摘要 | 第4-7页 |
ABSTRACT | 第7-10页 |
第1章 绪论 | 第15-33页 |
1.1 研究目的与研究意义 | 第15-17页 |
1.2 研究现状 | 第17-29页 |
1.2.1 甲醛时空变化特征分析 | 第17-19页 |
1.2.2 甲醛卫星遥感反演平台 | 第19-25页 |
1.2.3 大气化学模式与正向模型 | 第25-26页 |
1.2.4 数据融合与预测 | 第26-27页 |
1.2.5 切高参数对掩星、临边观测方式及廓线反演的重要性 | 第27-29页 |
1.3 论文组织 | 第29-33页 |
1.3.1 论文目标与内容 | 第29-30页 |
1.3.2 研究方案 | 第30-31页 |
1.3.3 论文架构 | 第31-33页 |
第2章 中国典型经济区甲醛时空变化规律与源解析(2005-2016) | 第33-82页 |
2.1 Aura/OMI甲醛数据及辅助数据 | 第33-35页 |
2.2 京津冀地区 | 第35-49页 |
2.2.1 研究区介绍 | 第35-36页 |
2.2.2 京津冀地区甲醛分布规律分析 | 第36-44页 |
2.2.3 京津冀地区甲醛源解析 | 第44-49页 |
2.3 长江三角洲地区 | 第49-65页 |
2.3.1 研究区介绍 | 第49-51页 |
2.3.2 长三角地区甲醛分布规律分析 | 第51-59页 |
2.3.3 长三角地区甲醛源解析 | 第59-65页 |
2.4 珠江三角洲地区 | 第65-82页 |
2.4.1 研究区介绍 | 第65-66页 |
2.4.2 珠三角地区甲醛分布规律分析 | 第66-74页 |
2.4.3 珠三角地区甲醛源解析 | 第74-82页 |
第3章 甲醛柱浓度与CMAQ模式的融合研究 | 第82-93页 |
3.1 研究区域符号约定 | 第82页 |
3.2 CMAQ日均数据量纲转换和积分计算 | 第82-83页 |
3.3 时间序列UKF数据融合研究算法 | 第83-86页 |
3.4 广东省典型城市数据融合结果和精度分析 | 第86-93页 |
第4章 近地面甲醛数据的神经网络预测研究 | 第93-108页 |
4.1 逐像元的时间序列预测分析方法和流程 | 第93-95页 |
4.2 广东省典型城市MLP和LSTM预测结果对比分析 | 第95-106页 |
4.3 误差分析和精度评价 | 第106-108页 |
第5章 紫外对流层甲醛反演算法研究 | 第108-127页 |
5.1 紫外甲醛遥感反演算法 | 第108页 |
5.2 DOAS算法 | 第108-112页 |
5.2.1 经典的DOAS算法 | 第108-110页 |
5.2.2 其他DOAS算法 | 第110-111页 |
5.2.3 现有DOAS甲醛反演算法的不足 | 第111-112页 |
5.3 主成分分析法 | 第112-113页 |
5.4 以OMIDOAS为例的甲醛反演实验 | 第113-127页 |
5.4.1 反演过程 | 第113-115页 |
5.4.2 反演结果 | 第115-120页 |
5.4.3 误差分析 | 第120-127页 |
第6章 红外掩星/临边传感器切高校正 | 第127-141页 |
6.1 ACE-FTSLevel-1数据 | 第127页 |
6.2 算法设计 | 第127-131页 |
6.3 结果展示与讨论 | 第131-139页 |
6.3.1 敏感性分析 | 第131-134页 |
6.3.2 三景ACE-FTS切高校正结果分析 | 第134-135页 |
6.3.3 误差分析 | 第135-139页 |
6.4 时效性分析 | 第139-141页 |
第7章 总结与展望 | 第141-147页 |
7.1 创新点 | 第141页 |
7.2 中国东部地区三大经济区甲醛时空变化分析总结 | 第141-143页 |
7.3 甲醛卫星数据和模式数据融合与预测总结 | 第143-144页 |
7.4 切高参数校正总结 | 第144页 |
7.5 展望 | 第144-147页 |
参考文献 | 第147-161页 |
附录 本研究所用的数据源 | 第161-162页 |
致谢 | 第162-165页 |
作者简历及攻读学位期间发表的学术论文与研究成果 | 第165-166页 |