卫星遥感技术具有宏观、 动态、综合、快速、多层次、多时相的优势，利用它进行环境 PM2.5监测是一个新兴的研究领域。
上海市疾病预防控制中心的蒲立力等在这方面做了探索，利用卫星遥感数据建立符合上海市实际情况的近地面空气 PM2.5浓度的估算模型，并对模型进行检验和评价，以期解决目前 PM2.5对人群健康慢性影响研究中存在的历史数据缺乏和现实数据时空局限性难题，为开展全面的环境监测提供新的思路。
气溶胶光学厚度(AOD) 定义为气溶胶的消光系数在垂直方向上的积分，描述了气溶胶对光的衰减作用。 AOD 是近地面颗粒物遥感估算中最主要的信息来源。
利用美国航空航天局免费提供的中分辨率成像光谱仪 （ MODIS）L1B1KM卫星遥感数据反演上海市的AOD。 对AOD进行垂直和湿度校正后，生成干消光系数Edry，引入日均气压、日均风速、日均温度等影响气溶胶扩散的气象因素，拟合由Edry估算近地面空气PM2.5浓度的模型。利用地面实测PM2.5浓度对模型进行验证，并与已有模型进行比较评价，研究思路见下图。
AOD反演结果
上海不同季节AOD反演结果均值分别为：春季0.57，夏季0.48，秋季0.41，冬季0.72，年平均值0.53。
上海市AOD空间分布特征是：人口密集的市中心是AOD的高值中心，郊区AOD明显低于中心城区。见下图。
上海市AOD季节空间分布情况
Edry与PM2.5的关系
将全部AOD值转化为Edry值，采用线性回归模型与PM2.5浓度进行拟合。为与已有文献的拟合模型比较，将AOD做垂直和湿度校正(即计算Edry)后，拟合2种模型：
①以Edry为自变量X，PM2.5浓度为应变量Y，拟合线性回归模型；
②以Edry为自变量X1，同时将相关的气象因素（日均气压X2、日均风速X3、日均温度X4）一同纳入，PM2.5浓度为应变量Y，拟合多元线性回归模型。
不含气象因素的模型拟合结果
拟合得到四季的Edry均与PM2.5浓度成正相关，R2在50%上下波动，说明模型的拟合精度不高。
用各自建模样本数据回带入方程，计算平均相对误差，进行误差分析，并用2014年3月—2015年2月的数据作为检测数据，对模型进行预测评价。不含气象因素的四季模型均通过F检验，但其拟合精度和预测精度均偏低，在50%左右上下浮动。见下表。
Edry与PM2.5浓度模型拟合结果
含气象因素的模型拟合结果
拟合得到四季的Edry与PM2.5浓度四季均呈正相关 ；日均气压、日均风速与PM2.5浓度四季均呈负相关；日均温度与PM2.5浓度在冬春季呈正相关，夏秋季度呈负相关。
对模型做预测评价（与2.3的评价相同），结果显示：含气象因素建模后，四季模型均通过了置信度a=0.05的F检验。经对比，发现含气象因素模型的拟合精度和预报精度，较不含气象因素的模型都有了较大的提高。拟合精度和预测精度都较高，分别达到81％和71％。见下表。
含气象因素后Edry与PM2.5浓度模型拟合结果
（1）用MODIS反演的AOD可以用于直观观察上海市PM2.5的分布特征，在时间和空间上，相对于地面监测资料具有较大的优势。用MODIS反演的AOD分布图可以看到上海市气溶胶污染主要分布在市区，冬春季高于夏秋季。
（2）本研究运用MODIS数据反演AOD数据，分四季与日均温度、日均气压、日均风速，拟合上海市PM2.5浓度的多元线性回归模型，经过验证和比较，具有较高拟合精度和预测精度。经比较评价，该模型优于已有文献的建模方法， 可用于缺失历史数据及缺少地面监测站点时的PM2.5浓度估算。
参考文献：
蒲立力，朱涵 ，袁东，尹艳，贾晓东. 利用卫星遥感数据估算上海市近地面空气PM2.5浓度的探索.环境与职业医学，2017，34（2）：99-105.
－END－
