利用MODIS资料监测湖北省PM2.5的3种模型对比
Comparative analysis of three models for monitoring PM2.5in Hubei province using MODIS data
查看参考文献16篇
|
文摘
|
为确定适宜遥感监测湖北省PM2.5浓度的模型,该文运用MODIS气溶胶光学厚度(AOD)产品、气象数据、土地利用数据、数字高程模型(DEM)数据和地面监测站点获取的PM2.5质量浓度数据建立了智能算法模型(模型1)、地理加权回归模型(模型2)和线性混合模型(模型3),并用地面监测站点数据评估模型拟合结果。结果表明:模型3在所有表征反演精度的统计指标(全数据集R~2、回归斜率、均方根误差、平均绝对误差)上均表现出优异性;十折交叉验证结果表明模型1、模型2和模型3的R~2分别为0.559 8,0.562 2,0.755 5,3种模型皆不存在过拟合现象;对湖北省2015年PM2.5浓度时空分布特征的分析结果表明模型3能够提供可靠数据,可为PM2.5浓度监测提供一种有效的补充手段。 |
|
其他语种文摘
|
In order to determine the model suitable for monitoring PM2.5concentration by remote sensing in Hubei province,intelligent algorithm model(model 1),geographical weighted regression model(model 2)and linear mixed effect model(model 3)were established using moderate-resolution imaging spectroradiometer(MODIS) aerosol optical depth(AOD)product,meteorological data,the land use data and earth observation network of PM2.5mass concentration data.The ground monitoring station data was used to assess PM2.5mass concentration in Hubei province in 2015.Results showed that model 3exhibited excellent performance in all the statistical indicators representing the accuracy of inversion(total dataset R~2,regression slope,root mean square error,mean absolute error).The results of ten-fold cross validation showed that R~2 of the model 1,2,3was 0.559 8,0.562 2, 0.755 5,which indicated that none of the three models was over-fitting.The analysis of the spatial and temporal distribution characteristic showed that model 3could provide reliable data of PM2.5mass concentration in Hubei province in 2015,which provides an effective supplementary means for monitoring PM2.5mass concentration. |
|
来源
|
测绘科学
,2019,44(10):35-42 【核心库】
|
|
DOI
|
10.16251/j.cnki.1009-2307.2019.10.006
|
|
关键词
|
MODIS
;
气溶胶光学厚度
;
浓度估算
;
近地表细颗粒物(PM2.5)
;
时空分布特征
|
|
地址
|
1.
武汉大学, 测绘遥感信息工程国家重点实验室, 武汉, 430072
2.
南方科技大学环境科学与工程学院, 广东, 深圳, 518055
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1009-2307 |
|
学科
|
测绘学 |
|
基金
|
城镇污染气体高分遥感与地面协同监测信息服务应用示范项目
|
|
文献收藏号
|
CSCD:6588484
|
参考文献 共
16
共1页
|
|
1.
Ma Z. Satellite-based spatiotemporal trends in PM_(2.5)concentrations:China, 2004-2013.
Environmental Health Perspectives,2016,124(2):184-192
|
CSCD被引
69
次
|
|
|
|
|
2.
Zhang Ying. Estimation of PM_(2.5) from fine-mode aerosol optical depth.
Journal of Remote Sensing,2013,17(4):929-943
|
CSCD被引
1
次
|
|
|
|
|
3.
King M D. Remote sensing of tropospheric aerosols from space:past, present,and future.
Bulletin of the American Meteorological Society,1999,80(11):2229-2260
|
CSCD被引
64
次
|
|
|
|
|
4.
Raffuses M. High-resolution MODIS aerosol retrieval during wildfire events in California for use in exposure assessment.
Journal of Geophysical Research(Atmospheres),2013,118(19):11242-11255
|
CSCD被引
2
次
|
|
|
|
|
5.
王静. 北京市MODIS气溶胶光学厚度和PM_(2.5)质量浓度的特征及其相关性.
中国科学院研究生院学报,2010,27(1):10-16
|
CSCD被引
30
次
|
|
|
|
|
6.
Yao L. Spatiotemporal distribution and shortterm trends of particulate matter concentration over China,2006-2010.
Environmental Science and Pollution Research,2014,21(16):9665-9675
|
CSCD被引
13
次
|
|
|
|
|
7.
Song Weize. A satellite-based geographically weighted regression model for regional PM_(2.5)estimation over the Pearl River Delta region in China.
Remote Sensing of Environment,2014,154:1-7
|
CSCD被引
31
次
|
|
|
|
|
8.
陈辉. 利用MODIS资料监测京津冀地区近地面PM_(2.5)方法研究.
气象与环境学报,2014,30(5):27-37
|
CSCD被引
26
次
|
|
|
|
|
9.
唐昀凯. 城市土地利用类型与PM2.5浓度相关性研究———以武汉市为例.
长江流域资源与环境,2015,24(9):1458-1463
|
CSCD被引
9
次
|
|
|
|
|
10.
Zhang Tiantao. Estimation of ultrahigh resolution PM_(2.5)concentrations in urban areas using 160m Gaofen-1AOD retrievals.
Remote Sensing of Environment,2018,216:91-104
|
CSCD被引
13
次
|
|
|
|
|
11.
贾松林. 卫星遥感监测近地表细颗粒物多元回归方法研究.
中国环境科学,2014,34(3):565-573
|
CSCD被引
18
次
|
|
|
|
|
12.
徐建辉. 长江三角洲PM_(2.5)质量浓度遥感估算与时空分布特征.
环境科学,2015,36(9):3119-3127
|
CSCD被引
36
次
|
|
|
|
|
13.
陈楠. 湖北省PM_(2.5)与PM_(10)比值分析及PM_(2.5)时空分布特征研究.
环境科学与管理,2017,42(1):98-102
|
CSCD被引
4
次
|
|
|
|
|
14.
焦利民. 武汉PM_(2.5)时空特征分析.
环境科学与技术,2015,38(9):70-74
|
CSCD被引
11
次
|
|
|
|
|
15.
王银牌. 中国近15年气溶胶光学厚度时空分布特征.
中国环境科学,2018,38(2):426-434
|
CSCD被引
27
次
|
|
|
|
|
16.
Lin Changqing. Using satellite remote sensing data to estimate the high-resolution distribution of ground-level PM_(2.5).
Remote Sensing of Environment,2015,156:117-128
|
CSCD被引
35
次
|
|
|
|
|
了解气象卫星更多信息，请访问