基于卫星遥感资料监测地面细颗粒物的敏感性分析

刘显通,李 菲,谭浩波,邓雪娇,麦博儒,邓 涛,李婷苑,邹 宇 (中国气象局广州热带海洋气象研究所,广东省区域数值天气预报重点实验室,广东 广州 510080)

基于卫星遥感资料监测地面细颗粒物的敏感性分析

刘显通*,李 菲,谭浩波,邓雪娇,麦博儒,邓 涛,李婷苑,邹 宇 (中国气象局广州热带海洋气象研究所,广东省区域数值天气预报重点实验室,广东 广州 510080)

分析了垂直分布、粒径分布和吸湿增长3个影响因子及其组合对基于卫星遥感资料监测地面细颗粒物(PM2.5)的敏感性.以广州地区为例,使用影响因子及其组合对2010年全年、干季和湿季的MODIS气溶胶光学厚度(AOD)资料进行订正,与时空匹配的地基实测PM2.5质量浓度数据对比和分析.研究表明,两者的直接相关性很低,全年相关系数(R)仅有 0.147.经单个因子订正后,效果提升有限.其中,粒径因子的敏感性最高,垂直因子次之.组合因子中,垂直及粒径订正的效果最好,敏感性最高,全年 R达 0.526.垂直及粒径因子再加上湿度因子后,全年R降为0.498.垂直及湿度订正的敏感性最低,全年R仅为0.145.总体而言,垂直及粒径订正因子敏感性最高,效果最佳.粒径因子加入后订正效果提升显著,而经验吸湿增长因子的时空代表性比较单一.

细颗粒物(PM2.5)；气溶胶光学厚度(AOD)；敏感因子分析；MODIS

随着我国经济和社会的快速发展,大气污染问题面临严峻挑战[1].这其中,气溶胶污染问题尤为突出[2],而大部分城市的首要污染物都是细颗粒物(PM2.5)[3-6].流行病学和毒理学的大量研究表明,空气中的细颗粒物对人类呼吸系统和心肺功能等危害很大,它们与公众发病率、呼吸引发的死亡和心血管疾病关系密切[7-9].与此同时,细颗粒物在大气能见度、酸沉降、大气化学过程和气候强迫等方面也具有重要作用[10-16].

细颗粒物由于其对天气、气候以及人体健康都有重要影响,已受到了国内外研究者和决策者的密切关注.当前大气污染防治,尤其是细颗粒物污染的防治,已是迫在眉睫.

在细颗粒物污染防治中,全面掌握区域大气细颗粒物分布特征至关重要.获取区域细颗粒物全面分布特征不仅是研究其在大气中形成和输送过程的有效手段,也是检验和评估空气质量模式预报水平的重要依据,更是找出影响区域空气质量关键因子并提出大气污染联防联控措施建议的重要前提.

目前,监测细颗粒物主要有地面观测和卫星遥感两种方法.地面观测可以得到全天候 PM2.5质量浓度及其随时间变化较为准确的信息,但这种方法只能在有限的地面站点进行,难以获取细颗粒物全面的空间分布特征.而卫星遥感具有面观测、覆盖面积广、空间分辨率高、成本低等特点,能获取大面积分布信息,很好地弥补了地面观测站点的不足.这其中,极轨卫星Terra/Aqua卫星搭载的中分辨率成像光谱仪(MODIS)和FY-3卫星搭载的中分辨率光谱成像仪(MERSI)等仪器,由于它们的覆盖范围广、空间分辨率较高、探测周期短(每天 2次)等优点,其遥感得到的气溶胶光学厚度(AOD)资料被广泛应用于颗粒物(PM)的星地协同监测研究中[17-29].

卫星遥感资料获取的是从地面到卫星高度的路径积分总含量信息,需要站点实测资料进行对比校验,并经过多个影响因子的订正,才能获取可信度较高的地面分布信息.由此可见,对影响因子敏感性的研究显得尤为重要.从理论分析可得,气溶胶垂直分布(垂直影响因子)、气溶胶吸湿增长(湿度影响因子)、气溶胶粒径分布(粒径影响因子)等因素对监测结果有直接影响.然而,现有研究大多是使用经验气溶胶标高和经验吸湿增长因子对卫星遥感气溶胶光学厚度(AOD)进行垂直和湿度订正[19,21,25,27-29],较少考虑气溶胶粒径信息对监测结果的影响,该影响因子的敏感性亟待进行深入研究.

本研究以广州大气成分观测主站为例,对2010年的MODIS遥感AOD资料和地基PM2.5观测资料进行时空匹配,研究垂直、湿度和粒径3个影响因子及其组合的敏感性,对比分析不同因子及其组合对全年、干季和湿季数据的订正效果.

1 数据与方法

1.1 数据资料

MODIS探测仪拥有从可见光、近红外到远红外的 36个光谱通道探测资料,扫描宽度为2330km,可见光通道(通道1和通道2)具有250m的星下点分辨率,可见光3～7通道的星下点分辨率为 500m,其余通道的星下点分辨率为 1km. MODIS探测仪为监测全球气溶胶特性提供了有效手段.本研究中使用的是美国国家航空航天局(NASA)发布的MODIS Level 2气溶胶轨道级产品(Collection 051),0.55μm波段的AOD反演资料,星下点分辨率约为10km×10km.

自2004年以来,广东省气象局在珠江三角洲地区建立了大气成分观测站网,其主站中国气象局广州番禺大气成分观测站(站号:59481)位于广州番禺区南村镇大镇岗山.番禺是广州市辖区,位于广州市南部、珠江三角洲腹地.南村镇大镇岗山是番禺区高山之一,站址海拔高度为 141m,主站所处经纬度为 113°21′E,23°00′N.该主站的观测内容包括气溶胶的物理化学特性以及反应性气体特性等.其中颗粒物监测仪(GRIMM 180)观测得到干情形下的PM10、PM2.5和PM1质量浓度,同时可测得干情形下直径在0.25～32μm之间31个通道的颗粒物数浓度谱.该站还有自动跟踪扫描太阳光度计(CE318),可以观测得到AOD资料.本研究中使用地基的PM2.5质量浓度、粒子数浓度谱分布和AOD等资料均来源于该主站.

本研究选取了2010年MODIS遥感AOD资料和大气成分站网主站的地基观测资料进行研究.根据前人研究结果[19,27,29],兼顾研究样本数量,本研究卫星遥感资料与地面观测资料的时间匹配方法为卫星过境前后 1h主站点观测的 PM2.5小时平均值.空间匹配方法为以为主站为圆心,对半径15km圆形区域内的MODIS AOD资料,以距离为权重进行加权平均.

1.2 思路和方法

卫星遥感数据直接反演得到的是气溶胶光学厚度(AOD)信息.AOD是气溶胶消光系数在垂直方向的总积分,与消光系数的垂直分布和气溶胶总浓度有关.假设气溶胶在垂直方向上按指数递减分布,AOD与地面气溶胶消光系数(ka)正相关[30].以气溶胶标高(H)来代表气溶胶层等效厚度,则AOD与地面ka的关系[28-29,31-32]如下:

根据理论推导[22,26],地面站点观测的总颗粒物质量浓度(PMχ)与地面ka的关系可描述为:

PM2.5质量浓度占PMχ的比例为P,则由(1)、(2)两式,可得卫星遥感AOD与地面PM2.5的理论关系[21,33]如下:

从上述推导可知,卫星遥感 AOD与地面PM2.5成线性正相关关系,即AOD值越大,相应地面 PM2.5浓度值越大.基于上述原理,国内外学者开展了大量基于卫星遥感 AOD信息监测地面PM2.5质量浓度的工作[17-26,28-29,33].

从式(3)可以看到,基于卫星遥感 AOD资料反演地面 PM2.5质量浓度受到质量浓度比例 P,气溶胶标高 H,粒子平均质量密度ρ,颗粒物有效半径Re,细颗粒物平均消光效率,吸湿增长因子f(RH)等5个因子影响.对于同一地区的P值变化较小[34],ρ信息难以获取,可视为常量,本研究主要针对H、Re和f(RH) 3个因子对卫星遥感AOD信息监测地面 PM2.5质量浓度的敏感性进行研究分析,即本文主要研究垂直、粒径和湿度3个订正因子及 3个因子的不同组合方式对卫星遥感资料监测地面细颗粒物浓度的敏感性.

气溶胶标高和边界层高度(HPBL)值接近[26],本研究中使用 HPBL代替气溶胶标高,HPBL值由MM5模式模拟(0～24小时模拟值)得到.相比于经验气溶胶标高(季节平均气溶胶标高),模式模拟的边界层高度随着天气形势变化,更接近实际气溶胶垂直分布情况.

干情形下颗粒物的有效半径 Re信息由GRIMM 180观测的不同粒径段粒子数浓度谱计算得到,方法如下:

由于GRIMM 180测量的颗粒物半径范围为0.125～16µm之间,式(4)计算得到的 Re并非全粒径范围计算得到的 Re.但由式(4)计算得到的 Re已能较好地反映粒子谱分布及变化信息,因而本研究中使用式(4)计算得到的 Re代表颗粒物 Re信息.

吸湿增长因子f(RH)的经验公式[19,28-29]一般可表示为相对湿度(RH)的函数:

为方便计算,本研究中HPBL单位为km,Re单位为µm.

为探寻垂直因子(HPBL)、湿度因子[f(RH)]和粒径因子(Re)对MODIS AOD资料监测地面PM2.5值的敏感性,本研究将分别对MODIS AOD资料进行单因子订正(垂直订正、湿度订正、粒径订正)和组合因子订正(垂直及湿度订正、湿度及粒径订正、垂直及粒径订正、垂直湿度及粒径订正),并比较分析不同订正方法对2种资料相关性的影响.经上述7个影响因子订正后,2种资料的相关系数提高越多,则表明该因子的敏感性越高.

2 结果与分析

2.1 卫星遥感反演校验

利用番禺大气成分观测站的CE318AOD观测值检验MODIS反演的AOD资料精度,两者关系如图1所示(相关系数用R表示).对比结果显示,MODIS反演AOD值要高于CE318AOD观测值,尤其在AOD低值时偏差较大,超过了MODIS设计精度[误差在(±0.05±0.20)AOD以内[35].这可能与残留云影响有一定关系,也可能与CE318云甄别算法过于苛刻有关[36].但总体而言,CE318AOD观测值与MODIS反演AOD数据具有高度的一致性,两者的相关系数高达 0.957,斜率也接近 1,这与前人研究的校验结果一致[37-38].可见本研究中使用的MODIS AOD资料具有一定的可靠性,可用于监测区域地面细颗粒物分布及输送特征研究.

2.2 全年MODIS AOD数据与地面PM2.5质量浓度相关性分析

2010全年,MODIS AOD资料与番禺大气成分站PM2.5质量浓度资料时空匹配的样本共105组,两种观测资料的关系如图 2(a)所示.可以看到,在没有进行任何校正的情形下,两者的直接相关性极低,只有0.147.与此同时,两者为负相关关系,即随着 AOD值增大,PM2.5质量浓度值有降低的趋势,这似乎与公式(3)的推导结果相反.可见,由 MODIS AOD资料难以直接获得地面PM2.5质量浓度值.而要获取两者较好的相关关系,就必须考虑垂直分布、吸湿增长和粒径分布等因素的影响.

图2 2010年MODIS AOD资料未订正、经垂直订正、湿度订正、粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.2 Comparison between surface PM2.5and non-corrected, vertical-corrected, RH-corrected, size-corrected MODIS AOD in Panyu Guangzhou during 2010

图1 MODIS AOD与CE318AOD值对比Fig.1 Comparison of MODIS AOD with the CE318observations

2010年全年,MODIS AOD资料经3个影响因子订正后,与地面 PM2.5质量浓度值的比较结果如图 2(b)～(d)所示.单因子的订正结果显示,经垂直订正和湿度订正后,两种资料的相关性变化不大,分别为 0.145和 0.168.其中经垂直订正后,两种资料由负相关变为正相关,而湿度订正后仍是负相关.粒径订正后,两种资料的相关性由负变为正,相关系数有较为明显的提升,达到 0.308,订正效果要优于垂直订正和湿度订正.

图3给出了MODIS AOD资料经4个组合因子订正后,与地面 PM2.5质量浓度值的比较结果.经4种组合因子订正后,2种资料的相关性都由负变为正.其中,垂直及湿度订正后相关性几乎不变,相关系数仅为 0.145,与单垂直订正和单湿度订正的结果接近.而经湿度及粒径订正,两者的相关性有所提高,为 0.266,高于单湿度订正,但低于单粒径订正.经垂直及粒径订正后,两者的相关性显著提升,高达 0.526,要明显高于单垂直订正和单粒径订正.但垂直及粒径订正再加上湿度订正后,相关性有所降低,降为0.498.

图3 2010年MODIS AOD资料经垂直及湿度订正、湿度及粒径订正、垂直及粒径订正、垂直湿度及粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.3 Comparison between surface PM2.5and vertical and RH-corrected, RH and size-corrected, vertical and size-corrected, vertical-size and RH-corrected MODIS AOD in Panyu Guangzhou during 2010

2010年全年,MODIS AOD资料未经订正以及经单因子和组合因子订正后,与地面 PM2.5质量浓度值比较的统计结果如表 1所示.统计结果可以发现,3个订正因子中,粒径订正效果最好,敏感性最高,湿度因子的敏感性次之,而垂直因子的敏感性最低.组合订正因子中,垂直及粒径订正的效果最好,敏感性最高,再加入湿度因子后,敏感性降低.湿度及粒径订正的敏感性较低,而垂直及湿度订正的敏感性最低.

表 2总结了本研究及其相关研究 MODIS AOD资料订正前后与地面PM的比较结果.可以看到,本研究中经垂直及粒径订正后两者的相关系数与其他研究结果较为接近.

表1 2010年广州番禺地面PM2.5浓度值与MODIS AOD值的相关关系Table 1 Correlations between surfer PM2.5concentrations and MODIS AOD in Panyu Guangzhou during 2010

表2 MODIS AOD值与PM浓度值相关关系对比Table 2 Comparison of correlations between MODIS AOD and PM concentrations

2.3 干季和湿季MODIS AOD数据与地面PM2.5质量浓度相关性分析

图4 2010年10～12月MODIS AOD资料未订正、经垂直订正、湿度订正、粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.4 Comparison between surface PM2.5and non-corrected, vertical-corrected, RH-corrected, size-corrected MODIS AOD in Panyu Guangzhou during October, November and December 2010

广东省属于热带和亚热带季风气候区,干湿季明显,干季为每年10月至翌年3月,湿季为每年的4～9月.为降低不同季节对结果的影响,本研究分别选取干季和湿季中 3个月的数据进行比较分析,其中干季选取 10～12月,湿季选取 6～8月.10～12月,广州多晴朗天气,云量低.MODIS反演AOD时,被云“污染”的像素少,AOD有效反演值较多,其相应与地面 PM2.5观测值时空匹配的样本较多,共有81组.6～8月,广州水汽充沛,雨水多,云量高,MODIS反演AOD有效值很少,相应时空匹配的样本只有8组.

2010年10～12月,MODIS AOD资料未订正及单因子订正后,与地面 PM2.5质量浓度值之间的关系如图4所示.可以发现,在干季2种资料有一定的正相关性,相关系数为 0.214,要高于全年的相关系数,但两者直接的相关性仍然较低.单因子订正结果显示,经垂直订正后,两种资料的相关性有一定提升,相关系数为 0.310.而经湿度订正后,相关系数反而降低为 0.169,可见该因子订正是负效果.经粒径订正后,2种资料相关性有较为明显的提升,达到0.458.

图5给出了MODIS AOD资料经4种组合因子订正后,与地面 PM2.5质量浓度值的比较情况.组合因子订正结果表明,经垂直及湿度订正后,两种资料的相关性有所提高,为0.305,但略低于仅使用垂直订正.而经湿度及粒径订正,两者的相关性有所提高,相关系数为 0.339,明显高于单湿度订正,但低于单粒径订正.经垂直及粒径订正后,相关性显著提升,相关系数高达0.501,明显高于单垂直订正和单粒径订正.然而垂直及粒径订正后,若再加上湿度订正,相关系数则降低为0.440.

图5 2010年10～12月MODIS AOD资料经垂直及湿度订正、湿度及粒径订正、垂直及粒径订正、垂直湿度及粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.5 Comparison between surface PM2.5and vertical and RH-corrected, RH and size-corrected, vertical and sizecorrected, vertical-size and RH-corrected MODIS AOD in Panyu Guangzhou during October, November and December 2010

2010年10～12月,MODIS AOD资料未经订 正以及经单因子和组合因子订正后,与地面PM2.5质量浓度值比较的统计结果如表 3所示.可见在干季,3个订正因子中,粒径订正效果最好,敏感性最高,垂直因子的敏感性次之,湿度订正有负作用.组合因子中垂直及粒径订正的效果最好,敏感性最高,再加入湿度因子后,敏感性降低.湿度及粒径订正的敏感性较低,垂直及湿度订正的敏感性最低.

图6给出了2010年6～8月MODIS AOD资料未订正及经单因子订正后,与地面 PM2.5质量浓度质量之间的关系.2种资料的直接比较结果显示,两者在湿季有很好的正相关性,相关系数高达 0.881.单因子订正结果显示,经垂直订正后,2种资料的相关性只是略微提升,相关系数为0.890.而经湿度订正后,两者的相关性下降较为明显,降为 0.746.经粒径订正后,两者相关性有明显的提升,相关系数达到0.962.

表3 2010年10～12月广州番禺地面PM2.5浓度值与MODIS AOD值的相关关系Table 3 Correlations between surfer PM2.5concentrations and MODIS AOD in Panyu Guangzhou during October, November and December 2010

图6 2010年6～8月MODIS AOD资料未订正、经垂直订正、湿度订正、粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.6 Comparison between surface PM2.5and non-corrected, vertical-corrected, RH-corrected, size-corrected MODIS AOD in Panyu Guangzhou during June, July and August 2010

2010年6～8月,MODIS AOD资料经四种组 合因子订正后,与地面 PM2.5质量浓度值的比较如图7所示.组合因子订正的结果表明,经垂直及湿度订正,2种资料的相关性有所降低,为 0.848,也低于仅使用垂直订正.而经湿度及粒径订正后,两者的相关性有所提高,达 0.937,明显高于单湿度订正,但略低于单粒径订正.经垂直及粒径订正后,两者的相关性有显著提升,相关系数高达0.981.若再加上湿度订正,两者的相关性略微降低,为0.974.

图7 2010年6～8月MODIS AOD资料经垂直及湿度订正、湿度及粒径订正、垂直及粒径订正、垂直湿度及粒径订正后,与广州番禺地面PM2.5质量浓度值的比较Fig.7 Comparison between surface PM2.5and vertical and RH-corrected, RH and size-corrected, vertical and sizecorrected, vertical-size and RH-corrected MODIS AOD in Panyu Guangzhou during June, July and August 2010

表4 2010年6～8月广州番禺地面PM2.5浓度值与MODIS AOD值的相关关系Table 4 Correlations between surfer PM2.5concentrations and MODIS AOD in Panyu Guangzhou during June, July and August 2010

表4列出了2010年6～8月,MODIS AOD资料未经订正以及经单因子和组合因子订正后,与地面 PM2.5质量浓度值比较的统计结果.虽然湿季样本数较少,但也可看到,3个影响因子中,粒径订正效果最好,敏感性最高,垂直因子的敏感性次之,湿度订正有负作用.而组合因子中,垂直及粒径订正的效果最好,敏感性最高,再加入湿度因子后,敏感性降低.湿度及粒径订正的敏感性较低,垂直及湿度订正的敏感性仍然是最低.值得注意的是,单因子中的垂直订正,组合因子中的湿度及粒径订正、垂直及粒径订正和垂直湿度及粒径订正,经上述因子订正后,不仅相关系数高,而且线性拟合直线的截距几乎为零,可见这 4种订正方法在湿季可以很好地监测地面细颗粒物浓度.

3 讨论

目前基于遥感手段监测地面PM2.5浓度仍存在很多困难,如粒子谱信息不够全面,消光系数垂直廓线难以获取,吸湿增长因子的代表性不高等,这些困难与需求将是未来科技发展的方向.PM监测仪器在测量 PM质量浓度的同时,若增加测量粒径谱信息,将会为卫星遥感资料监测地面细颗粒物提供更丰富的数据支撑.垂直因子的加入,对订正结果也有较好的正效果,而模式模拟的边界层高度在一定程度上可以替代气溶胶标高.若增加激光雷达探测的气溶胶消光系数垂直廓线[39],将起到重要的改进作用.本研究中经验吸湿增长因子的订正效果一般,这表明该因子的时空代表性比较单一,需要对本地区实际大气气溶胶进行观测,获取实测吸湿增长因子,以提高其代表性.

4 结论

全面掌握区域细颗粒物分布特征是细颗粒物污染防治中的重要环节,基于卫星资料监测地面颗粒物能很好弥补地面观测站点的不足.卫星遥感资料需要地基实测资料对比校验,并经过多个影响因子的订正,才能获取可信度高的地面细颗粒物分布信息.因而,对这些影响因子的敏感性研究尤为重要.本研究以广州地区为例,对 2010年的MODIS AOD资料和地基PM2.5观测资料进行时空匹配,研究垂直、湿度和粒径 3个影响因子及其组合的敏感性,对比分析不同因子及其组合对全年、干季和湿季数据的订正效果.

对全年、干季和湿季的数据订正效果均表明,3个影响因子中,粒径因子的敏感性最高,垂直因子次之,而湿度因子效果较为一般.其中,经粒径因子订正后,全年相关系数为 0.308,干季达到0.458,湿季高达0.962.经垂直因子订正后,全年相关系数仅为 0.145,干季达到 0.310,湿季高达0.890.而湿度因子订正后的相关系数最低,全年相关系数仅为 0.168,干季仅为 0.169,湿季为0.746.组合因子中,垂直及粒径订正和垂直粒径及湿度订正的相关性要高于单个因子,而垂直及湿度订正和湿度及粒径订正的相关性要低于粒径订正.其中,垂直及粒径订正的效果最好,敏感性最高,全年相关系数能达到 0.526,干季达到0.501,湿季高达 0.981.垂直及粒径因子再加上湿度因子后,敏感性有所降低,全年降为 0.498,干季降为0.440,湿季略微降低为0.973.湿度及粒径订正的敏感性较低,全年相关系数为 0.266,干季为0.339,湿季为 0.937.垂直及湿度订正的敏感性最低,全年相关系数仅为0.145,干季为0.305,湿季为0.848.

在本研究中,垂直及粒径因子的敏感性最高,效果最佳,可应用于基于卫星遥感资料监测地面细颗粒物中.其中使用粒径因子订正后提升效果显著,今后研究中需要更多考虑颗粒物粒径的影响.本研究仅以广州地区 2010年资料进行研究,今后需要对更多地区更长时间的资料进行研究,以提高结论的准确性和代表性.

[1] 郝吉明,程 真,王书肖.我国大气环境污染现状及防治措施研究 [J]. 环境保护, 2012,9:17-20.

[2] 吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012,32(2):257-269.

[3] Wu D, Tie X X, Li C C, et al. An extremely low visibility event over the Guangzhou region: A case study [J]. Atmos. Environ., 2005,39(35):6568-6577.

[4] 程兴宏,徐祥德,陈尊裕,等.北京地区PM10浓度空间分布特征的综合变分分析 [J]. 应用气象学报, 2007,18(2):165-172.

[5] Chan C K, Yao X. Air pollution in mega cities in China [J]. Atmos. Environ., 2008,42(1):1-42.

[6] 于艳科,尹丽倩,牛振川,等.中国海峡西岸城市群冬季 PM2.5和PM10中水溶性离子的污染特征 [J]. 中国环境科学, 2012,32(9): 1546-1553.

[7] Fujii T, Hayashi S, Hogg J C, et al. Particulate matter induces cytokine expression in human bronchial epithelial cells [J]. Am. J. Respir. Cell Mol. Biol., 2001,25(3):265-271.

[8] Polichetti G, Cocco S, Spinali A, et al. Effects of particulate matter (PM10, PM2.5and PM1) on the cardiovascular system [J]. Toxicology, 2009,261(1/2):1-8.

[9] 谢 鹏,刘晓云,刘兆荣,等.我国人群大气颗粒物污染暴露-反应关系的研究 [J]. 中国环境科学, 2009,29(10):1034-1040.

[10] 张远航,邵可声,唐孝炎,等.中国城市光化学烟雾污染研究 [J].北京大学学报(自然科学版), 1998,34(2/3):392-400.

[11] 纪 飞,苏文颍,秦 瑜.对流层光化学过程中的气粒转化研究[J]. 大气科学, 2001,25(2):269-276.

[12] Tie X, Brasseur G P, Zhao C, et al. Chemical characterization of air pollution in Eastern China and the Eastern United States [J]. Atmos. Environ., 2006,40(14):2607-2625.

[13] 吴 兑,毕雪岩,邓雪娇,等.珠江三角洲大气灰霾导致能见度下降问题研究 [J]. 气象学报, 2006,64(4):510-517.

[14] 丁一汇,李巧萍,柳艳菊,等.空气污染与气候变化 [J]. 气象, 2009,35(3):3-14.

[15] Jacob D J, Winner D A. Effect of climate change on air quality [J]. Atmos Environ, 2009,43(1):51-63.

[16] Deng X J, Zhou X J, Tie X X, et al. Attenuation of ultraviolet radiation reaching the surface due to atmospheric aerosols in Guangzhou [J]. Chinese Sci. Bull., 2012,57(21):2759-2766.

[17] Wang J, Christopher S A. Intercomparison between satellite-derived aerosol optical thickness and PM2.5mass: Implications for air quality studies [J]. Geophys. Res. Lett., 2003,30(21):2095.

[18] Li C C, Lau A K-H, Mao J T, et al. Retrieval, validation, and application of the 1-km aerosol optical depth from MODIS measurements over Hong Kong [J]. IEEE T Geosci. Remote., 2005,43(11):2650-2658.

[19] 李成才,毛节泰,刘启汉,等.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, 2005,35(S1): 177-186.

[20] Gupta P, Christopher S A, Wang J, et al. Satellite remote sensing of particulate matter and air quality assessment over global cities [J]. Atmos. Environ., 2006,40(30):5880-5892.

[21] Koelemeijer R B A, Homan C D, Matthijsen J. Comparison of spatial and temporal variations of aerosol optical thickness and particulate matter over Europe [J]. Atmos. Environ., 2006,40(27): 5304-5315.

[22] Van Donkelaar A, Martin R V, Park R J. Estimating ground-level PM2.5using aerosol optical depth determined from satellite remote sensing [J]. J. Geophys. Res., 2006,111(D21):D21201.

[23] Hutchison K D, Faruqui S J, Smith S. Improving correlations between MODIS aerosol optical thickness and ground-based PM2.5observations through 3D spatial analyses [J]. Atmos. Environ., 2008,42(3):530-543.

[24] Guo J P, Zhang X Y, Che H Z, et al. Correlation between PM concentrations and aerosol optical depth in eastern China [J]. Atmos. Environ., 2009,43(37):5876-5886.

[25] Tian J, Chen D. A semi-empirical model for predicting hourly ground-level fine particulate matter (PM2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements [J]. Remote. Sens. Environ., 2010, 114(2):221-229.

[26] 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. Sens. Environ., 2010,114(1): 50-63.

[27] 何 秀,邓兆泽,李成才,等.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):178-184.

[28] 郑卓云,陈良富,郑君瑜,等.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.

[29] 高大伟,徐宏辉,郁珍艳,等.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.

[30] 廖国南,郭彩丽,周诗健.大气辐射导论 [M]. 北京:气象出版社, 2004:95-96.

[31] 李成才,毛节泰,刘启汉,等.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, 2003,27(5):869-880.

[32] 王中挺,王子峰,厉 青,等.环境一号卫星在监测大气PM10中的应用 [J]. 中国环境科学, 2011,31(2):202-206.

[33] Hu R M, Sokhi R S, Fisher B E A. New algorithms and their application for satellite remote sensing of surface PM2.5and aerosol absorption [J]. J. Aero. Sci., 2009,40(5):394-402.

[34] 吴 兑,邓雪娇,毕雪岩,等.细粒子污染形成灰霾天气导致广州地区能见度下降 [J]. 热带气象学报, 2007,23(1):1-6.

[35] Chu D A, Kaufman Y J, Ichoku C, et al. Validation of MODIS aerosol optical depth retrieval over land [J]. Geophys. Res. Lett., 2002,29(12):391-394.

[36] 夏祥鳌.全球陆地上空 MODIS气溶胶光学厚度显著偏高 [J].科学通报, 2006,51(19):2297-2303.

[37] 谭浩波,吴 兑,邓雪娇,等.珠江三角洲气溶胶光学厚度的观测研究 [J]. 环境科学学报, 2009,29(6):1146-1155.

[38] 肖钟湧,江 洪,陈 健,等.利用MODIS遥感数据反演广州市气溶胶光学厚度 [J]. 中国环境科学, 2010,30(5):577-584.

[39] 邓 涛,吴 兑,邓雪娇,等.一次严重灰霾过程的气溶胶光学特性垂直分布 [J]. 中国环境科学, 2013,33(11):1921-1928.

Analysis of sensitivity of monitored ground PM2.5concentrations based on satellite remote sensing data.

LIU

Xian-tong*, LI Fei, TAN Hao-bo, DENG Xue-jiao, MAI Bo-ru, DENG Tao, LI Ting-yuan, ZOU Yu (Guangdong Provincial Key Laboratory of Regional Numerical Weather Prediction, Institute of Tropical and Marine Meteorology, China Meteorological Administration, Guangzhou 510080, China). China Environmental Science, 2014,34(7)：1649～1659

The sensitivities of vertical distribution, particle size distribution and hygroscopic growth, which are factors of influencing in monitoring ground PM2.5concentrations, were analyzed in this study based on satellite remote sensing data. MODIS AOD (aerosol optical depth) corrected by these factors were compared with synchronous ground PM2.5concentration measurements during the dry and wet season of 2010 and all the year round in Guangzhou. The results indicated that initial correlations between AOD and PM2.5concentrations are very low and the correlation coefficient (R) of the year is only 0.147. There are limited improvements if it is only corrected by single factors. Among them, size-corrected factor has the highest sensitivity, followed by vertical-corrected factor. Vertical and size-corrected factor has highest correction effect among the combined factors and the R of the year is up to 0.526. The R of the year reduces to 0.498by the vertical-size and RH-corrected method. The vertical and RH-corrected factor has lowest correction effect and the R of the year is only 0.145. Overall, the vertical and size-corrected factor has the highest sensitivity and the best effect. The correction effect enhances significantly by added size factor. Experimentally, the hygroscopic growth factor has simple representation of space and time.

PM2.5；aerosol optical depth；sensitivity analysis；MODIS

X513

A

1000-6923(2014)07-1649-11

刘显通(1985-),男,江西赣州人,助理研究员,博士,主要从事大气物理与大气环境研究.发表论文6篇.

2013-10-16

公益性行业(气象)科研专项(GYHY201306042);国家自然科学基金资助项目(41375156,41205123);广东省自然科学基金资助项目(S2013010013265,S2013040015704);广东省科技计划项目(2011A032100006,2012A061400012);广 州 市 科 技 计 划 项 目(2014J4100021);广东省气象局气象科技项目(2013A01,2013Q01);广东省气象局科技创新团队计划201103

* 责任作者, 助理研究员, xtliu@grmc.gov.cn