基于卫星遥感的东北三省露天秸秆焚烧及其排放研究*

毛慧琴，张丽娟，厉 青，张连华，张玉环，陈 辉，翁国庆

(环境保护部卫星环境应用中心，北京 100094)

0 引言

生物质燃烧是重要的气候强迫因子，对局地、区域乃至全球的空气质量产生影响。中国作为一个农业大国，秸秆资源丰富，早在2003 年Streets 等[1]就指出，农作物秸秆焚烧是中国生物质燃烧的重要组成部分，曹国良等[2]估算出我国秸秆年产量约为6 亿t，其中约23%(1.6 亿t)被露天焚烧掉。秸秆焚烧释放大量的颗粒物和气态污染物，严重影响当地甚至通过长距离传输影响下风方向的空气质量和人体健康[3-6]，秸秆焚烧造成负面效应已成为引起公众密切关注的社会—环境问题。东北地区是中国最主要的粮食及商品粮生产基地，粮食总产量占全国的19.3%[7]，作物秸秆资源十分丰富， 2015 年东北地区可收集秸秆产量约1.59 亿 t，约占全国秸秆总产量19.2%[8]。目前，东北地区由于气候条件、地域环境、资源配置、种植业结构、技术体系、资金状况及农户认识等因素，导致秸秆整体利用尚处于初级粗放阶段[9]，秸秆露天焚烧问题突出，如2015年夏秋两季东北地区秸秆焚烧火点有2 674处，约占全国总火点数的60%[10]。由于秸秆焚烧排放估算多采用自下而上的地面调查方法[11-12]，焚烧比例、燃烧效率和排放因子等因素导致秸秆露天焚烧排放量估算存在很大不确定性，如彭立群等[13]研究指出主要农作物秸秆焚烧PM2.5排放量估算不确定性在-61%～99%之间，因此文章采用基于卫星遥感手段获取的火点信息及排放清单数据分析东北地区露天秸秆焚烧及排放特征，以期更为客观全面反映当地实际焚烧及排放特征，为东北地区秸秆资源综合利用、环境质量改善提供参考。

表1 MODIS火点监测算法所需通道的谱段范围及主要用途

通道序号光谱范围(μm)主要用途1062～067太阳耀斑、水体边缘影响去除，云检测2084～088高反射地表、太阳耀斑、水体边缘影响去除，云检测7210～216太阳耀斑、水体边缘影响去除21393～399(高响应范围)火点探测与火点特性反演22393～399(低响应范围)火点探测与火点特性反演311075～1125火点探测，云检测321175～1225云检测

1 数据和方法

1.1 秸秆焚烧火点提取数据及方法

该文进行秸秆焚烧监测的卫星数据来自美国地球观测系统计划(EOS)Terra和Aqua携带的中分辨率成像光谱仪(MODIS)。MODIS探测器设置了用于火点探测和描述火点热辐射特征的两个中红外通道(波段范围相同，饱和亮度温度分别为331K和近500K)，不仅保证了观测数据的辐射精度，也避免了高温火点导致通道饱和的问题。同时，MODIS还使用一个2.1μm的短波红外通道加强对太阳耀斑和水体边缘虚假火点的去除。目前，用于MODIS的火点监测算法主要是上下文算法[14]，所需通道数据及主要用途如表1。

根据维恩位移定律[15]，常温地物(约300K)热辐射能量的峰值位于热红外波段，随着温度升高，热辐射的峰值向波长较短的波段移动，秸秆焚烧、森林火灾等火点(500～1 000K)的热辐射的峰值波长位于中红外波段。秸秆焚烧卫星遥感火点监测主要基于该原理，利用内部含有火焰的高温像元与背景常温像元在中红外和热红外波段辐射能量的差异来识别地面火点。

根据该原理与方法，采用MODIS全球产品使用的上下文算法作为研究秸秆焚烧火点提取的方法，算法的核心内容是将目标像元的温度特性与周围背景像元的平均温度特性准确地统计出来，并进行多阈值判别，根据判别结果提取火点像元，并结合土地利用数据提取秸秆焚烧火点，为验证火点的精度，采用野外地面抽样验证和高分遥感数据抽样验证两种方式。地面验证方法为随机抽取火点位置，携带卫星定位系统进行实地验证，如验证火点位于遥感火点像元的几何定位精度之内，则认为卫星监测到的火点结果是正确的； 如果地面验证火点在遥感火点像元的几何定位精度之外，则判别卫星监测到的火点属于误判火点。高分辨率遥感数据随机验证方法为获取相同时间段内通过火点区域的高分卫星、无人机飞行等高分辨率遥感数据，通过解译着火点过火痕迹及烟羽等方式对火点位置进行验证。

图1 秸秆焚烧卫星遥感监测处理流程

秸秆焚烧遥感监测具体流程如图1：首先对卫星遥感数据进行预处理，采用上下文算法得到热异常点的分布，然后通过GIS手段叠加土地利用数据，提取农田上的热异常点作为秸秆焚烧火点，最后结合行政边界等基础地理信息对秸秆焚烧火点进行统计分析以及产品制作。

1.2 秸秆焚烧PM2.5 排放数据及计算方法

研究秸秆焚烧排放数据采用欧洲数值预报中心发布的全球火点同化系统数据集GFASv1(Global Fire Assimilation System，http：//apps.ecmwf.int/datasets/)，该数据集为全球生物质燃烧排放实时更新排放清单，分辨率为0.1°×0.1°，排放物种共有40种，PM2.5是其中物种之一，该数据集已广泛应用于排放清单对比、火干扰气候效应模拟评估以及空气质量预测业务[16]。GFASv1数据集基于卫星遥感火辐射功率产品(FRP fire radiation power)数据来估算全球生物质燃烧排放。具体计算方法沿用了Kaufman(1998)的计算方法[17]，其计算公式为：

MX=EFX×FCT_FRE

(1)

FCT_FRE=FRE×β

(2)

(3)

FRP=4.34×10-19(TMIR8-Tb，MIR8)

(4)

其中，MX为生物质燃烧过程中第X个物种的排放量;EFX为第X个物种的排放因子;FCT_FRE为焚烧的总干物质量(kg);FRE为火点辐射能量，是焚烧时段内释放辐射功率(FRP)随时间的积分;FRP是火点像素的亮温(TMIR)与其周边像素点背景亮温(Tb，MIR)差异的函数；β为辐射能量燃烧因子为0.368±0.015kg/MJ。该数据集所用的FRP数据主要基于NASA发布的MODIS传感器数据产品MOD14和MYD14，并采用集合卡曼滤波方法融合了SEVIRI的FRP产品[18]。该文采用该数据集2015～2017年逐日PM2.5的排放数据，并基于ArcGIS 平台在行政区域内进行统计分析。

由于GFASv1数据集为生物质燃烧的排放产品，要获取农田秸秆焚烧排放情况，需要结合农田的空间分布信息。该文采用环境保护部和中国科学院联合研发的全国生态环境10年变化(2000～2010年)遥感调查与评估的土地利用和土地覆盖数据[19]，该数据集分辨率为30m，在该数据集的基础上进行重采样，分辨率与GFASv1数据集保持一致。图2为东北三省的农田分布情况。

表2 2015～2017年东北三省火点统计 个

2 结果分析

2.1 火点时空分布特征分析

2.1.1 年变化特性

图3为2015～2017年东北三省全年火点分布情况。从图3可以看出黑龙江和吉林比较集中，辽宁相对分散。黑龙江火点主要集中在西南部的齐齐哈尔、绥化、哈尔滨等市和东北部的双鸭山、佳木斯等市； 吉林火点主要集中在中西部的长春、四平、松原等市和西北部的白城市； 辽宁中部沈阳市、铁岭市以及盘锦市火点相对较多。表2为东北三省2015～2017年火点统计结果，从表2可以看出东北三省以黑龙江火点最多，为1.346 2万个，占比71.9%； 吉林次之，占比17.3%； 辽宁最少，占比10.8%。从年变化来看， 2017年火点最多， 2015年次之， 2016年最少。

表3 2015～2017年东北三省各月火点统计 个

图2 东北三省农田分布情况(左：采样前； 右：采样后)

图3 2015～2017年东北三省秸秆焚烧火点分布图

表4 2015～2017年东北三省春秋两季火点在全年中的占比 %

图4 2015～2017年东北三省秸秆焚烧火点逐月变化

2.1.2 月季变化特性

图4和表3为2015～2017年东北三省秸秆焚烧火点总数逐月变化统计情况。从图4中可以看出，东北三省秸秆焚烧高峰期主要集中在春(3～4月份)秋(10～11月份)两季，呈现双峰分布，总体上春季火点多于秋季； 其中黑龙江和吉林春秋两季火点在全年中占比均在94%～99%之间，辽宁由于2月份也有较多火点，春秋两季占比相对较低在68%～81%之间(表4)。分析2015～2017年东北三省春秋两季火点在全年中的占比可以看出，春季火点在全年中的火点占比逐年上升趋势，秋季基本呈逐年下降趋势，尤其是辽宁2016年和2017年秋季焚烧比例仅占15.8%、15.5%。研究表明[20-21]，东北地区秋季容易出现静风逆温现象，且从每年10月底起开始燃煤供暖，再叠加上秸秆焚烧污染物排放，容易引起造成较为严重的污染，出现重度霾现象。东北地区近几年开展秸秆禁烧工作，尤其是秋季秸秆禁烧力度增大，可能导致秸秆焚烧高峰期转向春季。

2.2 PM2.5 排放时空分布特征分析

2.2.1 年变化特性

图5为2015～2017年东北三省全年PM2.5排放分布情况。从图5中可以看出排放的空间分布与图3中火点的分布一致，大范围排放的区域有：黑龙江西南部的齐齐哈尔、绥化、哈尔滨等市和东北部的双鸭山市、佳木斯市，吉林中西部长春、四平、松原等市和西北部的白城市； 辽宁中部沈阳市、铁岭市以及盘锦市； 另外，七台河、鸡西市、牡丹江市、延边等地区的局部地区排放量较大。表5为东北三省2015～2017年PM2.5排放情况，从表5中可以看出2015～2017年东北三省共计排放17.3万t， 2015年排放量最大， 2017年次之， 2016年最少。和表2中火点的统计结果略有差别， 2017年火点最多年份而排放量不是最大的年份。由于火点的排放量是火点辐射能量的函数，说明2017年火点虽然个数多，但总体辐射能量相对要低，这可能是由于一部分秸秆资源综合利用，导致燃烧的干物质减少的缘故。从各省排放量来看，以黑龙江省排放量最多， 3年共计12.7万t，占比73.3%； 吉林和辽宁大致相当，为2.3万t，分别占13.1%和13.5%。从多年年均PM2.5排放量来看，黑龙江省约为4.2万t，吉林和辽宁约为0.8万t； 对比彭立群等[13]基于调查的中国秸秆露天焚烧污染物排放清单(2009年黑龙江、辽宁和吉林省PM2.5的排放量分别为7.5万t、4.2万t和2.1万t)，两者差别较大。从彭立群等不确定研究结果可以看出，在95%置信度下，PM2.5排放量估算不确定性在-61%～99%之间； 王书肖[11]的PM2.5排放量估算不确定性142%，Streets 等[1]的不确定度高于400%； 可见基于地面调查的方法估算的排放清单总体偏高。卫星遥感由于受时间和空间分辨率的影响及云的影响，容易遗漏火点，特别是尺度小强度弱的火点[22]，因此导致排放估算偏低。

2.2.2 月季变化特性

图6和表6为2015～2017年东北三省秸秆焚烧PM2.5排放量逐月变化统计情况。从图6中可以看出PM2.5排放的月际变化趋势与图4中火点的月际变化趋势基本一致，呈双峰分布，其中黑龙江和吉林主要集中在春(3～4月份)秋(10～11月份)两季，黑龙江春秋两季排放比例在92%以上，吉林占比在82%以上。辽宁略有差异，除春秋两季外2月份的排放也相对较多，因此排放峰值在2～4月以及10～11月。总体而言，春季排放大于秋季，如黑龙江省春季峰值月份(4月)3年排放合计高达4.7万t，而秋季峰值月份(11月)合计为2.6万t。从2015～2017年东北三省春秋两季排放在全年中的占比可以看出，相对2015年，东北三省秸秆焚烧春季PM2.5排放在全年中占比增加，秋季占比减少。尤其是黑龙江省逐年变化趋势最为明显，说明受秋季禁烧工作力度加大影响较为明显。

图5 2015～2017年东北三省全年PM2.5 排放分布情况(t/格点)

图6 2015～2017年东北三省秸秆焚烧PM2.5 排放逐月变化

3 结论

研究基于MODIS卫星数据使用上下文算法提取秸秆焚烧火点，分析了2015～2017年东北三省露天秸秆焚烧火点时空分布特征； 并利用GFASv1排放清单数据，统计分析了同时段东北三省PM2.5的排放时空分布特征。

(1)东北地区露天秸秆焚烧点主要分布在黑龙江西南部和东北部、吉林的中西部、辽宁中部地区，火点密集度高的区域包括黑龙江的齐齐哈尔、绥化、哈尔滨、双鸭山、佳木斯等市，吉林的长春、四平、松原等市，辽宁的沈阳、铁岭及盘锦等市。

表5 2015～2017年东北三省PM2.5 排放量统计结果万t

(2)2015～2017年东北三省共计1.871 8万个火点， 2017年火点最多， 2015年次之， 2016年最少。黑龙江火点最多占比71.9%； 吉林次之，占17.3%； 辽宁最少，占10.8%。年内各月火点呈双峰分布特性，春季火点多于秋季，且呈春季火点增多、秋季火点减少趋势。

(3)2015～2017年东北三省露天秸秆焚烧共计排放PM2.5约17.3万t， 2015年排放量最大， 2017年次之， 2016年最少。期间黑龙江排放最多，占比73.3%； 吉林和辽宁大致相当分别占13.1%和13.5%。

(4)从秸秆焚烧火点时空分布来看，东北地区露天秸秆焚烧受秋季禁烧工作影响较为明显，春季禁烧工作有待加强； 此外，相对2015年，近两年秸秆焚烧引起PM2.5排放量有所减少，说明焚烧的干物质有所减少，东北地区秸秆资源综合利用量有了一定提高。

表6 2015～2017年东北三省春秋两季露天秸秆焚烧PM2.5 排放量在全年中的占比 %

(5)相对地面调查方法，基于MODIS卫星遥感数据获取取秸秆焚烧火点及其排放信息，既能大量节省人力物力，又有很好的时效性，且能很好揭示其时空分布特性； 但是受卫星资料自身的局限，如云覆盖、重访周期、空间分辨率等因素的影响，对于焚烧范围较小的火点、有云覆盖区域以及非卫星过境时段的火点往往出现遗漏的情况，导致监测火点偏少、排放估算偏低。因此基于高空间分辨率极轨卫星数据(如美国新一代对地观测卫星NPP搭载的VIIRS数据)和高时间分辨率的静止卫星数据(如日本HIMAWARI卫星搭载的AHI数据)，提取焚烧火点信息并计算我国秸秆焚烧污染物排放是未来的重要研究方向。

[1] Streets D G，Yarber K F，Woo J H，et al.Biomass burning in Asia：annual and seasonal estimates and atmospheric emissions.Global Biogeochemical Cycles， 2003， 17(4)： 1099

[2] 曹国良， 张小曳，王亚强，等．中国区域农田秸秆露天焚烧排放量的估算．科学通报， 2007, 52(15): 1826～1831

[3] Fu X， Wang S X，Cheng Z，et al．Source，transport and impacts of a heavy dust event in the Yangtze River Delta，China，in 2011．Atmospheric Chemistry and Physics， 2014, 14(3): 1239～1254

[4] 朱彬， 苏继锋，韩志伟，等．秸秆焚烧导致南京及周边地区一次严重空气污染过程的分析.中国环境科学， 2010, 30(5): 585～592

[5] 洪也， 马雁军，王喜全，等．辽宁中部城市群灰霾天气的外来影响———个案分析．环境科学学报， 2013, 33(8): 2115～2122

[6] 廖志恒， 范绍佳，黄娟，等.2013年10月长株潭城市群一次持续性空气污染过程特征分析.环境科学， 2014, 35(11): 4061～4069

[7] 中华人民共和国国家统计局. 中国统计年鉴(2016).北京：中国统计出版社， 2016

[8] 李海亮， 汪春，孙海天，等．农作物秸秆的综合利用与可持续发展．农机化研究， 2017, 39(8): 256～262

[9] 王金武， 唐汉，王金峰.东北地区作物秸秆资源综合利用现状与发展分析.农业机械学报, 2017，(5)： 1～21

[10]张丽娟， 厉青，陈辉,等.2014～2015年夏秋收期间全国秸秆焚烧遥感监测结果对比分析.环境与可持续发展,2016, 41(6): 61～65

[11]王书肖， 张楚莹．中国秸秆露天焚烧大气污染物排放时空分布．中国科技论文在线， 2008, 3(5): 329～333

[12]李建峰， 宋宇，李蒙蒙，等．江汉平原秸秆焚烧污染物排放的估算．北京大学学报(自然科学版)， 2015, 51(4): 647～656

[13]彭立群， 张强，贺克斌．基于调查的中国秸秆露天焚烧污染物排放清单．环境科学研究， 2016, 29(8): 1109～1118

[14]Giglio L， Descloitres J，Justice C O，et al.An enhanced contextual fire detection algorithm for MODIS.Remote Sensing of Environment， 2003, 87(3): 273～282

[15]王桥， 厉青，陈良富，等.大气环境卫星遥感技术及其应用.北京：科学出版社， 2011

[16]Kaiser J W， Heil A，Andreae M O，et al.Biomass burning emissions estimated with a global fire assimilation system based on observed fire radiative power.Biogeosciences Discussions， 2012, 9(1): 527～554

[17]Kaufman Y J， Kleidman R G，King M D.SCAR-B fires in the tropics：properties and remote sensing from EOS-MODIS.Journal of Geophysical Research， 1998， 103(D24):31955～31968

[18]Kaiser J W， Heil A,Schultz M G，et al.Final report on implementation and quality of the D-FIRE assimilation system.Blood， 2013， 112(11)： 169

[19]环境保护部， 中国科学院.全国生态环境十年变化(2000～2010)遥感调查与评估.北京：科学出版社,2014.37～40

[20]欧娜音， 王文，柏金凤.哈尔滨一次罕见持续雾霾天气的成因及特征分析.黑龙江气象.2015, 32(2): 1～4

[21]孙千然. 黑龙江省气象条件与秸秆焚烧对霾的影响分析.哈尔滨：东北农业大学， 2016

[22]毛慧琴， 张玉环，厉青，等.基于卫星遥感的生物质燃烧排放估算研究进展.大气与环境光学学报， 2016, 11(6): 402～411