1、 MODIS论文：河北平原区城市气溶胶光学厚度与基于PM_(10)的空气污染指数关系研究【中文摘要】近年来,许多大中型城市的大气气溶胶已经成为空气污染的主要物质。尽管地面环境监测站可以监测气溶胶粒子的浓度,但这些站点一般比较分散,难以全面监测气溶胶的空间分布和时间变化。MODIS 卫星观测资料包含了丰富的气溶胶光学特性时空变化的信息,在监测大气气溶胶光学厚度方面具有独特的优势,可以弥补地面观测的不足。空气污染指数(API)是一个反映和评价空气质量的重要指标,就是将常规监测的几种空气污染物的浓度简化成为单一的概念性数值形式,并分级表征空气质量状况与空气污染的程度。其结果简明直观,使用方便,有利于
2、普通公众了解空气环境质量的优劣。在中国大陆,大部分城市大气首要污染物为可吸入气溶胶颗粒物。因此,建立基于 PM_(10)气溶胶光学厚度与空气污染指数之间的关系模型,是发挥卫星遥感技术在大气颗粒物污染监测中重要作用的必要环节。本文利用河北平原区 8个城市 2008年 1月-2009 年 12月两年的 MODIS数据和河北省环保部门提供的空气质量日报数据,在 ENVI 4.6技术平台的支撑下,以暗像元法和 6S模型为理论基础,反演了河北平原区城市气溶胶光学厚度(AOD)。通过分析气溶胶光学厚度和基于 PM_(10)浓度的空气污染.【英文摘要】In recent years, atmospheric
3、 aerosols have become the main composition of the air pollution in many big and medium-sized cities. Although the environmental monitoring stations can monitor the concentration of aerosol particles, these sites cannot fully monitor the spatial distribution and time variation of atmospheric aerosols
4、 as they spread separately. Observation data on the MODIS satellite include abundant spatial-temporal changing information of optical character of aerosol. Using Aerosol Optical Depth .【关键词】MODIS 气溶胶光学厚度 空气污染指数 季节虚拟变量【英文关键词】MODIS Aerosol Optical Depth Air Pollution Index Seasonal Dummy Variable【索购全文
5、】联系 Q1：138113721 Q2：139938848【目录】河北平原区城市气溶胶光学厚度与基于 PM_(10)的空气污染指数关系研究 摘要 4-5 Abstract 5-6 1 绪论 9-14 1.1 研究目的和意义 9-10 1.2 研究综述 10-12 1.2.1 国外遥感技术应用于大气污染研究进展 10-11 1.2.2 国内遥感技术应用于大气污染研究进展 11-12 1.3 论文结构及创新点 12-14 1.3.1 论文结构 12-13 1.3.2论文创新点 13-14 2 研究区概况 14-19 2.1 自然地理环境 14-15 2.2 社会经济特征 15-16 2.3 河北平
6、原区城市大气污染概况 16-19 3 数据来源与数据处理 19-29 3.1 数据来源 19-21 3.1.1 MODIS 数据 19 3.1.2 TM 数据 19-21 3.1.3 空气污染指数 API 21 3.2 技术路线与数据处理方法 21-29 3.2.1 技术路线 21-22 3.2.2 工作平台 22-23 3.2.3 MODIS 数据预处理 23-26 3.2.4 反演气溶胶光学厚度 AOD 26-27 3.2.5 数据整理 27-29 4 气溶胶光学厚度与空气污染指数时空分布特征 29-38 4.1 MODIS 反演的气溶胶光学厚度分布特征 29-34 4.1.1 河北平原区
7、城市气溶胶光学厚度空间分布特征 29-31 4.1.2 河北平原区城市气溶胶光学厚度时间变化特征 31-34 4.2 河北平原区城市空气污染指数时空变化特征 34-38 4.2.1 河北平原区城市空气污染指数空间差异 34-35 4.2.2 河北平原区城市空气污染指数季节变化 35-36 4.2.3 河北平原区城市空气污染指数月际变化 36-38 5 气溶胶光学厚度与空气污染指数关系模型 38-51 5.1 气溶胶光学厚度与空气污染指数关系模型 38-46 5.1.1 全年 API 与 AOD 关系模型 38-40 5.1.2 季节API 与 AOD 关系模型 40-46 5.2 标高订正的气溶胶光学厚度与空气污染指数关系模型 46-48 5.3 引入虚拟变量的气溶胶光学厚度与空气污染指数关系模型 48-49 5.4 建模数据的相关性比较 49-51 6 结论与讨论 51-53 6.1 主要结论 51 6.2 讨论 51-53 参考文献 53-58 致谢 58
