随着我国城市化和工业化进程的加快, 由颗粒物诱发的雾霾呈现出易发和频发的特征, 相关问题持续受到社会各界的高度关注(吴兑, 2012；张小曳等, 2013；丁一汇等, 2014).作为近地面颗粒物浓度反演的一种重要手段, MODIS卫星遥感AOD产品不仅具有区域尺度及全方位立体监测的优势, 而且还有较高的反演精度(李成才等, 2003a；Ichoku et al., 2004).国内外大量研究表明, MODIS卫星遥感AOD与地面颗粒物浓度之间存在良好的相关系数, 它在区域空气质量监测和大气环境质量调控方面具有巨大的应用潜力(Lau et al., 2003；Chu et al., 2003；Engel Cox et al., 2004；徐祥德等, 2005；Koelemeijer et al., 2006).AOD是大气消光系数在垂直方向上的积分, 利用该资料对近地面颗粒物质量浓度进行反演须考虑消光系数的垂直分布及水汽对颗粒物理化性质的影响, 涉及垂直分布和湿度影响订正2个方面.李成才等(2003b)基于北京地区四季大气标高均值的统计, 以气溶胶含量随高度满足负指数递减为前提, 据此对AOD进行垂直订正, 这在一定程度上提升了订正后的“湿”消光系数与PM₁₀的相关性；Wang等(2010)在假设气溶胶垂直分布为负指数递减的前提下, 利用激光雷达探测的混合层高度和地面实测的相对湿度对地基反演的AOD进行垂直订正和湿度订正, 订正后的AOD与PM₁₀和PM_2.5浓度的决定系数(R²)分别为0.65和0.62；陶金花等(2013)基于MODIS卫星遥感AOD及RAMS模式建立了一种估算近地面颗粒物浓度的方法, 并用华北地区16个地面站点的颗粒物浓度监测数据对估算结果进行了评估, 结果显示, 遥感反演的近地面PM_2.5与地面监测数据在趋势上基本一致, 二者的R²达到0.61；孙欢欢等(2016)、崔蕾等(2016)基于大气“湿”消光系数序列随机特性的证明, 以“统计一致性原则”提出了卫星遥感AOD反演近地面颗粒物浓度的湿度订正新算法, 进一步分析表明, 该算法极大地增强了订正的客观性和普适性, 并显著提升了近地面颗粒物浓度的反演精度.

作为MODIS卫星遥感AOD产品反演近地面颗粒物质量浓度的关键技术环节, 现有的近地面“湿”消光系数反演方案均是建立在气溶胶含量随高度呈负指数递减这一假设的基础上(徐希孺, 2005).进一步分析表明, 该假设未能充分考量大气边界层气象条件变化的复杂性, 固化了颗粒物的垂直分布形态, 极大地影响到反演模型的普适性和实际的反演效果(吕阳等, 2013).为此, 本文基于对Mie散射激光雷达垂直探测结果的深入分析, 利用Logistic曲线丰富的形态表征边界层大气消光系数廓线的复杂演变特征, 据此创新性地构建MODIS卫星遥感AOD反演近地面“湿”消光系数模型, 并以成都地区实例应用效果佐证该模型的实用性.

搭载于Terra和Aqua卫星上的中分辨率成像光谱仪(MODIS)是目前气溶胶探测的重要仪器, 可提供从可见光、近红外到红外共36个通道的探测资料, 具有较高的空间分辨率, 扫描宽度为2330 km, 可见光1通道(660 nm)和2通道(860 nm)具有250 m的星下点分辨率；可见光3~7通道具有500 m的星下点分辨率, 为陆地、海洋、大气、气溶胶及云的观测提供了高分辨率的监测, 已在全球范围内得到广泛的应用.文中所用资料是Terra-MODIS和Aqua-MODIS第二代气溶胶产品(C006) 的AOD数据(MOD04和MYD04), 星下点分辨率为10 km, 时间为2013年6月—2014年5月.

同期的Mie散射激光雷达探测资料由四川省环境监测总站提供.观测雷达为北京怡孚和融科技有限公司生产的EV-lidar激光雷达(偏振Mie散射微脉冲激光雷达), 设置于西南交通大学九里堤校区土木馆(104.06°E, 30.70°N)楼顶, 此处距地35 m, 视野开阔, 不受四周建筑物阻挡, 且受工业排放污染源的影响小；仪器每3 min提供一次数据, 主要观测范围可达30 km, 探测盲区为60 m, 测距分辨率为15 m.另外, 颗粒物质量浓度使用美国热电子环境设备公司生产的大气污染物环境监测分析仪(1400a环境颗粒物检测仪)进行观测, 监测点位于成都市人民南路四段(104.07°E, 30.63°N), 数据采集频率为5 min 1次, 精度为±1.5 μg·m^-3.

卫星资料与激光雷达数据的匹配规则为：选取以激光雷达观测点为中心, 周围50 km×50 km范围内MODIS反演AOD的平均值.激光雷达与颗粒物质量浓度监测点均位于主城区, 二者距离10 km左右, 因而两地之间颗粒物浓度差异很小, 在当今城市化进程迅猛的背景条件下, 二者对边界层的探测结果虽受到下垫面差异的影响, 但在一定的误差范围内仍具有可比性.

大气边界层中含有大量的气溶胶, 激光雷达能够根据其分布得到相应的回波信号, 实现对大气边界层的实时监测, 据此进一步了解边界层结构的变化规律.激光雷达探测的大气消光系数廓线不仅是颗粒物垂直分布信息的直接表征, 对其正确的数学描述也是MODIS卫星遥感AOD反演近地面“湿”消光系数模型构建的前提.基于Mie散射激光雷达探测结果表明(图 1), 从上部摩擦层到自由大气, 消光系数均一致表现出急剧下降区、过渡区和近似不变区；由于受到下垫面热力和动力因素的共同影响, 近地层附近区域内湍流场结构的差异使消光系数自下而上呈现出复杂的多样化的演变形态.因此, 大气消光系数随高度按负指数递减的假设(图 2a)未能充分考量到大气边界层气象条件变化的复杂性, 固化了颗粒物的垂直分布形态, 无疑会极大地影响到MODIS卫星遥感AOD反演近地面“湿”消光系数模型的普适性和实际的反演效果.

图 1(Fig. 1)

图 1 不同形态消光系数的垂直分布(a.2013-10-25T11:00, b.2014-1-31T10:00, c.2014-1-18T18:00) Fig. 1 Vertical distribution of different extinction coefficient forms

图 2(Fig. 2)

图 2 消光系数随高度变化的示意图(a.负指数模型, b.Logistic曲线) Fig. 2 The variation of extinction coefficient with height

经过多函数形态的充分比对, Logistic曲线与大气消光系数垂直廓线具有很高的相似度.分别将z₀(1)、z₀(2)、z₀(3) 作为下垫面的起始点, 由图 2b可见, z₀(1) 以上的大气消光系数分别历经急剧下降区、过渡区和近似不变区, 这与负指数函数演变形态总体相同, 可体现出晴天午后湍流充分发展状态下颗粒物浓度的垂直分布特征；z₀(3) 以上大气消光系数在保留z₀(1) 以上大气消光系数演变特征的同时, 在近地层附近还表现出渐进递减的新形态, 这主要是弱辐射、慢过程天气背景条件下湍流垂直扩散的结果.相对于z₀(1) 和z₀(3), z₀(2) 以上大气消光系数垂直分布可视为前二者之间的过渡形态.综合以上分析, 可认为Logistic曲线能充分表征在不同天气背景条件下边界层内复杂湍流结构对颗粒物垂直散布的影响(图 1中3种形态实际消光系数与Logistic拟合结果的R²均稳定在0.95以上, 且通过α=0.05的显著性检验).另外, Logistic曲线已在生态学领域当中获得了极为广泛的应用, 对其数学性质已有了系统的认知, 这也为MODIS卫星遥感AOD反演近地面“湿”消光系数模型的构建和应用奠定了理论基础.

MODIS气溶胶光学厚度与地基观测结果存在一定的系统性偏差(夏祥鳌, 2006；李晓静等, 2009).按麻金继等(2005)使用的方法, 以地基CE-318观测结果对MODIS AOD进行校正, 记校正前后的光学厚度分别为AOD^*和AOD, 二者之间的关系可表示为式(1).其中, 参数a、b的取值如下：a=0.5764、b=0.0933(春季), a=0.1260、b=0.2844(夏季), a=0.2746、b=0.3425(秋季), a=0.5163、b=0.2375(冬季).

(1)

假定消光系数随高度的变化满足Logistic曲线, 具体见式(2).

(2)

式中, z为高度(m), σ(z)为不同高度大气消光系数(m^-1), σ为环境容纳量(m^-1), 即消光系数所能达到的最大值, r为瞬时递减率, B为Logistic模型待定参数.

光学厚度(AOD)是消光系数在垂直方向上的积分, 具体见式(3).将式(2) 代入式(3) 可得式(4), 进一步得到式(5) 的函数关系.

(3)

(4)

(5)

混合层顶是湍流特征不连续界面所在高度, 在实际廓线中位于消光系数急剧下降和总体缓变之间的过渡区域, 对应于Logistic曲线的曲率最大点, 利用小波协方差法(Brooks, 2003)计算混合层高度, 记为H, 由此得到式(6).进一步将参数r表示为式(7).

(6)

(7)

由式(2)、(5) 和(7) 可得式(8) 的消光系数模拟曲线.

(8)

将消光系数实测值与模拟值离差平方和最小作为目标函数, 利用免疫进化算法(倪长健等, 2003)求解模型参数B, 据此得到卫星AOD反演的地面“湿”消光系数：

(9)

使用的资料包括成都市2013年6月—2014年5月MODIS卫星遥感AOD数据及同时次的Mie散射激光雷达探测数据和地面细颗粒物质量浓度观测资料.由于天气及卫星设备自身原因, 卫星AOD产品在部分时段数据不完整, 最终使用的MODIS卫星遥感AOD数据样本量按季节的分布为春季(3—5月)39、夏季(6—8月)34、秋季(9—11月)37、冬季(12—2月)39.

按照MODIS卫星遥感AOD反演近地面“湿”消光系数新模型的计算流程, 得到地面“湿”消光系数, 进一步绘制了成都地区四季PM_2.5质量浓度与地面“湿”消光系数的散点图(图 3).结果表明, 地面“湿”消光系数与细颗粒物浓度的相关系数在各个季节均有提升并能稳定在0.6以上(均通过α=0.05的显著性检验), 结果均优于指数分布, 其中, 冬季相关系数提升0.20, 提升最为明显(表 2).

图 3(Fig. 3)

图 3 成都地区四季地面PM2.5浓度与地面“湿”消光系数的散点图(a.春季, b.夏季, c.秋季, d.冬季) Fig. 3 The scatter plots of PM2.5 mass concentration with 'wet' extinction coefficient in four seasons in Chengdu

表 1(Table 1)

表 1 地面PM2.5浓度与AOD及地面“湿”消光系数的相关系数 Table 1 Correlation coefficients of PM2.5 mass concentration with AOD and 'wet' extinction coefficient

表 1 地面PM2.5浓度与AOD及地面“湿”消光系数的相关系数 Table 1 Correlation coefficients of PM2.5 mass concentration with AOD and 'wet' extinction coefficient

1) 基于Mie散射激光雷达的探测结果表明, 大气边界层内的颗粒物质量浓度随高度表现为多样化的递减形态；相比于负指数分布而言, Logistic曲线能更好地表征大气消光系数垂直演变的复杂性.

2) 基于成都市2013年6月—2014年5月Mie散射激光雷达探测数据及同期MODIS卫星遥感AOD和地面颗粒物浓度资料的实例分析表明, 利用新模型反演得到的近地面“湿”消光系数与近地面细颗粒物质量浓度之间的相关系数在四季均能稳定在0.6以上(均通过α=0.05的显著性检验).