1 安徽省环境科学研究院, 安徽 合肥 230071
2 中国科学技术大学地球和空间科学学院, 中国科学院壳幔物质与环境重点实验室, 安徽 合肥 230026
利用合肥市 10 个国控站点 2019 年臭氧 (O3) 浓度数据, 采用数理统计和回归分析方法研究 O3 时空分布特征及气象因子的影响。结果表明: (1) O3小时及月均浓度均呈单峰型, 6 月份达到峰值; (2) 董铺水库和高新区站点 O3 对污染天气的贡献率相对较高, 贡献率均超过 10%; (3) 2019 年超标时次较多的站点为董铺水库和高新区, 且出现在夏季; (4) 温度、相对湿度和太阳总辐射与 O3 浓度呈正相关, 温度在 30～35°C、 相对湿度在 40%～50% 和太阳总辐射在 800～1000 W·m－2 时 O3 浓度达到最高值; 风速在 4～4.5 m·s－1 时外源输送较强烈, O3 浓度较高; 降水对 O3 前体物有清除作用, O3 浓度越高, 降水的清除作用越明显。
合肥市 臭氧 时空分布 气象因子 Hefei City ozone temporal and spatial distribution meteorological factors 大气与环境光学学报
2021, 16(4): 339
1 新疆气象局气象台,新疆 乌鲁木齐 830002
2 中亚大气科学研究中心,新疆 乌鲁木齐 830002
3 阿勒泰地区气象局,新疆 阿勒泰 836500
4 甘肃省环境监测中心站,甘肃 兰州 730000
对2010～2014年阿克达拉大气本底站和阿勒泰市的PM10质量浓度值、温度、降水、风向风速、湿度、气压数据进行了对比分析。 结果表明:阿克达拉和阿勒泰市PM10年平均质量浓度均呈上升趋势,但是本底站值上升较快。当阿克达拉的平均气温在10～20℃时, 阿勒泰市的平均气温低于－10℃时, 两地PM10质量浓度处于较高污染水平。相关性分析表明阿克达拉和阿勒泰市PM10质量浓度与降水、 风速均呈负相关。当PM10质量浓度处于较高污染水平, 此时阿克达拉站主导风是西北风(NW),风频达17.1%,风速 在1.8～5.7 m·s－1之间,且风速小于1.5 m·s－1时的风频明显比风速大于1.5 m·s－1时 的风频小很多;阿勒泰主导风是北风(N), 风频为10.6%,风速在1.3～3.3 m·s－1之间,风速小于1.5 m·s－1 时的风频与风速大于1.5 m·s－1时的风频相差不明显。此外,分析表明PM10浓度与湿度、气压的相关性较弱。
阿克达拉 阿勒泰市 气象因子 PM10 PM10 Akdara Altay City meteorological factor 大气与环境光学学报
2020, 15(3): 224
1 安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心, 安徽 合肥 230601
2 安徽理工大学 测绘学院, 安徽 淮南 232001
3 北京农业信息技术研究中心, 北京 100097
湖泊蓝藻水华的精准动态监测, 可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象, 利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据, 通过归一化水体指数(Normalized Difference Water Index, NDWI)实现巢湖水域范围提取, 利用归一化植被指数(Normalized Difference Vegetation Index, NDVI)和浮游藻类指数(Floating Algae Index, FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的, 对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析, 评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明: (1) 相比NDVI指数, FAI指数(Landsat和HJ-1B数据为主, VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响, 可提高蓝藻水华爆发区域、程度的识别能力; (2) 气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度, 降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述, 论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发, 利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响, 取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持, 有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。
浮游藻类指数 归一化水体指数 VIIRS影像 巢湖蓝藻 气象因子 floating algae index normalized difference water index VIIRS imagery cyanobacterial blooms of Chaohu Lake meteorological factor 红外与激光工程
2019, 48(7): 0726004
1 湖北工业大学 理学院, 武汉 430068
2 湖北工业大学 太阳能高效利用湖北省协同创新中心, 武汉 430068
应用中分辨率成像光谱仪近红外通道数据进行大气水汽含量反演.采用三通道比值加权平均法用于武汉地区大气水汽含量反演,将反演结果与EOS发布的水汽产品进行对比,验证了该反演算法的可信性.借助遥感影像处理软件ENVI,利用三通道比值加权平均法反演了武汉地区近十年(2001-2011)的大气水汽含量,结合武汉地区实际地理位置、气候条件和城市发展现状,分析了武汉地区大气水汽含量变化.结果表明：武汉地区大气水汽含量在秋季和冬季呈明显减少趋势.借助统计软件SPSS对中分辨率成像光谱仪反演的大气水汽含量与地面气象探测因子气压、气温和相对湿度之间做回归分析,结果表明：大气水汽含量与气温呈正相关,气压呈负相关,和相对湿度的相关性不大,但在温度一定时,两者呈正相关.
遥感 中分辨率成像光谱仪 水汽含量 回归分析 气象因子 Remote sensing MODIS Precipitable water vapor Regression analysis Meteorological factors 光子学报
2014, 43(10): 1001003
给出了355 nm激光雷达与布设在中国科学院大气物理研究所325 m铁塔上的BAM-1020颗粒物监测仪对比观测实验的结果，通过2011年9月21日至10月21日一个月的对比实验发现，激光雷达探测的气溶胶消光系数与实测的PM2.5浓度之间存在较好的相关性。利用线性回归模型建立消光系数与颗粒物浓度之间的关系式，并通过铁塔实测的PM2.5浓度对该关系式在垂直高度上的反演精度进行研究。结果显示，在63，80，120，160 m高度处雷达反演的PM2.5与实测值之间的相关系数分别为0.9447，0.9331，0.9284，0.9308，说明激光雷达能有效探测颗粒物的垂直分布状况。激光雷达探测将有利于研究污染物的空间分布状况和污染物跨界输送问题，并为区域大气联防联控制定政策和措施提供数据支持。
大气光学 激光雷达 PM2.5浓度 消光系数 反演精度 气象因子
中国科学院 安徽光学精密机械研究所 环境光学与技术重点实验室,合肥 230031
激光雷达监测气溶胶垂直分布一直是大气环境监测领域的重要内容之一。为了研究大气气溶胶质量浓度的垂直分布,对气溶胶质量浓度反演模型进行了理论分析和实验验证。在理论分析后向散射系数与质量浓度之间指数关系及气象因子对气溶胶质量浓度分布影响的基础上提出了一种指数修正模型。采用非线性最小二乘法与经验相结合的方法进行了实验验证,获得了模型参量并反演了气溶胶质量浓度的垂直分布。结果表明,修正模型与实际情况更接近,能更好地反映气象因子对气溶胶质量浓度分布的影响,该修正模型对于气溶胶的垂直分布研究具有一定的参考价值。
激光技术 激光雷达 反演 气溶胶质量浓度 垂直分布 气象因子 laser technique lidar retrieval aerosol mass concentration vertical distribution meteorological factors
