2018, Vol. 38
[PDF全文]
2. 新疆维吾尔自治区气象服务中心, 乌鲁木齐 830011;
3. 中国气象局乌鲁木齐沙漠气象研究所, 乌鲁木齐 830002
2. Meteorological Service Center of Xinjiang, Urumqi 830011;
3. Insitute of Desert Meteorology, China Meteorological Administration, Urumqi 830002
近年来，工业发展与人类活动的加剧引起气溶胶排放量显著增加，区域的气候变化异常和环境污染问题日益严峻，尤其以大气污染问题更为突出(单楠等, 2012).大气气溶胶通过改变地-气系统的辐射收支影响着气候、生态环境和人类健康(唐孝炎等，2006；柳晶，2008)，是造成我国近年来城市霾、烟雾等天气现象频发和空气质量下降的重要因素.因此，气溶胶污染问题受到了国内外研究人员的广泛关注.气溶胶监测主要有两个重要的物理量，气溶胶光学厚度和地面颗粒物的质量浓度.卫星遥感反演的气溶胶主要为气溶胶光学厚度，它代表垂直方向上消光系数总的积分，与气溶胶消光系数的垂直分布和气溶胶总浓度有关；而地面颗粒物的质量浓度受地面排放源和混合层高度、风向、风速等大气扩散条件的影响(何秀等，2010).气溶胶光学厚度与地面颗粒物的质量浓度是表示空气污染的两种不同方式，其值存在尺度差异.但气溶胶总的消光系数即光学厚度与地面的消光系数成线性相关，而地面的消光系数一般与地面污染物的浓度成线性关系(李成才，2002).
目前国内外已经有很多学者利用卫星遥感产品反演近地面大气颗粒物的浓度，用于环境污染动态变化分析和空气质量监测.相对于有限的环境监测站点，卫星观测覆盖范围广，反演信息全面(李成才等，2003a)，能够有效弥补地面监测站点空间上的不足(蒋民等，2012；高大伟等，2012；郑卓云等，2011).Chu等(2003)利用MODIS Level2 AOD产品，研究并证实了其在监测全球、区域和局地大气污染方面具有显著应用价值；Lau等(2003)研究表明，MODIS AOD与地面观测颗粒物质量浓度具有较好的相关性；Wang等(2003)分析了MODIS AOD产品与美国阿拉巴马州一个县的7个站点PM2.5质量浓度之间的关系，发现两者具有较好的相关性；Engel-Cox(2006)和Hutchison(2008)等分别利用地基和机载的激光雷达测量了气溶胶垂直分布数据，对MODIS AOD经垂直订正后显著提高了MODIS AOD与近地面PM2.5的相关性；李成才等(2003a；2003b；2005a；2005b)利用MODIS气溶胶光学厚度产品分析了北京、香港、四川等地气溶胶时空分布特点，并将AOD与地面观测颗粒物质量浓度进行比较分析并得到较好的相关性，证实了MODIS气溶胶光学厚度运用于大气污染监测的可行性；蒋民(2012)、谢志英(2015)等在此基础上考虑了气象因素，在探讨经空气污染指数API转换得到的PM10质量浓度和气溶胶光学厚度的关系时得到较好的效果，证实了卫星遥感气溶胶光学厚度在经过垂直和湿度订正并考虑气象因素的情况下，可作为空气污染的有效监测手段；薛岩松等(2014)通过对PM10浓度与MODIS气溶胶光学厚度进行相关性分析，结合垂直和湿度订正建立了AOD与PM10质量浓度的回归模型，并用该模型对杭州的PM10质量浓度进行了反演，得到较好的效果；何秀等(2010)、黄观等(2016)在对AOD进行垂直与湿度订正后和地面观测PM10浓度数据进行对比分析，证实了MODIS产品可应用于PM10质量浓度的监测.
现有研究表明MODIS AOD产品在城市大气颗粒物污染监测方面有重要应用价值，证实了MODIS AOD运用于近地面大气污染监测的可行性.但大多是采用美国中分辨率成像光谱仪的10 km空间分辨率气溶胶产品，很少有学者利用MODIS 3 km空间分辨率的气溶胶产品来分析北疆地区不同区域AOD与PM10质量浓度之间的相关性.基于此，本文利用2016年北疆地区8个地级市地面环境监测站的PM10逐小时资料和3 km×3 km空间分辨率的MODIS AOD数据，结合地面能见度和相对湿度数据，探讨MODIS 3 km AOD数据与PM10之间的关系，以期为该高分辨率遥感产品在北疆地区环境监测评估中的应用提供科学依据.
2 材料与方法(Materials and methods) 2.1 研究区域天山横亘于新疆中部，将新疆分为南北两大部分，习惯上称天山以北为北疆.北疆深处大陆腹地，远离海洋，周围高山环绕，不受湿润海洋气流影响，属于典型的中温带大陆性干旱气候区.受特殊的地理环境和气候特征的影响，北疆地区各城市冬季取暖能源主要依靠燃煤，每年供暖期长达6个月，城市上空经常会出现气溶胶阴霾覆盖现象.其中以乌鲁木齐大气污染最为严重.乌鲁木齐是“峡口城市”(赵克明等，2014)，特殊的地形和气象条件极不利于大气污染物的扩散；另外受燃煤尘、土壤风沙尘、建筑水泥尘等的影响较大(李霞等，2007)，乌鲁木齐全市冬季PM10污染指数介于151~200，达到四级中度污染水平(赵克明等，2014).同样北疆地区其他城市也都存在着严重的大气污染状况.
2.2 研究资料本文所使用的资料主要包括：从NASA的GSFC(Goddard Space Flight Center)数据中心定制覆盖北疆地区的2016年1—12月MODIS 3 km气溶胶产品(MOD04_3K)；新疆环保局获取的环境监测站PM10质量浓度数据；新疆气象信息中心获取的气象站点能见度、相对湿度数据以及天气现象资料.其中，对北疆地区MODIS气溶胶光学厚度日产品的预处理主要包括几何校正、裁剪、拼接，以及剔除阴雨、有云等天气条件下质量不好的数据.
2.3 数据匹配为了更好的建模、验证和分析，本文对AOD及PM10质量浓度进行了处理和匹配，其中匹配原则为：空间上以PM10监测站点为准，时间上以卫星过境时间为准.北疆地区8个地级市乌鲁木齐、昌吉、石河子、克拉玛依、伊犁、博乐、塔城、阿勒泰，共25个环境监测站点，本文选取其中时间序列较全、具有代表性的21个站点(图 1)，根据Terra星的过境时间(地方时11:30左右)，提取并计算地面实测数据中相应日期13:00、14:00的平均PM10质量浓度数据与卫星资料相匹配.由于MODIS 3 km AOD的产品仅采用暗目标算法进行反演，所以该产品在冬季(12月、1月、2月)反演效果较差，因此本文选取了2016年3—11月的气溶胶光学厚度日均值数据建立AOD及PM10质量浓度之间的模型，考虑到要进行精度验证，按时间顺序每隔3个样本选取1个样本作为验证数据，具体分布如表 1所示.
 |
| 图 1 北疆地区环境监测站点分布 Fig. 1 Environmental monitoring stations in Northen Xinjiang |
| 表 1 北疆地区各地级市样本(建模和验证)数据一览表 Table 1 List of samples data (modeling and validation) for cities in Northern Xinjiang |
 |
MODIS卫星过境时获取的AOD瞬时值为介质的消光系数在垂直方向上的积分，而PM10的实测值为近地面污染物颗粒物浓度(薛岩松等，2014)，它主要受地面排放源、混合层发展、大气稳定度等大气扩散条件的影响.AOD与PM10质量浓度是表示空气污染的两种不同方式，但气溶胶总的消光系数即光学厚度与地面的消光系数成线性相关，而地面的消光系数一般与地面污染物的浓度成线性关系(李成才，2002).本文利用2016年北疆地区8个地级市的AOD日数据与对应日期的PM10质量浓度数据，对两者的关系直接进行相关性分析，发现二者之间相关性并不理想，相关系数仅为0.294，但满足统计学上可信度99%要求，说明研究区卫星观测的AOD与地面观测PM10在0.01显著性水平下具备一定的线性相关关系，证明了由AOD估算近地面PM10浓度的可行性.
 |
| 图 2 AOD与PM10质量浓度直接相关 Fig. 2 The direct relationship between AOD and PM10 concentration |
AOD垂直-湿度订正即利用能见度数据对AOD进行垂直订正，然后再用相对湿度数据对其进行二次订正的方法.
3.2.1 AOD垂直订正AOD是从遥感角度表征整层大气中气溶胶消光特性的指标，同地面观测的PM10浓度在物理属性上有较大的差异.同时地面观测的能见度是近地面水平方向上气溶胶消光指标，因此可以利用气象观测站点的能见度对AOD进行高度订正.以便将卫星遥感AOD产品订正到近地面层，从而提高AOD与近地面PM10的相关性.
本文参考李成才(2005)的垂直订正方法，引入气溶胶标高H，H与AOD、V之间的关系为：
|
(1) |
式中，τ代表AOD，V代表水平能见度，利用式(1)求得每日的气溶胶标高，然后将AOD除以气溶胶标高H对其进行垂直订正，得到订正后气溶胶消光系数β0 (即垂直订正后AOD).
根据表 2垂直订正后AOD与PM10质量浓度相关系数可以看出，结合能见度数据对AOD进行垂直订正后，其与PM10的相关性显著提高，整个北疆地区二者之间的均相关系数为0.448，较订正前提高52.4%.其中，各城市的相关系数分别为乌鲁木齐0.542，昌吉0.481，石河子0.700，克拉玛依0.312，伊宁0.478，博乐0.394，塔城0.339，阿勒泰0.334，均通过了0.01的置信度检验.以上结果表明，结合能见度数据对AOD垂直订正，将AOD订正到近地面层，对AOD与PM10之间的相关性具有一定的影响.
| 表 2 垂直订正后AOD与PM10质量浓度相关系数 Table 2 Correlation coefficients between AOD and PM10 concentration after correction |
|
近地面PM10质量浓度的测定一般是在干燥环境下测量得到的，而AOD是在大气环境下反演得到的，相对湿度对颗粒物的消光系数影响显著.在相对湿度较高的情况下，水溶性气溶胶颗粒吸湿膨胀、粒径增大，消光系数可以增大数倍.为了修正水溶性气溶胶粒子吸湿膨胀对地面消光系数的影响，根据王子峰(2010)和李成才等(2005)的研究结果，引入湿度影响因子f(RH)，其表达式为：
|
(2) |
式中, f(RH)为吸湿增长因子，RH为相对湿度.
根据式(2)，结合北疆地区各气象站当日与卫星过境时间相匹配的13:00—14:00的平均相对湿度数据，将经过垂直订正的AOD(β0)除以吸湿增长因子f(RH)，得到经湿度订正后的气溶胶消光系数Ka(垂直-湿度订正后AOD)，然后用这个“干燥”的消光系数来估算PM10的质量浓度(Wang et al., 2010)，即：
|
(3) |
以经过垂直订正和湿度订正后的AOD数据(Ka)作为自变量，对应时刻地面观测PM10质量浓度值作为因变量，建立线性拟合模型，见表 3.
| 表 3 垂直-湿度订正后AOD与PM10质量浓度的线性拟合模型 Table 3 Linear fitting model for AOD and PM10 concentration after vertical and humidity corrections |
|
将表 3中经过垂直与湿度订正后的AOD与地面观测PM10质量浓度拟合得到的线性模型同表 2做对比，可以看出二者之间的相关系数在北疆地区提高至0.348.虽然较直接相关比较有所提高，但各地级市中只有伊宁和博乐二者之间的相关系数提高，其他城市二者之间的相关系数都出现了一定幅度的下降.结果表明由于北疆地区各城市地理位置的差异导致气溶胶来源、特征不同，数据样本差异较大，因而湿度订正的效果可能存在不同.
3.3 AOD垂直订正-PM10湿度订正AOD垂直订正-PM10湿度订正即利用能见度数据对AOD进行垂直订正和湿度数据对PM10质量浓度进行订正的方法.
3.3.1 AOD垂直订正采用结合能见度数据对AOD进行垂直订正，具体方法与3.2.1节相同.
3.3.2 PM10湿度订正根据3.2.2节中式(2)得到的吸湿增长因子 f(RH)，结合北疆地区各气象站当日卫星过境时间13:00—14:00的平均相对湿度数据，将PM10质量浓度乘以吸湿增长因子f(RH)进行湿度订正，从而将颗粒物的质量浓度还原回“湿润”状态下的质量浓度(Tsai et al., 2011)，进而得到经湿度订正后的颗粒物浓度Kb，即：
|
(4) |
按照上述订正方法，将经过垂直订正的AOD数据(β0)作为自变量，对应过境时刻经过湿度订正的PM10质量浓度(Kb)作为因变量，建立线性拟合模型，见表 4.
| 表 4 AOD垂直订正-PM10湿度订正后的二者线性拟合模型 Table 4 Linear fitting model for vertical correction of AOD and humidity correction for PM10 |
|
结合表 2和表 4可知，经对PM10湿度订正后，北疆地区二者之间的均相关系数为0.755，呈显著正相关，较垂直订正提高68.5%.其中，各地级市二者之间相关系数达到乌鲁木齐0.785，昌吉0.691，石河子0.807，克拉玛依0.791，伊宁0.820，博乐0.639，塔城0.668，阿勒泰0.837.以上结果表明，经过对AOD垂直订正和PM10湿度订正后，AOD与PM10之间的相关性逐步提高，说明空气湿度也会对气溶胶散射效果产生影响.
对比表 3和表 4两种不同订正方法的拟合模型发现，“湿润订正”线性拟合模型的确定性系数R2比“干燥订正”线性拟合模型的确定性系数R2表现出大幅度的提高，其中以阿勒泰最为显著，“干燥订正”线性拟合模型的确定性系数R2仅为0.017，而经“湿润订正”后确定性系数R2达到0.695.
综上所述，由于北疆地区各城市地理位置的差异导致气溶胶来源、特征不同，数据样本差异较大，因而垂直订正和湿度订正的效果可能存在不同.结合能见度数据对AOD进行垂直订正-相对湿度数据对PM10质量浓度进行湿度订正的方法具有更高的精度及稳定性.从数据采集的时间、空间尺度来分析，卫星遥感得到的气溶胶光学厚度、地面监测得到的PM10质量浓度和地面气象观测得到的相对湿度三者当中，后两者在空间上和时间上的观测尺度更为接近.另外，研究区经过对AOD垂直订正-PM10湿度订正后二者之间的相关系数有了明显的提高，说明订正后AOD对PM10质量浓度的解释程度提高，也证实了本研究所采用的AOD垂直订正-PM10湿度订正方法的有效性.
3.4 最优拟合模型及精度验证 3.4.1 最优拟合模型的选取为了更具体地说明北疆各地级市经垂直订正后的AOD与湿度订正后的PM10二者之间的关系，分别对各地级市进行线性、一元二次、乘幂、对数和指数5种类型的建模拟合，依据各拟合模型确定性系数R2大小选取各地级市最优拟合模型，其结果如表 5所示.
| 表 5 北疆地区各地级市最优拟合模型 Table 5 Best fitting model in cities around the Northern Xinjiang |
|
根据各地级市线性模型拟合结果可以看出，经过垂直订正后的AOD和湿度订正后的PM10质量浓度之间的相关性逐步提高.各城市最优拟合模型中，克拉玛依的一元二次拟合模型的拟合精度最好，确定性系数R2达到0.761；其次为采用乘幂拟合模型的阿勒泰和采用指数拟合模型的伊宁，其确定性系数R2分别为0.704和0.702；其他城市采用的最优拟合模型均在一定程度上提高了二者之间的相关性.
3.4.2 模型精度验证基于北疆地区各地级市验证数据，利用从表 5中选取的各地级市最优拟合模型反演湿度订正后的PM10质量浓度，并与地面湿度订正后得到的PM10质量浓度分析二者之间的相关性.图 3为北疆地区8个地级市PM10的模型反演与湿度订正后PM10数据的散点图，可以看出，模型反演湿度订正后PM10质量浓度与湿度订正后PM10之间有较好的符合，乌鲁木齐、昌吉、石河子、克拉玛依、伊宁、博乐、塔城、阿勒泰二者之间的相关系数依次为0.625、0.910、0.764、0.434、0.829、0.693、0.586、0.665，均通过了0.01的置信度检验，说明利用MODIS 3 km AOD产品可以很好地反演PM10质量浓度.
 |
| 图 3 模型反演湿度订正后PM10与湿度订正后PM10散点图 Fig. 3 Scatter diagram of inversion results and the relative humidity correction PM10 concentration |
1) MODIS 3 km AOD产品与地面观测PM10质量浓度数据的直接相关程度较低，相关系数仅为0.294；对比分析了利用能见度数据对AOD进行垂直订正，然后再用湿度数据对其进行二次订正(AOD垂直-湿度订正)和利用能见度数据对AOD进行垂直订正和湿度数据对PM10质量浓度进行订正(AOD垂直订正-PM10湿度订正)两种订正方法，结果指出“AOD垂直订正-PM10湿度订正”可显著提高二者之间的相关性.订正之后，北疆地区AOD与PM10质量浓度的相关系数达到0.755，呈显著正相关；各城市相关系数分别达到乌鲁木齐0.785，昌吉0.691，石河子0.807，克拉玛依0.791，伊宁0.820，博乐0.639，塔城0.668，阿勒泰0.837，以上均通过0.01的置信度检验，其中，对阿勒泰的订正效果最好，相关系数达到0.837.
2) 建立并选取垂直订正后AOD和湿度订正后PM10之间的最优拟合模型，并利用新建的模型反演了北疆地区PM10质量浓度；反演得到的北疆地区PM10质量浓度与经过湿度订正后PM10呈显著正相关，相关系数达0.688，其中，乌鲁木齐、昌吉、石河子、克拉玛依、伊宁、博乐、塔城、阿勒泰二者之间的相关系数依次为0.625、0.910、0.764、0.434、0.829、0.693、0.586、0.665，表明MODIS 3 km AOD产品在经过垂直和湿度订正后，可应用在北疆地区无地面监测站点的PM10质量浓度监测.
经过订正后AOD产品，弥补了地面观测站点空间密度上的不足，从宏观的角度给出区域污染的相对程度，可以作为区域尺度地面可吸入颗粒物浓度监测的有效补充手段.
Chu D A, Kaufman Y J, Zibordi G, et al. 2003. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS)[J]. Journal of Geophysical Research Atmospheres, 108(D21): ACH4-1–ACH4-18.
|
Engel-Cox J A, Hoff R M, Rogers R, et al. 2006. Integrating lidar and satellite optical depth with ambient monitoring for 3-dimensional particulate characterization[J]. Atmos Environ, 40(40): 8056–8067.
DOI:10.1016/j.atmosenv.2006.02.039
|
高大伟, 徐宏辉, 郁珍艳, 等. 2012. MODIS气溶胶光学厚度在临安大气颗粒物监测中的应用[J]. 环境科学研究, 2012, 25(7): 739–744.
|
何秀, 邓兆泽, 李成才, 等. 2010. MODIS气溶胶光学厚度产品在地面PM10监测方面的应用研究[J]. 北京大学学报(自然科学版), 2010, 46(2): 174–184.
|
黄观, 刘伟, 刘志红, 等. 2016. 乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究[J]. 环境科学学报, 2016, 36(2): 649–657.
|
Hutchison K D, Faruqui S J, Smith S. 2008. Improving correlations between MODIS aerosol optical thickness and ground-based PM2.5 observations through 3D spatial analyses[J]. Atmos Environ, 42(3): 530–543.
DOI:10.1016/j.atmosenv.2007.09.050
|
蒋民, 马贞立. 2012. 南京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 科学技术与工程, 2012, 12(31): 8327–8331.
DOI:10.3969/j.issn.1671-1815.2012.31.038 |
Lau K H, Li C C, Mao J T, et al. 2002. A new way of using MODIS data to study air pollution over Hong Kong and the Pear River Delta[J]. Proceedings of the SPIE, 4891: 105–114.
|
李成才. 2002. MODIS遥感气溶胶光学厚度及应用于区域环境大气污染研究[D]. 北京: 北京大学
http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y469443 |
李成才, 毛节泰, 刘启汉. 2003a. 用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征[J]. 应用气象学报, 2003a, 14(1): 1–7.
|
李成才, 毛节泰, 刘启汉, 等. 2003b. 利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染[J]. 大气科学, 2003b, 27(5): 869–880.
|
李成才, 毛节泰, 刘启汉. 2005a. 利用MODIS资料遥感香港地区高分辨率气溶胶光学厚度[J]. 大气科学, 2005a, 29(3): 335–342.
|
李成才, 毛节泰, 刘启汉, 等. 2005b. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]. 中国科学D辑:地球科学, 2005b, 35(增刊): 177–186.
|
李霞, 任宜勇, 吴彦, 等. 2007. 乌鲁木齐污染物浓度和大气气溶胶光学厚度的关系[J]. 高原气象, 2007, 26(3): 541–546.
|
柳晶. 2008. 中国地区气溶胶光学特性及辐射强迫的卫星遥感观测研究[D]. 南京: 南京信息工程大学
http://cdmd.cnki.com.cn/Article/CDMD-10300-2008091951.htm |
单楠, 杨晓晖, 时忠杰, 等. 2012. 基于MODIS的中国陆地气溶胶光学厚度时空分布特征[J]. 中国水土保持科学, 2012, 10(5): 24–30.
|
唐孝炎, 张远航, 邵敏. 2006. 大气环境化学[M]. 北京: 高等教育出版社.
|
Tsai T C, Jeng Y J, Chu D A, et al. 2011. Analysis of the relationship between MODIS aerosol optical depth and particulate matter from 2006 to 2008[J]. Atmospheric Environment, 45(27): 4777–4788.
DOI:10.1016/j.atmosenv.2009.10.006
|
Wang J, Christopher S A. 2003. Intercomparison between satellite-de-rived aerosol optical thickness and PM2..5 mass:Implications for air quality studies[J]. Geophysi-cal Research Letters, 30(21): 267–283.
|
Wang Z F, Chen L F, Tao J, et al. 2010. Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method[J]. Remote Sensing of Environment, 114(1): 50–63.
DOI:10.1016/j.rse.2009.08.009
|
谢志英, 刘浩, 唐新明, 等. 2015. 北京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报, 2015, 35(10): 3292–3299.
|
薛岩松, 俞乐, 徐鹏炜, 等. 2014. 利用MODIS气溶胶产品反演PM10质量浓度:以杭州为例[J]. 遥感信息, 2014, 29(1): 74–77.
|
赵克明, 李霞, 卢新玉, 等. 2014. 峡口城市乌鲁木齐冬季大气污染的时空分布特征[J]. 干旱区地理, 2014, 37(6): 1108–1118.
|
郑卓云, 陈良富, 郑君瑜, 等. 2011. 高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究[J]. 环境科学学报, 2011, 31(6): 1154–1161.
|