Luận Văn Thạc Sĩ: Nghiên Cứu Phân Bố Không Gian PM2.5 Thông Qua Tích Hợp Ảnh Vệ Tinh (2013-2015)

Nghiên cứu phân bố không gian PM2.5 từ ảnh vệ tinh giai đoạn 2013-2015, cung cấp dữ liệu quan trọng về ô nhiễm không khí và ứng dụng trong quản lý môi trường.

• Tác giả: Ha Thi Hong
• Người hướng dẫn: Assoc. Tang-Huang Lin
• Trường học: Thai Nguyen University
• Chuyên ngành: Environmental Science And Management
• Đề tài: Nghiên Cứu Phân Bố Không Gian PM2.5 Bằng Tích Hợp Ảnh Vệ Tinh Từ 2013 Đến 2015
• Loại tài liệu: bachelor thesis
• Năm xuất bản: 2016
• Địa điểm: Thai Nguyen

Mục lục chi tiết

• TÓM TẮT
• LỜI CẢM ƠN
• DANH MỤC HÌNH VẼ
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• 1. PHẦN 1: MỞ ĐẦU
• 1.1. Lý do chọn đề tài
• 1.2. Câu hỏi nghiên cứu
• 1.3. Mục tiêu và nhiệm vụ nghiên cứu
• 2. PHẦN 2: TỔNG QUAN TÀI LIỆU
• 2.1. Các phép đo trên mặt đất
• 2.1.1. Đo lường PM2.5 trên mặt đất
• 2.1.2. Đo lường AERONET trên mặt đất
• 2.2. Tổng quan về viễn thám CALIPSO
• 2.3. Các hạt khí dung và Chỉ số Khí dung Gradient Chuẩn hóa (NGAI)
• 2.3.1. Vai trò của các loại khí dung
• 2.3.2. Chỉ số Khí dung Gradient Chuẩn hóa (NGAI)
• 2.3.3. Phân đoạn AOD của khí dung hỗn hợp
• 3. PHẦN 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. AERONET - Đo lường trên mặt đất
• 4. PHẦN 4: KẾT QUẢ VÀ THẢO LUẬN
• 4.1. Tương quan giữa PM2.5 theo giờ và AOD ở các tầng khí quyển
• 4.2. Phân loại dạng khí dung và xác định phân số AOD
• 5. PHẦN 5: KẾT LUẬN VÀ KIẾN NGHỊ

Tóm tắt

I. Nghiên cứu

Nghiên cứu này tập trung vào việc phân tích phân bố không gian của PM2.5 bằng cách tích hợp dữ liệu từ ảnh vệ tinh trong giai đoạn từ 2013 đến 2015. Mục tiêu chính là khắc phục hạn chế của các phương pháp đo lường mặt đất, vốn chỉ cung cấp dữ liệu tại các điểm cụ thể. Nghiên cứu sử dụng dữ liệu từ các vệ tinh như MODIS, MISR và OMI để thu thập AOD (Aerosol Optical Depth), từ đó tìm hiểu mối quan hệ giữa AOD và PM2.5. Kết quả cho thấy AOD từ CALIPSO có thể được sử dụng như một proxy tốt hơn để ước lượng nồng độ PM2.5, đặc biệt khi xem xét phân bố theo chiều dọc và loại aerosol.

1.1. Phương pháp nghiên cứu

Nghiên cứu sử dụng dữ liệu từ AERONET và CALIPSO để thu thập AOD từ mặt đất đến toàn cột khí quyển. Dữ liệu PM2.5 được thu thập từ năm trạm đo mặt đất tại Đài Loan. Phương pháp tích hợp ảnh vệ tinh được áp dụng để phân tích mối quan hệ giữa AOD và PM2.5, đồng thời xác định loại aerosol chiếm ưu thế trong khu vực nghiên cứu.

1.2. Kết quả nghiên cứu

Kết quả cho thấy mối tương quan giữa AOD và PM2.5 được cải thiện đáng kể khi sử dụng dữ liệu từ các lớp gần mặt đất. AOD từ CALIPSO có độ chính xác cao hơn so với các phương pháp khác, đặc biệt khi xem xét phân bố theo chiều dọc và loại aerosol. Nghiên cứu cũng chỉ ra rằng loại aerosol chiếm ưu thế trong khu vực là 'polluted continent', góp phần cải thiện mối quan hệ AOD-PM2.5.

II. Phân bố không gian

Phân bố không gian của PM2.5 được phân tích dựa trên dữ liệu từ ảnh vệ tinh và các trạm đo mặt đất. Nghiên cứu chỉ ra rằng PM2.5 có sự biến đổi lớn theo không gian và thời gian, đặc biệt là ở các khu vực đô thị. Việc sử dụng ảnh vệ tinh giúp mở rộng phạm vi quan sát, từ đó cung cấp cái nhìn toàn diện hơn về phân bố không gian của PM2.5.

2.1. Biến đổi môi trường

Biến đổi môi trường là một yếu tố quan trọng ảnh hưởng đến phân bố không gian của PM2.5. Nghiên cứu chỉ ra rằng các nguồn phát thải từ hoạt động công nghiệp và giao thông là nguyên nhân chính dẫn đến sự gia tăng nồng độ PM2.5 ở các khu vực đô thị. Việc giám sát liên tục bằng ảnh vệ tinh giúp theo dõi sự biến đổi môi trường và đưa ra các biện pháp kiểm soát phù hợp.

2.2. Giám sát môi trường

Giám sát môi trường bằng ảnh vệ tinh là một công cụ hiệu quả để theo dõi phân bố không gian của PM2.5. Nghiên cứu sử dụng dữ liệu từ CALIPSO để phân tích các lớp aerosol và xác định nguồn gốc của PM2.5. Kết quả cho thấy việc kết hợp dữ liệu từ ảnh vệ tinh và các trạm đo mặt đất giúp cải thiện độ chính xác của các mô hình dự báo ô nhiễm không khí.

III. Ứng dụng thực tiễn

Nghiên cứu này có giá trị thực tiễn cao trong việc quản lý và kiểm soát ô nhiễm không khí. Việc sử dụng ảnh vệ tinh để phân tích phân bố không gian của PM2.5 giúp các nhà quản lý đưa ra các chính sách hiệu quả hơn. Nghiên cứu cũng góp phần nâng cao nhận thức cộng đồng về tác động của PM2.5 đến sức khỏe con người và môi trường.

3.1. Công nghệ viễn thám

Công nghệ viễn thám đóng vai trò quan trọng trong việc giám sát ô nhiễm không khí. Nghiên cứu sử dụng dữ liệu từ CALIPSO và AERONET để phân tích AOD và PM2.5, từ đó cung cấp thông tin chi tiết về phân bố không gian của các hạt bụi mịn. Kết quả nghiên cứu có thể được ứng dụng trong việc phát triển các mô hình dự báo ô nhiễm không khí.

3.2. Chất lượng không khí

Chất lượng không khí là một vấn đề nghiêm trọng ở nhiều khu vực đô thị. Nghiên cứu này cung cấp cái nhìn toàn diện về phân bố không gian của PM2.5, từ đó giúp các nhà quản lý đưa ra các biện pháp cải thiện chất lượng không khí. Việc sử dụng ảnh vệ tinh giúp theo dõi sự biến đổi của PM2.5 theo thời gian và không gian, từ đó đưa ra các giải pháp hiệu quả hơn.

Trích đoạn nội dung tài liệu

THAI NGUYEN UNIVERSITY UNIVERSITY OF AGRICULTURE AND FORESTRY HA THI HONG INVESTIGATION ON THE SPATIAL DISTRIBUTION OF PM 2.5 BY INTEGRATING SATELLITE IMAGE FROM 2013-2015 BACHELOR THESIS Study Mode : Full-time Major : Environmental Science And Management Faculty : International Training and Development Center Batch : 2012 - 2016 Thai Nguyen, December 2016 n Thai Nguyen University of Agriculture and Forestry Degree Program Bachelor of Environmental Science and Management Student name HA THI HONG Student ID DTN 1253180048 Investigation on the spatial distribution of PM 2.5 by Thesis title integrating satellite image from 2013-2015 Assoc. Tang-Huang Lin Supervisor(s) MSc. Nguyen Van Hieu Abstract: Previous studies reported that human health is strongly and consistently affected by outdoor fine mode particulate matter, the so-called PM2. The monitor of PM concentration thus attracts much attention for the society.

However, the observations for a spatial distribution are limited to the location of ground based stations. Therefore, Satellite images with a wide coverage like MODIS, MISR and OMI have been applied to overcome this limitation in terms of retrieved AODs. For the application of total column AOD to PM concentration, the vertical distribution and aerosol type should be taken into account. Association with extinction profile of CALIPSO products and aerosol compositions from NGAI algorithm, the AOD retrievals and PM2.5 are correlated in this study.

As the result, the linear regression between AOD from CALIPSO and PM2.5 has more uncertainty if AODtotal, AOD1000 and AOD500 used as proxy to estimate PM2.2) compared to lower altitudes AOD200, AOD140 and AOD70. The result concluded that AOD140 from CALIPSO can be used as a better proxy for PM2.5 concentration (R2 i n range from 0. Using NGAI algorithm classified aerosol compositions for AERONET and validated to CALIPSO subtypes indicated that dominant aerosol type (polluted continent) in study area is much improved AOD140 - PM2.5 relationship (R2 range between 0.5, AOD, CALIPSO, Aerosol types, NGAI, Aerosol layers Number of pages: 45 Date of submission: 03/12/2016 ii n ACKNOWLEDGEMENT From bottom of my heart, I would like to express my deepest appreciation to Associate Professor Tang-Huang Lin who in spite of being extraordinarily busy with his duties, took time out to hear, guide, keep me on the correct path and complete report during the time of conducting the research at Center for Space and Remote Sensing Research (CSRSR) of National Central University (NCU). I also wish to express my deep gratitude to MSc.

Nguyen Van Hieu who gives me an opportunity, guidance and support me to complete thesis. I would also like to express my great appreciation to Mr. Wei Hung Lien and Ms. Chang Yi-Ling for their constant support, patient guidance and suggestions related to my work.

I sincerely thank the additional members of Center for Space and Remote Sensing Research who have contributed to my work. Last but not the least, I would like to thank all of my family members and dear friends who always encourage and back me up unceasingly. Thai Nguyen, December 2016 HA THI HONG iii n TABLE OF CONTENTS LIST OF TABLES. xi LIST OF ABBREVIATIONS.

Ground based Measurements. Ground based Measurement - PM2. Ground based measurement - AERONET. Brief Description of Remote Sensing – CALIPSO.

The Aerosol particles and Normalized Gradient Aerosol Index (NGAI). The role of aerosol types. Normalized Gradient Aerosol Index (NGAI). AOD fraction of mixed type aerosols.

DATA AND METHODOLOGY. AERONET - Ground based measurement. RESULT AND DISCUSSION. Correlations between hourly PM2.5 and AOD in various layers.

Aerosol types classification and AOD Fraction Determination. CONCLUSION AND SUGGESSION. 37 v n LIST OF FIGURES Formatted: Font: 14 pt, Bold, Font color: Auto Figure 1: Size comparison between two aerosols with diameters 2.5 and 10 µm, a Formatted: Font color: Auto Formatted: Justified, Line spacing: Double human hair and a sand grain (credit: Environmental Protection Agency). 12 Figure 2: The orbit track of CALIPSO passes to Taiwan at 17:40pm on August 10, 2014.

16 Figure 3: Total Attenuated Backscattering signal measured by the CALIOP passed Taiwan (red box) level 2 at 532 nm during the period 17:40- 17:54 UTC p. 17 Figure 4: Vertical Feature Mask measured by the CALIOP passed Taiwan (red box) level 2 during the period 17:40- 17:54 UTC. 18 Figure 5: Aerosol subtype classification information measured by the CALIOP passed Taiwan (red box) level 2 during the period 17:40- 17:54 UTC. 20 Figure 6: Aerosol extinction coefficient profile from CALIPSO at 12:54:20 (LZT) on March 27, 2013 in Taipei city.

21 Figure 7: The scheme of AOD fraction determination for dual-type aerosols (type A and B) based on NGAI values (Lin et al. 25 Figure 8: The locations of AERONET site and PM2.5 stations selected in this study (google map). 28 Figure 9: The flowchart of analysis procedure. 30 Figure 10a: The linear regression between AOD140 – PM2.5 in Guting from 2013 to 2015.

32 Figure 10b: The linear regression between AOD140 – PM2.5 in Tucheng from 2013 to 2015. 33 Figure 11a: The improved correlation between AOD140 and PM2.5 in Guting from 2013 to 2015. 36 vi n Figure 11b: The improved correlation between AOD140 and PM2.5 in Tucheng from 2013 to 2015. 36 Figure 11c: The improved correlation between AOD140 and PM2.5 in Zhonghe from 2013 to 2015.

37 Figure 11d: The improved correlation between AOD140 and PM2.5 in Xindian from 2013 to 2015. 37 Figure 11e: The improved correlation between AOD140 and PM2.5 in Banqiao from 2013 to 2015. 38 Figure 12: The NGAI identification result without AOD fraction in Taipei_WCB. 39 Figure 13: The NGAI identification result with AOD fraction in Taipei_WCB.

40 Figure 1: Size comparison between two aerosols with diameters 2.5 and 10 µm, a Formatted: Justified human hair and a sand grain (credit: Environmental Protection Agency). 15 Figure 2: The orbit track of CALIPSO passes to Taiwan at 17:40pm on August 10, 2014. 19 Figure 3: Total Attenuated Backscattering signal measured by the CALIOP passed Taiwan (red box) level 2 at 532 nm during the period 17:40- 17:54 UTC p. 20 Figure 4: Vertical Feature Mask measured by the CALIOP passed Taiwan (red box) Formatted: Justified level 2 during the period 17:40- 17:54 UTC.

21 Figure 5: Aerosol subtype classification information measured by the CALIOP passed Taiwan (red box) level 2 during the period 17:40- 17:54 UTC. 23 Figure 6: Aerosol extinction coefficient profile from CALIPSO at 12:54:20 (LZT) on March 27, 2013 in Taipei city. 24 Figure 7: The scheme of AOD fraction determination for dual-type aerosols (type A and B) based on NGAI values (Wei, 2016). 28 vii n Figure 8: The locations of AERONET site and PM2.5 stations selected in this study (google map).

31 Figure 9: The flowchart of analysis procedure. 33 Figure 10a: The linear regression between AOD140 – PM2.5 in Guting from 2013 to 2015. 35 Figure 10b: The linear regression between AOD140 – PM2.5 in Tucheng from 2013 to 2015. 36 Figure 11a: The improved correlation between AOD140 and PM2.5 in Guting from 2013 to 2015.

39 Figure 11b: The improved correlation between AOD140 and PM2.5 in Tucheng from 2013 to 2015. 39 Figure 11c: The improved correlation between AOD140 and PM2.5 in Zhonghe from 2013 to 2015. 40 Figure 11d: The improved correlation between AOD140 and PM2.5 in Xindian from 2013 to 2015. 40 Figure 11e: The improved correlation between AOD140 and PM2.5 in Banqiao from 2013 to 2015.

41 Figure 12: The NGAI identification result without AOD fraction in Taipei_WCB. 41 Figure 13: The NGAI identification result with AOD fraction in Taipei_WCB. 42 Figure 1: Size comparison between two aerosols with diameters 2.5 and 10 µm, a human hair and a sand grain (credit: Environmental Protection Agency).5 Figure 2: The orbit track of CALIPSO passed to Taiwan at 17:40pm on August 10, 2014 (Source: www-calipso.9 viii n Figure 3: Total Attenuated Backscattering signal measured by the CALIOP passed Taiwan (red box) level 2 at 532 nm during the period 17:40- 17:54 UTC (Source: www-calipso. 10 Figure 4: Vertical Feature Mask measured by the CALIOP passed Taiwan (red box) level 2 during the period 17:40- 17:54 UTC (Source: www-calipso.

11 Figure 5: The scheme of AOD fraction determination for dual-type aerosols (type A and B) based on NGAI values (Lin et al. 15 Figure 7: The location of AERONET site and PM2.5 stations selected in this study (Google map). 19 Figure 8: Aerosol subtype classification information measured by the CALIOP passed Taiwan (red box) level 2 during the period 17:40- 17:54 UTC. 21 Figure 9: Aerosol extinction coefficient profile from CALIPSO at 12:54:20 (LZT) on March 27, 2013 in Taipei city.

22 Figure 10: The flowchart of analysis procedure. 25 Figure 11a: The linear regression between AOD140 – PM2.5 in Guting from 2013 to 2015. 28 Figure 11b: The linear regression between AOD140 – PM2.5 in Tucheng from 2013 to 2015. 28 Figure 11c: The linear regression between AOD140 – PM2.5 in Zhonghe from 2013 to 2015………………………………………………………………………………….31 Figure 11d: The linear regression between AOD140 – PM2.5 in Xindian from 2013 to 2015………………………………………………………………………………….32 Figure 11e: The linear regression between AOD140 – PM2.5 in Banqiao from 2013 to 2015………………………………………………………………………………….32 ix n Figure 12a: The improved correlation between AOD140 and PM2.5 in Guting from 2013 to 2015………………………………………………………………………….34 Figure 12b: The improved correlation between AOD 140 and PM2.5 in Tucheng from 2013 to 2015 .…31 Figure 12c: The improved correlation between AOD140 and PM2.5 in Zhonghe from 2013 to 2015.

32 Figure 12d: The improved correlation between AOD140 and PM2.5 in Xindian from 2013 to 2015. 32 Figure 12e: The improved correlation between AOD140 and PM2.5 in Banqiao from 2013 to 2015………………………………………………………………………….35 Figure 13: The NGAI identification result without AOD fraction in Taipei_WCB. 33 Figure 14: The NGAI identification result with AOD fraction in Taipei_WCB. 37 Formatted: Hyperlink, Font: Not Italic, Font color: Auto, Do not check spelling or grammar Formatted: Hyperlink, Font: Not Italic, Font color: Auto, Do not check spelling or grammar Formatted: Font color: Auto Formatted: Justified, Space After: 0 pt x n LIST OF TABLES Table 1: PM2.5 concentration and air pollution banding.

6 Table 2: Aerosol classification using NGAI algorithm. 14 Table 3: The NGAI threshold of AP, BB and Dust aerosols used to classify aerosol types in AERONET site. 19 Table 4: CALIPSO data collected in this study. 20 Table 5: Correlations between hourly PM2.5 and AOD from 500m to total column AOD.

26 Table 6: Correlations between hourly PM2.5 and AOD from ground surface to 200m. 27 Table 7: The improved correlation between AOD and PM2. 30 xi n LIST OF ABBREVIATIONS Formatted: Font: 14 pt, Bold, Font color: Auto Formatted: Font color: Auto Formatted: Normal, Line spacing: Double planetary boundary layer Aerosol Optical Depth Total column AOD AOD under 1000 m AOD under 500 m AOD under 200 m APD under 140 m AOD under 70 m Particle mass with diameters less than 2.