检索结果-南通市图书馆

检索条件"主题词=近地面NO2浓度"

共 3 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多源卫星数据的中国近地面no2浓度估算

基于多源卫星数据的中国近地面NO2浓度估算

引用

作者：迟雨蕾山东科技大学

学位级别：硕士

随着我国经济的快速发展,城市扩张、工业生产、机动车数量逐渐增加等因素致使我国大气环境污染问题显著。大气中的痕量气体二氧化氮（no2）作为我国大气污染的主要污染物之一,严重危害了人类的生活和健康,特别是高浓度的近地面no2更与... 详细信息

随着我国经济的快速发展,城市扩张、工业生产、机动车数量逐渐增加等因素致使我国大气环境污染问题显著。大气中的痕量气体二氧化氮（no2）作为我国大气污染的主要污染物之一,严重危害了人类的生活和健康,特别是高浓度的近地面no2更与人们的生活和健康息息相关。自2013年国务院颁布《大气污染防治行动计划》以来,我国的空气质量整体趋势虽逐渐变好,但在部分典型污染地区,no2浓度仍居高不下。随着卫星技术的不断发展,基于卫星遥感反演no2浓度已逐渐成为天地一体化空气质量监测的重要手段之一,但目前相关研究和技术仍主要面向整层或对流层no2垂直柱浓度监测,尚缺乏大区域尺度的近地面no2浓度估算模型与数据集用以弥补由于地面监测站点分布不均匀造成的部分地区数据缺失和为环境污染监测提供有力的技术支持。本文主要基于DOAS算法实现了 OMI和新一代TROPOMI两个载荷的大气no2对流层柱浓度反演,并基于卫星no2对流层柱浓度协同其他相关变量,分别利用统计模型和机器学习模型开展了近地面no2浓度估算,通过与地基no2监测数据比对分析,评估了不同模型估算数据集的精度和空间分布差异。具体地,本文主要开展了以下几方面的研究:（1）分别利用OMI L1B及TROPOMI L1B观测数据,基于DOAS算法反演了整层no2斜柱浓度;采用SCIATRAN辐射传输模型模拟中国区域的AMF查找表,并计算整层no2垂直柱浓度;利用TROPOMI产品中的no2平流层浓度来同化实际no2平流层柱浓度,获取no2对流层柱浓度。通过将本研究反演结果分别与OMI和TROPOMI no2 L2产品进行对比分析,反演结果与产品具有较高的一致性,其中,OMI的R2高于0.88,TROPOMI的最低R2达到0.7。两种反演结果的交叉验证相关系数在0.8左右。（2）统计模型方面,在考虑no2对流层柱浓度的基础上,本文引入了气象、地形等因素构建了高精度的混合效应模型以估算近地面no2浓度。将模型中使用的样本数据进行直方图统计分析,发现各变量均具有相似的地基测量no2浓度分布。基于2018年OMI和TROPOMI对流层no2浓度数据,按月份分区域进行混合效应模型的拟合和验证,其中,京津冀地区的相关性最好,每个月的R2均高于0.7,12月R2最高达到0.86。估算结果显示各地区的近地面no2浓度值具有明显的时间和空间差异性,冬季浓度最高,夏季浓度最低。通过统计各地区近地面no2浓度的季节均值和年均值发现,京津冀地区的季节差异性显著高于长三角和珠三角地区,这与地域和人为活动等因素相关。（3）为进一步探讨近地面no2浓度与多种影响因子间复杂的非线性关系,本文尝试利用自我学习能力较强的机器学习方法估算近地面no2,使用的是XGBoost和ExtraTrees方法。利用模型对样本进行非监督的特征学习,并将学习获得较优的模型用于近地面no2浓度的估算。对比分析两种模型的估算精度,结果表明XGBoost表现的更为优秀,测试结果中 R2=0.77,RMSE=17.08 μg/m3。（4）基于混合效应模型和机器学习方法的估算结果在空间和时间两个尺度上进行了对比分析。通过将京津冀、长三角和珠三角地区地基监测结果与卫星估算的no2月平均浓度进行比对验证,结果显示机器学习方法要优于混合效应模型,其中,XGB模型、ET模型和EME模型的R2分别大于0.82、0.75和0.65。同时,从京津冀地区近地面no2月平均浓度和季节平均浓度结果,可以看出机器学习方法的估算结果相对较好,数据分布比较均匀,数据间的方差较小。而统计方法的估算结果浓度值偏低,且数据分布具有明显的区域断层效果。

关键词：近地面no2浓度 TROPOMI OMI 机器学习模型混合效应模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空地理加权回归模型估算近地面no2浓度

基于时空地理加权回归模型估算近地面NO2浓度

引用

作者：饶兰兰中国矿业大学

学位级别：硕士

我国空气污染形势日益严峻,严重影响到人体健康,NO是大气中重要的污染物,关系到光化学烟雾,酸沉降以及大气臭氧变化,我国环境保护部已经在全国建立了1497个站点来监测城市污染物浓度,NO已经作为空气质量监测的日常项目之一。近地面NO浓... 详细信息

我国空气污染形势日益严峻,严重影响到人体健康,NO是大气中重要的污染物,关系到光化学烟雾,酸沉降以及大气臭氧变化,我国环境保护部已经在全国建立了1497个站点来监测城市污染物浓度,NO已经作为空气质量监测的日常项目之一。近地面NO浓度与人体健康息息相关,站点观测数据代表性有限,不适于进行大尺度的研究,目前卫星观测NO已经有了科学的理论基础和成熟的算法,借助卫星观测数据研究不同尺度的NO变化是一个有效方法。本文利用2013年5月-2014年4月OMI NO L2级对流层垂直柱浓度数据,WRF气象数据和近地面NO浓度观测数据,分析了我国东部NO对流层柱浓度、气象因素与近地面NO浓度之间的关系,运用时空地理加权回归(GTWR)模型,采用自适应带宽,估算了近地面NO浓度,并与普通线性回归(OLR)模型、地理加权回归(GWR)模型、时间加权(TWR)回归模型的估算结果进行对比,基于GTWR模型计算了各省份的人口加权NO浓度年均值,发现:1)GTWR模型估算的近地面NO浓度与地面观测值的相关性最好(R2=0.6),误差最小;2)TWR模型估算精度较GWR估算精度较好,说明NO柱浓度与近地面浓度之间关系的时间异质性大于空间异质性;3)GTWR模型精度有明显的季节差异和空间差异,冬季估算结果与观测结果相关性最好,夏季最差,秋季用柱浓度与地面浓度之间的相关性最好;4)与NO算术年均值相比,人口加权NO浓度年均值更能表现NO污染对人口的影响,京津冀地区、陕西、河南、山东人口加权NO浓度年均值较大,中国东部大部分省份都不同程度受NO污染影响。本文介绍了另外三种估算近地面浓度的方法:插值方法、神经网络方法、大气化学模式WRF-Chem模拟。1)插值方法比较简单,能够获得近地面NO的空间分布,但在缺少观测点的空白区域,估算结果准确度较小;2)神经网络方法的估算结果比OLR模型好,但比GTWR模型差;3)WRF-Chem能够模拟出近地面NO浓度和NO垂直分布,通过计算可以得到对流层NO柱浓度,NO的垂直分布存在明显的季节差异和空间差异,WRF-Chem模拟出的近地面NO浓度和NO柱浓度与站点观测的近地面NO浓度有一定的相关性(R2分别为0.23,0.17),但相关性较小。

关键词：近地面no2浓度时空地理加权回归 OMI 中国东部

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于TROPOMI的近地面no2浓度反演及降尺度研究

基于TROPOMI的近地面NO2浓度反演及降尺度研究

引用

作者：孔祥雨华东师范大学

学位级别：硕士

大气污染问题长期以来一直受到世界范围内的关注,我国也开展了大量的大气污染治理工作,SO、PM、PM等污染物相继取得治理成效,但目前我国O污染形势仍相对严峻,作为O前体物的NOx和VOCs排放量居高不下。NO是NOx的组成部分之一,对人体健康... 详细信息

大气污染问题长期以来一直受到世界范围内的关注,我国也开展了大量的大气污染治理工作,SO、PM、PM等污染物相继取得治理成效,但目前我国O污染形势仍相对严峻,作为O前体物的NOx和VOCs排放量居高不下。NO是NOx的组成部分之一,对人体健康和环境安全有着明显的危害,因此,对近地面NO浓度及其时空变化的有效监测,对我国提高大气质量、改善居民生活环境有着十分重要的意义。本文在分析中国环境监测国控站点NO浓度时空变化基础上,基于随机森林分别建立了月尺度和日尺度近地面NO浓度估算模型,使用地理加权回归GWR模型和多尺度地理加权回归MGWR模型,对反演的0.05°×0.05°的近地面NO浓度数据进行降尺度处理,最终得到分辨率为0.01°×0.01°的近地面NO浓度数据。本文主要研究结果如下:(1)自2016-2020年以来,近地面NO浓度先增高后降低,最高值出现在2017年,总体呈下降趋势。在季节变化上,近地面NO浓度呈现出冬季>秋季>春季>夏季的特点,这与人为排放和自然条件的影响有关。在月尺度上,近地面NO浓度呈现U形变化,受夏季高温、多雨、日照充足等条件影响,五年间近地面NO浓度月平均最小值均出现在7-8月份。在空间分布上,我国北方地区的近地面NO浓度高于南方,东部地区高于西部。全国高值区主要分布于经济发达、人口稠密的华北平原、长江三角洲地区及煤炭资源丰富、重工业集中的汾渭平原。TROPOMI NO对流层柱浓度数据和地面监测站点数据的时空分布规律较为一致,两者相关性达到0.50。表明TROPOMI NO对流层柱浓度数据可以用于估算近地面NO浓度的分布情况。(2)基于构建的近地面NO浓度估算数据集,本研究利用随机森林模型建立了空间分辨率为0.05°×0.05°的月尺度和日尺度近地面NO浓度估算模型,并对2020年近地面NO浓度进行了估算研究。在特征因子筛选后,本研究建立的日尺度估算模型分为春、夏、秋、冬四个季节,其中冬季和秋季模型拟合能力较好,十折交叉验证测试集R分别为0.75(RMSE=9.14ug/m)和0.73(RMSE=7.77ug/m),对模型相应季节的日尺度近地面NO浓度估算结果验证,R分别达到0.67(RMSE=12.79ug/m)和0.70(RMSE=11.37ug/m)。本研究还选择了京津冀、长三角和珠三角地区作为研究的子区域,对其日平均近地面NO浓度进行了验证,发现在秋冬季的京津冀地区,估算的每日NO浓度与地面监测站点实测NO浓度变化趋势基本吻合,R达到0.70。本研究表明该模型在小区域内NO浓度估算中具有一定的应用价值。(3)选取上海市及周边地区为降尺度研究区,利用GWR模型和MGWR模型,基于高分辨率辅助数据,对在研究区域内近地面NO浓度月平均数据进行了降尺度处理,得到0.01°×0.01°近地面NO浓度月平均数据。通过对模型的拟合能力进行分析,发现GWR模型降尺度最优的结果R达到0.54(RMSE=9.51ug/m),而MGWR最优的R=0.55(RMSE=10.24ug/m),MGWR模型在整体上表现更加稳定,但RMSE还有待提高。通过降尺度处理,近地面NO浓度数据的空间分辨率得到了明显提高,GWR模型和MGWR模型能够捕捉到粗分辨率近地面NO浓度数据难以获取的小区域空间内NO浓度空间分布差异,为进一步探究城市内部近地面NO浓度空间分布、识别点源污染等奠定了基础。本研究利用随机森林模型、地理加权回归模型和多尺度地理加权回归模型对近地面NO浓度进行估算,所获得的高空间分辨率、时空连续的近地面NO浓度产品为近地面NO浓度分布研究提供了数据支撑。

关键词： TROPOMI no2 随机森林近地面no2浓度降尺度地理加权回归

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：