典型文献
中国近地面PM2.5质量浓度卫星遥感数据集比较及历史趋势分析
文献摘要：
随着对大气污染问题的日益重视,监测大气颗粒物质量浓度也成为了热门研究领域.针对现行两种流行算法(基于模式模拟和基于机器学习)产生的近地面PM2.5质量浓度科学数据集进行了比较分析,利用城市年均PM2.5监测数据定量评估两数据集的不确定性,并通过空间自相关分析对两数据集的空间合理性进行了评价.同时,还利用标准差椭圆分析研究了 2000-2018年间主要污染区域(北京、天津、河北、河南、山西、山东等地)PM2.5的时空演变趋势.结果表明,基于机器学习算法产生的数据集(CHAP)具有较高的精度,适用于区域性空气质量研究;而基于模式模拟算法产生的数据集(vanDonkelaarA)具有合理的空间分布,更适合于大尺度、长时间的污染趋势分析.由标准差椭圆分析发现,2000-2018年研究区域标准差椭圆中心的位置整体向东北方向移动;2013年前PM2.5分布范围及年均值在波动中呈现整体上升的趋势,随后显著下降,造成PM2.5浓度下降的主要因素是有效管控措施的实施.研究结果为中国区域的细颗粒物污染研究的数据集选取提供了参考依据,为大气细颗粒物污染的防控提供科学支撑.
文献关键词：
PM2.5;卫星遥感;标准差椭圆;空间自相关
中图分类号：
作者姓名：
戴刘新;张莹;李正强;漏嗣佳
作者机构：
中国科学院空天信息创新研究院国家环境保护卫星遥感重点实验室,北京 100101;中国科学院大学资源与环境学院,北京 100049;南京大学大气科学学院大气与地球系统科学国际合作联合实验室,江苏南京210023
文献出处：
引用格式：
[1]戴刘新;张莹;李正强;漏嗣佳-.中国近地面PM2.5质量浓度卫星遥感数据集比较及历史趋势分析)[J].大气与环境光学学报,2022(06):613-629
A类：
vanDonkelaarA
B类：
近地,PM2,卫星遥感数据,历史趋势,大气污染问题,大气颗粒物,颗粒物质量浓度,基于机器学习,科学数据集,定量评估,两数,空间自相关分析,利用标准,标准差椭圆分析,污染区,时空演变趋势,机器学习算法,CHAP,空气质量,质量研究,大尺度,污染趋势,区域标准,向东,东北方向,分布范围,年均值,有效管控,管控措施,中国区域,细颗粒物污染,大气细颗粒物
AB值：
0.319913
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
