论文部分内容阅读
空气动力学粒径小于2.5μm的颗粒物(PM2.5,又称细颗粒物)是造成灰霾天气的主要污染物,国外大量的流行病学研究已经证明了PM2.5与许多负面的健康效应有关。近三十年来,随着社会经济的高速发展,灰霾的污染已逐渐发展为我国的一个突出环境问题,但近几年我国才逐渐意识到PM2.5污染问题的严重性,直到2012年底才初步建成了PM2.5地面监测网络。大范围、长时间的PM2.5历史监测数据的缺失,使得我国PM2.5的环境流行病学与健康效应研究较为薄弱,也使得我国PM2.5的污染控制及环境管理缺乏科学支撑。基于以上背景,本研究基于卫星遥感反演的气溶胶光学厚度(AOD),开发适合于我国的高精度PM2.5-AOD高级统计模型,估算历史PM2.5的时空分布,为我国PM2.5环境管理和健康研究提供基础数据和科学依据。为提高模型反演精度,本研究采用了2014年最新发布的搭载于美国Aqua卫星上的中分辨率成像光谱仪(MODIS)第六版(C6)气溶胶数据。为最大限度提高数据的时空覆盖率,本研究开发了MODIS C6暗目标算法(DT)和深蓝算法(DB) AOD数据的逆方差加权(IVW)平均融合算法。首先逐日建立DT和DB AOD的线性关系,以填补DT或DB AOD的缺失：然后以各季节填补缺失后的AOD与全球气溶胶自动观测网络(AERONET) AOD之差的方差的倒数作为权重,对填补后的DT和DB AOD进行加权平均融合。与AERONET AOD勺对比验证结果表明,MODIS C6标准融合AOD数据的R2为0.81,而本研究IVW融合AOD的R2为0.80,但IVW AOD的总体偏差要稍小于MODIS标准融合AOD。总体来看二者表现基本一致,但IVW AOD平均覆盖率能提高80.6%。基于2013年的PM2.5地面监测数据、IVW融合AOD数据,以及气象、土地利用参数,构建了能反映PM2.5-AOD时间和空间变异的两层级统计模型。第一级分省建立了线性混合效应模型(LME)以反映各省PM2.5-AOD关系的时间变异,为确保建模数据量和模型精度对于每个省分别创建了一个特定的缓冲区；第二级采用广义加和模型(GAM),建立了第一级模型的残差与地理坐标、土地利用参数间的平滑函数关系,以反映模型的空间变异。总体模型拟合和交叉验证(CV)R2分别为0.82和0.79,极大提高了国内已有研究中PM2.5-AOD的高级统计模型精度,接近了北美现有研究的模型精确度。本研究基于所构建的2013年PM2.5-AOD统计模型,首次进行了时间上延伸应用,估算了我国2004-2012年的PM2.5浓度数据。由于缺乏历史监测数据,本研究估算了2014年1-6月的PM2.5浓度数据并与地面监测数据进行比较验证。结果显示,历史PM2.5浓度估算精度随着时间尺度的增加而提高,在日均尺度上表现较差,R2仅为0.41,但在月均和季均尺度上的表现则令人满意(R2分别为0.74和0.80)。敏感性分析结果显示,当一个月至少有6天和一个季节至少有11天有AOD数据时,反演的PM2.s月均值和季均值可用于代表真实的月均值和季均值。最后,本研究基于所反演的2004年-2013年PM2.5浓度数据,对我国PM2.5的历史时空分布特征进行了详细分析。空间分布特征显示我国PM2.5污染与地形特征有着密切关系,高污染地区主要出现在华北-长江中下游平原、四川盆地以及关中平原等地势平坦的区域,人口集中、社会经济活动密度高,污染物排放强度大,加上地形和气象等原因造成污染物不易扩散,从而形成了高污染区。人口暴露特征显示我国有96.0%的人口暴露于PM2.5高于GB3095-2012《环境空气质量标准》二级年均浓度标准的区域,并且存在人口集中分布在PM2.5高浓度地区的空间特征。季节变化特征显示我国PM2.5污染最严重的季节是冬季,污染最轻的是夏季。时间序列趋势分析表明2004-2007年全国PMz.5总体呈现显著增长趋势,2008年之后则出现了轻微下降的趋势,这可能是我国在“十一五”期间实施的较为严格的节能减排政策所带来的协同效应,但具体的协同效应还有待进一步深入的研究。本论文研究成果表明,利用卫星遥感反演PM2.5浓度可以作为我国地面监测站点的有效补充,弥补地面站在时间和空间上覆盖的不足。PM2.5长期浓度空间分布特征可以为我国的环境风险区划提供参考,而月均时间序列数据则可以为我国历史环境政策和减排措施效果评估提供基础数据。此外,本研究还可以为PM25流行病学研究和健康影响评价提供暴露数据,促进我国PM2.5健康效应研究学科的发展。