点击上方，关注我们▲▲▲
近日，香港中文大学地理与资源管理系的黄波教授团队在遥感领域顶级期刊《Remote Sensing of Environment》发表了论文”Satellite-based mapping of daily high-resolution ground PM2.5 in China via space-time regression modeling” (基于卫星遥感与时空加权回归建模测算我国日均高分辨率空气污染浓度；作者：何青青、黄波）。
如果后面再有与2017年经过“大气十条”努力后的结果做对比，就可以看出这几年中国治理雾霾的快速进展，以及为何还要在19大之后继续聚焦大气污染治理。
上海青悦也为这一项研究提供了部分空气质量数据支持，现将中文摘要全文刊载如下：
国外大量的流行学研究已经证明了pm2.5与许多负面健康效应的关系。近年来，随着中国的快速城市化和工业化进程，雾霾天气频发，PM2.5已成为我国学术界、政府和公众关心的焦点问题。考虑到高浓度pm2.5对我国公众健康的不利影响，评估pm2.5的暴露及健康效应急需精确的高分辨率pm2.5浓度数据。但受卫星数据分辨率限制，针对我国大范围的高分辨率pm2.5浓度数据集仍处于缺失状态，这不利于我国pm2.5的环境流行病学与健康效应的研究以及相应防治政策的制定。
为填补这一空白，本研究综合遥感与地理信息系统技术，利用MODIS最新发布的高分辨率气溶胶光学厚度（AOD）数据集和时空加权回归（GTWR）模型，在克服三大技术难题后，实现了测算我国日均地面pm2.5浓度并建立了我国2015年高分辨率pm2.5数据集。为实现这一任务，作者（1）通过开发AOD影像融合技术改善了MODIS 3公里AOD数据集的数据严重缺失问题；（2）通过GTWR模型解释了数据内部固有的时空不确定性，克服了待估样本稀少且分布不均时模型表现不佳的难题，提高了基于卫星数据估算地面高分辨率PM2.5浓度的建模精度（图1为基于GTWR和逐日GWR模型的建模验证结果比较；GTWR模型在模型训练和验证阶段，均比逐日GWR模型表现更好）；（3）通过开发优化算法改进了GTWR模型在大数据量情况下查找最优参数的效率，从而使得我国2015年日均高分辨率的pm2.5浓度数据集得以产生。
需要说明的是，时空加权回归（GTWR）模型由黄波教授领衔开发，有关该模型的详细描述于2010年发表在国际地理信息科学期刊（International Journal of Geographical Information Science）上。该模型实现了时间维与空间维的无缝结合，已成为时空统计的代表性模型，被世界各地学者广泛应用于经济、能源、生态、环境、规划等诸多领域。
图1. GTWR与常用的逐日GWR模型验证结果
（RMSE为均方根误差，MPE为平均估算误差，N为样本数量）
结果表明，全国在2015年的年均pm2.5浓度是44微克/立方米，超过70%面积的土地，即约12.5亿人口暴露在不健康的，即处于超过国家环境空气质量二类标准（35微克/立方米）的大气环境中。PM2.5浓度存在明显的季节变化特性，冬季pm2.5污染频发，夏季空气质量较好。
图2. 我国主要区域年均PM2.5浓度分布图
同时，如图2所示，除了新疆塔里木盆地内由于沙漠造成该区域pm2.5浓度较高外，pm2.5污染较重的区域集中于东部地区，即中国人口分割线的右方区域。为分析pm2.5污染的区域热点，我们放大了华北平原、中部地区及四川盆地的年均pm2.5浓度分布图（图3）。华北平原，以京津冀南部区域开始，向南辐射，包括山东、河南的大部分区域，空气污染最为严重，pm2.5年均浓度为62微克/立方米，局部地区超过100微克/立方米（图3 a）。以湖北为中心的中部区域，PM2.5污染也不容忽视，年均浓度为55微克/立方米（图3 b）。四川盆地的PM2.5年均浓度约49微克/立方米，需要重视（图3 c）。另外，西藏北部区域因受其北部沙漠的影响，PM2.5年均浓度在25-55微克/立方米。
图3. PM2.5污染热点地区放大图
文章最后通过实验证实了GTWR模型与改进的AOD影像集对有效估算高分辨率PM2.5数据的重要性。研究结果产生的日均高分辨率PM2.5数据集可为我国大范围开展针对PM2.5的流行病学研究及有关防治政策制定提供精确可靠的暴露数据。
论文最后的致谢部分~
关注“危险地图”公众号
即可访问青悦开放环境数据中心
用科技保护环境
长按识别二维码
关注我们