一、GMS卫星遥感中国地区气溶胶光学厚度（论文文献综述）
陈雪薇[1]（2021）在《长三角地区气溶胶产品精度验证与时空分布分析》文中认为近些年,随着我国经济发展,人们对生活质量的追求不断提高,空气污染逐渐成为人们关注的热点。长三角地区是中国经济最活跃的地区之一,具有人口密度大,工业聚集,交通网络发达等特点,工业废气、汽车尾气等污染气体排放量高,因此加强对包括大气颗粒物浓度等在内的空气质量指标的监控力度,有利于区域大气空气污染的研究和治理。气溶胶光学厚度（Aerosol Optical Depth,AOD）是表征大气浑浊度的关键因子,其值能够很大程度反映近地表颗粒物浓度大小。本研究利用AERONET和国家空间基础设施华中综合实验场的地基观测数据,评估验证MODIS与VIIRS多种AOD遥感数据产品,分析2011年-2020年这些产品在该地区的适用性,为AOD相关研究提供参考依据。本文得出的主要结论如下:Terra/Aqua C6.1的暗目标算法（Dark Target,DT）、深蓝算法（Deep Blue,DB）和暗目标与深蓝算法融合产品（DT&DB）在杭州、宁波、合肥、上兴、南信和太湖站点的时空匹配精度分析结果显示,较小的采样窗口拟合效果较好,所以选用以3×3像元为空间窗口、±15min为时间窗口的组合进行评价。在该组合验证结果中,两个以农田为主的地面站点的DB算法和DT算法精度均较好,但是DT算法的R2（R2）相对较高。太湖站点只有DB算法能够反演出有效的观测点,虽然观测年份较长但反演出的有效观测点点数较少,与其临近太湖有关,水体像元无法反演AOD。三个城镇站点的DB算法R2最高,DB算法落在MODIS期望误差内的数据均超过60%。对VIIRS EDR产品验证结果表明,其DT算法精度较差,R2均小于0.6,DB算法精度较高（R2范围为0.79-0.95,超过50%的数据落在期望误差内）。与Aqua产品相比,上兴站点VIIRS DB算法的精度要高于Aqua DB算法,而在其他两站点Aqua两种产品的精度均更高。从整体上来看,MODIS产品适用性更广泛,VIIRS DB算法的误差较小但其DT算法的误差较大。就时间变化而言,AOD月均值具有明显的波动性,高值出现在3、4月（春季）,低值出现在7、8月（夏季）。2011年和2014年的AOD年均值较高,而2011年-2020年整体呈下降趋势。α月均值的范围为0.8-1.6,主要污染粒子为混合粒子和细粒子,表明人为活动带来的影响较大。空间变化而言,长三角的AOD值分布差异明显,主要表现为北高南低。平原地区和沿海临江地区的污染较为严重,山地丘陵地区的空气质量较好。
左欣[2]（2021）在《基于多源数据的大气细颗粒物污染区域传输研究》文中指出随着我国城镇化以及工业化的快速推进,人们的生活水平日益提高,但越来越多的环境问题也随之出现,尤其是以细颗粒物污染为主的大气污染严重威胁着环境质量以及人体健康,并通过直接或间接作用影响着辐射收支,逐渐成为大气环境领域的研究重点。我国的大气细颗粒物污染呈现出明显的区域性复合污染特征,污染物的区域传输特性为我国空气质量的监管和控制带来了新的挑战。针对依靠地面监测、模式模拟等传统方法模拟精度低、单一方法评价能力不足等问题,本研究充分考虑卫星遥感观测范围广、重访周期短、数据质量高的优势,结合地面监测数据、ERA 5再分析资料、HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory）后向轨迹数据、大气立体监测走航数据等建立了一套基于多源数据的大气细颗粒物污染区域传输研究方法,对大气细颗粒物区域传输事件识别、传输通道重构、水平传输特性、垂直扩散特性等内容展开系统的分析研究。首先,本研究以日本气象厅发射的Himawari-8静止卫星AHI（Advanced Himawari Imager）传感器数据为基础,实现了考虑地表反射各向异性的逐小时气溶胶光学厚度反演。并以AERONET 1.5数据为真值进行精度验证工作,得到本论文使用的气溶胶光学厚度反演结果在华北平原两个站点的相关系数R分别达到了0.84,0.83。进一步的本研究结合风速、风向、相对湿度、大气边界层高度等气象资料通过地理加权回归算法进行近地面细颗粒物浓度高精度估算（小时级相关系数0.84,日级相关系数0.87）,为大气细颗粒物污染区域传输研究提供可靠、有效的遥感数据。本文提出以卫星遥感数据为基础,通过污染像元时空连续性变化进行大气细颗粒物污染区域传输事件识别,有效识别出2019年华北平原地区发生26次大气细颗粒物污染区域传输事件,且高发于冬春季。进而提出基于高频次气溶胶光学厚度观测的污染传输通道重构方法,据此方法有效重构了2019年污染物区域传输高发时段整层大气细颗粒物污染区域传输通道,并且对污染物传输通道覆盖的横向距离与纵向距离进行准确的分析;为对污染物传输通道所在高度层进行识别,本研究提出以HYSPLIT后向轨迹为基础,模拟不同高度层气流并进行轨迹聚类,对比整层大气污染物传输通道,分析污染气团所在高度层。本研究以污染传输通道重构、污染气团传输速度计算为基础进行细颗粒物水平传输特性分析,通过对比不同高度层污染物扩散时间变化差异进行垂直扩散特性分析。并进一步引入大气立体走航探测技术,对大气细颗粒物污染区域传输过程进行实时追踪。通过激光雷达进行污染物浓度剖面数据获取,并结合遥感数据、后向轨迹数据等对污染来源、污染高度进行动态监测。在定点垂直探测过程中,结合车载气象仪探测的气象数据以及微波辐射计探测的廓线数据,对大气细颗粒物污染区域传输原因进行初步探索。通过本研究提出的基于多源数据的大气细颗粒物污染区域传输研究方法,可以对各地空气污染以及区域传输情况进行全方位、多层次的探讨与分析,为制定环境污染综合治理和联防联控政策提供有效的数据基础与参考依据。
韩威宏[3]（2020）在《城市区域大气污染的遥感定量反演及源追踪研究》文中指出近20年来,尽管我国大气污染治理取得了显着的成效,但城市区域大气污染形势依然严峻,影响着民众的日常生活和身心健康,是我国亟待解决的重大环境问题。为了掌握大气污染状况和污染物来源,我国已建立了超过1400个地面空气质量监测站点用于实时观测我国大气状况。但是由于这些地面站点在空间分布上仍较为稀疏,站点间距较大,维护成本高,且难以获取空间上连续分布的污染物浓度,对局域性的污染指示能力有限。大气污染最为关注的目标是大气中空气动力学直径小于2.5μm的颗粒物(即PM2.5),它是造成雾霾污染的主要污染物。除人工污染源外,自然污染源如山火、火山喷发也是PM2.5颗粒物的主要来源。与传统的地面站监测相比,卫星遥感技术能够快速监测大空间范围内PM2.5等大气污染物的连续分布,而且能够长时间持续观测,在跟踪大气污染物的发生、发展态势方面有其独特的优势。本文以PM2.5空间分布监测及发生发展态势信息获取为目标,研究基于卫星遥感数据反演PM2.5的方法。通过分析目前大气监测卫星数据特性以及其与PM2.5参数的关系,研究双星协同的AOT（Aerosol Optical Thickness）反演算法及基于低分辨率NDVI（Normalized Difference Vegetation Index）的AOT反演方法,建立了两种AOT反演模型。同时,在提升PM2.5反演精度、基于多源数据融合的山火烟雾识别及其影响范围分析方法开展了深入研究。本论文主要创新如下:（1）提出了一种城市区域复杂背景双星协同AOT反演算法。针对城市区域高亮地表AOT反演困难,利用双星遥感数据,结合大气辐射传输模型,建立了多波段的卫星表观反射率和地表反射率之间的关系,同时反演出地表反射率和AOT,实现了利用卫星遥感数据进行城市区域AOT参数的反演。（2）提出了一种利用低空间分辨率NDVI反演高空间分辨率AOT的算法模型。针对城市区域复杂地表高空间分辨率AOT反演的困难,利用波谱库数据构建NDVI与可见光波段地表反射率之间的关系模型,通过卫星遥感NDVI产品计算地表反射率,结合互信息最大化方法反演高空间分辨率遥感图像的地表反射率和AOT,并利用MODIS NDVI和HJ-1A/B产品数据验证了该AOT反演算法。实现了高空间分辨率的AOT反演,解决了城市区域高空间分辨率AOT反演困难的问题。（3）提出了一种改进的PM2.5估算模型,大幅度提升了PM2.5反演精度。针对城市区域频发的PM2.5污染,为了避免PM2.5估算模型中AOT与气象因子的时空不一致导致的估算误差,采用同一传感器获得的AOT和气象因子,并加入人口分布参数,建立了改进的PM2.5估算模型。将该模型用于成都平原城市群PM2.5的估算,结果表明估算模型具有较高的精度。（4）研究了利用地球静止卫星监控大气污染发生、发展变化趋势的AOT反演算法。针对城市区域大气污染源追踪的研究,在传统的暗像元算法基础上,结合地球静止卫星传感器的波谱范围,提出了利用NDVI值识别可见光波段中暗像元算法,并结合6S（the Second Simulation of the Satellite Signal in the Solar Spectrum）大气辐射传输模型创建的查找表,实现AOT反演。利用高分4号卫星数据验证了该算法,反演结果证实了算法的有效性。（5）研究了基于多源数据融合的山火烟雾识别方法,分析了大面积山火对城市空气质量的影响规律。针对频发的山火灾害导致的大气污染问题,利用提出的山火烟雾识别方法研究了2015年-2017年3年间北美西部山火事件对纽约市空气质量的影响。统计结果发现纽约市空气质量8月份受影响最频繁,山火烟雾造成PM2.5增加了113.37%,同时PM2.5组分也明显增加,还发现山火烟雾可以传输几千公里并在空中停留几天甚至一周。
牛晓君,唐家奎,张自力,崔林丽,幸炜鹏,宋艺[4]（2019）在《基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用》文中进行了进一步梳理雾霾灾害的发生具有时空动态变化特征。葵花8号卫星是日本气象厅发射的新一代静止气象卫星,具有观测范围广、观测频率高、空间分辨率高等特点,非常适合雾霾过程的动态监测。本文提出利用葵花卫星可见光波段数据及地表反射率比值反演气溶胶光学厚度的新算法,并在北京区域选择2017年5月17日和18日两个雾霾日进行反演实验。反演结果分别与国际AERONET 3个站点Beijing、Beijing-CAMS和Beijing-PKU站观测数据,葵花官方气溶胶产品,MODIS官方气溶胶产品对比分析。结果表明,本文提出算法的反演结果,在反演精度、有效反演空间范围、有效反演时间范围、空间分辨率等方面均为最优。最后通过对北京区域两个雾霾日小时级气溶胶AOD反演结果的时空分析,探讨雾霾过程的时空动态变化。从AOD反演结果时间序列图像中,清楚地看到雾霾污染中心的移动方向及加重或减轻的动态变化状况,说明应用葵花卫星数据反演气溶胶对雾霾过程的监测具有较大的应用潜力。
张明远[5]（2019）在《2001-2017年新疆气溶胶光学厚度时空分布及影响因素研究》文中提出近年来大气环境质量问题日益严重,新疆各地区空气质量差、能见度低等问题严重影响到了人们的生活。AOD受地表人类活动以及下垫面类型的影响而产生了复杂多样性以及不均匀等性质。通过大量数据研究气溶胶光学厚度的时空分布,有助于掌握AOD的分布规律,对大气颗粒物污染的监测和预测具有十分重要的作用。本文首先使用MODIS-Terra数据集的MOD043 KM气溶胶产品由日数据取最大值得到月数据,再由十二个月的月数据求均值获得每一年的年均值数据。主要分析了研究区AOD空间分布特征以及年际、月际和季节变化特征,经过研究对比分析新疆近十七年以来的气溶胶光学厚度时空分布特征。然后利用MODIS1 B级数据MOD021 KM日数据反演出2016年初乌鲁木齐市一次严重灰霾天气过程中的AOD时空动态情况,初步分析了这次天气过程中大气颗粒物的来源与去向;最后利用已经计算好的2001-2017年研究区AOD数据,结合来自网站的气象数据、MODIS-NDVI（MOD13 A3）月均值NDVI数据、DMSPOLS2013年F18全球范围内分辨率为30”的夜间灯光影像数据,以及《新疆统计年鉴》中的经济发展数据、人口以及环境污染等数据,分析得到各种影响因素与AOD的关联性。本研究的结果如下:（1）在这17年之中,新疆年均AOD变化范围在0.2-0.4之间,最高值变化范围在0.4-0.7之间。2001年的AOD年均值最高,2017年最低,可以看出治理空气污染的效果显着,在2006、2010年AOD年均值出现较明显的增加。春季也就是三四月份AOD最高,然后就呈逐渐降低趋势,春季的自然气候特征是主要影响因素。AOD高值在空间上主要是天山北坡、博乐、喀什以及塔克拉玛干西南边缘地区,主要是受经济发展以及地形特征的影响。（2）2016年乌鲁木齐市一次严重灰霾天气情况过程表明,乌鲁木齐市AOD整体分布趋势为市区高于郊区。地形总体上来说是中部及北部地势低其他方向地势高,再加上风速、温度等因素的影响,使得乌鲁木齐气溶胶不断地积累且不容易向四周扩散,常出现AOD值较高的情况。（3）AOD与各气象要素的相关程度如下:降水量>日照时数>平均温度>平均风速>相对湿度,这些气象要素对于新疆的AOD影响各有不同。在天山北坡以乌鲁木齐为核心及周围城市,这些区域是是新疆重要的工业城市,经济快速发展使得AOD年均值也较高。高程的影响主要是AOD在新疆两个盆地的边缘处要高于盆地中间,在帕米尔高原以及阿尔泰山附近地区AOD值也较高。通过将城市夜间灯光数据与AOD数据进行对比可以看出人口及经济发达的地区AOD值也会随之增高。
黄文喜[6]（2019）在《基于遥感与地面监测数据的PM2.5定量反演研究》文中研究表明大气气溶胶是指大气中悬浮的固、液态微粒与气态载体共同组成的多相物质体系。由于其在全球地-气辐射收支平衡和气候迁移及动态变化中起关键作用,故能对局部乃至全球大气、生态、环境系统发生极其深远的影响。气溶胶组分中空气动力学直径小于等于2.5μm的组分通常被称作可入肺颗粒物（Repairable Particles）或PM2.5,其对于大气质量监测与公共环境政策制定至关重要,也成为环境科学领域的热点研究问题。近年来,伴随着社会、经济持续高速发展,城市化进程不断加深,大中城市出现广泛且持续的灰霾天气,使得我国成为全球颗粒物污染最严重的区域之一。基于PM2.5粒子的消光特性,利用卫星遥感数据反演气溶胶光学厚度（Aerosol Optical Depth,AOD）,从而间接获取近地面PM2.5空间分布特征,是监测PM2.5浓度分布的一项便捷高效手段。受益于遥感自身观测特点与数据分辨率（空间、光谱、时间）的普遍提升,利用遥感监测PM2.5空间分布,从而快速获取大范围、时空连续的PM2.5质量浓度信息方面具备极其明显的优势。但由于大气环境复杂的时空变异特性,同时受限于我国颗粒物遥感监测起步较晚,且长期缺乏大范围、长时序的PM2.5地面监测数据,使得我国在城市AOD高精度反演、颗粒物遥感估算模型精度及时空适用性等方面仍有待提高。由于城市区域相较于其他陆域地表,其地表反射率较大,使得地表贡献确定困难,因此地气贡献分离是AOD高精度反演要解决的关键问题。本研究沿用暗像元V5.2算法获取城市区域高亮地表反射率,将红、蓝波段地表反射率定义为植被指数与散射角的函数,实现城市亮地表反射率获取。由于气溶胶模型直接影响区域颗粒物消光特性,针对当前气溶胶类型划分粗放,不满足大比例尺区域反演需要的问题,本研究在V5.2算法基础上采取一种确定气溶胶组分体积百分比的数学模型,自定义研究区气溶胶组分体积比,研究结果表明,采用自定义气溶胶模型相对于传统既定模型,AOD反演相对误差值低至少4%,且反演精度高、模型可靠。本研究基于6S辐射传输模式构建查找表实现AOD高精度反演,针对传统查找表结构冗余,步长设置过于紧密,效率低下等问题,本研究在考虑传感器几何成像条件、大气条件和地表高程等影响大气校正的多个耦合因子,借助6S模型逐个分析了各输入变量对光学厚度的影响,以合理约束不同输入变量的步长;同时选取合理的查找表插值算法,通过研究和分析查找表不同存储方式的效率和精度,建立多维、高效、高精度的AOD反演参数查找表。本研究采取自定义气溶胶模型算法、查找表结构、步长优化设计方案,并结合暗像元V5.2算法实现研究区气溶胶AOD高精度反演,与MODIS气溶胶产品（10 km）相比,具有更高的空间分辨率（1 km）、更丰富的空间细节。本研究的AOD反演结果与AERONET监测数据在0.01置信水平（双侧检验）下显着相关,其Pearson相关系数为0.756,二者具有更高的相关性（年均R2=0.857）。由于气溶胶中存在大量可溶性成分,受环境湿度的影响,在凝结与蒸发效应下其粒径,密度,形状,复折射指数及粒径分布函数都会发生改变,颗粒物消光截面增大,使得相同浓度的粒子在不同湿度条件下消光特性有较大差别。需要在拟合二者关系模型前进行湿度订正,以减少气溶胶消光系数随湿度变化而引入的不确定性。研究中引入气象数据、AERONET数据、能见度数据探求气溶胶消光系数的吸湿增长规律,采用平均质量消光效率描述城市复合气溶胶粒子整体消光特性随湿度的变化规律,并基于平均质量消光效率的吸湿增长因子描述空气相对湿度（Relative Humidity,RH）对粒子整体消光的特性影响,并在二者数据的基础上,拟合出研究区最佳PM2.5吸湿增长模型。AOD是气溶胶粒子在垂直方向上消光系数的总积分,而PM2.5实测值仅表征近地面空气质量。为了减少关系模型的不确定性,需要探究气溶胶垂直分布特征,获取气溶胶标高（Aerosol Standard Height,ASH）,将AOD转化为近地面气溶胶消光系数,与PM2.5地面监测数据在垂直层上进行匹配。本研究对经典Peterson模型进行改进,通过增加时间变量考虑大气状态变化对模型的影响,动态化获取季节性标高以实现垂直订正。在对AOD与PM2.5湿度与垂直订正后,本研究利用卫星遥感AOD首先采用直接预测、考虑垂直与湿度订正后预测,建立线性、对数、一元二次、幂指函数等拟合模型,并对各模型进行精度分析与验证。为探究气象因子对预测效果的影响,研究中进一步联合气象因子建立全年和四季的多元线性和非线性回归模型进行PM2.5浓度预测。由于气象因素为主的因子与PM2.5之间呈现出较强的非线性,考虑到相比多元回归建模预测,机器学习算法建模能较好捕捉PM2.5质量浓度与各输入因子之间的非线性影响规律,研究又引入BP神经网络进行PM2.5质量浓度预测,并对各模型反演效果对比分析。实现以遥感技术监测AOD为基础,利用两者的定量模型达到量化PM2.5浓度的目的,弥补了传统大气监测以点带面的不足,从而为运用卫星遥感手段来实时动态监测PM2.5浓度提供一种新思路。
王可[7]（2017）在《京津冀MODIS C006气溶胶产品评估及其算法探究》文中进行了进一步梳理MODIS（MODerate resolution Imaging Spectroradiometer）C006（Collection 6）气溶胶产品与C051（Collection 5.1）产品相比,海洋和陆地上空的气溶胶光学厚度（Aerosol Optical Depth,AOD）反演算法均有改进,并且C006中新增加了3 km空间分辨率的气溶胶产品。MODIS C051 AOD产品在全球及中小尺度区域被广泛评估,但是C006 AOD产品地区性的验证十分有限。C006 AOD产品被应用于大气污染研究前,产品精度必须被充分验证。基于该必要性,本文研究了:在适合该地区MODIS数据和地基数据时空匹配方法前提下,利用京津冀AERONET（AErosol RObotic NETwork）数据评估了2006-2015年MODIS-Aqua C051和C006 AOD产品精度以及C006版本中3 km和10 km产品精度,分析了该地区AOD时空分布和变化趋势规律。根据C006算法中风速参数输入的改进,基于6SV辐射传输模式模拟卫星观测到TOA反射率和偏振反射率随海面风速、叶绿素a浓度参数变化的关系。主要结论为:（1）对于暗像元算法（Dark Target,DT）产品,因低估输入参数中地表反射率和气溶胶单散射反照率,北京和香河两站点DT C051和DT C006 AOD数值均被高估。对于深蓝算法（Deep blue,DB）产品,DB C006算法相比DB C051改善明显,两站点的DB C006 AOD产品与AERONET数据的一致性更高。该地区年均AOD:东南地区为AOD高值区（AOD>0.7）,西北的燕山地区AOD较低（AOD<0.3）。各季节AOD空间分布规律与年均分布大致相同,该地区AOD春夏高于秋冬季。（2）3 km AOD产品同样被高估。3 km AOD在植被覆盖密集区（香河和兴隆）与AERONET数据的一致性高于10 km,但在城市地区拟合度和精度都下降。春夏两季3 km和10 km的AOD精度比秋冬季节差。由于3 km AOD产品保留了一些在10 km AOD产品中被剔除的较亮像元,因而其产品中存在“噪声”。（3）参数敏感性分析中,镜面反射方向上,海洋上空TOA反射率随着风速的增加而减少;偏离镜面反射方向上,TOA反射率随着风速的增加而增加。叶绿素a浓度引起的TOA反射率变化(2×10-3)不可忽略,但偏振反射率对叶绿素a浓度不敏感(10-4或更小)。
吴蒙,罗云,吴兑,范绍佳[8]（2016）在《我国近年来基于MODIS卫星遥感大气气溶胶研究进展》文中进行了进一步梳理本文综合论述了近10年来我国气象工作者利用多种卫星资料（主要是MODIS资料）研究大气气溶胶的进展情况,对不同的研究成果进行了初步的对比总结,并针对性的提出若干展望。证实卫星遥感手段为全球和区域气候变化研究提供的基础数据是可信的,并且能够作为研究区域环境大气污染的新工具,可以获取大气气溶胶的分布。
彭艳,李星敏,董妍,陈闯,刘晓东[9]（2015）在《关中地区大气气溶胶时空分布及其对气象要素的影响》文中指出气溶胶作为大气污染物之一,不仅对人类的生产生活产生影响,可以通过直接辐射强迫和间接辐射强迫两种方式改变地气系统能量平衡,对人类的生活产生更深远的影响。因此研究作为大气污染物之一的气溶胶时空分布和变化,是研究气候变化和开展城市环境监测至关重要的任务。本研究利用MODIS遥感气溶胶光学厚度AOD、FMF指数产品以及常规气象观测数据,对关中地区气溶胶的时空分布特征以及部分气象因子与气溶胶的相互作用进行了分析,结果表明:（1）关中东部气溶胶光学厚度明显高于关中西部,其中西安、渭南为主要污染城市,位于西部的宝鸡气溶胶光学厚度较低;（2）关中地区春夏季气溶胶光学厚度明显高于秋冬季节,春季的气溶胶光学厚度主要为沙尘气溶胶的贡献,夏季气溶胶光学厚度较高应该与细粒子气溶胶的吸湿作用有关;3)AOD和FMF时间序列变化表明,关中东部气溶胶光学厚度有增加的趋势,西部气溶胶光学厚度有弱的降低趋势,关中地区近10年细粒子气溶胶粒子污染有逐年加重的趋势,其中东部较为显着;（4）能见度与污染指数呈现明显的负相关,气溶胶的增加会直接导致能见度的下降,关中地区能见度的显着下降也直接的反映了关中地区近30年污染呈现出加重的趋势,关中东部污染的加重直接导致了该区域内日照时数和太阳辐射的下降,污染物的增加对降水的影响比较复杂,陕西近60年全年小雨的减少以及雨季大于10mm降雨增多、雨量向雨季集中应该与近几十年陕西气溶胶增加、气溶胶类型的转变有很大关系。
张小娟[10]（2014）在《基于MODIS遥感DT和DB数据集的中国AOD分布与变化》文中提出大气气溶胶光学厚度AOD （Aerosol Optical Depth）作为衡量气溶胶的一个重要指标,是表征大气浑浊度的一个重要物理量。AOD的空间分布和时间变化主要受排放源（人为和自然）和气候条件的影响。本文利用NASA的EOS卫星上的中分辨率成像光谱仪（MODIS）和地面气溶胶观测网（AERONET）资料对近10多年来中国和其他11个国家AOD的时空分布和变化趋势进行了分析研究。首先,将MODIS-Aqua版本为C005,时间从2002年7月到2013年3月共129个月的Level3月平均AOD“暗目标”（DT）反演算法与“深蓝”（DB）算法的数据,按照DT数据优先的方法,进行两种数据集的融合,得到了双数据集。其次,将中国地区及分布在亚非拉三大洲的其他11个新兴经济体、人口较稠密国家的27个AERONET地面观测站点的AOD数据与融合后的双数据集进行对比检验。结果表明,在各国和地区两者具有较好的相关性,其中,美洲国家的MODIS数据与AERONET数据的相关性要好于亚洲和非洲各国。融合后的AOD双数据集可以满足AOD的研究要求。然后,基于此双数据集分析了中国地区,以及用地理学上“胡焕庸线”划分的中国东部和西部等3个区域AOD的年、季和月平均空间分布特征,AOD年际间变化趋势。还利用世界银行公布的《世界发展指标1960-2012》中的中国的人口、GDP和能源消耗等数据,分析了这三个因素对AOD变化的影响。结果表明：（1）中国地区AOD空间分布差异较大。东部的高值区主要分布在华北的京津冀、华南珠三角、华东长江中上游和长三角,以及四川盆地等人口稠密、经济发达区域；西部高值主要分布在新疆塔里木盆地到青海柴达木盆地的区域；AOD低值区主要分布在东北内蒙古北部及黑龙江部分地区,以及云贵高原西北部、川西高原和青藏高原东南部一带。（2）中国AOD的时间变化也十分显着：按季节变化来说,东北南部、华北的京津唐、长江中下游、长三角和珠三角、塔克拉玛干沙漠和青藏高原西北部等地区季节变化较为明显。中国大陆春季的AOD最高,夏季和冬季次之,秋季最低；按月变化来说,4月AOD最高,6月次高,11月AOD最低,12月次低。（3）2003—2012的东西部地区AOD的年变化差异：在“胡焕庸线”以东,年平均AOD较高,在0.42-0.49之间,而“胡线”以西的年平均AOD较低,介于0.23-0.28之间。东西部年AOD的平均差值约为0.2。近10年来东部和西部AOD都呈增加变化趋势,但西部的增加速率要低于东部。（4）东、西部地区AOD季节和月的变化特征：东部地区AOD春季最高达0.55,秋季最低在0.38左右；而西部地区AOD春季最高在0.35左右（低于东部地区的最低水平）,秋季最低小于0.17。东西部地区AOD的月变化,东部地区从1月至6月逐渐升高,到6月份达到最大值,7-11月逐渐减小,极大值出现在6月份,极小值出现在11月份；西部地区1-4月AOD逐渐升高,到4月份达到最大值,4月至8月小幅度减小,8-11月急剧减小,11月份达到最小值。（5）三种人为影响因素分析。人口密度：分别对全国、东部和西部人口密度与AOD相关性作了线性回归分析,各自的相关系数分别为0.32,0.35和0.23,可见东部地区人口密度对其影响最为明显,即人口密度越大,人为活动产生的气溶胶越多,气溶胶光学厚度也越高。国内生产总值（GDP）：气溶胶光学厚度与人均GDP呈正相关关系,相关系数为0.4,即GDP的增长会带来气溶胶浓度的增加。能源消耗：AOD与人均能源消耗呈正相关,相关系数为0.49,为三种因素中影响AOD最大的因素。最后,根据融合后双数据集资料,分析了全球新兴经济体、人口较多、在各大洲中气溶胶光学厚度较大的亚洲6国（印度、巴基斯坦、泰国、越南、孟加拉和印尼）、美洲3国（墨西哥、巴西和阿根廷）和非洲2国（尼日尔和刚果（金））,这11个国家的AOD年（季、月）分布特征和变化趋势。结果显示：（1）这11个国家AOD分布特征。有1个国家的多年平均AOD值在0.5以上,有3个国家在0.4-0.5之间,有3个在0.3-0.4之间,有1个在0.2-0.3之间,余下的3个美洲国家都在0.2以下。中国与其他11个国家多年平均AOD的比较分析后,按从高到底的顺序排列为：孟加拉国>巴基斯坦>尼日尔>印度>中国>刚果（金）>越南>泰国>印尼>墨西哥>巴西>阿根廷。由此可见,整个中国地区的AOD在这些国家中处于比较靠中间的位置,即中国并非全球AOD最高的国家。（2）这11个国家AOD的变化趋势。这11个国家中,除了尼日尔、巴西、巴基斯坦和印度尼西亚这4国的AOD出现减少趋势外,其余7个国家的AOD都呈上升趋势。这7个国家AOD的增加速率排序为：孟加拉国>印度>阿根廷>泰国>越南>墨西哥>刚果（金）,其中孟加拉国和印度的AOD增加趋势通过了99%的置信度检验,其余5国的上升趋势未能通过置信度检验。
二、GMS卫星遥感中国地区气溶胶光学厚度（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、GMS卫星遥感中国地区气溶胶光学厚度（论文提纲范文）
（1）长三角地区气溶胶产品精度验证与时空分布分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 大气气溶胶地基及卫星遥感监测研究进展 |
| 1.2.2 大气气溶胶遥感产品研究进展 |
| 1.2.3 长三角及周边地区的气溶胶监测研究进展 |
| 1.3 研究内容与技术路线 |
| 第二章 研究区概况与产品介绍 |
| 2.1 研究区概况 |
| 2.2 卫星遥感数据和地基观测数据简介 |
| 2.2.1 MODIS传感器及产品介绍 |
| 2.2.2 VIIRS传感器及产品介绍 |
| 2.2.3 地基观测数据及其处理方法 |
| 第三章 基于地基数据的MODIS AOD产品精度分析 |
| 3.1 基于地基数据的MODIS AOD产品精度验证方法与时空匹配分析 |
| 3.1.1 基于地基数据的卫星AOD产品的验证方法 |
| 3.1.2 基于MODIS AOD产品与地基数据的时空匹配精度分析 |
| 3.2 时空匹配背景下MODIS AOD产品精度分析 |
| 第四章 基于地基数据的VIIRS AOD产品精度分析与比较 |
| 4.1 基于地基数据的VIIRS AOD产品精度分析 |
| 4.2 VIIRS EDR AOD 产品与MODIS Aqua AOD 产品对比分析 |
| 第五章 基于MODIS Terra DB的长三角地区AOD时空分布特征分析 |
| 5.1 基于MODIS Terra DB的长三角地区AOD的时间变化分析 |
| 5.1.1 长三角地区AOD的月变化规律 |
| 5.1.2 长三角地区AOD的季节变化规律 |
| 5.1.3 长三角地区AOD的年际变化规律 |
| 5.2 基于MODIS Terra DB的长三角地区AOD的空间分布特征分析 |
| 第六章 结论与展望 |
| 6.1 研究结论 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 作者简介 |
| 致谢 |
（2）基于多源数据的大气细颗粒物污染区域传输研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 大气细颗粒物浓度遥感估算研究现状 |
| 1.2.2 大气细颗粒物区域传输研究现状 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 文章架构与章节安排 |
| 1.4.1 文章架构 |
| 1.4.2 章节安排 |
| 第2章 基础数据及相关理论 |
| 2.1 前言 |
| 2.2 卫星遥感数据介绍 |
| 2.3 地面监测数据介绍 |
| 2.3.1 空气质量地面监测数据 |
| 2.3.2 气溶胶信息地面监测数据 |
| 2.4 再分析资料介绍 |
| 2.5 后向轨迹数据及相关理论 |
| 2.5.1 聚类分析方法 |
| 2.5.2 潜在源贡献因子方法 |
| 2.6 大气质量走航立体监测理论 |
| 2.6.1 大气立体监测走航车概述 |
| 2.6.2 车载气象仪监测原理 |
| 2.6.3 车载微波辐射计监测原理 |
| 2.6.4 车载激光雷达监测原理 |
| 2.7 本章小结 |
| 第3章 基于卫星遥感的大气细颗粒物污染监测方法 |
| 3.1 前言 |
| 3.2 基于N维代价函数的气溶胶光学厚度反演 |
| 3.2.1 N维代价函数气溶胶光学厚度反演算法原理 |
| 3.2.2 气溶胶光学厚度反演结果示例分析 |
| 3.2.3 气溶胶光学厚度反演结果精度验证 |
| 3.3 基于地理加权回归算法的近地面细颗粒物浓度估算 |
| 3.3.1 地理加权回归算法原理 |
| 3.3.2 地理加权回归算法输入数据预处理 |
| 3.3.3 近地面细颗粒物浓度估算结果示例分析 |
| 3.3.4 近地面细颗粒物浓度估算结果精度验证 |
| 3.4 本章小结 |
| 第4章 基于多源数据的大气细颗粒物污染区域传输研究方法 |
| 4.1 前言 |
| 4.2 区域传输事件识别与传输通道重构 |
| 4.2.1 大气污染区域传输事件识别 |
| 4.2.2 大气污染传输通道重构 |
| 4.3 区域传输污染物水平传输特性分析 |
| 4.3.1 污染物水平传输速度分析 |
| 4.3.2 大气立体监测污染物水平传输分析 |
| 4.4 区域传输污染物垂直扩散特性分析 |
| 4.4.1 遥感监测污染物扩散时间对比 |
| 4.4.2 大气立体监测污染物垂直变化分析 |
| 4.5 本章小结 |
| 第5章 基于大气细颗粒物污染区域传输研究方法的实例化探索 |
| 5.1 前言 |
| 5.2 2019年9月华北平原大气污染事件探索 |
| 5.2.1 案例概述 |
| 5.2.2 污染传输通道重构 |
| 5.2.3 区域传输污染物水平传输特性分析 |
| 5.2.4 区域传输污染物垂直扩散特性分析 |
| 5.3 2020年9月华北平原大气污染事件探索 |
| 5.3.1 案例概述 |
| 5.3.2 区域传输多源数据探测过程 |
| 5.3.3 重点区域污染传输通道重构 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 本研究主要成果 |
| 6.2 本研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录 英文缩写词对照表 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）城市区域大气污染的遥感定量反演及源追踪研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气气溶胶监测方法研究进展 |
| 1.2.1.1 大气气溶胶地基遥感 |
| 1.2.1.2 大气气溶胶卫星遥感 |
| 1.2.1.3 常用卫星AOT产品 |
| 1.2.2 山火烟雾监测研究进展 |
| 1.2.3 基于卫星遥感的城市区域PM_(2.5)反演研究进展 |
| 1.2.3.1 利用卫星遥感AOT估算PM_(2.5)的基本原理 |
| 1.2.3.2 卫星遥感反演PM_(2.5)方法研究进展 |
| 1.3 论文的研究内容 |
| 1.4 论文的组织结构 |
| 第二章 面向城市区域的气溶胶卫星遥感反演算法研究 |
| 2.1 一种城市区域复杂背景双星协同AOT反演算法 |
| 2.1.1 数据与方法 |
| 2.1.1.1 研究区域 |
| 2.1.1.2 实验数据 |
| 2.1.1.3 数据预处理 |
| 2.1.1.4 AOT反演算法 |
| 2.1.1.5 算法验证 |
| 2.1.2 结果与讨论 |
| 2.2 一种利用低分辨率NDVI反演高分辨率AOT的算法 |
| 2.2.1 数据与方法 |
| 2.2.1.1 研究区域 |
| 2.2.1.2 实验数据 |
| 2.2.1.3 数据预处理 |
| 2.2.1.4 AOT反演算法 |
| 2.2.1.5 算法验证 |
| 2.2.2 结果与讨论 |
| 2.3 一种地球静止卫星的AOT反演算法 |
| 2.3.1 数据与方法 |
| 2.3.1.1 研究区域 |
| 2.3.1.2 实验数据 |
| 2.3.1.3 数据预处理 |
| 2.3.1.4 AOT反演算法 |
| 2.3.1.5 算法验证 |
| 2.3.2 结果与讨论 |
| 2.4 本章小结 |
| 第三章 基于多源数据融合的山火烟雾识别及应用 |
| 3.1 卫星遥感山火灾害信息提取 |
| 3.2 基于HYSPLIT模型的火源追踪研究 |
| 3.3 山火灾害对纽约市空气质量的影响 |
| 3.3.1 数据 |
| 3.3.2 基于多源数据融合的山火烟雾识别方法 |
| 3.3.3 结果与讨论 |
| 3.3.3.1 案例分析 |
| 3.3.3.2 结果 |
| 3.3.3.3 讨论 |
| 3.4 本章小结 |
| 第四章 基于卫星遥感AOT数据的城市区域PM_(2.5)估算研究 |
| 4.1 PM_(2.5)-AOT LMEM模型研究 |
| 4.1.1 数据与方法 |
| 4.1.1.1 研究区域 |
| 4.1.1.2 地面PM_(2.5)监测数据 |
| 4.1.1.3 AOT数据集 |
| 4.1.1.4 数据预处理 |
| 4.1.1.5 模型构建 |
| 4.1.1.6 模型验证 |
| 4.1.2 结果与讨论 |
| 4.1.2.1 统计描述分析 |
| 4.1.2.2 模型拟合和验证结果 |
| 4.1.2.3 与国内外研究的比较 |
| 4.2 一种改进的LMEM PM_(2.5)反演模型 |
| 4.2.1 数据与方法 |
| 4.2.1.1 研究区域 |
| 4.2.1.2 地面PM_(2.5)监测数据 |
| 4.2.1.3 MAIAC产品数据集 |
| 4.2.1.4 人口密度数据 |
| 4.2.1.5 数据预处理 |
| 4.2.1.6 模型构建 |
| 4.2.1.7 模型验证 |
| 4.2.2 结果与讨论 |
| 4.2.2.1 描述统计分析 |
| 4.2.2.2 模型拟合和交叉验证结果 |
| 4.2.2.3 与国内外研究的比较 |
| 4.3 本章小结 |
| 第五章 卫星遥感在城市大气污染监测中的应用 |
| 5.1 我国气溶胶光学厚度AOT空间分布特征研究 |
| 5.1.1 数据与方法 |
| 5.1.2 结果与讨论 |
| 5.2 北京PM_(2.5)时空分布特征研究 |
| 5.2.1 数据与方法 |
| 5.2.2 结果与讨论 |
| 5.2.2.1 北京PM_(2.5)空间分布特征 |
| 5.2.2.2 北京PM_(2.5)时间分布特征 |
| 5.2.2.3 北京PM_(2.5)污染变化趋势特征分析 |
| 5.3 成都平原城市群PM_(2.5)时空分布特征研究 |
| 5.3.1 数据与方法 |
| 5.3.2 结果与讨论 |
| 5.3.2.1 成都平原城市群PM_(2.5)空间分布特征 |
| 5.3.2.2 成都平原城市群PM_(2.5)季节变化特征 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 未来研究工作 |
| 6.4 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用（论文提纲范文）
| 1 卫星及数据 |
| 2 葵花卫星反演AOD算法 |
| 3 AOD反演验证 |
| 3.1 AOD反演的精度验证 |
| 3.2 AOD反演的空间分布验证 |
| 4 雾霾过程监测 |
| 5 结论 |
（5）2001-2017年新疆气溶胶光学厚度时空分布及影响因素研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 气溶胶地基及卫星遥感监测研究进展 |
| 1.2.2 气溶胶分布与大气环境变化研究进展 |
| 1.2.3 新疆AOD应用研究进展 |
| 1.3 研究内容与论文组织 |
| 1.3.1 研究内容与技术路线 |
| 1.3.2 本文的组织结构 |
| 第二章 研究区概况与数据集 |
| 2.1 研究区概况 |
| 2.2 数据集简介 |
| 2.2.1 MODIS数据 |
| 2.2.2 辅助分析数据 |
| 第三章 AOD时空分布及变化特征 |
| 3.1 空间分布特征 |
| 3.2 时间变化特征 |
| 3.2.1 年际变化特征 |
| 3.2.2 季节变化特征 |
| 3.2.3 月际变化特征 |
| 第四章 AOD与一次灰霾天气过程动态分析 |
| 4.1 MODIS气溶胶反演原理及方法 |
| 4.1.1 气溶胶光学厚度反演的基本原理 |
| 4.1.2 气溶胶光学厚度反演方法 |
| 4.2 MODIS气溶胶反演过程及结果 |
| 4.2.1 反演过程 |
| 4.2.2 反演结果与分析 |
| 4.3 乌鲁木齐市灰霾天气过程中的AOD时空动态分析 |
| 4.3.1 污染过程分析 |
| 4.3.2 灰霾天气过程中气流轨迹分析 |
| 第五章 气溶胶光学厚度的影响因素分析 |
| 5.1 AOD与自然因素的关系 |
| 5.2 AOD与城市发展的关系 |
| 5.3 AOD与统计数据的分析 |
| 第六章 结论 |
| 6.1 研究结论 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（6）基于遥感与地面监测数据的PM2.5定量反演研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 气溶胶AOD遥感反演研究进展 |
| 1.2.2 基于卫星遥感的城市PM_(2.5)监测研究进展 |
| 1.3 存在问题 |
| 1.3.1 气溶胶遥感反演存在的问题 |
| 1.3.2 AOD-PM_(2.5)时空关系模型构建存在的问题 |
| 1.4 全文研究内容与组织结构 |
| 第二章 基于卫星遥感AOD的 PM_(2.5)浓度监测物理机理 |
| 2.1 大气气溶胶概述 |
| 2.1.1 大气气溶胶分类 |
| 2.1.2 大气气溶胶的性质 |
| 2.1.3 气溶胶光学厚度与Angstrom波长指数 |
| 2.1.4 气溶胶分布特性与标高 |
| 2.2 电磁辐射传输 |
| 2.2.1 电磁辐射传输模型 |
| 2.2.2 电磁辐射传输的衰减效应 |
| 2.3 6S辐射传输模式 |
| 2.3.1 6S辐射传输模式简介 |
| 2.3.2 6S辐射传输模式组成 |
| 2.3.3 6S的运算方式与散射吸收处理方法 |
| 2.4 气溶胶光学厚度遥感反演 |
| 2.4.1 理论基础 |
| 2.4.2 气溶胶遥感反演常用方法 |
| 2.4.3 城市气溶胶反演难点与关键问题 |
| 2.5 气溶胶光学厚度与PM_(2.5)相关性分析 |
| 2.6 本章小结 |
| 第三章 研究区概况与数据预处理 |
| 3.1 研究区概况 |
| 3.1.1 自然地理与气象状况 |
| 3.1.2 社会经济状况 |
| 3.1.3 PM_(2.5)现状及时空变化特征 |
| 3.2 数据简介与预处理 |
| 3.2.1 遥感数据简介与预处理 |
| 3.2.2 辅助数据简介与预处理 |
| 3.3 本章小结 |
| 第四章 气溶胶光学厚度反演 |
| 4.1 暗像元V5.2算法确定地表反射率 |
| 4.2 气溶胶模型的确定 |
| 4.2.1 气溶胶模型概述 |
| 4.2.2 气溶胶模型确定方法 |
| 4.2.3 气溶胶模型验证 |
| 4.3 查找表建立与优化 |
| 4.3.1 查找表预建立 |
| 4.3.2 AOD反演查找表影响因素分析 |
| 4.3.3 查找表步长优化与生成 |
| 4.4 气溶胶光学厚度反演结果验证 |
| 4.5 本章小结 |
| 第五章 气溶胶湿度订正与垂直订正 |
| 5.1 概述 |
| 5.1.1 AOD垂直分布与相对湿度对PM_(2.5)遥感的影响 |
| 5.1.2 湿度订正与垂直订正研究进展 |
| 5.2 基于平均质量消光效率的湿度订正模型 |
| 5.2.1 实验数据与处理 |
| 5.2.2 气溶胶消光系数计算模型 |
| 5.2.3 PM_(2.5)平均质量消光效率计算 |
| 5.2.4 基于平均质量消光效率的吸湿增长因子计算 |
| 5.2.5 气溶胶吸湿增长模型建立与验证 |
| 5.3 基于改进的peterson模型的季节性标高 |
| 5.4 本章小结 |
| 第六章 AOD与 PM_(2.5)浓度关系模型研究与验证 |
| 6.1 相关性及其机理 |
| 6.2 建模数据及其预处理 |
| 6.3 AOD与 PM_(2.5)关系模型拟合 |
| 6.3.1 卫星遥感AOD直接预测PM_(2.5)浓度模型 |
| 6.3.2 考虑垂直与湿度订正的PM_(2.5)浓度预测模型 |
| 6.3.3 含气象因子的多元线性及非线性PM_(2.5)浓度预测模型 |
| 6.3.4 BP神经网络框架下基于AOD的 PM_(2.5)浓度预测模型 |
| 6.3.5 最优模型对比评价 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 主要研究成果与创新点 |
| 7.2 下一步工作及研究展望 |
| 致谢 |
| 参考文献 |
| 缩略词附录 |
（7）京津冀MODIS C006气溶胶产品评估及其算法探究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 卫星遥感气溶胶进展 |
| 1.2.1 国外研究进展 |
| 1.2.2 国内研究进展 |
| 1.2.3 MODIS气溶胶产品发展 |
| 1.3 论文研究目标及内容 |
| 1.3.1 研究目标 |
| 1.3.2 各章节主要研究内容 |
| 第二章 资料介绍 |
| 2.1 地基AERONET站点数据 |
| 2.2 MODIS传感器及其数据 |
| 第三章 京津冀陆上MODIS C051与C006 产品验证分析 |
| 3.1 引言 |
| 3.2 资料处理 |
| 3.2.1 MODIS数据处理 |
| 3.2.2 AERONET数据处理 |
| 3.3 MODIS与 AERONET数据的时空匹配算法 |
| 3.4 分析方法 |
| 3.5 结果与讨论 |
| 3.5.1 DT C051与DT C006 产品比对分析 |
| 3.5.2 DB C051与DB C006 产品比对分析 |
| 3.5.3 C051与C006 产品的AOD时空分布比对分析 |
| 3.5.4 不同季节下DT C051与DT C006 AOD的地理分布特征 |
| 3.6 本章小结 |
| 第四章 京津冀陆上MODIS C0063 km与10 km产品验证分析 |
| 4.1 引言 |
| 4.2 数据和方法 |
| 4.2.1 MODIS3 km AOD产品来源 |
| 4.2.2 AERONET |
| 4.2.3 研究方法 |
| 4.3 结果与讨论 |
| 4.3.1 DT3 km AOD产品表现 |
| 4.3.2 DT10 km AOD产品表现 |
| 4.3.3 3km和10km产品的AOD分布对比 |
| 4.3.4 京津冀地区MODIS3 km和10 km AOD分布 |
| 4.3.5 京津冀地区各季节MODIS3 km和10 km AOD的空间分布特征 |
| 4.3.6 京津冀地区各季节下MODIS3 km和10 km AOD精度验证 |
| 4.4 本章小结 |
| 第五章 海洋上空多角度辐射特性的模拟分析 |
| 5.1 引言 |
| 5.2 模型与方法 |
| 5.2.1 6SV辐射传输模式 |
| 5.2.2 矢量辐射传输方程 |
| 5.2.3 气溶胶模型 |
| 5.2.4 海面模型 |
| 5.3 风速对海洋上空多角度辐射特性影响 |
| 5.4 叶绿素浓度对海洋上空多角度辐射特性影响 |
| 5.5 太阳方位对海洋上空多角度辐射特性影响 |
| 5.6 本章小节 |
| 第六章 总结与展望 |
| 6.1 论文总结 |
| 6.2 创新点 |
| 6.3 存在的问题和工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）基于MODIS遥感DT和DB数据集的中国AOD分布与变化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 前言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 国内研究进展 |
| 1.2.2 国外研究进展 |
| 1.3 卫星遥感气溶胶的基本原理 |
| 1.3.1 反演原理 |
| 1.3.2 反演方法 |
| 1.4 本文主要研究内容 |
| 第二章 数据来源和数据处理 |
| 2.1 AERONET |
| 2.2 MODIS |
| 2.3 数据说明 |
| 2.4 数据处理 |
| 2.5 处理结果 |
| 第三章 MODIS气溶胶产品的地基验证 |
| 3.1 AERONET数据的波长插值计算 |
| 3.2 MODIS数据与AERONET数据的空间匹配 |
| 3.3 站点数据 |
| 3.4 对比结果与分析 |
| 3.4.1 亚洲地区站点 |
| 3.4.2 美洲地区站点 |
| 3.4.3 非洲地区站点 |
| 3.5 本章小结 |
| 第四章 近10年中国大陆AOD分布特征 |
| 4.1 中国大气气溶胶光学厚度的时空分布特点 |
| 4.1.1 中国AOD的多年平均分布与变化 |
| 4.1.2 中国AOD的季节分布和变化 |
| 4.1.3 中国AOD的月变化 |
| 4.2 东西部大气气溶胶光学厚度对比分析 |
| 4.3 中国大气气溶胶分布变化特征的人为影响因素 |
| 4.3.1 人口分布的影响 |
| 4.3.2 国内生产总值与AOD |
| 4.3.3 能源消耗与AOD |
| 4.4 本章小结 |
| 第五章 全球其他地区与中国AOD的比较分析 |
| 5.1 亚洲 |
| 5.1.1 印度 |
| 5.1.2 巴基斯坦 |
| 5.1.3 孟加拉国 |
| 5.1.4 泰国 |
| 5.1.5 越南 |
| 5.1.6 印度尼西亚 |
| 5.2 美洲 |
| 5.2.1 墨西哥 |
| 5.2.2 巴西 |
| 5.2.3 阿根廷 |
| 5.3 非洲 |
| 5.3.1 尼日尔 |
| 5.3.2 刚果(金) |
| 5.4 各国多年平均AOD和变化趋势 |
| 5.5 中国AOD与其他地区的比较分析 |
| 5.5.1 与亚洲其他6个国家的AOD的比较 |
| 5.5.2 与美洲国家的AOD的比较 |
| 5.5.3 与非洲国家的AOD的比较 |
| 5.5.4 排除沙尘源影响后各国AOD比较 |
| 5.6 小结 |
| 第六章 结论 |
| 6.1 主要研究结果 |
| 6.2 本文特色 |
| 6.3 存在的不足和展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、GMS卫星遥感中国地区气溶胶光学厚度（论文参考文献）
- [1]长三角地区气溶胶产品精度验证与时空分布分析[D]. 陈雪薇. 南京信息工程大学, 2021(01)
- [2]基于多源数据的大气细颗粒物污染区域传输研究[D]. 左欣. 中国科学院大学(中国科学院空天信息创新研究院), 2021(01)
- [3]城市区域大气污染的遥感定量反演及源追踪研究[D]. 韩威宏. 电子科技大学, 2020(01)
- [4]基于葵花8号卫星数据的气溶胶反演算法及其在雾霾过程监测中的应用[J]. 牛晓君,唐家奎,张自力,崔林丽,幸炜鹏,宋艺. 中国科学院大学学报, 2019(05)
- [5]2001-2017年新疆气溶胶光学厚度时空分布及影响因素研究[D]. 张明远. 江西理工大学, 2019(01)
- [6]基于遥感与地面监测数据的PM2.5定量反演研究[D]. 黄文喜. 中国地质大学, 2019(01)
- [7]京津冀MODIS C006气溶胶产品评估及其算法探究[D]. 王可. 国防科技大学, 2017(02)
- [8]我国近年来基于MODIS卫星遥感大气气溶胶研究进展[A]. 吴蒙,罗云,吴兑,范绍佳. 2016中国环境科学学会学术年会论文集（第三卷）, 2016
- [9]关中地区大气气溶胶时空分布及其对气象要素的影响[A]. 彭艳,李星敏,董妍,陈闯,刘晓东. 2015年中国环境科学学会学术年会论文集（第二卷）, 2015
- [10]基于MODIS遥感DT和DB数据集的中国AOD分布与变化[D]. 张小娟. 南京信息工程大学, 2014(07)