耿 冰,孙义博,曾巧林,商豪律,刘霄宇,单菁菁* (.中国社会科学院生态文明研究所,北京 0070；.中国环境科学研究院生态研究所,北京 000；.重庆邮电大学计算机科学与技术学院,重庆 0006；.中国科学院空天信息研究院数字地球重点实验室,北京 0009；.中国信息通信研究院,北京 009)

为了应对日益严重的空气污染问题,我国大规模建立地面PM2.5监测站点,对重污染天气进行监测及预警[1-3].众多学者也在此基础上开发了 PM2.5浓度估算模型[4-8].但是,地面 PM2.5监测站点仅能提供空间上“点”尺度的观测,有限的空间范围不足以代表PM2.5在空间上的异质性, 而PM2.5的空间信息对于研究空气污染与经济、地理及人口之间的关系至关重要.

近年来,随着卫星遥感技术的发展,使得区域尺度的污染信息获取成为可能,利用卫星反演的大气气溶胶光学厚度(AOD)估算大空间尺度的地表PM2.5浓度也已被广泛采用[9-13].

目前,已有多种卫星遥感数据反演的AOD产品被用于估算地表PM2.5浓度的时空分布[14-17].

与此同时,多种类型的统计模型被提出并应用于PM2.5浓度的估算中[18-22],这些模型均以AOD作为主要指示因子,结合气象观测及其他类型的统计参数估算地面 PM2.5的时空分布.例如,早期的研究采用一元线性回归模型仅采用AOD作为指示因子来估算PM2.5浓度[23];或更为复杂的采用多元或广义线性回归模型,考虑更多的地表及气象参数用以提高 PM2.5的估算精度[24-25].但是在真实的环境中,PM2.5浓度的分布是一个与多种因素有关的非线性过程,在时间和……