环境一号卫星在监测大气PM10中的应用

王中挺,王子峰,厉 青,陈良富,周春艳,张丽娟(.环境保护部卫星环境应用中心,北京 0009；.中国科学院遥感应用研究所,北京 000；3.中国科学院研究生院,北京 00049)

环境一号卫星在监测大气PM10中的应用

王中挺1*,王子峰2,3,厉 青1,陈良富2,周春艳1,张丽娟1(1.环境保护部卫星环境应用中心,北京 100029；2.中国科学院遥感应用研究所,北京 100101；3.中国科学院研究生院,北京 100049)

选择京津唐地区作为实验区,从环境一号卫星(HJ-1)的CCD数据出发,利用暗目标法反演陆地气溶胶,然后在对气溶胶光学厚度进行垂直订正和湿度校正的基础上,得到PM10的反演模型,进行PM10的反演实验.并利用中国环境监测总站的地面监测数据对结果进行了检验.结果表明,HJ-1的时空分辨率满足PM10周监测的需要,结果与地面数据有一定的相关性(相关系数为0.58),为提高PM10的反演精度还需结合更多的地面数据进行模型的修正.

环境一号卫星；气溶胶光学厚度；PM10

大气中可吸入颗粒物PM10是环境监测的重要指标,其对人类健康的影响已经是不争的事[1-2].据《2006年中国环境状况公报》统计[3],在我国监测的 557个城市中,43.4%的城市大气质量没有达标,颗粒物为主要污染物.

当前大气颗粒物污染监测主要以地面监测为主.由于地面监测站点数量有限,不能全面地反映城市环境质量的区域状况.近年来国内外大量实践表明,利用暗目标法[4]、结构函数法[5]等遥感监测方法可以获得整层光学特性——气溶胶光学厚度(AOD),并且和近地面颗粒物浓度之间建立直接相关关系[6-9],还有研究将气溶胶光学厚度经过混合层高度的垂直订正与空气水汽订正后再和颗粒物浓度建立关系,可以获得近地面连续分布的颗粒物浓度分布监测结果[8,10-11].但如何将遥感方法应用于颗粒物浓度分布的监测仍依赖于卫星数据的空间和时间分辨率.如MODIS数据每天有2次覆盖,但目前NASA公布的气溶胶光学厚度产品只有 10km,在城市污染监测方面仍显得粗糙;TM、CBERS02B/CCD等传感器空间尺度能优于 30m,完全可以满足空间分辨率的需要,但100km的幅宽和十几天的重返周期很难满足实际应用的需求.

我国于2008年9月6日发射的环境一号卫星(HJ-1)的A、B星,其搭载的CCD相机,具有高地表分辨率(星下点分辨率为30m)、高时间分辨率(A星和B星联合使用可以在2d覆盖全国,重返周期为 2d)等特点,相对 MODIS和 TM、CBERS02B/CCD等载荷,在时间和空间两个方面均适合于城市群颗粒物浓度区域分布的监测,但在针对HJ-1的CCD数据,如何实现对近地面颗粒物浓度的监测需要进一步的研究.

本研究从HJ-1的CCD数据出发,利用暗目标法获得大气整层气溶胶光学厚度,然后利用地面实测数据进行高度校正与湿度校正,获得PM10的浓度,最后利用中国环境监测总站的API数据对结果进行了验证.

1 研究方法

1.1 HJ-1A/B卫星CCD数据气溶胶反演方法

在大气水平均一假设条件下,卫星接收到的大气顶部的表观反射率TOA可以表达为[12]:

式中: µs=cosθs, µv=cosθv. θs与θv分别为太阳天顶角与观测天顶角;S为大气下界的半球反射率; T为大气透过率; ρ0为大气的路径辐射项等效反射率; ρs为地表二向反射率. S、ρ0和 T(μs)T(μv)等 3个参数代表大气的状况, 遥感反演需要从中获取所需气溶胶光学厚度(AOD).实际反演中是用辐射传输模型在不同大气条件和观测几何(太阳天顶角、观测天顶角和相对方位角)等条件下,计算 AOD 和 S、ρ0和 T(μs)T(μv)参数之间的对应关系,建立查找表,然后假定地表反射率,利用多波段数据进行地气解耦,得到AOD.

针对HJ-1的CCD数据,本文采用暗目标法进行反演[13].暗目标法的关键问题是要获得相应波段的地表反射贡献.其原理是对于植被密集的地表(即暗目标),由于红、蓝波段有较小的反射率,可以通过确定地表反射率的方法来反演气溶胶.问题是对于缺乏微米波段的CCD数据来说,如何获得地表反射率小的暗目标以及相应的反射率.

首先利用归一化植被指数,设定相应阈值,识别出暗目标;然后根据暗目标的红、蓝波段的地表反射率的线性关系从红、蓝波段(分别对应CCD相机的第3波段和第1波段)的表观反射率去除地表贡献,获得大气参数 S、ρ0、T(μs)T(μv),进而得到AOD.

在具体的反演过程中,大气参数S、ρ0和T(μs)T(μv)可以看作是大气气溶胶光学厚度的函数,将红、蓝波段的表观反射率代入式(1)得到 2个方程,与式(2)结合,可以得到一个三元一次方程组,未知数为大气气溶胶光学厚度、红波段地表反射率、蓝波段地表反射率.解这个方程组即可实现气溶胶光学厚度的反演.

1.2 PM10反演方法

虽然气溶胶光学厚度与PM10有一定的相关关系,但受气溶胶垂直分布、湿度影响很大,需要对获得气溶胶光学厚度进行垂直和湿度订正,再分析其与PM10的相关关系,以更好的反演PM10.本文采用 Li等[8-9]提出的方法,并根据相关研究成果[11],利用地面观测得到的气溶胶消光系数、相对湿度、边界层高度等参数进行高度、湿度等参数对气溶胶消光系数的影响进行分析,得到PM10反演模型,进而获得PM10监测分布.

气溶胶光学厚度[τa(λ)]是气溶胶消光系数在高度上的积分:

气溶胶在垂直方向的分布并不均一[14],本研究假定气溶胶消光系数随高度呈负指数的分布:

式中,AH 表示气溶胶的标高,a,0()k λ表示近地面的气溶胶消光系数.综合式(4)、式(5)可得:

根据式(6),可以从气溶胶整层光学厚度获得近地面气溶胶消光系数.HA可以通过激光雷达的观测数据获得.

研究表明,气溶胶粒子中的水汽含量会对气溶胶的复折射指数等产生明显影响[15-17].为提高近地面气溶胶消光系数与 PM10的相关性,需要进行相应的湿度订正.定义湿度变化因子如下[11]:

式中,g为经验系数,需要根据地面观测数据拟合.近地面气溶胶“干”消光系数可通过湿度变化因子进行订正,即:

最后,将卫星遥感像元获得的像元近地面气溶胶“干”消光系数与该像元对应的地面观测站获得的 PM10浓度数据进行相关分析,获得线性系数a、b,进而得到PM10反演公式:

2 PM10反演计算过程

根据上述PM10反演方法,利用IDL语言进行数据处理,从HJ-1的CCD数据进行PM10监测,数据处理流程如图1所示.

2.1 数据预处理

针对 CCD数据进行两方面的预处理:一是重采样,为加快运算速度和提高信噪比,对 CCD数据进行 10×10像元的合成,重采样成为 300m分辨率的图像;二是辐射定标,从 CCD数据的辅助 xml文件中读取辐射定标系数和太阳高度角参数,将CCD数据的DN值转换为表观反射率.

2.2 气溶胶反演

根据获得的表观反射率,基于 NDVI值进行暗目标的识别;利用获得的太阳高度角对查找表进行插值,得到第1波段和第3波段的不同气溶胶光学厚度下的大气参数和S;将暗目标的第1波段和第3波段的天顶反射率和大气参数代入方程组(3)解方程,反演得到气溶胶光学厚度.

2.3 PM10反演

利用激光雷达获得的边界层高度,获得垂直订正所需参数;利用地面获得的相对湿度,拟合得到湿度变化因子;对地面进行相关分析获得线性系数,最后利用式(6)、式(8)、式(9)进行计算,从气溶胶光学厚度计算获得PM10.

2.4 图像平滑与成图输出

在获得 PM10后,对结果图像进行平滑处理,达到内插部分无效值并抑制异常点的目的,采用9×9像元的距离加权平均的滤波方法进行;将结果导入 ArcMap中,进行叠加矢量图、分等定级以及添加图名图例等操作后,制成专题图输出.

图1 环境卫星PM10监测流程Fig.1 Flow chart of PM10monitoring from HJ-1

3 结果与验证

为对反演算法与相应系统进行检验,选择2009年5月25日京津唐地区的HJ-1的CCD数据进行反演试验,由A星CCD2的2景数据合成,生产序列号分别为118461和11849,获得结果如图2所示.

从图2可以看出,2009年5月25日京津唐地区空气质量较差,PM10在50μg/m3以上.据中国环境监测总站提供的北京和天津空气污染指数,两地都以颗粒物污染为主,其中北京出现了轻微污染(API指数为128),天津空气质量为良(API指数为78),与算法监测的结果相吻合.

图2 HJ-1的PM10监测图(2009-05-25)Fig.2 The distribution of PM10from HJ-1(2009-05-25)

为进一步验证本算法的精度和可靠性,选取2009年5月2日至8月23日的环HJ-1的CCD数据进行时间序列的反演计算,地面监测数据采用中国环境监测总站提供的“空气日报”中北京的API监测值.在此期间,HJ-1共获得26天的监测数据,其中3d(5月2日、5月4日和6月10日)地面站点没有数据,在其余 23d中空气质量主要污染物为可吸入颗粒物.在将 API转换为 PM10后,对二者进行相关分析,结果如图3所示.

图3 PM10结果验证Fig.3 The validation of PM10

根据验证结果,卫星探测获得的结果与地面观测的API指数的相关系数为0.58.但从图中可以看出,本算法获得的结果偏小,原因可能是二者数据的时间、空间尺度不同,地面监测数据为单点数据并且是日平均的,而HJ-1获得的PM10是卫星过境时北京城区中心地带的平均.

4 讨论

在本算法中,假定气溶胶为大陆型来反演PM10的,拟合的系数则是利用遥感所超级站的数据得到,而实际上气溶胶的组分复杂,本节将对不同组分给PM10带来的影响进行讨论.

国际气象与大气物理协会的辐射委员会为计算大气辐射模型而把气溶胶按成分分为6种:水溶性粒子、沙尘性、粒子、海洋性粒子、煤烟、火山灰、75%硫酸水溶液滴.陆地气溶胶主要由水溶性粒子、沙尘性粒子、煤烟等3种粒子构成.

假定边界层高度相同,不考虑相对湿度的影响,得到不同气溶胶粒子 PM10浓度随气溶胶光学厚度变化如图4所示.

图4 典型气溶胶粒子PM10随光学厚度变化Fig.4 PM10of typical aerosol in differnent AOD

从图 4可以看出,不同类型气溶胶粒子的PM10值随光学厚度变化有着较大的不同,尤其是沙尘型粒子随着光学厚度的增大有着较大的增加,而水溶型和煤烟型较为接近,随光学厚度的增加,PM10值增大幅度较小.

5 结论

5.1 HJ-1具有监测PM10的能力.在空间分辨率上,300米的分辨率可以很好的表现PM10的面状分布;在时间分辨率上,5月～8月间共 115d,除去云影响数据,有26d能够进行监测,平均4～5d能够获得一次监测数据,可以满足周监测的需要.

5.2 HJ-1的PM10与地面较为相关.监测结果与地面监测数据有一定的相关性,能够在区域尺度上反映颗粒物浓度的空间分布差异,结合地面PM10观测站点数据的标定,将有助于实现区域尺度上PM10浓度空间分布的准确监测.

5.3 气溶胶类型会较大的影响反演.不同类型的气溶胶粒子与PM10之间的线性关系有着较大的区别,为进一步提高 PM10监测精度需要在下一步的工作中准确获取气溶胶粒子类型,并利用更多地面数据进行讨论.

[1] Wallace L. Correlations of personal exposure to particles with outdoor air measurement: review of recent studies [J]. Aerosol Science Technology, 2000,32:15-25.

[2] Kan H D, Chen B H. Analysis of exposure-response relationships of air particulate matter and adverse health outcomes in China [J].Journal of Environment and Health, 2002,19:422-424.

[3] 国家环境保护总局. 《2006年中国环境状况公报》[EB/OL].http://www.cnemc.cn/.

[4] Kaufman Y J, Tanré D, Remer L, et al. Operational remote sensing of tropospheric aerosol over the land form EOS-moderate resolution imaging spectroradiometer [J]. J. Geophys. Res.,1997,102(14):17051-17067.

[5] Tanré D, Deschamps P Y, Devaux C, et al. Estimation of Saharan aerosol optical thickness from blurring effects in thematic mapper data [J]. J. Geophys. Res., 1988,93:15955-15964.

[6] Chu D A, Kaufman Y J, Zibordi G. et al. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS) [J].Journal of Geophysics Research, 2003,108, ACH4-1-ACH4-18.

[7] Slater J F, Dibb J E, Campbell J W, et al. Physical and chemical properties of surface and column aerosols at a rural New England site during MODIS overpass [J]. Remote Sensing Environment,2004,92:173-180.

[8] Li C C, Mao J T, Liu Q H, et al. Application of MODIS aerosol product in the study of air pollution in Beijing [J]. Science in China- Ser D Earth Science, 2005a,35:177-186.

[9] Li C C, Lau A K, Mao J T, et al. Retrieval, validation and application of the 1-km aerosol optical depth from MODIS measurement over Hong Kong [J]. IEEE Transactions on Geoscience and Remote Sensing, 2005b,43:2650-2658.

[10] Koelemeijer R B, Homan C D, Matthijsen J. Comparison of spatial and temporal variations of aerosol optical thickness and particulate matter over Europe [J]. Atmospheric Environment,2006,40:5304-5315.

[11] Wang Z F, Chen L F, Tao J H, et al. Satellite-based estimation of regional Particulate Matter (PM) in Beijing using vertical-and-RH correcting method [J]. Remote Sensing of Environment, 2010,114:50-63.

[12] Vermote E, Tanre D, Deuze J L, et al. Second Simulation of the Satellite Signalin the Solar Spectrum 6S: An overview [J]. IEEE Trans. Geosci. Remote Sens., 1997,35:675-686.

[13] 王中挺,厉 青,陶金花,等.环境一号卫星CCD相机应用于陆地气溶胶的监测 [J]. 中国环境科学, 2009,29(9):594-599.

[14] 徐宏辉,王跃思,温天雪.北京秋季大气气溶胶质量浓度的垂直分布 [J]. 中国环境科学, 2008,28(1):2-6.

[15] Malm W C, Day D E, Kreidenweis S M. Light scattering characteristics of aerosol as a function of relative humidity: Part I- a comparison of measured scattering and aerosol concentrations using the theoretical models [J]. Journal of the Air and Waste Management Association, 2000,50:686-700.

[16] Zhang L S, Shi G Y. The impact of relative humidity on the radiative property and radiative forcing of sulfate aerosol [J]. Acta Meteorologica Sinica, 2002,60:230-237.

[17] 刘新罡,张远航.基于观测的大气气溶胶散射吸湿增长因子模型研究 [J]. 中国环境科学, 2009,29(12):1243-1248.

致谢：本文的空气质量地面观测数据由中国环境监测总站提供,特此表示感谢.

Monitoring of PM10from HJ-1 CCD data.

WANG Zhong-ting1*, WANG Zi-feng2,3, LI Qing1, CHEN Liang-fu2, ZHOU Chun-yan1, ZHANG Li-juan1(1.Environmental Satellite Application Center, State Environmental Protection Ministry,Beijing 100029, China；2.Institute of the Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101,China；3.Graduate University of Chinese Academy of Sciences, Beijing 100049, China). China Environmental Science,2011,31(2)：202～206

AOD (aerosol optical depth) over land surfaces was retrieved by DDV (dark dense vegetation) method, then based on the vertical and RH (relative humidity) correction, the model of PM10retrieval was established. In order to validate the model, PM10in the Beijing-Tianjin-Tangshan area was retrieved from May to August, 2009, and was compared against the ground-based measurements provided by China National Environmental Monitoring Centre. The results showed that, HJ-1 data can meet the requirement of weekly monitoring of PM10, and the correlation coefficient between the retrieved and measured PM10was 0.58. However, the HJ-1 retrieved PM10had a negative bias from the ground-based measurements, and further improvement would be conducted to improve the retrieving accuracy.

HJ-1；aerosol optical depth (AOD)；PM10

X87

A

1000-6923(2011)02-0202-05

2010-05-20

国家“973”项目(2010CB950801)

* 责任作者, 工程师, wang.zhongting@gmail.com

王中挺(1980-),男,河南郑州人,工程师,博士,目前主要从事大气环境遥感的工作.已发表论文近20篇.