论文阅读-AOD

Fusion of Ground-Level Measurements with Aerosol Optical Depth Observations, a Case Study in North China

摘要：地面观测点和AOD融合的PM2.5预测方法精度受到PM2.5的时空分布和AOD数值丢失的影响。本文提出一种新的格网插值方法PMSI，利用贝叶斯Bayesian hierarchicalmodel 来模拟AOD和PM2.5之间的关系

创新点大概在于新的插值方法 PMSI (线性回归模型) 和 丢失值的处理(线性关系 MODIS AOD Gap Filling)

Study Area：京津冀 数据分辨率12*12km 因为很多atmospheric chemistry model都是这个分辨率

Ground-Level PM2.5Data：小时级数据 但是有点状数据和面状数据之间的插值和转化问题 

It is worth noting that point measurements of PM2.5 concentrations were used to representthe area-average PM2.5 levels over a grid cell. Specifically, the grid-average concentrations may not fully reflect the spatial variationin PM2.5as captured by multiple monitors within a grid cell.

MODIS AOD Data：MODIS AOD值限制在−0.05和5.0之间。分辨率10*10km ，用最近邻法转化为12*12km

MODIS AOD Missing Data Pattern：每169个格网都有至少一个地面监控点。在AOD数据有效时，主要用AOD。通过对缺失值的时空模式进行分析发现，缺失的AOD值与较高的污染水平有关。所以长期PM2.5估计如果在数据融合中只使用检索到的AOD值，则中会出现负偏差。

MODIS AOD Gap Filling：针对AOD数据丢失的问题，提出了一种新的两步算法。

1、根据城市和季节的机制，假定PM2.5和AOD线性关系

2、将估计和检索到的AOD值使用指数协方差函数的普通克里金（OK），在没有PM2.5监测仪的其他网格单元中插入遗漏值

Interpolated Ground PM2.5Data：引入了新的插值变量(PMSI)。内插式PM2.5浓度场的不确定度（预测标准误差）在空间上不均匀，网格单元越靠近监测仪，其不确定度越低。

To ensure that the uncertainties of the interpolated values were generally uniform, a 10-fold leave-10%-cities-out method was used to generate the interpolated PM2.5(PMI2.5)value using the OK method. Specifically, we first randomly removed the monitors in 10% of 53 cities within the study area.PMI2.5 values at the removed sites were obtained from krigingthe monitors from the remaining cities. This procedure wasrepeated 10 times to obtain interpolated PMI2.5values at allmonitors.

为了确保插值值的不确定性总体上是一致的，使用10倍的leave-10%cities out方法，使用OK方法生成插值PM2.5（PMI2.5）值。具体地说，我们首先在研究区域内53个城市中的10%随机移除了监视器，从克里金获得了移除位置的PMI2.5值，从其余城市获取了监视器。该程序重复10次，以获得所有监视器上的内插PMI2.5值。为了进一步控制变量PMI2.5的不确定性，我们定义了最终PM2.5空间插值器

Other Spatiotemporal Predictors:

1、NCEP的气象数据  2、MODIS土地利用数据的green fractions和urban fraction    3、 USGSGTOPO30的高程数据

Statistical Model Framework：线性回归的方法来模拟PM2.5和AOD值之间的关系

PM(s,t)：PM2.5 at location s and time t   (s:the index of a monitor-contained grid cell  t: the index of a day within the study period)

α0(s,t) 和α1(s,t)：特定于位置和时间的坡度和截距               ε(s,t)：残差，服从标准正态分布

   λ是固定的气象因素，Z是土地利用    克里金插值解决βi(s)  MCMC(马尔可夫链)来模拟贝叶斯模型

计算流

---