论文部分内容阅读
空气动力学当量直径不超过2.5μm的颗粒物被统称为细颗粒物,简称为PM2.5。PM2.5是主要的大气污染物之一,对人体健康危害严重。伴随着经济的高速发展,我国大陆地区的空气污染问题极为严重,经济发达、人口密度高的华东地区便是重污染区之一。人为排放大量生活和工业污染物造成华东地区PM2.5浓度一直居高不下,雾霾天气频发。为了有效监测空气中的PM2.5浓度,提供及时准确的雾霾预警,遍布全国的空气质量监测网络于2012年开始分阶段逐步被布设,但空气监测站点稀疏,在东西部、城市与农村的区域分布不均匀,以及PM2.5浓度历史观测数据的缺失,都极大限制了针对我国人群的PM2.5流行性病学研究。鉴于PM2.5与大气气溶胶光学厚度(AOD)之间具有较强的相关性,于是利用观测时间长、覆盖面广的AOD卫星遥感数据间接估算PM2.5浓度成为克服上述站点观测不足的重要手段。MODISC63kmAOD遥感数据被用于构建华东地区2015年3月1日至2016年2月29日的PM2.5浓度估算模型,但受云雪天气等因素影响,AOD遥感数据经常存在大规模观测缺失。为了提高AOD数据在华东地区的覆盖度,首先分两步利用线性回归模型逐日完成AquaAOD对TerraAOD,DB AOD对DT AOD的线性填补,前提是当日相关系数不小于0.8。然后将合并后的3 km AOD数据集分季节按照时空混合效应模型分解为趋势项、随机项、降维和观测误差项,并且EM算法被用于迭代估计模型参数,直到收敛输出最优参数值,进而基于各季节的最优模型利用秩修正平滑法逐日估计补全MODIS 3 km AOD。与AREONET AOD对比结果表明填补后的MODIS 3 km AOD在整个研究时间段的决定系数R2为0.73,最高在夏季为0.84,最低在冬季为0.57。同时考虑PM2.5与AOD的相关性和PM2.5的时空自相关性,结合填补后的MODIS 3 km AOD遥感数据和PM2.5地面站点观测数据,加入相对湿度及大气边界层高度同化数据,分季节构建华东地区PM2.5浓度时空回归克里金估算模型。分别提取PM2.5浓度的线性和中位数平滑时空趋势,时空残差项由时空简单克里金法完成插值估计。模型交叉验证估计结果表明,在整个研究时间段的R2达到0.87,RMSE为16.55μg/m3,秋冬两季估计精度接近,R2均为0.88,RMSE分别为 14.51 和 22.50 μg/m3,春季次之,R2和 RMSE 分别为 0.82 和 14.81μg/m3,夏季最差,R2和RMSE分别为0.79和14.81μg/m3。而年平均和各季节平均PM2.5浓度估计精度更高,R2均在0.95以上,RMSE在4μg/m3以下。年均PM2.5浓度和AOD在华东地区呈现出基本一致的空间分布特征,均为北高南低。北部由于邻近重污染区,且地势平坦易于污染物传送,空气污染较重。中部经济相对发达,人口密度高,空气污染程度次之。南部处于丘陵地带,远离重污染区且气象扩散条件好,空气污染最轻。季节尺度上的平均PM2.5浓度与AOD则具有不同的空间分布特征,PM2.5浓度在各季节保持稳定的北高南低特征,而AOD的空间分布则随季节变化明显。另外,PM2.5与AOD在各季节的污染水平也不一致,冬季整体PM2.5污染最重,夏季最轻,春秋两季介于两者之间,而AOD则是春夏两季高于秋冬两季。模型估计过程中PM2.5浓度残差项时空插值计算量过于繁重,但每个格网点的时空插值任务相互独立,彼此之间不存在通信开销,属于典型的数据并行问题,尤其适宜于在GPU端并行处理。于是基于CUDA编程模型设计实现了 GPU众核加速的时空克里金插值并行算法,时空最近邻搜索、权重方程组求解及时空样本观测值加权平均等被设计为GPU端运行的内核函数。多种空间分辨率格网的时空插值实验表明GPU众核并行算法显著缩短了运行时间,而且加速比也远超CPU四核并行算法,在处理3 km空间格网时加速比达到106.27,是CPU四核并行算法的26.7倍。综上所述,基于时空混合效应模型,采用秩修正平滑法补全了 MODIS 3km AOD遥感数据,显著提高了其在华东地区的覆盖率。多源数据被用于构建分季节的时空回归克里金模型,进而估算得到华东地区时空连续的3km PM2.5浓度格网数据,并在年度和季节尺度上将PM2.5浓度与AOD的空间分布特征和污染水平进行了比较分析。另外基于CUDA模型设计实现了 GPU众核加速的并行算法,克服了模型运行过程中的计算瓶颈。本研究提供了高效精确的PM2.5浓度估算方法,对我国环境流行病学研究及大气环境保护具有重要意义。