CN110907318B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110907318B CN110907318B CN201911082907.6A CN201911082907A CN110907318B CN 110907318 B CN110907318 B CN 110907318B CN 201911082907 A CN201911082907 A CN 201911082907A CN 110907318 B CN110907318 B CN 110907318B
- Authority
- CN
- China
- Prior art keywords
- particles
- volume
- total suspended
- extinction ratio
- total
- 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 38
- 239000013618 particulate matter Substances 0.000 title claims abstract description 38
- 239000002245 particle Substances 0.000 claims abstract description 154
- 230000008033 biological extinction Effects 0.000 claims abstract description 82
- 230000003287 optical effect Effects 0.000 claims abstract description 27
- 239000000725 suspension Substances 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 5
- 239000000443 aerosol Substances 0.000 claims description 21
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 239000003102 growth factor Substances 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 239000002028 Biomass Substances 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 4
- 230000031700 light absorption Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 239000010419 fine particle Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000008277 atmospheric particulate matter Substances 0.000 description 1
- 239000011362 coarse particle Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000001360 synchronised effect Effects 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)
Abstract
本发明公开了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,包括:通过卫星观测以及地面观测获得总悬浮体积谱分布、波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值(FMF)、粗模态颗粒物的体积浓度;通过上述观测数据建立粗模态颗粒物体积消光比模型,在该过程中,以颗粒物半径1.0μm作为细模态颗粒物和粗模态颗粒物的分界,对粗模态颗粒物的体积浓度谱分布进行积分,得到粗模态颗粒物的体积浓度;根据观测值计算得到粗模态颗粒物体积消光比;根据观测值统计得到粗模态颗粒物体积消光比关于FMF的统计关系;将得到的粗模态颗粒物体积消光比与细模态颗粒物体积消光比线性加权得到总悬浮颗粒物体积消光比;计算总悬浮颗粒物的质量浓度。
Description
技术领域
本发明涉及卫星遥感技术领域,尤其是一种近地面的大气总悬浮颗粒物质量浓度遥感物理估算方法。
背景技术
大气悬浮颗粒物也称为大气总悬浮,包含悬浮在大气中的各种固体和液体颗粒物,粒径范围在0.001-100μm之间。随着这经济增长,人口膨胀和城市化导致空气污染物大量排放,大气颗粒物污染已经成为最严重的大气污染物之一,可以带来严重的健康风险,气候变化,建筑物腐蚀和能见度降低。目前主要的监测手段包括地面采样和卫星遥感。但是,布设成本高,监测范围小,难以达到空间均匀分布,无法提供大范围空间连续覆盖的监测结果。因此,对全球人口的暴露以及由远距离地区的运输引起的高污染事件的研究很难通过现有的地面监测网络来实现。然而,卫星遥感技术具有大面积同步观测的特点,极大的弥补了地基监测的不足。卫星遥感观测在于自然存在状态下对颗粒物进行观测,不破坏颗粒物的原有状态,避免了采样测量时加热、干燥等过程对颗粒物原有性状的改变。因此,发展卫星遥感近地面颗粒物遥感估算技术对大气颗粒物污染的治理和监测具有重要意义。
目前,用于卫星遥感估算颗粒物质量浓度的方法主要包括数学统计法,化学传输模式法和物理模型方法。数学统计方法得到的结果往往具有较高的精度,然而,其物理意义不明确,并且依赖于地面观测数据。化学传输模式方法,物理机制复杂,无法在小时级别上获得理想的结果,并且消耗大量的运算资源。物理模型方法具有简明的物理机制,不依赖于地面在位测量和不消耗计算资源的优势,被广泛的以用于近地面颗粒物质量浓度的估算。
而现有技术中的方法只能得到细粒子总悬浮质量浓度,无法提供总悬浮颗粒物质量浓度,这主要是由于目前不存在覆盖所有气溶胶颗粒物粒径范围的测量仪器。对自然状态下卫星观测得到整层大气的颗粒物消光进行细粒子、高度和湿度订正,利用细粒子光学厚度比计算细颗粒物总悬浮光学厚度。假设颗粒物垂直分布满足负指数分布,采用总悬浮层高计算近地面细粒子总悬浮光学厚度。采用吸湿增长因子获得近地面干燥细颗粒物的光学厚度。基于地基遥感观测网提供的历史资料,分析不同类型细模态总悬浮颗粒物的消光与体积关系的变化规律,寻找对细颗粒物的消光与体积转换特性进行描述的遥感参数。再根据密度体积乘积,得到近地面干燥的细粒子总悬浮质量浓度。
发明内容
针对现有技术存在的问题,本发明的目的在于提供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,通过建立粗模态颗粒物体积消光比模型来测量近地面大气总悬浮颗粒物质量浓度。
为实现上述目的,本发明的技术方案如下:
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,包括:
通过卫星观测以及地面观测获得总悬浮体积谱分布、波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值(FMF)、粗模态颗粒物的体积浓度;
通过上述观测数据建立粗模态颗粒物体积消光比模型;
在建立粗模态颗粒物体积消光比模型的过程中,以颗粒物半径1.0μm作为细模态颗粒物和粗模态颗粒物的分界,对粗模态颗粒物的体积浓度谱分布进行积分,得到粗模态颗粒物的体积浓度;
根据观测值计算得到粗模态颗粒物体积消光比;
根据观测值统计得到粗模态颗粒物体积消光比关于FMF的统计关系;
将得到的粗模态颗粒物体积消光比与细模态颗粒物体积消光比线性加权得到总悬浮颗粒物体积消光比;
计算总悬浮颗粒物的质量浓度。
进一步,所述总悬浮颗粒物体积消光比通过以下公式进行计算:
其中,VE表示总悬浮颗粒物体积消光比,VEf和VEc分别是细模态和粗模态颗粒物体积消光比,Vcol表示总悬浮颗粒物柱体积浓度,AOD表示总悬浮颗粒物光学厚度,FMF表示细模态颗粒物与总悬浮颗粒物光学厚度的比值,Vf,col和Vc,col表示细模态和粗模态颗粒物的体积浓度,VEf是关于FMF的二次多项式。
进一步,通过所述粗模态颗粒物体积消光比与1-FMF的倒数进行线性统计回归得到所述粗模态颗粒物体积消光比关于FMF的统计关系:
其中,FMF小于1.0。
进一步,在计算总悬浮颗粒物质量浓度过程中,首先通过总悬浮颗粒物体积消光比得到大气中总悬浮颗粒物体积浓度,进而获得近地面总悬浮颗粒物体积浓度,接着利用吸湿增长因子对近地面总悬浮颗粒物体积浓度进行干燥,再通过乘以密度得到近地面总悬浮颗粒物质量浓度:
其中,PM表示总悬浮颗粒物的质量浓度,VE表示总悬浮颗粒物体积消光比,ρ表示干燥总悬浮颗粒物密度,这里采用常数1.8g/cm3,PBLH表示行星边界层高度,f(RH)表示吸湿增长因子。
进一步,采用北京站点2015年1-2月观测PM10与计算PM进行比对,本发明计算PM与观测值变化趋势的一致性相关系数R是0.78。
进一步,所述观测数据来自地基Aerosol Robotic Network(AERONET)7个观测站点10年的观测数据,包括城市/工业型总悬浮主导的北京和GSFC站点,生物质燃烧型总悬浮主导的Cuiaba Miranda和Mongu站点,沙尘总悬浮主导的Solar Village站点,海洋总悬浮主导的Ascension Island和Lanai站点。
进一步,所述北京站点和GSFC站点分别代表光吸收型和非吸收型城市/工业总悬浮颗粒物,所述Ascension Island和Lanai站点分别代表污染型和清洁型海洋总悬浮颗粒物。
本发明中一种近地面的大气总悬浮颗粒物质量浓度遥感物理估算方法,通过建立粗模态颗粒物体积消光比模型,通过卫星和/或地面测量的方式,将长时间尺度的数据通过统计分析的方法建立一种通过细模态颗粒物和粗模态颗粒物的体积消光比计算近地面大气总悬浮颗粒物质量浓度的方法,解决了现有技术中卫星遥感观测只能提供细粒子气溶胶质量浓度,无法提供总悬浮颗粒物质量浓度的问题。
同时,现有估算技术往往基于传统的数学统计方法,只考虑大气总悬浮的光学厚度与近地面颗粒物质量浓度的线性回归关系或者非线性回归关系,往往都忽略了两个变量之间的物理关系。其统计关系往往与季节和地理位置有关,也受到极端天气的影响,导致现有技术无法完全移植到卫星使用,需要依赖卫星观测和地面测量的数学统计关系。然而,本发明不仅可以将适用于全球不同地区、不同季节的、不同气溶胶类型的体积消光比的模型参数固定下来,还具有完全移植到卫星上的能力。同时,还考虑了大气总悬浮颗粒的光学厚度与近地面颗粒物质量浓度的物理关系(颗粒物的体积消光比,垂直分布,吸湿增长等),可以实现总悬浮颗粒物的体积浓度与消光系数的转换,对抽象的气溶胶进行体积可视化和称重计算。
附图说明
图1为本发明流程图;
图2为本发明中粗模态颗粒物体积数谱图;
图3为本发明中粗模态颗粒物体积散点图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的方案,下面结合本发明示例中的附图对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的示例仅仅是本发明的一部分示例,而不是全部的示例。基于本发明的中示例,本领域的普通技术人员在没有做出创造性劳动的前提下,所获得的所有其他实施方式都应当属于本发明保护的范围。
在本实施方式的描述中,术语“内”、“外”、“前”、“后”、“左”、“右”等指示的方位或位置关系均为基于附图所示的方位或位置关系,仅仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于区别类似的对象,而不能理解为特定的顺序或先后次序,应该理解这样的使用在适当情况想可以互换。
为清楚地说明本发明的设计思想,下面结合示例对本发明进行说明。
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,包括:
通过卫星观测以及地面观测获得总悬浮体积谱分布、波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值(FMF)、粗模态颗粒物的体积浓度;
通过上述观测数据建立粗模态颗粒物体积消光比模型;
在建立粗模态颗粒物体积消光比模型的过程中,以颗粒物半径1.0μm作为细模态颗粒物和粗模态颗粒物的分界,对粗模态颗粒物的体积浓度谱分布进行积分,得到粗模态颗粒物的体积浓度;
根据观测值计算得到粗模态颗粒物体积消光比;
根据观测值统计得到粗模态颗粒物体积消光比关于FMF的统计关系;
将得到的粗模态颗粒物体积消光比与细模态颗粒物体积消光比线性加权得到总悬浮颗粒物体积消光比;
计算总悬浮颗粒物的质量浓度。
本示例一种近地面的大气总悬浮颗粒物质量浓度遥感物理估算方法,通过建立粗模态颗粒物体积消光比模型,通过卫星和/或地面测量的方式,将长时间尺度的数据通过统计分析的方法建立一种通过细模态颗粒物和粗模态颗粒物的体积消光比计算近地面大气总悬浮颗粒物质量浓度的方法,解决了现有估算技术中卫星遥感观测只能提供细粒子气溶胶质量浓度,无法提供总悬浮颗粒物质量浓度的问题。
同时,现有估算技术往往基于传统的数学统计方法,只考虑大气总悬浮的光学厚度与近地面颗粒物质量浓度的线性回归关系或者非线性回归关系,往往都忽略了两个变量之间的物理关系。其统计关系往往与季节和地理位置有关,也受到极端天气的影响,导致现有技术无法完全移植到卫星使用,需要依赖卫星观测和地面测量的数学统计关系。然而,本发明不仅可以将体积消光比的模型参数固定下来,还具有完全移植到卫星上的能力。同时,还考虑了大气总悬浮颗粒的光学厚度与近地面颗粒物质量浓度的物理关系(颗粒物的体积消光比,垂直分布,吸湿增长等),可以实现总悬浮颗粒物的体积浓度与消光系数的转换,对抽象的气溶胶进行提及可视化和称重计算。
为了更加清晰的对本发明中的技术方案进行阐述,下面以具体实施例的形式进行说明。
实施例一
如图1、2、3所示,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,包括:
总悬浮颗粒物体积消光比的定义为体积浓度与光学厚度的比值。由于细模态和粗模态颗粒物的光学性质存在明显差异,细模态颗粒物具有较大的光学敏感性,需要拆分细模态和粗模态的颗粒物体积消光比。根据粗细模态颗粒物体积浓度的线性可加性,总悬浮颗粒物体积消光比可以拆分成细模态颗粒物体积消光比和粗模态颗粒物体积消光比的线性加权:
其中,VE表示总悬浮颗粒物体积消光比,VEf和VEc分别是细模态和粗模态颗粒物体积消光比,Vcol表示总悬浮颗粒物柱体积浓度,AOD表示总悬浮颗粒物光学厚度,FMF表示细模态颗粒物与总悬浮颗粒物光学厚度的比值,Vf,col和Vc,col表示细模态和粗模态颗粒物的柱体积浓度,VEf是关于FMF的二次多项式。
通过卫星观测以及地面观测获得总悬浮体积谱分布、波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值(FMF)、粗模态颗粒物的体积浓度,本发明采用地基Aerosol Robotic Network(AERONET)7个观测站点,包括城市/工业型气溶胶主导的北京和GSFC站点,生物质燃烧型气溶胶主导的Cuiaba Miranda和Mongu站点,沙尘气溶胶主导的SolarVillage站点,海洋气溶胶主导的Ascension Island和Lanai站点,长达10年的观测数据;
通过上述三种观测数据建立粗模态颗粒物体积消光比模型;
在建立粗模态颗粒物体积消光比模型的过程中,以颗粒物半径1.0μm作为细模态颗粒物和粗模态颗粒物的分界,对粗模态颗粒物每个粒径档位的颗粒物体积浓度数谱分布进行积分,如图2所示,计算得到粗模态颗粒物的体积浓度;
根据观测值计算粗模态颗粒物的体积浓度与光学厚度的比值,得到粗模态颗粒物体积消光比:
VEc=Vc/AOD
根据观测值统计,对粗模态颗粒物体积消光比与1-FMF的倒数进行线性统计回归,如图3散点图所示,得到粗模态颗粒物体积消光比关于FMF的统计关系:
其中,FMF小于1.0,考虑到实际大气中总存在粗粒子如扬尘,沙尘等。当FMF等于0时,计算的VEc等于0.8114,表示气溶胶中不存在细模态颗粒物。该值与观测的尘埃气溶胶的VEc(0.88778)相似,佐证了该统计模型的合理性。
将得到的粗模态颗粒物体积消光比与细模态颗粒物体积消光比相加得到总悬浮颗粒物体积消光比。而为了进一步评估体积消光比模型的准确性,发明人以实际大气观测值作为“真值”,将其与体积消光比模型的估计值进行比较,估计值相对于“真值”的平均相对偏差是16.7%,说明总体上,体积消光比模型的精度是83.3%,在本领域具有较高的准确性,可以用于估算总悬浮颗粒物的质量浓度。
最后计算总悬浮颗粒物的质量浓度,在计算总悬浮颗粒物质量浓度过程中,通过总悬浮颗粒物体积消光比得到大气中总悬浮颗粒物体积浓度,假设颗粒物均匀分布在大气边界层中,获得近地面总悬浮颗粒物体积浓度,利用吸湿增长因子对近地面总悬浮颗粒物体积浓度进行干燥,通过乘以密度得到近地面总悬浮颗粒物质量浓度;
其中,PM表示总悬浮颗粒物的质量浓度,VE表示总悬浮颗粒物体积消光比,ρ表示干燥总悬浮颗粒物密度,这里采用常数1.8g/cm3,PBLH表示行星边界层高度,f(RH)表示吸湿增长因子。
当采用北京站点2015年1-2月观测PM10与计算PM进行比对,本发明计算PM与观测值变化趋势的一致性相关系数R是0.78。说明本发明中为探测总悬浮颗粒物质量浓度建立的粗模态颗粒物体积消光比模型具有较高的精度,这种探测方法可用来估算总悬浮颗粒物的质量浓度。
本示例一种近地面的大气总悬浮颗粒物质量浓度遥感物理估算方法,通过建立粗模态颗粒物体积消光比模型,通过卫星和/或地面测量的方式,将长时间尺度的数据通过统计分析的方法建立一种通过细模态颗粒物和粗模态颗粒物的体积消光比计算近地面大气总悬浮颗粒物质量浓度的方法,解决了现有估算技术中卫星遥感观测只能提供细粒子气溶胶质量浓度,无法提供总悬浮颗粒物质量浓度的问题。
同时,现有技术往往基于传统的数学统计方法,只考虑大气总悬浮的光学厚度与近地面颗粒物质量浓度的线性回归关系或者非线性回归关系,往往都忽略了两个变量之间的物理关系。其统计关系往往与季节和地理位置有关,也受到极端天气的影响,导致现有技术无法完全移植到卫星使用,需要依赖卫星观测和地面测量的数学统计关系。然而,本发明不仅可以将适用于全球不同地区、不同季节、不同气溶胶类型的体积消光比的模型参数固定下来,还具有完全移植到卫星上的能力。同时,还考虑了大气总悬浮颗粒的光学厚度与近地面颗粒物质量浓度的物理关系(颗粒物的体积消光比,垂直分布,吸湿增长等),可以实现总悬浮颗粒物(气溶胶)的体积浓度与消光系数的转换,对抽象的气溶胶进行体积可视化和称重计算。
在上述示例中,探测数据采用多个站点,长时间尺度的数据可以将各种天气状况,甚至极端天气包含在内。不同站点是不同类型气溶胶主导的。不同类型气溶胶往往具有不同的光学特征,沙尘型气溶胶颗粒物具有较大的粒径,强散射和弱吸收性。海洋型气溶胶具有较大的粒径,强散射性和非吸收性。城市/工业型和生物质燃烧气溶胶的来源比较复杂,与人为活动密切相关,通常包括城市交通尾气排放,工厂排放,具有较小的粒径和较强吸收性。通过统计多种类型气溶胶的光学特性,总结得到的体积消光比模型具有普适性和代表性。
需要说明的是,除了上述给出的具体示例之外,其中的一些结构可有不同选择。而这些都是本领域技术人员在理解本发明思想的基础上基于其基本技能即可做出的,故在此不再一一例举。
最后,可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域普通技术人员而言,在不脱离本发明的原理和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (4)
1.一种近地面大气总悬浮颗粒物质量浓度遥感物理估算方法,其特征在于,包括:
通过卫星观测以及地面观测获得总悬浮体积谱分布、波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值FMF、粗模态颗粒物的体积浓度;
通过上述观测数据建立粗模态颗粒物体积消光比模型;
在建立粗模态颗粒物体积消光比模型的过程中,以颗粒物半径1.0μm作为细模态颗粒物和粗模态颗粒物的分界,对粗模态颗粒物的体积浓度谱分布进行积分,得到粗模态颗粒物的体积浓度;
根据观测值计算得到粗模态颗粒物体积消光比;
根据观测值统计得到粗模态颗粒物体积消光比关于FMF的统计关系:通过所述粗模态颗粒物体积消光比与1-FMF的倒数进行线性统计回归,得到所述粗模态颗粒物体积消光比关于FMF的统计关系: 其中,FMF小于1.0;
将得到的粗模态颗粒物体积消光比与细模态颗粒物体积消光比线性加权得到总悬浮颗粒物体积消光比;
计算总悬浮颗粒物的质量浓度,所述总悬浮颗粒物体积消光比通过以下公式进行计算:
其中,VE表示总悬浮颗粒物体积消光比,VEf和VEc分别是细模态和粗模态颗粒物体积消光比,Vcol表示总悬浮颗粒物柱体积浓度,AOD表示总悬浮颗粒物光学厚度,FMF表示波长为500nm的细模态颗粒物与总悬浮颗粒物光学厚度的比值,Vf,col和Vc,col表示细模态和粗模态颗粒物的柱体积浓度,VEf是关于FMF的二次多项式;
在计算总悬浮颗粒物质量浓度过程中,首先通过总悬浮颗粒物体积消光比得到大气中总悬浮颗粒物体积浓度,进而获得近地面总悬浮颗粒物体积浓度,接着利用吸湿增长因子对近地面总悬浮颗粒物体积浓度进行干燥,再通过乘以密度得到近地面总悬浮颗粒物质量浓度:
其中,PM表示总悬浮颗粒物的质量浓度,VE表示总悬浮颗粒物体积消光比,ρ表示干燥总悬浮颗粒物密度,这里采用常数1.8g/cm3,PBLH表示行星边界层高度,f(RH)表示吸湿增长因子。
2.根据权利要求1所述的近地面大气总悬浮颗粒物质量浓度遥感物理估算方法,其特征在于,采用北京站点2015年1-2月的观测PM10与计算PM进行比对,计算PM与观测值变化趋势的一致性相关系数R是0.78。
3.根据权利要求2所述的近地面大气总悬浮颗粒物质量浓度遥感物理估算方法,其特征在于,所述观测数据来自地基Aerosol Robotic Network(AERONET,气溶胶自动观测网)7个观测站点10年的观测数据,包括,城市型总悬浮颗粒物、工业型总悬浮颗粒物主导的北京站点和Goddard Space Flight Center站点(戈达德宇宙飞行中心),生物质燃烧型总悬浮颗粒物主导的Cuiaba-Miranda(库亚巴-米兰达)站点和Mongu(蒙古)站点,沙尘总悬浮颗粒物主导的Solar Village(太阳村)站点,海洋总悬浮颗粒物主导的Ascension Island(阿森松岛)站点和Lanai(拉奈岛)站点。
4.根据权利要求3所述的近地面大气总悬浮颗粒物质量浓度遥感物理估算方法,其特征在于,所述北京站点和Goddard Space Flight Center站点(戈达德宇宙飞行中心)分别代表光吸收型和非吸收型的城市型总悬浮颗粒物或工业型总悬浮颗粒物,所述AscensionIsland和Lanai站点分别代表污染型和清洁型海洋总悬浮颗粒物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082907.6A CN110907318B (zh) | 2019-11-07 | 2019-11-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911082907.6A CN110907318B (zh) | 2019-11-07 | 2019-11-07 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110907318A CN110907318A (zh) | 2020-03-24 |
CN110907318B true CN110907318B (zh) | 2021-02-09 |
Family
ID=69816696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911082907.6A Active CN110907318B (zh) | 2019-11-07 | 2019-11-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110907318B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112033870B (zh) * | 2020-07-20 | 2021-03-09 | 宁波市气象台 | 一种区域边界层pm2.5立体分布及总量推算的方法 |
CN112577866A (zh) * | 2020-12-02 | 2021-03-30 | 石家庄学院 | 一种城市颗粒物浓度估算模型 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102944503B (zh) * | 2012-10-11 | 2014-09-17 | 中国科学院安徽光学精密机械研究所 | 基于太阳光度计和激光雷达的pm2.5质量浓度值自动反演方法 |
CN103175759A (zh) * | 2013-02-25 | 2013-06-26 | 中国科学院安徽光学精密机械研究所 | 基于多种地基遥感技术获取城市气溶胶复折射指数的方法 |
CN103674794B (zh) * | 2013-12-16 | 2016-06-01 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
US10386288B2 (en) * | 2015-12-22 | 2019-08-20 | Canon U.S. Life Sciences, Inc. | System and method of label-free cytometry based on Brillouin light scattering |
CN108426815B (zh) * | 2018-04-20 | 2021-04-27 | 中国科学院遥感与数字地球研究所 | 一种近地面细颗粒物组分浓度估算方法 |
-
2019
- 2019-11-07 CN CN201911082907.6A patent/CN110907318B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110907318A (zh) | 2020-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jung et al. | Aerosol chemistry and the effect of aerosol water content on visibility impairment and radiative forcing in Guangzhou during the 2006 Pearl River Delta campaign | |
Huebert et al. | An overview of ACE‐Asia: Strategies for quantifying the relationships between Asian aerosols and their climatic impacts | |
Levi et al. | On the association between characteristics of the atmospheric boundary layer and air pollution concentrations | |
Zhang et al. | Trans‐regional transport of haze particles from the North China Plain to Yangtze River Delta during winter | |
Chen et al. | Observation of aerosol optical properties and particulate pollution at background station in the Pearl River Delta region | |
Eckhardt et al. | Source–receptor matrix calculation for deposited mass with the Lagrangian particle dispersion model FLEXPART v10. 2 in backward mode | |
Ferrero et al. | Satellite AOD conversion into ground PM10, PM2. 5 and PM1 over the Po valley (Milan, Italy) exploiting information on aerosol vertical profiles, chemistry, hygroscopicity and meteorology | |
Devi et al. | Observation-based 3-D view of aerosol radiative properties over Indian Continental Tropical Convergence Zone: implications to regional climate | |
Cottle et al. | A pervasive and persistent Asian dust event over North America during spring 2010: lidar and sunphotometer observations | |
CN111353634B (zh) | 一种基于模式初始场同化的二氧化硫排放源优化方法 | |
Wu et al. | Investigation of hygroscopic growth effect on aerosol scattering coefficient at a rural site in the southern North China Plain | |
Gao et al. | Aerosol ionic components at Mt. Heng in central southern China: abundances, size distribution, and impacts of long-range transport | |
Lv et al. | Hygroscopic growth of atmospheric aerosol particles based on lidar, radiosonde, and in situ measurements: Case studies from the Xinzhou field campaign | |
CN110907318B (zh) | 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 | |
Jayaraman et al. | Spatial variations in aerosol characteristics and regional radiative forcing over India: Measurements and modeling of 2004 road campaign experiment | |
Sinha et al. | Seasonal progression of the deposition of black carbon by snowfall at Ny‐Ålesund, Spitsbergen | |
Xia et al. | Observational study of aerosol hygroscopic growth on scattering coefficient in Beijing: A case study in March of 2018 | |
CN110907319B (zh) | 一种近地面细颗粒物的归因分析方法 | |
Alexandrov et al. | Remote sensing of atmospheric aerosols and trace gases by means of multifilter rotating shadowband radiometer. Part II: Climatological applications | |
CN115480032A (zh) | 基于地面遥感测量的点源排放强度预测方法 | |
Jiang et al. | Identification of the atmospheric boundary layer structure through vertical distribution of PM2. 5 obtained by unmanned aerial vehicle measurements | |
Magi et al. | Aerosol properties and chemical apportionment of aerosol optical depth at locations off the US east coast in July and August 2001 | |
Nandan et al. | Estimation of Aerosol Complex Refractive Index over a tropical atmosphere using a synergy of in-situ measurements | |
Hakala et al. | Observed coupling between air mass history, secondary growth of nucleation mode particles and aerosol pollution levels in Beijing | |
Mukai et al. | Aerosol properties and air pollutants over an urban area |
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 |