环境监控与预警Environmental Monitoring and ForewarningVol. 11 ,No.5Sept 2019D01：10.3969/j. issn.1674—6732.2019.05.006利用卫星遥感数据估算PMi.5浓度的应用研究进展王子峰2，曾巧林34,陈良富心,陶金花12，范萌12,张泽宇心!!!(1.中国科学院遥感与数字地球研究所，遥感科学国家重点实验室，北京 100101 ；2.中国科学院空天信
息研究院，北京100094；3.重庆邮电大学计算机科学与技术学院，重庆 400065 ；4.重庆市空间大数据智
能技术工程研究中心，重庆 400065 ；5.中国科学院大学，北京 100049)摘 要：近年来\"PM?.已成为中国大气污染的首要污染物，危害人体健康#为弥补地基监测站点在空间分布上的局限性，
借助卫星遥感技术估算PM?.浓度已成为研究热点#文章总结了利用卫星估算PM?.浓度的各种研究方法,探讨了不同方
法的优势和不足\"指出不同方法对不同应用目的的选择性差异较大#提出\"应针对不同应用目的选择相应的方法\"从而取
得满足各方面需求的研究成果\"为未来PM2.5浓度估算应用工作提供参考#
关键词：细颗粒物；卫星遥感；比例因子；半经验;统计模型；机器学习中图分类号：X515 ；X87
文献标志码:A
文章编号：1674 -6732 (2019) 05 -0033 -06Research Progress of Methodology and Applications of PM：. Estimation Using Satellite Remote SensingWANG Zi-fengi\"2 ,ZENG Qiao-lin3 \"4 ,CHEN Liang-fJ2\"5 ,TAO Jin-hua1 f2 ,FAN Meng1'2,ZHANG Ze-yJ2\"5(1. State Key Laboratory of Remote Sensing Science\" Institute of Remote Sensing and Digital Earth\" ChinaAcademy of Sciences \" Beijing 100101 , China ； 2. Aerospace Information Research Institute \" Chinese Academy ofSciences \" Beijing 100094 , China ；3. College of Computer Sciencc and Technology\" Chongqing Gnigeij of Posts and Telecommunicatioos \" Chongqing 400065 , China ； 4. Chongqing Engineering Research Center of Spatial Big Data Intelligent Technolgy, Chongqing 400065 , China ； 5. UngersPo of China Accdemy of Sciences\" Beijing100049 \" China )Abstract: PMq 5 ( Fine Particulato Matteo) has become the primarR air pollution pollutant in China, endangering human health. To
make up for the limitations of spatial distribution of ground-based monitoring sites, it has beccme a research hotspot by using the
advantages of remote sensing satellite technology to estimate PMq 5 ccnccntrations. The methods for estimating PMq 5 aresummarized, and the advantages and disadvantages of each method are discussed, also there is a great difference in the selectivity of different application goals. It is suggested that appropriate methods should be selected foe different application purpose to meet the needs of various aspecte. It provides referencc of PM： 5 estimation for future.Key words : PMq 5 ；Remote sensing；Scding factor；Semi-empirical； Statistical model； Machine learning0引言目前，监测大气中PM2.5的方法主要有：地基监
随着经济快速发展，工业活动、城市扩张、机动 测、大气空气质量模式预报和遥感监测#地基监测 精度高，但成本昂贵，站点数量有限且分布不均，监 测区域大气污染分布存在一定的局限性［5］o大气收稿日期：2019 -08 -27 '修订日期：2019 -09 - 15资助项目：中国科学院战略性先导科技专项（A类）$地球大数
车等人为排放增加，导致中国部分地区空气质量恶 化严重。大气细颗粒物（Fine Particulate Matter,
PM2& ）是指动力学直径＜2.5 |xm的粒子,半径小,
能长时间停留在大气中，对大气空气质量造成严重 威胁#研究表明PM2.5极易吸附大量有毒物质,通
据科学工程%基金资助项目（XDA19040201）过毛细血管等器官进入人体内部引起各种疾病 （如哮喘、心血管等），甚至死亡［1T。作者简介：王子峰（1982 —），男，副研究员，博士 ,主要从事颗 粒物遥感估算与大气环境卫星监测研究工作。33 —第11卷第5期王子峰等•利用卫星遥感数据估算PM?』浓度的应用研究进展2019年9月空气质量模式预报在空间上具有连续覆盖性,但分
辨率较低、精度较差+ 6_7 ］,对小尺度范围细节变化
描述较差。卫星遥感监测技术具有空间覆盖的连 续性以及广域性,能较好弥补地基监测在空间上的 不足,且能客观地反映污染物分布情况⑹。常用
方法主要通过大气气溶胶光学厚度(Aerosol
Optical Depth, AOD )估算近地面PM?」的分布情
况,基本原理为AOD表示对垂直大气柱浓度消光 系数的积分,与近地面颗粒物之间具有较强的相关 性#因此,建立AOD与PM?』的关系模型估算
PM?』被学者们广泛应用#早在20世纪80年代,国外最早利用先进型甚 高分辨辐射仪(Advancad Very High Resolution Radiometeo, AVHRR)可反演海洋上空 AODo+ 8】(o 表示是由遥感反演得到的,下同),随后总臭氧气
象卫星传感器(Total Ozone Meteerological Satellite ,
TOMS) + 9:、海景宽视场传感器(Sea - viewing Wide Field - of - view Sensoo, SeeWiOS ) +10］ & 中分辨率成 像光谱仪传感器(Moderate Resolution Imaging
Spectroradiometeo, MODIS ) +11 】、多角度成像光谱仪
(Multiangle Imaging SpectroRadiometeo, MISR ) +12］、 臭氧监测仪传感器(Ozone Monitoring Instrumene, OMI)、可见光红外成像辐射仪(Visible Infrared
Imageo Radiometee Suite , VIIRS ) +13：先进的葵花成
像仪(Advanced Himawaoi Imageo, AHI )均可用于 反演大气中的气溶胶光学厚度+14-随着我国对卫
星遥感的探索,自主研发一系列卫星均已搭载反演 AODy的传感器,例如风云卫星、环境卫星、高分卫 星等。目前基于这些卫星反演的AODy已被大量
用于估算PM?』,较好反映空间分布情况。基于多种卫星、多种方法估算PM2.5浓度,对目 前利用卫星估算PM2.5浓度的主流方法进行总结, 并对不同方法的优劣进行分析,对于不同用户根据
应用目的选择最优方法提供参考,具有一定的实用
性价值。1模式比例因子法模式比例因子法主要是利用模式模拟的AOD 与PM?. 5之间的比例关系，并将此比例应用到卫星
估算PM?. 5空间分布,模式比例因子法流程见图1。Liu等+15］结合全球大气化学模式和MISR AODy ,利用大气化学模式模拟AOD与PM?. 5之间 的关系得到区域固定比例系数,并将该系数运用到
—34 —图1模式比例因子法流程卫星观测AODy计算出对应像元的PM?. 5浓度。结 果表明，与地基观测的相关系数厂为0. 81,相对误
差(RMSE)为 2. 2 Rg/m3 ° Donkelaao + 6,16：在研究基 础上,分别利用MODIS和MISR估算了 2001 —
2002年和2001 —2006年全球PM2. 5浓度的空间分
布情况,北美东部验证结果比西部好°随后,学者
们对气溶胶成分、垂直分布以及引入与PM?. 5相关 的因子到模型中,结果表明均有利于提高PM?. 5估
算精度+7,17-19 ］°根据比例因子法原理可知,该方法不依赖地基
PM?. 5观测数据,有利于估算未有历史实测数据地
区的PM?. 5浓度；但该方法主要依赖模式结果,其中 模式参数中源清单等参数无法实时更新,影响结果
精度,导致估算PM?. 5精度较低+ 6-7：,目前该方法较 少被用于估算区域PM?. 5 °2半经验方法比例因子法完全借助大气环境模式结果,并未 考虑到AODy与PM?. 5之间物理机制问题°然而,
气溶胶的类型和垂直分布影响粒子散射特性导致 散射消光差异,但物理机理相对复杂无法完全表达 两者间关系,因此学者们针对考虑不同气溶胶类型 和吸湿效应等特性进行估算PM?. 5浓度°例如,L 等+ 20］利用PM10对AODy分别进行湿度订正和垂直
订正,AODy与PM?. 5之间的相关系数从0. 249提高 到0. 535 ,并利用卫星估算结果分析区域传输过
程° Wang等+ 21 ］对北京地区利用吸湿和垂直订正 后,相关系数均被提高,估算结果采用地基验证
B2 = 0. 47 °考虑到气溶胶垂直分布情况,Chu
等+22 ］获取2006—2009年气溶消光廓线的雷达数第11卷第5期王子峰等•利用卫星遥感数据估算PM?』浓度的应用研究进展2019年9月据描述气溶胶垂直分布(灰霾高度和平均边界层 高度)，相比仅用AO\"估算PM?：,相对误差分别 减少 2. 9 和 2.3 !=m3 #Lin等+ 23］在吸湿订正过程中引入细粒子比,质 量消光效率和吸湿增长因子,并收集565个站点观
测数据，对中国东部区域PM?.浓度进行验证,年平 均和月相关系数厂分别为0.9和0.76# Zhang等+24】 利用MOD# AODr细粒子体积比(FMF)，结合
AOD站点反演粗细粒子,建立PM：.与AODrs之间 的物理关系,同时解释MOD#中的FMF和气溶胶
自动观测网(AERONET)中的FMF存在显著差异,
因算法不同出现低估现象。获取15个地基观测站
点进行验证,其平均值较为接近,分别为101和 105 Rg/m3 ,半经验模型法流程见图2。图2半经验模型法流程'24(李正强等+ 25］提出“切割-显形-压缩-脱水- 称重”物理模型方法估算PM：.,相关系数B为
0. 88 ,拟合斜率为1.03 ,该方法拟用于高分五号卫 星上搭载的气溶胶偏振多角度偏振探测仪和全谱 段光谱成像仪的协同观测,实现颗粒物实时监测。 Zeng等+ 26 ］利用京津冀地区实测数据逐站点、逐月
构建吸湿订正格网因子,借助气象观测数据进行垂
直订正，与地基实测数据间的相关系数在0.9左右。半经验方法考虑到AODrs与PM：.间的物理机
制,相比主要靠模式模拟的比例因子法精度有所提
高,更充分刻画两者间的关系。然而,AODrs与 PM2.5间的关系非常复杂,不仅与大气垂直结构有
关,而且与粒子组成密切相关，目前还难以用完整 的函数式表达出来；同时,物理机制中的参数,难以
获取,在实际应用中比较困难,空间和时间上无法
满足实时监测需求,未能应用到业务化系统中。3
统计模型法学者发现AODr与PM2.5之间存在简单的线性
关系,并能较好地估算区域PM2.5。最早,Wang 等+ 27］发现 MOD# ( Terra/Aqua) AODr与 PM2.5 间
存在线性相关,分别构建回归模型,并估算2002年
美国阿拉巴马州的PM：.浓度,与地基观测数据的
月平均相关系数最高为0.9 ,简单线性回归模型法 流程见图3。图3简单线性回归模型法流程Liu等+ 28 ］在仅用AODr作为因子基础上,引
入边界层高度、相对湿度、季节以及地理信息等
因子,构建了多元线性回归模型估算美国东部地 区PM2.5浓度。随后,Hutchison等+ 29】考虑到
AODr垂直分布,引入激光雷达气溶胶廓线数据, 提高AODr与PM2.5间的关系。张智等+ 30 ］基于
MOD# MAIAC ( Multi-Angle Implementation of
Atmospheris Correction) 1 km AODa和 13 个 PM2 5
地基观测数据,运用线性回归模型估算西安城区 PM2.5浓度,结果表明其浓度分布与地形具有较大 关系。随着研究发现,一般回归模型仅能表示局部
区域AODr - PM2.5关系,且AODr与PM2.5之间并
非存在简单线性相关,故更高级的非线性统计模式 被用于估算区域PM2.5浓度,如广义线性回归模型 (Generalized Lineer Regression Modet, GLM)+17，28，31 ：
广义力口 和模型(Generalized additive model,
GAM) + 32 -331、混合效应模型(Linear mixed effect
model,LME)+ 34：、地理加权回归模型(Geographically weighted regression , GWR ) + 35 ］,与 一般回归模型相
—35 —第11卷第5期王子峰等•利用卫星遥感数据估算PM?』浓度的应用研究进展2019年9月比，提高了 PM?：估算精度#为充分利用不同模型 的优势，多阶模型结合,在时间和空间上弥补,进一 步提高PM?：估算精度#例如,Hu等+ 36 ］利用
MAIAC 1 km AODrs,构建两层统计模型(LME和
GWR)估算2003年美国东南部日平均PM?：浓度, 十字交叉验证的相关系数B2为0.67# Stafoggia 等+ 37］获取MAIAC 1 km AODr ,采用四阶模型估算
2006—2012年意大利PM2.5浓度。相比半经验公式法,统计模型未考虑AODr -
PM2. 5间物理机理情况下,通过引入多种影响AODr
-PM2. 5间关系的参数,以及不同模型优势的结合,
提高了 PM2. 5估算精度#然而,统计模型中还是未
考虑到AODr - PM2. 5间的物理机制对估算精度的
影响,即气溶胶类型等。同时,随着引入影响因子 增多,数据量越大,参数间非线性关系更加复杂,而
统计模型方法仍是基于一定的数学表达式,对更复
杂的非线性表达能力上可能不是最优方法。4机器学习方法为提高估算精度,更多影响PM2. 5和AODr之 间的参数被考虑,故参数间的非线性关系更为复
杂,很难完全被数学表达式所描述。随着机器学习
崛起,已有较多学者突破传统的方法,将拥有超强 计算能力的机器学习方法应用到估算PM2. 5的领
域。早期,Gupta和Christopher^38 - 39：分别利用后向
神经网络(Bfckward neural network , BPNN)和人工 神经网络(Artificial neural network , ANN )估算美
国地区PM2. 5浓度,并对比一般的统计模型,该方法
可靠性更高。其次,贝叶斯方法、支持向量机、随机 森林、广义回归神经网络等方法也广泛用于估算不
同区域PM2. 5浓度。随着计算机性能提高,被认为无法训练的深度
网络被应用于各研究领域。例如，L等+ 40］考虑地
理距离和时空相关性对估算PM2. 5的影响,提出将
地理信息融入到智能深度学习构架中估算中国区 域2015年PM2. 5浓度,该方法与传统神经网络相
比，十字交叉验证的B2从0. 42增加到0. 88 , RMSE 从29. 96减少到13.03 Rg/m3。Shen等+41】采用L
等提出的模型,直接通过大气顶部的传感器表观反
射率和观测角度估算武汉地区PM2. 5,提高了估算 精度。2018年，7等+42］利用深度学习估算武汉地区36 —逐小时PM2. 5空间分布情况，与地基数据相关系数
B2为0. 8。机器学习方法流程见图4。图4机器学习方法流程与前述3类方法相比,机器学习方法需要对已 有数据进行数据归一化等多步处理,并且将已处理
完毕的数据随机划分为训练子集和验证子集。机
器学习方法通过对训练子集进行建模训练来获取 对应的模型结果,再将模型结果代入到验证子集进
行该模型的精度验证,如需获取最终的估计值则仅 需将模型结果以及数据通过对应的逆归一化方法 进行还原。除此之外,机器学习方法所获取的部分 结果无法以物化机制或者数学语言进行说明,目前
也无法根据相关的物化机制对其进行改进,该“黑
箱”性质在一定程度上阻碍了研究人员更好地了 解以及改进最终的模型结果。细化到每一类方法而言,相比模式比例因子方
法,深度学习过程中利用直接与PM2. 5相关参数 (正相关或负相关)进行训练,在一定程度上能客
观体现因变量和自变量之间的关系。相比半经验
模型,深度学习方法仍未考虑PM2. 5和AODr之间
的物理机制,而是通过大数据样本的训练,最终得
到最适合样本数量的模型。但此过程无需考虑两 者间复杂的参数化关系,通过获取的样本数据集决
定模型，且估算精度较高。相比统计模型,机器学习无法表述因变量与自
变量间的数学关系，同时在针对较少数据样本,利 用机器学习与统计模型估算结果基本一致,甚至可 能出现极端现象(过度拟合)。但针对海量数据样 本,机器学习的自我监督和训练具有更大优势,且
估算精度相对较高。京津冀地区2017年5月17日09 ：00—16 :00
逐小时PM2. 5空间分布示例见图5 ( a)( b)( c)( d) (e)( 0)(/)( h )。第11卷第5期(a) 2017-05-17 09:00王子峰等•利用卫星遥感数据估算PM?*浓度的应用研究进展(b) 2017-05-17 10:00(c) 2017-05-17 11:002019年9月(d) 2017-05-17 12:00内蒙古辽宁辽宁辽宁辽宁天津山西山西'天津9(PM2.5)/(gg*m-3)山东河南XPM25)/(gg-m-3)山东河南河南XPM25)/(gg-m-3)山东山东XPM2.5)/(gg-m-3)__
(h)2017-05-17 16:00内蒙古(e) 2017-05-17 13:00内蒙古(f) 2017-05-17 14:00(g) 2017-05-17 15:00内蒙古辽宁辽宁北京山西山西河北9(PM2.5)/(gg*m-3)山东山东河南>(PM2.5)/(gg-m-3)山东河南XPM25)/(gg-m-3)山东XPM2.5)/(gg-m-3)河南河南图5深度学习方法估算结果示例5结语satellite-based aerosol opticai depth: devalopment and applica
tion + J ] . Environmentaa Health Perspectives, 2010 , 118 ( 6 ):
卫星反演AODrs已被业务化且应用较为广泛， 而利用AOD估算PM2.5起步相对较晚,尚未能较
r847 -855.+ 7 ] DONKELAAR V A, MARTIN R V, BRAUER M, et al. Use of
satellite observations for long-term exposure assessment of globaa
concentrations of fine particulate matteo + J ] . Environmental Health Perspectives,2014,123 (2) : 135.好地实现业务化应用#估算PM?*的方法较多,且 不同方法在数据需求、运算速度和结果精度等方面
具有不同的优缺点；同时随着卫星时间和空间分辨
率地不断提高,估算PM2.5的时空效应对选取研究 方法的影响也愈发明显。因此研究人员需要综合
+ 8 ] NAGARAJA R C R, STOWE L L, MCCLAIN E P. Remote sens
ing of aerosols over the ocaans using AVHRR data Theory, prac- tica and applications + J ] . International Journal of Remote Sens
ing,1988 ,10(4 -5) : 743 -749.研究区域、研究目的、已获取数据和结果精度等方 面进行研究方法及具体模型的选取和使用,最终取 得满足各方面需求的研究成果。+ 9 ] HERMAN J R, BHARTII P K, TORRES O, et al. Global distri
bution of UV absorbing aerosols from Nimbus 7/TOMS data] J]. Journal of Geephysical Resesrch Atmospheres, 1997,102 ( D14 ):
16911 -16922.[参考文献]+1 ] DOMINICI F, PENG R D , BELL M L, et al. Fine particulate airpollution and hospita. admission for cardiovasculat and respiratory
+10 ] GORDON H R, WANG M. Retrieval of water-lewing radianca
and aerosol optical thickness over the vcaans with Ses-WiFS : a preliminary algorithm + J ] . Applied Optics, 1994 , 33 ( 3 ):
443 -452.diseeses + J ] . Jama the Journal oO the American Medical Assoct-
+11 ] LYAPUSTII A, WANG Y, LASZLO I, et al. Multiangle imple
mentation of atmospheria carrection ( MAIAC) : 2. Aerosol algo
rithm + J ] . Journal ol Geephysical Research Atmospheres ,2011 , 116( D3).ation ,2006,295 ( 10 ) : 1127.+ 2 ] HU Z. Spatial analysis oC MODIS aerosol optical depth, PM2 5 ,
and chronia caronary heert diseese + J ] . International Journal oO Heelth Geographic ,2009,8 ( 1 ) : 1 - 10.+12 ] MARTONCHIK J V, DIIER D J, KAHN R A, et al. Techniques
for the retrieval ol aerosol properties over land and ocean using
+ 3 ] SAMET J M , DOMICICI F, CURRICRO FC, et al. Fine particu
late atr pollution and mortality in 20 U. S. cities, 1987一1994
multi-angle imaaing + J ] . IEEE Transactions on Geescienca &
Remote Sensing, 1998,36(4) : 1212 - 1227.+ J] . The New England Journal of Medicine,2000,343 : 1742 -
1749.+13 ] HSU N C, JEONG M J, BETTENHAUSEN C, et al. Enhanced
Deep Blue aerosol retrieval algorithm: The second generation
:4 ]曹守仁，陈秉衡,洪传洁•煤烟污染与健康:M].北京：中国
环境科学出版社,1992 : 29 -31.:5 ]孙林.城市地区大气气溶胶遥感反演研究:D].北京：中国
+ J ] . Journal ol Geephysical Research: Atmospheres, 2013
(118) :9296 -9315.:14]汪洋•基于VIIRS和AHI数据的陆地气溶胶反演算法研究
科学院遥感应用研究所,2006.+ 6] DONKELAAR A V, MARTIN R V, BRAUER M, et ai. Global
estimates of ambient One particulate matter cancantrations from
:D] •北京：中国科学院遥感与数字地球研究所,2018.+15 ] LIU , Y , PARK R J, JACOB , D J, et al. Mapping annual mean—37 —第11卷第5期王子峰等•利用卫星遥感数据估算PMi&浓度的应用研究进展2019年9月ground-level PM? 5 concentrations using multiangle imaging spec- troradiometer aerosol opticol thickness oveo the contiguous united
states + J] . Joutnal of Geophysical Resevrch Atmospheres ,2004 , 109(22).+16 ] DONKELAAR A V, MARTIN R V, PARK R J. Estimating
ground-level PM? 5 with aerosol optical depth determined from
satellite remote sensing + J ] . Journal of Geophysical Research：
Atniopheres ,2006,111 : D21201.+17 ] LIU Y, FRANKLIN M, KAHN R, et al. Using aerosol optical
thickness to predic- ground-level PM2 5 concentrations in the St.
Louis area： A comparison between MISR and MODIS + J ]. Re
mote Sensing of Environment ,2007,107 : 33 - 44.[18 ] CHOI Y S , PARK R J, HO C H. Estimates of ground-level aero-
soemassoonoentoatconsuscngaohemcoaetoanspootmodeewcth
Moderate Resolution Imaging Spectroradiometer ( MODIS) aero
sol observetions over East Asia + J ] . Journal of Geophysical Re
sevrch Atmospheres ,2009,114 ( D4 ) : 1 - 10.[19] DONKELAAR V A,MARTI R V ,SPURR RJ D,et al. Optimal
estcmatcon fo og eoba eg oound- ee ee ef cne pa ot cou eate ma te o oon oen-
trations + J ] . Journal of Geophysical Resevrch Atwospheres,
2013 ,118 (11) ：5621 -5636.+ 20 ] LI CC , MAO J T, LAU AK, et al. Application of MODIS aerosol
product in the study of air pollution in Beijing + J ] . Science C China - Sov D Earth Science ,2005 ,35 : 177 - 186.[21 ] WANG ZF,CHEN LF,TAO J H,et al. Satellite-based estima
tion of regional particulate matter ( PM) in Beijing using verticol- and-RH correcting method + J ]. Remote Sensing of Environment,
2010,114(1) : 50 -63.+ 22 ] CHU D A ,TSAI T C , CHEN J P, et al. Interpreting aerosol lidae
poofclestobeteoestcmatesuofaoePM2.5 foooolumnaoAODmeas-
urements + J] . Atmospheric Environment ,2013 ,79 : 172 - 187.+ 23 ] LU C , LI Y , YUAN Z,et al. Using satellite remote sensing data
to:stcmat th:hcgh-osolutcon dcstocbutcon ofgoound-lelPM2.5
+ J] . Remote Sensing of Environment,2015,156 : 117 一 128.+ 24 ] ZHANG Y , LI Z. Remote sensing of atmospheric fine particulate
matter ( PM2 5 ) mass conccntration near the ground from satellite
observvtion + J ] . Remote Sensing of Environment, 2015 , 160 :
252 -262.[25 ]李正强，张莹，李凯涛，等•卫星遥感PM2_5质量浓度的物理
方法研究+ C]，第十三届全国气溶胶会议,2017.[26] ZENG QIAO-LIN, LIANGFU CHEN, HAO ZHU, et al. Satellite
based estimation of hourly PM2 5 conccntrations using a verticalhumidity correction method from Hirnawari-AOD in Hebei + J ].
Sensort,2018,18 (10) ：3456.+ 27 ] WANG J. Intercamparison betieen satellite-derived aerosol opti
cal thickness and PM2 5 mass : Implications for air quality studies
+ J] . Geophysical Resevrch Letters ,2003 ,30 ( 21) : 267 - 283.[28 ] LIU Y , SARNAT J A , KIIARU V , et al. Estimating ground-level
PM2.5 cn eheeaseeon unceed seaeesuscngsaeelceeoemoeesenscng
+ J ] . Environmental Sciencc & Technlogy, 2005,39 ( 9 ) : 3269
-3278.[29 ] HUTCHISON K D,FARUQUI S J,SMIUH S. Improving carrela-
econsbeeween MODS aeoosolopecaalehcaknesand goound-based
—38 —PM2 5 observetions through 3D spatial analyses + J] . Atwospheric
Environment,2008 ,42 (3 ) : 530 -543.+ 30]张智，白穆，游浩妍.基于MODIS数据的PM2.5反演在大气污
染监测中的应用+ J] •测绘科学,2016 ,41 (9) :42 -46.+ 31 ] YOU W,ZANG Z,PAN X,et al. Estimating PM2.5 in Ximn,Chi-
nauscngaeoosolopMcaaldepMh: Aaompaocson beween MheMODIS
and MISR retrievvl models + J ] . Sciencc of the Total Environ-
mene,2015,505:1156 -1165.+ 32 ] LIU Y, PACIIREK C J, KOUTRAKIS P. Estimating regional
spatial and temporal vvriability of PM2 5 conccntrations using sat
ellite data, meteorolooy, and land use information + J ] . Environmental Health Prspectives ,2009,117 (6) ：886 - 892.+ 33 ] STRAWAAW,CHATFIELDRB,LEGGM,et al. Improving re-
trievvls of revional fine particulate matter conccntrations from
Moderate Resolution Imaging Spectroradiometer ( MODIS ) and
Ozone Monitoring Instrument ( OMI) multisatellite observations
+ J] . Journal of the Air & Waste Management Association ,2013 ,
63 (12 ) ：1434 - 1446.+ 34 ] LEE H J, LIU Y , COULL B A, et al. A novel calibration ap
proach of MODIS AOD data ta predict PM2 5 conccntrations + J ].
Atwospheric Chemistiy and Physics, 2011 (11) ：7991 - 8002.+ 35 ] HU X, WALLER L A, ALHAMDAN M Z, et al. Estimating
ground-level PM2 5 conccntrations in the southeastern U. S using
geooraphically weighted revression + J] . Environmental Research,
2013,121: 1 -10.[36 ] HU X, WALLER L A,LYAPUSTIN A,et al. Estimating ground-
levelPM2&5 concenioaioonson iheSouiheasieon Unoied Siaiesu- sing MAIAC AOD retrievvls and a two-staae model + J ] . Remote
SensongofEnvooonmeni,2014,140: 220 -232&+ 37 ] STAFOGGIA M,SCHWARTZ J,BAD ALONI C,et al. Estiaation
ofdaolyPM10 concenioaioonson Iialy (2006—2012) usongfonely
resolved satellite data, land use vvriables and meteorolooy + J].
Env ooonmen iIn ie ona ioona .,2017,99 :234 -244.+ 38 ] GUPTA P, CHRISTOPHER S A. Particulate matter air quality
asesmeniusongoniegaied suRface, saieloie, and meieoologocal
products : 2. A neural netrork approach + J ] . Journal of Geo-
physocalReseaoch,2009a,114:D20205.+ 39 ] GUPTA P, CHRISTOPHER S A. Particulate matter air quality
asesmeneusongoneegaeed suRface, saeeloee, and meeeoologocal
products : Multiple revression approach + J ] . Journal of Geophys-
ocalReseaoch: A emosphe oes,2009b,114(D14) &+ 40 ] LI T, SHEN H , YUAN Q,et al. Estiaating ground-level PM2 5 by
fusongsaeeloeeand seaeoon obseovaeoons: A geo-oneelogenedeep learning approach + J ] . Geophysical Research Letterr ,2017 a.[41 ] SHEN H, LI T, YUAN Q,et al. Estimating revional ground-level
PM2 5 directly from satellite top-of-atmosphere refectance using
deep laming + J] . Atmosphere ,2017 ( 9 ) ：59 - 70.+ 42 ] LI T,ZHANG C , SHEN H , et al. Real-time and seamless monito
ring of ground-level PM2 5 using satellite remote sensing + C ].
The ISPRS Technical Commission III midterm Symposium on
$ Developments, Technolooies and Application in Remote Sens
ing% ,2018.
因篇幅问题不能全部显示，请点此查看更多更全内容