论文部分内容阅读
气溶胶卫星遥感在对空气质量进行大尺度、连续空间观测上有着重要的优势。但由于气溶胶光学厚度（Aerosol Optical Depth,AOD）与PM2.5本身的物理化学性质差异,加上不同时间尺度和区域地理学特征的影响,单通过AOD估算大尺度区域PM2.5浓度的拟合精度并不稳定。基于此,本文选取四川省为研究区,结合AOD与PM2.5浓度的地理学特征,研究比较AOD与PM2.5浓度在全局和局地的线性拟合皮尔逊相关系数ρ差异,发现2015、2017年AOD与PM2.5浓度的相关系数在亚热带季风气候区、四川盆地、成渝城市群与四川省全局的差异不大（ρ之差小于0.3）,在高原气候、高原山地、三州地区AOD与PM2.5浓度的相关系数虽然很高,且与四川省全局差异明显,但因其PM2.5监测站点分布稀疏,分析结果不具有代表性。综上考虑,最终结合AOD和其他各类特征要素构建2015和2017年四川省全局土地利用回归（Land Use Regression,LUR）模型,并获得2015年及2017年的四川省PM2.5污染分布图。通过分析2015年及2017年的PM2.5污染时空分布格局,对比四川省近三年大气污染治理工作进展及原有重点防控区域的污染变化,为合理进行四川省污染防治政策宏观调控,探讨新时期科学大气污染防控重点区域及政策提供建议。论文主要工作与结论如下:（1）利用2015、2017年MODIS Combined AOD数据和四川省地面空气污染监测站点PM2.5浓度数据,制作2015、2017年四川省季均和年均AOD-PM2.5站点浓度空间分布图。结果表明:四川省AOD值的大小与站点PM2.5浓度整体分布相似,春、冬两季AOD高值覆盖面积广且站点PM2.5浓度高;夏、秋两季AOD高值覆盖面积少且站点PM2.5浓度低。受四川省地形、降雨、气温、大气环流等因素的影响,2015年夏、秋两季PM2.5站点浓度分布与AOD高值的变化趋势相反。按气候、海拔地形和社会经济水平对四川省进行分区后发现,AOD和站点PM2.5浓度高值普遍集中于亚热带季风气候区、四川盆地、成渝城市群,低值均集中于高原气候、高原山地、三州地区。说明四川省AOD值与站点PM2.5浓度的时空分布特征虽然在个别季节变化趋势存在差异,但总体变化相同,表现出一定的相关性。（2）结合AOD与PM2.5浓度关联性的地理学特征,按气候、海拔地形和社会经济水平对四川省进行分区,进行2015、2017年四川省AOD与站点PM2.5浓度时空相关性分析。结果表明:从四川省全局来看2015、2017年AOD与站点PM2.5浓度均具有一定时空关联性,在春、冬两季的相关性较高,在夏、秋两季AOD与站点PM2.5浓度的相关性表现不稳定。从局部分区来看,亚热带季风气候、四川盆地、成渝城市群的AOD与站点PM2.5浓度的相关性随时间尺度的变化与四川省全局相关性变化基本相似;高原气候、高原山地、三州地区的AOD与站点PM2.5浓度的相关性极高,随时间尺度的变化极小,且与四川省全局相关性变化差异较大。这一方面与四川省西部PM2.5地面监测站点数据稀少、缺失有关。说明高原气候、高原山地、三州地区AOD和站点PM2.5的相关性系数虽然很高,但不具有代表性。另一方面也说明相对于站点数量,将四川省作为研究区范围较小,不能较好的体现全局与局部分区站点PM2.5浓度与AOD关联的差异性,因此将四川省进行局部分区建模再耦合为全局AOD-PM2.5拟合模型的效果和意义不大,最终选择使用AOD和其他各类特征要素构建四川省全局季均和年均LUR回归模型。（3）从Combined AOD数据和多源地理特征要素中选取与站点PM2.5浓度相关性最显著的作为模型的预测变量。去除共线性较强的特征变量后,构建四川省2015、2017年季均和年均全局LUR模型。采用10折交叉验证法进行验证,通过判断系数（R2）及调整后的判断系数(R2adj)、相对误差（δ）、均方根误差（RMSE）指标评价模型精度。利用构建的LUR模型,获得2015年和2017年四川省PM2.5浓度时空分布图。由PM2.5浓度分布模拟结果可知:2015到2017年四川省PM2.5浓度随时间尺度的变化为冬季最高,春、秋次之,夏季最低;空间分布格局保持“东高西低”不变,但整体PM2.5浓度值有所下降,表明四川省污染大气污染防控已取得初步成果。同时,随着污染局地高低值区的逐步变化,为四川省PM2.5污染联防联控方法及政策调整提供相关建议。