文献

J-GLOBAL ID：201702286209381138   整理番号：17A0299444

マルチソースリモートセンシングデータを統合したPM_(2.5)濃度空間分布図【JST・京大機械翻訳】

Mapping of PM_(2.5) Fine Particulates Using Multi-source Remote Sensing Data

著者 (6件)： Pu Qiang (School of Geosciences and Info-physics, Central South University) ,  Zou Bin (School of Geosciences and Info-physics, Central South University) ,  Zhai Liang (The Key Laboratory of Geo-Informatics of State Bureau of Surveying and Mapping, Chinese Academy of Surveying & Mapping) ,  Guo Yu (School of Geosciences and Info-physics, Central South University) ,  Sang Huiyong (The Key Laboratory of Geo-Informatics of State Bureau of Surveying and Mapping, Chinese Academy of Surveying & Mapping) ,  Bilal Muhammad (Department of Land Surveying and Geo-Infomatics, Hong Kong Polytechnic University)
資料名： Diqiu Xinxi Kexue Xuebao  (Diqiu Xinxi Kexue Xuebao)
巻： 18  号： 12  ページ： 1717-1724  発行年： 2016年 
JST資料番号： C2670A  ISSN： 1560-8999  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： PM_(2.5)濃度の従来の地上モニタリングの欠点を目的として,本論文では,マルチソースリモートセンシングデータを用いて,大気中のPM_(2.5)濃度の空間分布を研究した。-地域の2013年の年平均、季均のPM_(2.5)濃度のシミュレーション図を例として、簡略化したエーロゾル反転アルゴリズム(SARA)を用いて1KMの高分解能AODを反転し、高分解能リモートセンシングによる汚染関連地理要素を抽出した。研究地域のPM_(2.5)濃度分布の地理的統計的シミュレーションと最適化を行った。結果は以下を示す。1)SARAアルゴリズムは,AODと逆の間の相関が0.99に達し,研究地域におけるAODの時空間分布特性を正確に反映することができた。2)集成多源のリモートセンシングデータの地理的重みづけ回帰モデルは,高い平均(R2-0.66)を持ち,その空間的シミュレーションは,研究地域の平均PM_(2.5)汚染が南部都市で最も高く,中東部の都市部が次,北西部の山岳地域が比較的軽いことを示した。3)研究地域のPM_(2.5)汚染の程度は高く,年間平均濃度は75ΜG/M3に達し,気候環境と主要汚染源の季節的差異により,季節的特徴は顕著であり,冬季の汚染は最も深刻で,夏と秋は比較的軽かった。この結果はPM_(2.5)の汚染特性の精密把握と汚染防止のための重要な意味を持つ。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 汚染防止 ,  中東 ,  重みづけ ,  *リモートセンシング ,  市街地 ,  エアロゾル ,  汚染源 ,  回帰モデル ,  地理学 ,  *空間分布 ,  山岳地 ,  冬 ,  濃度分布 ,  高分解能
準シソーラス用語： *リモートセンシングデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： AOD retrieval ,  PM_(2.5) ,  GWR ,  remote sensing mapping

分類 (2件)： 粒状物調査測定  (SB03060E) ,  リモートセンシング一般  (AD04000L)

タイトルに関連する用語 (2件)： 統合 ,  分布図