
4.如权利要求1所述的近地面细颗粒物组分浓度估算方法，其特征在于，所述卫星和传感器的数据源为多个卫星和传感器的数据源的融合结果。
5.如权利要求1所述的近地面细颗粒物组分浓度估算方法，其特征在于，所述总气溶胶光学厚度反演值为官方反演值或改进反演算法后的反演值。
6.如权利要求1所述的近地面细颗粒物组分浓度估算方法，其特征在于，所述近地面颗粒物各组分包括硫酸盐组分、硝酸盐组分、铵盐组分、黑碳、有机碳、沙尘。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357914.1A CN108426815B (zh) | 2018-04-20 | 2018-04-20 | 一种近地面细颗粒物组分浓度估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357914.1A CN108426815B (zh) | 2018-04-20 | 2018-04-20 | 一种近地面细颗粒物组分浓度估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108426815A CN108426815A (zh) | 2018-08-21 |
| CN108426815B true CN108426815B (zh) | 2021-04-27 |
Family
ID=63161482
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810357914.1A Active CN108426815B (zh) | 2018-04-20 | 2018-04-20 | 一种近地面细颗粒物组分浓度估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108426815B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411919B (zh) * | 2019-08-02 | 2021-04-16 | 中国科学院遥感与数字地球研究所 | 一种基于卫星多光谱技术的pm2.5浓度遥感估算方法 |
| CN110907318B (zh) * | 2019-11-07 | 2021-02-09 | 中国科学院遥感与数字地球研究所 | 一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法 |
| CN110989038B (zh) * | 2019-11-22 | 2022-03-04 | 北京中科锐景科技有限公司 | 一种近地面颗粒浓度估算方法及系统 |
| CN111220517B (zh) * | 2019-12-06 | 2020-12-22 | 南京大学 | 一种基于卫星遥感的pm2.5不同粒径组分反演方法 |
| CN111912754B (zh) * | 2020-07-23 | 2023-03-28 | 安徽省气象科学研究所 | 一种近地面颗粒物浓度的遥感反演方法 |
| 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 |
| CN113237801B (zh) * | 2021-05-13 | 2022-06-28 | 北京市人工影响天气中心 | 一种识别沙尘云混合体的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539336A (zh) * | 2011-02-01 | 2012-07-04 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的可吸入颗粒物估算方法及系统 |
| CN103278479A (zh) * | 2013-04-23 | 2013-09-04 | 中国科学院安徽光学精密机械研究所 | 大气辐射传输修正系统及修正方法 |
| KR101609740B1 (ko) * | 2015-08-24 | 2016-04-08 | 대한민국 | 에어로졸 질량농도의 연직분포 산출방법 |
| 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 |
| CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106483050B (zh) * | 2015-09-02 | 2019-08-13 | 中国科学院遥感与数字地球研究所 | 气溶胶光学厚度的反演方法及系统 |
-
2018
- 2018-04-20 CN CN201810357914.1A patent/CN108426815B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539336A (zh) * | 2011-02-01 | 2012-07-04 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的可吸入颗粒物估算方法及系统 |
| CN103278479A (zh) * | 2013-04-23 | 2013-09-04 | 中国科学院安徽光学精密机械研究所 | 大气辐射传输修正系统及修正方法 |
| CN106446307A (zh) * | 2015-08-05 | 2017-02-22 | 中国科学院遥感与数字地球研究所 | 基于气溶胶地基数据的aod垂直订正效果评价方法及系统 |
| KR101609740B1 (ko) * | 2015-08-24 | 2016-04-08 | 대한민국 | 에어로졸 질량농도의 연직분포 산출방법 |
| 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 |
| CN107202750A (zh) * | 2017-05-17 | 2017-09-26 | 河北中科遥感信息技术有限公司 | 一种大气颗粒物星地综合监测定量遥感融合处理方法 |
Non-Patent Citations (3)
| Title |
|---|
| Mapping annual mean ground-level PM2.5 Multiangle Imaging Spectroradiometer aerosol optical thickness over the contiguous United States;Yang Liu et al;《JOURNAL OF GEOPHYSICAL RESEARCH》;20041231;第109卷;第2-4页，第7-9页 * |
| Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method;Zifeng Wang et al.;《Remote Sensing of Environment》;20101231;第50-63页 * |
| 环境一号卫星在监测大气 PM10中的应用;王中挺 等;《中国环境科学》;20111231;第202-206页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108426815A (zh) | 2018-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108426815B (zh) | 一种近地面细颗粒物组分浓度估算方法 | |
| Roberts et al. | Sensitivity of CCN spectra on chemical and physical properties of aerosol: A case study from the Amazon Basin | |
| Zhang et al. | East Asian dust storm in May 2017: Observations, modelling and its influence on Asia-Pacific region | |
| Quaas et al. | Interpreting the cloud cover–aerosol optical depth relationship found in satellite data using a general circulation model | |
| CN111579504B (zh) | 基于光学遥感的大气污染成分垂直分布反演方法 | |
| Kroon et al. | Uncertainties in eddy covariance flux measurements assessed from CH4 and N2O observations | |
| Kajino et al. | NHM-Chem, the Japan Meteorological Agency's regional meteorology–chemistry model: model evaluations toward the consistent predictions of the chemical, physical, and optical properties of aerosols | |
| Yoon et al. | Influences of relative humidity on aerosol optical properties and aerosol radiative forcing during ACE-Asia | |
| Wang et al. | Significant climate impact of highly hygroscopic atmospheric aerosols in Delhi, India | |
| Yumimoto et al. | JRAero: the Japanese reanalysis for aerosol v1. 0 | |
| Sinha et al. | Contrasting aerosol characteristics and radiative forcing over Hyderabad, India due to seasonal mesoscale and synoptic‐scale processes | |
| Kim et al. | Impact of Siberian observations on the optimization of surface CO 2 flux | |
| Guth et al. | First implementation of secondary inorganic aerosols in the MOCAGE version R2. 15.0 chemistry transport model | |
| Rai et al. | Aerosol radiative forcing estimation over a remote high-altitude location (~ 4900 masl) near Yala Glacier, Nepal | |
| Bassin et al. | Modeling seasonal ozone fluxes to grassland and wheat: model improvement, testing, and application | |
| Gašparac et al. | Regional-scale modelling for the assessment of atmospheric particulate matter concentrations at rural background locations in Europe | |
| Levin et al. | Limitations of the radon tracer method (RTM) to estimate regional greenhouse gas (GHG) emissions–a case study for methane in Heidelberg | |
| Snoun et al. | One-way coupling of WRF with a Gaussian dispersion model: a focused fine-scale air pollution assessment on southern Mediterranean | |
| CN115480032A (zh) | 基于地面遥感测量的点源排放强度预测方法 | |
| Guo et al. | A merged continental planetary boundary layer height dataset based on high-resolution radiosonde measurements, ERA5 reanalysis, and GLDAS | |
| Sirignano et al. | High contribution of biomass combustion to PM2. 5 in the city centre of Naples (Italy) | |
| Rastogi et al. | Evaluating consistency between total column CO 2 retrievals from OCO-2 and the in situ network over North America: implications for carbon flux estimation | |
| Zhang et al. | Impact of long-range desert dust transport on coastal East Asia: analysis of urban dust concentration and wet deposition with model simulation | |
| Fortunato dos Santos Oliveira et al. | Aerosol properties in the atmosphere of Natal/Brazil measured by an AERONET Sun-photometer | |
| Khan et al. | An outlook of ozone air pollution through comparative analysis of artificial neural network, regression, and sensitivity models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |