2022年规范

等AOD数据产品作为卫星遥感细颗粒物计算模

5. 2 气象资料提取

从气象模式（如全球气象预报模式（GlobalForecastSystem，GFS）和中尺度天气预报模式（Weather ResearchandForecasting，WRF)）等资料中提取出区域行星边界层高度和相对湿度数据，并按AOD的 空间分辨率采用双线性插值方法进行重采样

利用地面监测站点的PM2.5质量浓度数据与区域AOD、 气象资料进行时间和空间上的卫星一模式 地面多源数据匹配，形成输入数据集。 a 以PM2.5质量浓度地面监测站点所在地理坐标为中心，根据卫星监测时间，考虑大气气溶胶移 动速度（一般微风情况下，气溶胶移动速度约为3m/s～5m/s）和卫星遥感像元邻近效应，选 取中心位置周边15km范围和监测时间前后各半小时区间内的AOD、行星边界层高度和相对 湿度有效结果，并计算平均值。 b） 根据附录A中公式（A.3） 构建PM2.5质量浓度、AOD、行星边界层高度和相对湿度输入数据 集。

a）以PM2.5质量浓度地面监测站点所在地理坐标为中心，根据卫星监测时间，考虑大气气溶胶移 动速度（一般微风情况下，气溶胶移动速度约为3m/s～5m/s）和卫星遥感像元邻近效应，选 取中心位置周边15km范围和监测时间前后各半小时区间内的AOD、行星边界层高度和相对 湿度有效结果，并计算平均值。 b 根据附录A中公式（A.3） 构建PM2.5质量浓度、AOD、行星边界层高度和相对湿度输入数据 集。 工 5.4 回归系数获取 根据监测原理形成PM2s质量浓度矩阵计算公式，见公式（5）： Y=Xβ （5） 式中：Y 因变量矩， 构建形式见附录A； X一自变量矩阵，构建形式见附录A； β一回归系数矩阵，构建形式见附录A。 回归系数矩阵β根据地理加权方法（原理见附录A A）求解。设定高斯函数作为权重计算方法，采用 交叉验证方法获取最优带宽，并计算获取回归系数矩阵β。 陆地区域PM2.5质量浓度回归系数采用普通克里金插值方法（采用插值处理软件默认参数，半变异 函数为球状模型，搜索半径为邻近12个样本点）获取。根据回归系数矩阵β的每一列按照对应的地理坐 标信息依据AOD的空间分辨率进行空间插值，即可得到区域连续的回归系数。

5.5陆地区域PM2.5质量浓度计算

根据目标区域中每个像元对应的AOD、行星边界层高度、相对湿度以及回归系数，结合公式（5） 逐像元计算Y值，并计算像元PM2.5浓度，见公式（6）： M(PM25) = exp(Y) （6） 式中：M(PM2.5）—PM2.5质量浓度，μg/m； exp一以e为底的指数函数； Y一像元回归因变量。 将所有计算像元PM2.5浓度按照卫星遥感数据的投影方式和地理坐标系统存储，形成陆地区域PM2. 质量浓度结果

入数据集，将其按等比例随机分成10个数据子集，分10次轮流选取其中1个数据子集作为测试比对数 据，其他9个子集作为PM2.5质量浓度反演训练样本数据，依据本标准的PM2.5质量浓度反演模型采用 训练样本数据计算回归系数，然后根据该回归系数采用测试比对数据计算像元PM2.5浓度遥感计算结果 将遥感结果和地面监测值进行线性相关分析，并计算决定系数（R"）和相对精度（RA），用于评估PM2. 质量浓度预测结果在实际应用中的准确性。 在利用卫星遥感细颗粒物进行监测分析应用时，结果验证应满足决定系数（R）大于0.7且相对精 度（RA）高于70%。决定系数（R）和相对精度（RA）计算方式分别见公式（7）和公式（8）：

为提高PM2.5质量浓度遥感监测结果的准确性，一方面要采用较为成熟的气象预报模式模拟数据（如 GFS、WRF等），保证行星边界层高度和相对湿度的相对精度均达80%以上；另一方面保证输入的地面 PM2.5质量浓度监测数据可靠，监测数据来自国家或省级生态环境监测部门正式公布结果，监测采样仪 器、自动监测系统、安装验收和运行质控等技术要求分别符合HJ93、HJ653、HJ655和HJ817的规定， 司时保证监测点位足够且分布相对较均匀，一般1×10*km内至少有3个地面监测点位的PM2.5质量浓 度监测资料，部分PM2.5质量浓度分布空间差异较大且地面环境空气质量监测网络较发达的地区，可适 当提高至1×10*km内有5个地面监测点位的PMs质量浓度监测资料

附 录 （资料性附录） PM25质量浓度地理加权回归计算方法

公式（5）中因变量矩阵Y、自变量矩阵X和回归系数矩阵β根据匹配后的数据构建验货标准，其中因

βo(ui,vi)、β,(ui,vi)、β,(ui,vi)、β(ui,vi)—第i个训练样本的回归系数; 训练样本数量； u 第i个（i=1,2，"，n）训练样本的地理横坐标； 一第i个（i=1,2，"n）训练样本的地理纵坐标。 回归系数矩阵β一般通过地理加权方法获取。先计算两个样本之间的距离，见公式（A.4）：

式中：CV(6)一回归残差平方和 6一设定带宽； J+(6)一不包括回归点本身的回归值； 根据公式（5)和公式（A.1)～公式（A.7)计算不同带宽6相应的CV(6)值，并找到最小的CV(6)值所对 应的带宽，此即最优带宽。将最优带宽代入公式（5）和公式（A.1）～公式（A.7）计算最优因变量值。