基于遥感技术的重庆市CO2浓度空间分布估算

陈雪洋，金贤锋，瞿晓雯

（1.重庆市地理信息中心, 重庆 401121）

基于遥感技术的重庆市CO2浓度空间分布估算

陈雪洋1，金贤锋1，瞿晓雯1

（1.重庆市地理信息中心, 重庆 401121）

借助遥感影像和实地CO2浓度测试数据，提出一种基于遥感技术的CO2浓度测定方法，并以重庆市为对象开展了实证，对CO2排放主因与问题进行了分析，提出了低碳发展的对策，对重庆市低碳城市试点的开展具有指导意义。

遥感；CO2浓度；测定

城市监测CO2排放变化是基于卫星热红外数据提取的温度信息，包括星上亮度温度和陆地表面温度。由于大气和地表比辐射量的影响，星上亮度温度与实际陆地表面温度有较大差距。精确的城市热环境研究需要从遥感数据反演陆地表面温度，而陆地表面温度反演的基础是大气辐射传输方程，利用辐射传输方程法反演陆地表面温度需要与卫星过境同步的实时资料，这些资料通常很难获得。当前可用于城市温度监测的卫星数据源非常缺乏。AVHRR数据的空间分辨率较低，只能用于大范围的城市温度制图，不能刻画城市地表热场的细部结构，不能与地表实测数据建立准确的定量关系。综合考虑卫星数据分辨率和可得性，本研究选择Landsat-7 ETM+作为数据源，采用单窗算法来估算地表温度的变化。通过分析发现温度变化趋势，进而找出CO2浓度变化规律，从而为今后利用遥感技术快速、大范围监测碳浓度变化提供理论依据与实践支撑。

1 研究方法

1.1 采样与实地调查

在整个研究区域选择多个采样区（如图1），同时实地测量地面温度、CO2浓度，并记录样品的经纬度坐标。每个样区的大小为300 m×300 m，每个样方中布设3个样地，样地的大小为30 m×30 m（与TM分辨率相同），每个样地内均匀地选择3个观测点进行观测，选择观测点的平均值作为样区的实测值。结合高分辨率遥感影像及地形图，进行实际样方和样地的布设。

实地观测时间与影像过境时间一致，每个样点隔2 h观测一次，取3个样点日平均值为该样区的日平均值。

1.2 遥感数据源

图1 碳浓度试验样点分布图

本次研究使用的遥感数据为2011-07-29在重庆成像的ETM影像，轨道号128/39，太阳方位角112．435 °，太阳高度角66．703 °，其中热红外波段Landsat ETM+空间分辨率为60 m，其他波段的空间分辨率均为30 m。为了计算和处理的方便，将遥感数据的热红外波段的空间分辨率均重采样成30 m。后文估算的CO2浓度为当日浓度值。

1.3 地表温度反演

利用单窗算法推算实际地表温度（图2）。为了对反演结果的精度进行验证，需对31个试验点的实测气温与反演的地表温度进行比较。需要指出的是，地表温度与气温是完全不同的2个概念，出现一定差距是正常的。经过分析，2组数据的趋势保持一致时，说明地表温度与实际情况基本吻合，反演地表温度与实测气温有极高的相关性，相关系数达到0．958，模型达到了较高的精度。此外，本次研究所用的地表温度求取方法——单窗算法经过国内外大量文献的多次证明，精度较高，已经完全符合本次研究的要求，因此数据可用于接下来的碳浓度反演计算。

图2 重庆市主城区地表温度分布图

表1 CO2浓度实测表

1.4 数据分析

对实测CO2浓度数据进行描述性统计分析，剔除奇异点，然后提取与碳浓度数据相对应的地表温度数据，形成地表温度与实测CO2浓度的数据对。数据提取完成后，根据像元云污染情况、观测数据代表性等因素对数据对进行筛选，剔除不合理的坏数据对，然后根据地表温度与实测CO2浓度的散点图，选择估测CO2浓度的最佳模型。

对CO2浓度Y与地表温度X进行线性回归分析，计算出回归系数分别为39．63和-1 291，相关系数R为0.831，则得到的回归方程为Y=39.63X-1 291。将地表温度代入公式，计算得到回归的CO2浓度含量分布如图3所示。

图3 重庆主城区CO2浓度分布图

利用实测数据对模型进行精度验证，发现相对误差大于10%的有8个，最大的为九龙坡发电厂的-17．72%，最小的为南矿的-0．51%，平均相对误差为7．71%，模型达到了较高的精度。其中，相对误差为正的有19处，负的有12处，说明模型预测CO2浓度有偏大趋势。

1.5 传统清单法碳浓度测定

IPCC的清单法，顾名思义即是通过编制一国或地区碳的源排放与汇清除，然后运用和借鉴《2006年IPCC国家温室气体清单指南》中推荐的碳排放计算公式和不同燃料使用的碳排放系数，分项计算出各部门的碳排放量。

以清单法对主城9区的碳排放量、碳储量和净碳排放量分别进行核算。九龙坡区碳排放量最高，为1 742．1万t，占主城9区总碳排放量的16．28%；大渡口区次之，为1 675．13万t，占主城九区总碳排放量的15．66%。渝中区和巴南区碳排放量占主城9区总碳排放量的比重较低，其中渝中区最低，为659．83万t，占主城9区总碳排放量的6．17%。

图4 重庆主城九区碳排放量分布

2 结果分析

2.1 遥感反演结果与传统清单法比较

重庆主城区的CO2浓度分布特征分明，城区CO2浓度明显比郊区高。较高的CO2浓度值主要分布在九龙坡区东北部、渝北区西南部、江北区中西部。上述区域人口密集，车辆繁多，人为产生的碳排放，汽车排放的尾气和工厂（发电厂、水泥厂、锻造公司、模具公司等）在生产过程中产生的CO2，尤其是上述厂房排放的CO2形成多个碳排放中心。对模型反演结果进行分级统计分析，结果显示见表2。

表2 重庆主城区CO2浓度分级统计表

根据清单法核算所得的地均CO2净排放量的空间格局，与根据RS手段反演的碳浓度空间格局有较明显的相关性。地均CO2净排放量最低的巴南区的CO2浓度亦最低，地均CO2净排放量较低的渝北区和北碚区，其根据RS手段反演所得的碳浓度亦有大片较低的区域，如渝北区西北部的中梁山和北部的龙王洞山地区、北碚区的缙云山地区。地均CO2净排放量最高的渝中区，其碳浓度均高于700×10-6，相对较高的大渡口区和沙坪坝区，亦有较多区域的碳浓度达到1 200×10-6以上。

2.2 碳排放主因分析

2.2.1 能源结构

重庆市能源消费结构中，煤炭占能源消费量的70%，天然气占10．2%，油料占9．6%，电力占6．2%，天然气占能源消费的比重大，优于全国的能源消费结构。但高碳能源煤炭所占比重大，因此重庆市必须进一步提高天然气和一次电力等低碳能源在能源结构中的使用比重，减少煤炭能源的大量使用。

2.2.2 产业结构

碳排放部门是指第一产业、第二产业、第三产业和生活消费4个部门。通过重庆市能源消费和生产总值统计发现，重庆市第二产业能源消费最多，依次是第二产业、第三产业、第一产业。三大产业单位产值能耗均呈下降趋势，产业内部能源结构得到一定程度的优化。

工业行业中，电力热力的生产和供应业、非金属矿物制品业、化学原料及化学制品制造业是碳排放量最大、产值能耗最大的行业，交通运输设备制造业、电气机械及器材制造业、农副食品加工业等产值能耗低的产业得到了较好发展。

2.2.3 技术水平

目前，重庆市能源消费以煤炭为主，能源利用效率低，冶金、煤炭、电力、化工等“高能耗、高污染”行业比重大。虽然通过燃煤、煤层气、煤矸石混合燃烧发电等低碳技术的研发，在全市启动了碳减排项目，但重大节能减排技术未能得到广泛推广，对碳减排拉动作用不明显。

2.2.4 生活模式

直辖以来，重庆市城乡居民的各类消费支出都呈显著上升变化趋势，随着居民的消费领域不断拓宽，家庭设备用品及服务、医疗保健方面的消费支出比例增长较快。越来越多的私家车、大型家用电器使用和居住条件的改善，导致居民消费的碳排放增加。

3 结 语

本次研究的方法主要是通过地表温度间接反演CO2浓度。而用于反演的卫星数据少且难获取，Landsat-7卫星由于机载扫描行校正器SCL的故障问题，数据本身质量受到影响，通过插值处理后的影像反演地表温度的精度有所限制，如果有质量更好的遥感数据源，反演结果将更加理想。

[1] 石广玉．卫星遥感探测大气CO2浓度研究最新进展[J]．地球科学进展，2010(1)：7-11

[2] 王莉雯．碳排放气体浓度遥感监测研究[J]．光谱学与光谱分析，2012(6)：1 639-1 643

[3] 戴铁．利用红外辐射光谱反演大气CO2浓度的理论研究[J]．气象与环境科学，2008,31(1):1-5

[4] Mao J P, Kawa S R． Sensitivity Studies for Space-based Measurement of Atmospheric Total Column Carbon Dioxide by Reflected Sunlight[J]． Applied Optics, 2004,43(4):914-927

[5] Clough S A, Iacono M J, Moncet J L． Line-by-line Calculation of Atmospheric Fluxes and Cooling Rates: Application to Water Vapor[J]． Journal of Geophysical Research,1992(97)： 15 761-15 785

[6] Clough S A, Iacono M J． Line-by-line Calculations of Atmospheric Fluxes and Cooling Rates 2: Applications to Carbon Dioxide Ozone, Methane, Nitrous Oxide, and Halocarbons[J]．Journal of Geophysical Research,1995(100):16 519-16 535

[7] 李小文．定量遥感的发展与创新[J]．河南大学学报：自然科学版，2005(4)：49-50

[8] 覃志豪．单窗算法的大气参数估计方法[J]．国土资源遥感,2003(2)：38-42

P237.9

B

1672-4623（2014）06-0103-04

10.3969/j.issn.1672-4623.2014.06.036

陈雪洋，硕士，研究方向为资源环境与遥感。

2014-08-13。