基于热异常遥感的冀南城市群工业能耗及大气污染

孙 爽,李令军,赵文吉*,王丽丽,邱 昀,姜 磊,张立坤

基于热异常遥感的冀南城市群工业能耗及大气污染

孙 爽1,李令军2*,赵文吉1*,王丽丽1,邱 昀2,姜 磊2,张立坤2

(1.首都师范大学资源环境与旅游学院,北京 100048；2.北京市环境保护监测中心 100048)

选取冀南城市群为研究区,基于2012~2016年VIIRS卫星数据热异常点产品,结合工业能源消耗量、工业废气排放量以及空气质量数据,利用统计分析和空间分析探讨热异常点辐射强度的变化规律及其与工业能源消耗、污染物排放之间的关系.结果表明,热异常点的辐射强度可以表征工业能源消耗量,并间接反映工业生产规模与污染排放水平.辐射强度越大,工业生产规模越大.辐射强度与工业SO2排放量呈较高的正相关,与NO排放量呈中度线性相关.PM10、SO2及NO2浓度与工业能源消耗和热异常点辐射强度灰色关联度均较高.工业生产活动产生的污染物中,颗粒物对大气污染的贡献最高,其次为SO2. 2012~2016年,邯郸、石家庄以及廊坊的工业生产空间分布呈逐年收缩聚集的趋势,保定和沧州的工业生产分别出现向南、向西迁移趋势.

热异常；大气污染；工业污染排放；综合能源消耗量；冀南城市群

关于工业能源消耗对大气污染的影响已有很多研究,大多数专家学者基于统计年鉴中的数据[1-2],利用统计分析[3-4],生命周期清单分析[5-6],投入产出模型[7-8],灰色关联模型[9-10]等不同的方法,研究工业能源消耗与污染排放之间的关系;也有学者结合实地调查数据进行相关研究[11].基于统计和实地调查数据的研究,数据时效性差,主观性强,往往误差较大,而遥感监测恰能弥补这些不足.基于热异常遥感的大气污染研究在生物质燃烧遥感监测[12]、污染过程分析[13]、评估对空气质量的影响[14]以及秸秆焚烧排放清单制作[15]等方面已有广泛的研究.此外,遥感热异常识别在工业提取方面得到了很好的应用.Zhou等[16]利用Landsat-8热红外传感器监测工厂活动;孙佳琪等[17]利用VIIRS夜间热异常点提取了京津冀地区工业热源并做了分类探讨,精度为83.71%; Liu等[18]利用夜间热异常点制作了全球工业清单,验证后分类精度达到77%.已有研究均选取夜间热异常点进行分析,减少了其他热异常以及建筑物反射太阳光等因素的干扰[19-20].但基于热异常遥感的工业污染排放水平的研究未见报道.

河北产业结构偏重,能源以燃煤为主,耗能多,污染重[21-22].尤其是在冀南城市群,钢铁、水泥、石化以及建材等重化工业密集[23-24].在2012~2016年间各城市工业总产值占GDP的比例均超过40%,工业排放对区域内大气污染的贡献较大.

本文以河北省南部城市群为主要研究区,以遥感数据提取的热异常点为主要数据源,研究其与工业能耗的定量关系,以此表征工业能耗并结合产业结构间接反映生产规模,探讨工业活动的污染排放水平及其对区域空气质量的影响.

1 研究方法

1.1 研究区概况

选取廊坊、保定、石家庄、沧州、衡水、邢台以及邯郸7个城市作为研究范围.研究区地势西高东低,东部平原区面积占77%;区域内重工业集中,工业总产值对区域经济贡献大.由于华北平原半封闭地形条件以及冀南城市群以工业为主的产业结构,7个城市在京津冀乃至全国范围空气质量都较差[25].区域内大气污染沿太行山前呈现面域扩展、转移和复合加重态势[26].

1.2 数据来源

热异常数据来自Suomi-NPP VIIRS VNP14IMGTDL产品集,该产品利用VIIRS传感器375m分辨率的多光谱数据4和5红外通道提取热异常,可识别温度为400~1200K,在中国东部地区错分误差1.2%[27].Suomi-NPP卫星每日夜间1:00和下午13:00左右各过境一次,本文选取夜间1:00的热异常点数据作为研究数据,相较于白天多种类型热异常点混合以及受太阳辐射的干扰,夜间热异常点可以更好的反映工业生产活动[17].

反映区域空气质量状况的NO2柱浓度来自荷兰皇家气象研究所(TEMIS)提供的OMI NO2月均数据数据集[28](http://www.temis.nl/airpollution/no2. html),数据的单位1015molec/cm2,空间分辨率0.125°´0.125°,产品的不确定性为15%.数据时间跨度为2012年1月~2016年12月.大气污染物质量浓度数据来自全国空气质量实时发布平台公布的逐时浓度数据(http://106.37.208.233: 20035/),数据时间跨度为2014年5月~2016年12月.

各行业各类工业能源消费、产品产量、工业污染物排放量以及工企业综合能源消耗量等数据均来自各地市相应年份的统计年鉴.

1.3 研究方法

1.3.1 工业热异常点提取 根据维恩位移定律,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[29],工业燃烧以及生物质燃烧等现象(500~ 2500K)的热辐射的峰值波长位于中红外波段[17,30],通过遥感数据可以提取明显异于常温地物的对象及热异常对象.

基于VIIRS多光谱数据进行热异常提取的方法中,去除云以及水体等干扰因素后,当满足如下条件:

{BT4>320K且QF4=0(夜晚) (1)

BT4=367K且QF4=9(白天和夜晚) (2)

且BT5>290K且QF5=0(白天)且1+2>0.7(白天)} (3)

当4通道亮度温度达到367K饱和时,则需满足条件:

{ΔBT45<0并且 (4)

BT5>325K且QF5=0(白天) (5)

BT5>310K且QF5=0(夜晚)} (6)

此时,所反演出的温度即为热异常,VIIRS热异常点的温度一般大于500K[17].

式中: BT4和BT5分别为4和5通道的亮度温度;QF4和QF5为4和5通道的质量标志;ΔBT45为4通道和5通道的亮温差,1和2分别表示1和2通道的反射率.

冀南城市群约76.6%为平原地区,生物质燃烧主要为秸秆焚烧,具有空间分布相对分散,时间分布具有明显的季节性的特点.工业燃烧在一定时间范围内,以工厂为中心成聚集态势且同一位置出现频次高[18].尤其在深夜,少有生物质及其他人为燃烧源,热异常点主要反映工业能源消耗.

选取夜间热异常点作为研究对象,以研究区内的耕地做掩膜,剔除耕地范围内空间分布分散且数量少的热异常点,结合GoogleEarth高分辨率影像对比验证(图1),筛选后得到的热异常点基本可以表征工业生产.

1.3.2 灰色关联分析 通过灰色关联分析确定系统因素间的影响程度,根据序列曲线几何形状的相似程度来判断其联系是否紧密灰色关联度越大,两因素变化态势越一致[31-33].计算公式如下:

关联度的计算公式:

由于大气中NO2、SO2等污染物来源复杂,污染物浓度与热异常点辐射强度、工业能源消耗量很难建立直接的相关关系,利用灰色关联模型分析,能够更准确的表征污染物浓度与热异常辐射强度及工业能源消耗量之间的相近程度.

1.3.3 空间分析 (1)核密度分析:是使用核函数将各个点或线拟合为光滑锥状表面,并计算其在周围邻域中的密度[34].假设存在热异常点12,…,x,则任意热异常点聚集区x处的核密度估计为:

本研究将热异常点根据空间分布和辐射强度的大小,获得热异常点空间分布密度,以反映研究区内热排放的整体情况.

(2)加权标准距离:用来度量分布的紧密度,可以提供一个表示要素相对于中心的分散程度的值[35].加权标准距离如下:

以热异常点辐射强度为权重,统计各城市每年的热异常点数量,通过标准距离范围年际间的变化,得到热异常点空间变化情况.

2 分析与讨论

2.1 热异常辐射强度与工业耗能关系

2.1.1 热异常与工业能源消费变化规律 如图2所示,热异常点的年辐射强度:邯郸>石家庄>廊坊>邢台>保定>沧州>衡水,工业能源消耗量:邯郸>石家庄>邢台>沧州>保定>廊坊>衡水,热异常点的辐射强度与工业能源消耗存在明显正相关关系.2012~ 2016年间,邯郸、邢台、廊坊、石家庄以及衡水的工业能源消耗呈现减少的趋势,而沧州呈现增加的趋势;热异常点辐射强度的变化规律与工业能源相一致,当工业能源消耗量降低时,热异常点的辐射强度相应也会减弱.

邯郸是冀南城市群中重工业分布最集中的城市,主要为钢铁及水泥行业,武安市、涉县以及峰峰矿区等都是重要的工业集中区[36-37],工业能源消耗明显高于其他城市;石家庄化工、医药以及装备工业发达[38],工业生产规模仅次于邯郸;而衡水主要以轻工业为主,重工业企业分布少,能源消耗量低[39],热异常点辐射强度也明显偏低.2013年国务院发布《大气污染防治行动计划》提出优化产业结构、调整能源结构等措施[40].到2017年,河北省规模以上工业煤炭消费累计压减4537万t,累计压减炼钢产能7192万t、炼铁产能6508万t[41],所以主要工业城市能源消耗呈现逐年减少的趋势,热异常点的辐射强度整体上也呈现逐年减少的趋势.

如图3,邯郸、沧州以及廊坊标准距离圆不断收缩,工企业分布呈现聚集趋势,形成沿冀南城市群的东北-西南方向的工企业收缩轴,这受河北省化解过剩产能、能源结构调整的影响[42]. 7个城市中,沧州的工企业最分散,邯郸的最密集.工业分布越密集城市空气质量越差.

对于工企业分布中心迁移,沧州、保定也分别呈现出向东、向南逐年迁移的趋势.沧州的城市规划中,将渤海新区、临港工业区以及黄骅市设立为沿海重点发展区域[43];保定的城市规划中,以定州为次中心城市,利用毗邻石家庄的有利政策,形成以能源、煤化工等为主的产业基地[44].这与2个城市的工业中心迁移的方向是一致的.

图3 2012~2016年冀南城市群热异常点标准距离

热异常点的数量可以表征工业源的空间分布以及变化迁移特征,辐射强度的大小可以表征工业生产规模以及能耗情况.

2.1.2 热异常与工业能源消耗相关关系 河北省2012~2016年煤炭能源消费总量占总能源消费的比例分别为88.86%、88.69%、88.46%、86.55%和85.01%,而工业能源消费占总能源消费比例的80%左右[45],工业为主要能源消费行业,且煤炭占主导地位.

将2012~2016年各城市热异常点的年辐射强度与工业煤炭消耗量、综合能源消耗量进行一元线性回归分析,相关系数2分别为0.86和0.66(图4a,图4b),呈现高度线性相关.其中邯郸在7个城市中工业能源消费最多,生产规模最大,热异常点的辐射强度最强,工业大气污染排放对大气污染浓度的贡献最大.

在工业生产中,能源利用率越高,排放的热能越少[46],探测到的热异常点辐射强度相对越低.利用单位工业GDP能耗对能源消耗量校正以提高数据的拟合程度,相关系数2分别提高到0.93和0.92(图4c,图4d),对于工业企业分布较多的邯郸和石家庄校正效果明显,说明2个城市的工业能源利用效率比较低.

回归分析结果表明:热异常点辐射强度可以表征工业能源的消费量以及工业生产规模,在冀南城市群工业能源主要为煤炭,煤炭燃烧产生的颗粒物[47]、SO2及其他含硫化合物对大气污染的贡献要高于其他污染源[48].

图4 工业能源消耗量与热异常点辐射强度线性回归

2.2 热异常与大气污染相关关系

2.2.1 热异常与区域污染关系 对热异常点做核密度分析,得到不同地区热异常点辐射强度的分布(图5),邯郸的涉县、复兴区、武安以及峰峰矿区、石家庄的平山县、井陉矿区以及藁城县、保定定州市以及廊坊的安次区和霸州市,热异常点辐射强度大,分布密集.

邯钢集团位于复兴区、新兴铸管以及纵横钢厂都位于武安;峰峰矿区是全国闻名的煤炭、钢铁、建材工业基地;敬业钢厂与金隅水泥分别位于平山和赞皇县,井陉矿区以冶金、机械、建材、化工四大产业为主导;邯郸的钢铁行业对京津冀地区PM2.5浓度贡献占所有地市钢铁行业贡献的的21.7%,石家庄占12.9%[49],廊坊的安次区非金属/矿物制品、金属制品工企业较多,能源消耗量大,气态污染物SO2、CO、NO排放量较大[50],霸州最大的传统优势产业也为钢铁产业[51].几个热异常点辐射强度大的地区,钢铁行业污染排放较大.

由河北省生态环境厅公布的数据统计峰峰矿区、井陉矿区、武安市、磁县、藁城县、平山县、赞皇县等在2014~2016年间,多次位于河北所有县空气质量排名的后10名[52],与热异常点的集中区一致.热异常点的辐射强度可以反映大气污染程度,即热异常点辐射强度越大的区域,污染排放量大,相应空气污染也越严重.热异常点做核密度:冀南城市群工业源大气污染排放主要集中在邯郸-邢台-石家庄-保定沿山一带.

将热异常点的辐射强度、工业能源消耗与空气质量指标中的SO2、NO2和PM10质量浓度做灰色关联度分析,得到热异常点辐射强度和工业能源消耗与各项指标的关联度.通常灰色关联度大于0.6,即表示分析变量之间的相关程度显著[53],表1结果显示,热异常点辐射强度、工业能源消耗与空气污染有显著的关系.

图5 热异常点核密度分析

各污染物浓度与能源消费相关指标的灰色关联度从大到小依次为:工业综合能源消耗量>工业煤炭消耗量>热异常点辐射强度,工业综合能源消耗量对空气中污染物浓度的影响最为显著.3种污染物指标中,PM10与能源消耗相关指标的关联度最高,其次分别为SO2与NO2.

京津冀地区工业污染排放中,钢铁冶金行业贡献最大,其次为水泥、炼焦和化工行业[54-55],对大气中颗粒物浓度的贡献最大.

热异常点辐射强度可以反映空气质量状况,热异常点辐射强度越强,工业能源消耗量越大,大气中污染物的浓度越高,空气质量越差.

表1 冀南城市群工业能源消耗与空气质量灰色关联度

2.2.2 热异常与工业大气污染排放分析 将2012~2016年河北省各城市工业SO2排放量与热异常点年辐射强度做一元线性回归分析,校正前后相关系数2分别为0.67,0.70(表1),呈现高度线性相关.即热异常点的辐射强度越强相应工业SO2的排放量越大.

将2012~2016年的OMI NO2求年均值、工业NO排放量与相应的热异常点辐射强度做一元线性回归分析,相关系数2分别为0.31,0.66 (表 2),呈中度线性相关和高度线性相关.热异常点的辐射强度与NO的排放量具有较好的相关性,区域内热异常点辐射强度越强,工业NO的排放量越多.

表2 热异常点辐射强度与污染物排放量线性回归结果

2.2.3 能耗-大气污染-热排城市类型分析 对PM10、SO2以及NO2污染物浓度、热异常点辐射强度以及工业综合能源消耗量进行归一化处理,再将三者做三角统计分析,将各因素所占比例设定为对不同类型城市的影响程度(图6).根据各因素所占比例在三角统计图中的分布,将0~0.25划分为低等级, 0.25~0.75为中等级,0.75~1为高等级,可将冀南各城市大致划分为5类,各类型的城市划分如表3所示.

低能耗-高污染-低热排型城市,工业能源消耗少,工业污染对大气中污染物浓度的贡献较小;中能耗-中污染-低热排型城市,单位工业GDP能耗低,但工业大气污染物的排放量较大;低能耗-中污染-中热排型城市,工业能源消耗量较大且单位工业GDP能耗较低;中能耗-中污染-中热排型城市,能源消耗量大, 单位工业GDP能耗较高,污染排放较大;低能耗-低污染-高热排型城市,该类城市中相对能源消耗和大气污染,热量排放明显偏大,热异常点辐射强度强,能源消耗量大且单位工业GDP能耗高.由表4可知,邯郸、邢台以及石家庄工业单位GDP能耗较高,与这3个城市重工业比重大密切相关;衡水工业单位GDP能耗逐年下降的趋势,在几个城市中处于最低水平,主要缘于衡水第二产业以轻工业为主,工业能源消耗较少.

图6 污染物浓度、热异常点辐射强度以及工业能源消耗量对城市的影响所占比例

表3 能耗-污染-热排城市类型划分

表4 各城市单位工业GDP能耗(t标准煤/万元)

热异常的辐射强度可直接反映工业能源消耗状况,能源消耗量越大、利用效率越低,探测到的热异常辐射强度越强,污染物的排放量也越多;而能源利用效率高或重工业少的城市,探测到热异常点数量少,工业污染排放对大气污染的贡献较小.

3 结论

3.1 工业生产过程中能源消耗释放出的热量越多,热异常点的辐射强度越强,热异常点的辐射强度可以表征工业能源消耗量以及工业生产规模.研究区内,邯郸的工业生产规模最大,石家庄次之,衡水、沧州重工业分布少,工业能源消耗量少.冬季工业能源的消费量要明显低于其他季节,环保政策起到了一定的作用.

3.2 2012~2016年,沿冀南地区东北-西南轴的邯郸、石家庄以及廊坊的工业企业呈逐年收缩聚集的趋势,保定和沧州的工业中心分别向南、向西迁移.

3.3 热异常点辐射强的地区,重工业企业集中,区域内空气质量越差.其辐射强度与工业SO2排放量呈现较高的相关性,与NO排放量呈中度线性相关,工业生产规模越大,能源消耗越多,污染物的排放量越大.

3.4 空气质量指标中的PM10、SO2以及NO2与工业能源消耗相关指标的灰色关联度均呈现较高水平,其中热异常点辐射强度与PM10、SO2以及NO2的关联度依次为0.75,0.73,0.67,热异常点辐射强度所表征的能源消耗与大气污染有显著关系.

3.5 不同污染物关联度PM10>SO2>NO2,工业生产活动产生的污染物中颗粒物对大气污染的贡献最高,其次为SO2,这些都主要由煤炭等燃料燃烧产生.

[1] Lu C, Li W. A comprehensive city-level GHGs inventory accounting quantitative estimation with an empirical case of Baoding [J]. Science of The Total Environment, 2019,651(9):601-613.

[2] Zhang S H, Ren T H, Zhou W J, et al. Assessing air pollution abatement co-benefits of energy efficiency improvement in cement industry: A city level analysis [J]. Journal of Cleaner Production, 2018,185(2):761-771.

[3] 赵 辉,郑有飞,吴晓云,等.江苏省大气复合污染特征与相关气象驱动 [J]. 中国环境科学, 2018,38(8):2830-2839. Zhao H, Zheng Y F, Wu X Y, et al. Atmospheric compound pollution characteristics and the effects of meteorological factors in Jiangsu Province [J]. China Environmental Science, 2018,38(8):2830-2839.

[4] 孙 爽,李令军,赵文吉,等.京津冀大气污染变化规律及其与植被指数相关性分析[J]. 环境科学, 2019,40(4):1585-1593. Sun S, Li L J, Zhao W J, et al. Variation in pollutant concentrations and correlation analysis with the vegetation index in Beijing- Tianjin-Hebei [J] Environmental Science, 2019,40(4):1585-1593.

[5] 张莉沙.中国钢铁产业环境影响评价及其低碳发展研究 [D]. 长沙:湖南大学, 2012. Zhang L S. Environmental impact assessment of China’s iron and steel industry and its low-carbon development research [D]. Changsha: Hunan University, 2012.

[6] 张 捷,赵秀娟.碳减排目标下的广东省产业结构优化研究-基于投入产出模型和多目标规划模型的模拟分析 [J]. 中国工业经济, 2015,(6):68-80. Zhang J, Zhao X J. The optimization of Guangdong province’s industrial structure under the objective of carbon emissions reduction asimulating analysis based on input-output model and multi-objective programming model [J]. China Industrial Economic, 2015(6):68-80.

[7] 陈 莎,孙中梅,李素梅,等.动态生命周期评价的研究与应用现状 [J]. 中国环境科学, 2018,38(12):4764-4771. Chen S, Sun Z M, Li S M, et al. Research and application status of dynamic life cycle assessment [J]. China Environmental Science, 2018,38(12):4764-4771.

[8] 杜庆坤.京津冀地区产业发展对大气污染影响研究 [D]. 北京:中国地质大学, 2017. Du Q K. Research on the impact of industrial development on Air Pollution in Beijing-Tianjin-Hebei region [D]. Beijing: China University of Geosciences (Beijing), 2017.

[9] 刘 丹.西安市环境空气质量与能源结构的相关性研究 [D]. 西安:西安科技大学, 2018. Liu D. Correlation analysis of air quality and energy constitution in Xi’an [D]. Xi’an: Xi’an University of Science and Technology, 2018.

[10] 任欢欢.2014~2017年我国经济区及省会城市经济发展与环境空气质量关系研究 [D]. 兰州:兰州大学, 2018. Ren H H. Study on the relationship between economic development and ambient air quality in China's economic zones and capital cities from 2014 to 2017 [D]. Lanzhou: Lanzhou University, 2018.

[11] 闫 蕊.高经济增长及能源消耗趋势下的上海市工业污染排放量预测研究 [D]. 无锡:江南大学, 2013. Yan R. Prediction of industrial pollution discharge in Shanghai with the trend of high economic growth and energy consumption [D]. Wuxi: Jiangnan University, 2013.

[12] 张 思,刘志红,佟洪金,等.基于遥感数据的秸秆焚烧源排放清单及时空分布特征 [J/OL]. 环境科学研究, 1-15.[2019-04-21]. https://doi.org/10.13198/j.issn.1001-6929.2019.01.24. Zhang S, Liu Z H, Tong H J, et al. Emission inventory of crop straw field burning and its temporal and spatial allocation based on remote sensing data [J/OL]. Research of Environmental Sciences, [2019-04- 21]. https://doi.org/10.13198/j.issn.1001-6929.2019.01.24.

[13] 程良晓,范 萌,陈良富,等.秋季秸秆焚烧对京津冀地区霾污染过程的影响分析 [J]. 中国环境科学, 2017,37(8):2801-2812. Cheng L X, Fan M, Chen L F, et al. Effects on the haze pollution from autumn crop residue burning over the Jing-Jin-Ji Region [J]. China Environmental Science, 2017,37(8):2801-2812.

[14] 段 然,李令军,姜 磊,等.基于Himawari-8卫星的中国东北秸秆焚烧监测及其对空气质量的影响研究 [J]. 环境污染与防治, 2018,40(3):274-277. Duan R, Li L J, Jiang L, et al. Monitoring of straw burning in northeast China based on Himawari-8satellite and study of its influence on air quality [J]. Environmental Pollution & Control, 2018,40(3):274-277.

[15] 吴立新,吕 鑫,秦 凯,等.秸秆焚烧期间徐州市空气污染物时空分布特征分析 [J]. 地理与地理信息科学, 2014,30(1):18-22+31. Wu L X, Lv X, Qin K, et al. On spatio-temporal features of air pollutants in Xuzhou city during straw burning period [J]. Geography and Geo-Information Science, 2014,30(1):18-22+31.

[16] Zhou Y, Zhao F, Wang S X, et al, A method for monitoring iron and steel factory economic activity based on satellites [J]. Sustainability, 2018,10(6):1935-1956.

[17] 孙佳琪,刘永学,董雁伫,等.基于Suomi-NPP VIIRS夜间热异常产品的城市工业热源分类-以京津冀地区为例 [J]. 地理与地理信息科学, 2018,34(3):13-19. Sun J Q, Liu Y X, Dong Y Z, et al. Classification of urban industrial heat sources based on Suomi-NPP VIIRS nighttime thermal anomaly products: A case study of the Beijing-Tianjin-Hebei region [J]. Geography and Geo-Information Science, 2018,34(3):13-19.

[18] Liu Y, Hu C, Zhan W, et al. Identifying industrial heat sources using time-series of the VIIRS nightfire product with an object-oriented approach [J]. Remote Sensing of Environment, 2018,204(10):347- 365.

[19] Xia H, Chen Y, Quan J, et al. A simple method based on the thermal anomaly index to detect industrial heat sources [J]. International Journal of Applied Earth Observation and Geoinformation, 2018,73(8): 627-637.

[20] Elvidge C, Zhizhin M, Baugh K, et al. Methods for global survey of natural gas flaring from Visible Infrared Imaging Radiometer Suite Data [J]. Energies, 2016,9(1):14.

[21] 杜 颖.河北省经济增长与大气污染关系研究 [D]. 北京:中国地质大学(北京), 2016. Du Y. Study on the relationship between economic growth and air pollution in Hebei province [D]. Beijing: China University of Geosciences (Beijing), 2016.

[22] 崔立明,赵春丽,周春瑶.京津冀地区重点耗煤行业大气污染物排放清单研究[J]. 中国环境管理, 2018,10(3):27-31. Cui L M, Zhao C L, Zhou C Y. Study on Beijing-Tianjin-Hebei Region key coal consuming industry emission inventory [J]. Chinese Journal of Environmental Management, 2018,10(3):27-31.

[23] 王慧丽,雷 宇,陈潇君,等.京津冀燃煤工业和生活锅炉的技术分布与大气污染物排放特征 [J]. 环境科学研究, 2015,28(10):1510- 1517. Wang H L, Lei Y, Chen X J, et al. Technology distribution and air pollutant emissions from coal-fired boilers for industrial and resident- al use in Beijing-Tianjin-Hebei area [J]. Research of Environmental Sciences, 2015,28(10):1510-1517.

[24] 伯 鑫,徐 峻,杜晓惠,等.京津冀地区钢铁企业大气污染影响评估[J]. 中国环境科学, 2017,37(5):1684-1692. Bo X, Xu J, Du X H, et al. Impacts assessment of steel plants on air quality over Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2017,37(5):1684-1692.

[25] 王晓彦,王 帅,朱莉莉,等.2014~2016年京津冀沿山城市空气质量首要污染物特征分析 [J]. 环境科学, 2018,39(10):4422-4429. Wang X Y, Wang S, Zhu L L, et al. Characteristics of primary pollutants of air quality in cities along the Taihang Mountains in Beijing-Tianjin-Hebei Region during 2014~2016 [J]. Environmental Science, 2018,39(10):4422-4429.

[26] 杨 旭.京津冀地区空气污染特征与气象成因及其预报研究 [D]. 兰州:兰州大学, 2017. Yang X. Research on characteristics of air pollution and its meteorological reasons and forecasting method in Beijing-Tianjin- Hebei Region [D]. Lanzhou: Lanzhou University, 2017.

[27] Schroeder W, Oliva P, Giglio L, et al. The New VIIRS 375m active fire detection data product: Algorithm description and initial assessment [J]. Remote Sensing of Environment, 2014,(5):85-96.

[28] Boersma K F, Eskes H J, Dirksen R J, et al. An improved tropospheric NO2column retrieval algorithm for the Ozone Monitoring Instrument [J]. Atmos. Meas. Tech, 2011,(4):1905-1928.

[29] 王 桥,厉 青,陈良富.大气环境卫星遥感技术及其应用 [M]. 北京:科学出版社, 2011. Wang Q, Li Q, Chen L F. Atmospheric environment satellite remote sensing technology and its application [M]. Beijing: Science Press, 2011.

[30] 胡庆华,李 兵.基于MODIS卫星数据的黑龙江省生物质燃烧火点时空分布 [J]. 草业科学, 2018,35(8):2049-2057. Hu Q H, Li B. Spatial and temporal distribution of biomass burning fire spot in Heilongjiang province based on MODIS satellite data [J]. Pratacultural Science, 2018,35(8):2049-2057.

[31] 彭 玏,赵媛媛,赵吉麟,等.京津冀大气污染传输通道区大气污染时空格局研究[J]. 中国环境科学, 2019,39(2):449-458. Peng L Zhao Y Y, Zhao J L, et al. Spatiotemporal patterns of air pollution in air pollution transmission channel of Beijing-Tianjin- Hebei from 2000 to 2015 [J]. China Environmental Science, 2019, 39(2):449-458.

[32] 蒋姝睿,王 玥,王 萌,等.区域视角下中国工业行业与工业污染关系 [J]. 中国环境科学, 2017,37(11):4380-4387. Jiang Z R, Wang Y, Wang M, et al. Industrial sectors and pollution in China based on the regional perspective [J]. China Environmental Science, 2017,37(11):4380-4387.

[33] 刘思峰,党耀国,方志耕.灰色系统理论及其应用[M]. 3版.北京:科学出版社, 2010. Liu S F, Dang Y G, Fang Z G. Grey system theory and its applications (3rd Edition) [M]. Beijing: Science Press, 2010.

[34] 魏延生.基于POI和滴滴出行数据的人们打车需求分析 [D]. 北京:中国科学院大学(中国科学院东北地理与农业生态研究所), 2018. Wei Y S. Study on Demand of Taxi Based on Didi and POI Data -Taking Beijing Central Region as an example [D]. Beijing: Northeast Institute of Geography and Agroecology, Chinese Academy of Science, 2018.

[35] 王 磊.自适应亲和传播聚类算法的研究与应用 [D]. 西安:陕西师范大学, 2011. Wang L. Research and Application of Adaptive Affinity Propagation Clustering Algorithm [D]. Xi’an: Shanxi Nornal University, 2018.

[36] 许亚宣,李小敏,于华通,等.邯郸市大气复合污染特征的监测研究 [J]. 环境科学学报, 2015,(9):2710-2722. Xu Y X, Li X M, Yu H T, et al. Characteristics of air pollution complex in Handan [J]. Acta Scientiae Circumstantiae, 2015,35(9): 2710-2722.

[37] 赵 乐.邯郸市近年来大气污染特征变化研究 [D]. 邯郸:河北工程大学, 2018. Zhao L. The Change of Air Pollution Characteristics in Recent Years in Handan, China [D]. Handan: Hebei University of Engineering, 2018.

[38] 王开月.石家庄工业结构优化阶段性特征及对经济的影响 [D]. 石家庄:河北经贸大学, 2015. Wang K Y. Phase characteristics of industrial structure and its impact on the economy in Shijiazhuang [D]. Shijiazhuang: Hebei University of Economics and Business, 2015.

[39] 尹健伟,高媛媛.衡水市规模工业支柱行业筛选及评价—基于”三经普”数据的分析 [J]. 衡水学院学报, 2017,19(1):54-58. Yin J W, Gao Y Y. Screening and evaluating of the pillar industries in Hengshui city- based on the Third National Economic Census [J]. Journal of Hengshui University, 2017,19(1):54-58.

[40] 国务院.大气污染防治行动计划[EB/OL]. http://www.gov.cn/ zhengce/content/2013-09/13/content4561.htm/2019-01-29. State Council. Air Pollution Prevention Action Plan [EB/OL]. http: //www.gov.cn/zhengce/content/2013-09/13/content4561.htm/2019-01-29.

[41] 河北日报.河北省超额完成国家“大气十条”目标任务[EB/OL]. http://www.gov.cn/xinwen/2018-01/06/content5253866.htm/2018-01-06. Hebei Daily. Hebei Province overfulfills the national "Action Plan of Air Pollution Prevention and Control" target mission [EB/OL]. http://www.gov.cn/xinwen/2018-01/06/content_5253866.htm/2018-01-06.

[42] 王建峰,韩素卿.河北省调整产业结构、化解过剩产能的路径选择 [J]. 河北经贸大学学报, 2018,39(1):104-108. Wang J F, Han S Q. The path choice of adjusting industrial structure and resolving excess capacity in Hebei Province [J]. Journal of Hebei University of Economics and Business, 2018,39(1):104-108.

[43] 沧州市城乡规划局.沧州市城市总体规划(2008-2020年)说明书[EB/OL]. http://www.doc88.com/p-3307343003994.html/2019-01-29. Cangzhou Urban and Rural Planning Bureau. Cangzhou city master plan (2008-2020) [EB/OL]. http://www.doc88.com/p-3307343003994. html/2019-01-29.

[44] 保定市人民政府.《保定市城市总体规划(2011-2020年)》(摘要) [EB/OL]. http://www.bd.gov.cn/content-173-9449.html/2013-04-11. Baoding Municipal People's Government. Baoding city master plan (2011-2020) (Abstract) [EB/OL]. http://www.bd.gov.cn/content-173- 9449.html/2013-04-11.

[45] 河北省统计局.《河北经济年鉴-2017》[M]. 北京:中国统计出版社, 2018. Hebei Provincial Bureau of Statistics. Hebei economic yearbook- 2017 [M]. Beijing: China Statistics Press, 2018.

[46] 刘嘉慧,赵小锋,林剑艺.基于地表能量平衡的厦门岛城市功能区人为热排放分析 [J]. 地球信息科学学报, 2018,20(7):1026-1036. Liu J H, Zhao X F, Lin J Y. Analysis of anthropogenic heat discharge of urban functional regions based on surface energy balance in Xiamen Island [J]. Journal of Geo-information Science, 2018,20(7):1026- 1036.

[47] 贺晋瑜,燕 丽,雷 宇,等.京津冀地区燃煤锅炉PM2.5减排潜力分析 [J]. 中国环境科学, 2017,37(4):1247-1253. He J Y, Yan L, Lei Y, et al. PM2.5emissions reduction potential from coal-fired boilers in Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2017,37(4):1247-1253.

[48] 张银龙.华北地区大气污染下的产业结构分析及区域联防机制研究 [D]. 郑州:河南大学, 2015. Zhang Y L. The analysis of industrial structure and zone joint prevention in North China [D]. Zhengzhou: Henan University, 2015.

[49] 段文娇,郎建垒,程水源,等.京津冀地区钢铁行业污染物排放清单及对PM2.5影响[J]. 环境科学, 2018,39(4):1445-1454. Duan W J, Lang J L, Cheng S Y. Air pollutant emission inventory from iron and steel industry in the Beijing-Tianjin-Hebei region and its impact on PM2.5[J]. Environmental Science, 2018,39(4):1445-1454.

[50] 李瑞芃,吴 琳,毛洪钧,等.廊坊市区主要大气污染源排放清单的建立 [J]. 环境科学学报, 2016,(10):3527-3534. Li R P, Wu L, Mao H J, et al. Establishment of an air pollutant emission inventory for Langfang urban area [J]. Acta Scientiae Circumstantiae, 2016,36(10):3527-3534.

[51] 赵 晴,杜祯宇,胡 骏,等.廊坊市大气污染特征与污染物排放源研究 [J]. 环境科学学报, 2017,37(2):436-445. Zhao Q, Du Z Y, Hu J, et al. Air pollution characteristics and emission sources in Langfang City [J]. Acta Scientiae Circumstantiae, 2017,37(2):436-445.

[52] 河北省生态环境厅.环境质量发布 [EB/OL]. http://hbepd.hebei.gov. cn/hjzw/hjjcyyj/hjzlzkyb/2019-01-29. Hebei Provincial Department of Ecological Environment. Environmental quality release [EB/OL]. http://hbepd.hebei.gov.cn/ hjzw/hjjcyyj/hjzlzkyb/2019-01-29.

[53] 康晓风,王 光,张明华,等.京津冀地区经济发展与PM10浓度变化的灰色关联分析 [J]. 中国环境监测, 2015,31(5):1-6. Kang X F, Wang G, Zhang M H, et al. The grey relational analysis about economic development and change of PM10’s concentration in Beijing-Tianjin-Hebei region [J]. Environmental Monitoring in China, 2015,31(5):1-6.

[54] 吴文景,常 兴,邢 佳,等.京津冀地区主要排放源减排对PM2.5污染改善贡献评估 [J]. 环境科学, 2017,38(3):867-875. Assessment of PM2.5pollution mitigation due to emission reduction from main emission sources in the Bejing-Tianjin-Hebei Region [J]. Environmental Science, 2017,38(3):867-875.

[55] 王彦超,蒋春来,贺晋瑜,等.京津冀及周边地区水泥工业大气污染控制分析[J]. 中国环境科学, 2018,38(10):3683-3688. Wang Y C, Jiang C L, He J Y, et al. Analysis of air pollutants control in cement industry in and around Beijing-Tianjin-Hebei region. [J]. China Environmental Science, 2018,38(10):3683-3688.

致谢：感谢杨振宇教授和Richard P. Greene教授对本文英文内容写作提供的帮助.

Industrial pollution emissions based on thermal anomaly remote sensing monitoring: A case study of Southern Hebei urban agglomerations, China.

SUN Shuang1, LI Ling-jun2*, ZHAO Wen-ji1*, WANG Li-li1, QIU Yun2, JIANG Lei2, ZHANG Li-kun2

(1.School of Resources, Environment & Tourism, Capital Normal University, Beijing 100048, China；2.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China)., 2019,39(7)：3120~3129

The urban agglomerations of southern Hebei were selected as the study area. Statistical and spatial analysis methods were applied to a variety of datasets including VIIRS thermal anomaly products from 2012~2016, industrial energy consumption, industrial exhaust emissions and air quality data. The variation law of radiation intensity of thermal anomaly was the main principle examined with the data on industrial energy consumption and pollution emissions. The fire radiative power of thermal anomalies can characterize industrial energy consumption and indirectly reflect industrial production scale and pollution emission levels. The greater the fire radiative power, the larger the scale of industrial production. Radiation intensity was highly correlated with industrial SO2emissions and moderately linear with NOemissions. The grey correlations between pollutant’s concentration and industrial energy consumption, pollutant concentration and thermal anomaly radiation intensity were both higher. Among the pollutants produced by industrial production activities, particulate matter had the highest contribution to atmospheric pollution, followed by SO2. In the 2012~2016 period, the spatial distribution of industrial production in Handan, Shijiazhuang and Langfang showed a trend toward shrinking year by year. The industrial production of Baoding and Cangzhou showed a trend of migration to the south and west.

thermal anomaly；air pollution；industrial pollution emissions；comprehensive energy consumption；southern Hebei urban agglomerations

X51

A

1000-6923(2019)07-3120-10

孙 爽(1993-),女,黑龙江伊春人,首都师范大学硕士研究生,主要从事大气环境遥感监测研究.发表论文1篇.

2018-11-22

国家重点研发计划项目(2018YFC0706004,2018YFC0706000)

* 责任作者, 李令军, 教授级高工, lilj2000@126.com; 赵文吉, 教授, zhwenji1215@163.com