Variability, predictability, and uncertainty in global aerosols inferred from gap-filled satellite observations and an econometric modeling approach
从填补空白的卫星观测和计量经济学建模方法推断的全球气溶胶的可变性、可预测性和不确定性
From：布朗大学
摘要：气溶胶的时间序列分析和随机建模评估对于气候变化和人类健康研究至关重要。然而，气溶胶光学深度 (AOD) 的精确表征、其可变性、趋势和可预测性以及其在全球范围内的相关不确定性在很大程度上尚未得到探索。此外，跨空间和时间的卫星检索 AOD 的差距仍然是准确揭示气溶胶特性的障碍。本研究使用 MODIS Collection 6 AOD 反演对 2003 年至 2015 年的全球气溶胶进行时间序列分析和建模。首先应用随机森林 (RF) 回归来替换卫星 AOD 反演中的缺失数据。然后研究 AOD 变化和趋势，并分别使用 Mann-Kendall 分析方法和自回归积分移动平均 (ARIMA) 模型预测未来值。结果表明，开发的 RF 模型显着增强了 AOD 数据覆盖范围，均方根误差和平均绝对误差统计指标分别远低于 0.13 和 0.08。在东亚、南亚和西南亚、西非和中非以及南美洲北部发现了高 AOD 载荷。由于粉尘排放、生物质燃烧、化石燃料燃烧和社会经济实践，气溶胶变化和趋势显示出显着差异，这对气候系统和减缓政策制定具有重大影响。ARIMA 模型描绘的 AOD 特征具有明显的年度和季节性变化，并且在大多数地区具有很高的准确性。模型的性能受数据质量和数据值的共同影响。总体而言，我们的研究表明 RF 模型在重建区域尺度卫星缺失 AOD 检索方面的可行性和适用性，以及随机 ARIMA 模型准确描绘和预测 AOD 剖面的能力。全球模拟和预测的气溶胶将改进气溶胶对气候和流行病学研究的影响评估。
方法聚焦：
Autoregressive integrated moving average (ARIMA) model
气溶胶颗粒在大气中的停留时间从几天到几周不等，因此气溶胶浓度有可能在整个时间窗口内累积。鉴于气溶胶浓度的时间依赖性，很难使用最初为独立和同分布（非时变）变量开发的传统统计方法来描述其演变。在这方面，时间序列分析已成为一个日益新兴的领域，以了解随着时间的推移保留在观察中的模式。在这个领域内，由 Box 等人首先引入的 ARIMA 方法，已在气候学、水文学 、能源和经济学由于其简单性、灵活性和易于解释的性质。从广义上讲，ARIMA 模型由三个阶段组成：模型识别、参数和诊断检查以及预测。然后使用从上述阶段精心挑选的最佳拟合模型来预测未来值。
部分结果：
结果表明，东亚、南亚和西南亚、西非和中非以及南美洲北部的年度 AOD 较高。美国东部、亚马逊盆地、西欧、非洲东北部、华南和澳大利亚东海岸的 AOD 呈明显下降趋势，而印度半岛、阿拉伯半岛、中亚、东非则呈上升趋势，和南美洲南部。气溶胶变化和趋势的显着差异可能与（但不限于）粉尘排放、生物质燃烧、化石燃料燃烧、大气条件、社会经济实践和能源相关政策有关。在此基础上，我们进一步使用随机ARIMA模型模拟气溶胶剖面，预测全球范围内一年铅AOD值，可为空气质量、气候和流行病学研究提供有价值的信息。ARIMA 模型在大多数地区取得了良好的性能，表现为相对较低的 RMSE、MAE、rRMSE 和 MAPE 值，以及与 2016 年参考 AOD 值的良好一致性。但是，该模型难以捕捉极端事件和部分地区季节性弱的系列。ARIMA 模型的性能也会受到 AOD 数据质量和数值的影响，精度越高，数值越低，预测结果越有希望。总体而言，我们的研究将有助于实施空气质量控制政策以减轻气溶胶排放，并由此了解高 AOD 地区的影响因素，以便法规可以针对具有高度优先级/重要性的特定因素。亚季节气溶胶变化的特征对于评估极端气溶胶污染事件引起的风险也很重要。在气候变化和全球化的背景下，气溶胶污染不仅是一个国家问题，也是一个受气候相互作用和社会经济影响的国际问题，需要全球共同努力。
引用格式：
Li, X., et al. (2021). "Variability, predictability, and uncertainty in global aerosols inferred from gap-filled satellite observations and an econometric modeling approach." Remote Sensing of Environment 261: 112501.
