京津冀地区大气气溶胶与污染物耦合协调度研究

郝晨曦，郭力娜，王奉林，刘明月，焦琳琳

(华北理工大学 矿业工程学院，河北 唐山 063210)

随着我国城市化和工业化的不断发展，大气污染物的持续排放导致城市空气质量不断下降[1]。其中，作为我国重要城市发展群的京津冀地区，更是受频繁的人类活动以及超负荷工业生产的影响致使空气质量呈持续恶化趋势[2]。为解决日益突出的大气环境污染问题，京津冀地区采取了多项治理措施并一定程度上改善了该地区的空气质量，且在大气污染问题改善过程中发现，动态监测大气污染物成为治理大气环境污染问题的关键。然而，目前我国大气污染物的地面监测站点相对较少，监测过程中需要大量人力物力，且容易出现人为误差。随着现代科技技术的高速发展，遥感技术在大气环境污染监测方面的应用越来越广泛，主要是由于其连续性强、监测范围广、实时监测等特点解决了地面监测站点分布不均的限制[3]。2002年，Ichoku[4]利用MODIS卫星10 km分辨率的气溶胶产品的光反应反演气溶胶光学厚度(Aerosol Optical Depth，AOD)，表明AOD能够表征大气气溶胶浓度；随后，李成才[5]等利用MODIS气溶胶产品反演的AOD与地面观测AOD进行对比，表明卫星遥感的可靠性，并初步探讨了AOD与地面大气污染的关系[6,7]。黄靖[8]等选取青岛作为研究区域，以PM2.5、PM10、SO2等作为大气污染物指标，验证了AOD与PM10、PM2.5颗粒物具有较好的相关性；孙晓雷[9]等通过建立回归模型分区域探讨新疆地区AOD与大气污染物同步变化趋势以及相关关系。基于以上研究发现，探讨AOD与大气污染物之间的关系主要是以单一的回归模型为主，但这种模型存在要素间空间错位现象，即AOD与大气污染物在时间上不协调、空间上不完全匹配[10]，为了更好地探讨AOD与大气污染物之间的关系，针对这一问题，该项研究采取了物理学中的耦合协调模型，用此方法能够较好地解决重心偏移、空间不匹配等问题[11]。该项研究选取PM2.5、PM10、SO2、NO2作为污染指标，利用MOD04气溶胶产品、日均空气质量数据和大气污染指标日数据，分析AOD时空分布特征与变化规律，并结合耦合协调模型获取不同污染指标以及空气质量指标(Air Quality Index，AQI)与AOD耦合协调度，分析AOD与不同污染指标在时空分布上的耦合规律，以期为京津冀地区大气污染以及环境治理提供理论数据参考依据。

1研究区概况与数据方法

1.1 研究区概况

京津冀地区包含天津市、北京市2个直辖市以及河北省的承德、张家口、保定、石家庄、廊坊、沧州、衡水、邢台、邯郸、唐山以及秦皇岛等11个城市，总体走向北低南高，如图1所示，平原、盆地、丘陵、山地一应俱全，其中坝上高原属蒙古高原一部分，平均海拔在1 200～1 500 m，燕山及太行山地海拔多在2 000 m以下，燕山以北为张北平原，其余为河北平原，河北平原为华北平原一部分，其海拔在100 m以下。

京津冀作为环渤海核心区域，是我国重要的工业发展区，也是我国最大的能源工业基地、重要的钢铁基地[12]，工业化和城市化的深入推进，使京津冀的空气质量不断下降，成为我国控制空气污染的重点区域[13]。2018年京津冀地区空气质量总体得到改善，平均优良天数较2017年提高了1.2个百分点，占总天数50.5%，PM2.5浓度同比下降11.8%。其中北京地区优良天数占比为62.2%，比上一年上升0.3%，PM2.5浓度下降12.1%。

图1 京津冀DEM高程概况

1.2 数据与处理

1.2.1数据源

气溶胶数据：2018年1、4、7、10作为四季中典型月份气溶胶光学厚度数据。数据来源为NASA网站(https://ladsweb.modaps.eosdis.nasa.gov/)。该项目选取MOD04_3 km二级气溶胶日产品数据，分辨率为3 km，时间分辨率为1 d，提供格式为HDF4。根据京津冀地区的整体环境特点，选取MOD04_3 km AOD产品中550 nm处数据集。

DEM高程数据：空间分辨率为90 m，来源于地理空间数据云(http://www.gscloud.cn/)。

大气污染物数据：获取于中国环境监测总站(http://www.cnemc.cn/)发布的全国各城市空气质量日监测数据，从中选取京津冀地区2018年4个季度中的1月、4月、7月、10月4个典型月份空气质量数据中公布的PM2.5、PM10、SO2、NO24种污染物日数据。

空气质量指标(AQI)数据：通过计算每日污染物对空气质量影响程度进行级别、类别及表示颜色划分，是对空气质量进行定量描述的数据。获取于中国环境监测总站(http://www.cnemc.cn/)发布的全国各城市空气质量日监测数据，并在其中选取京津冀地区2018年4个季度中的1月、4月、7月、10月4个典型月份空气质量数据中公布的AQI日数据。

1.2.2数据预处理

(1)遥感数据预处理

该研究选取MOD04二级气溶胶日数据产品，以2018年4个季度中的1月、4月、7月、10月作为典型月份研究时间节点，借助ENVI和ARCGIS遥感平台对气溶胶产品进行预处理，制作气溶胶光学厚度空间分布图。具体包括选取550 nm处AOD栅格影像数据，利用ENVI软件结合IDL平台对其进行重投影批处理并提取其带有经纬度坐标的每日AOD数据集，对所得到的每日数据进行拼接、裁剪以及波段计算等步骤，得到符合研究要求的AOD月均分布图，然后利用ARCGIS软件对所得到的AOD空间分布数据制作相应专题图。

(2)污染指标标准化处理

因为各污染指标之间计量单位不同，所以需要将指标的绝对值转化为相对值来计算综合指标，即指标标准化。

(1)

其中，Xj表示标准化数据；Xi表示原始污染物指标数据；Xmin表示原始污染物指标数据中最小值；Xmax表示原始污染物指标数据中最大值。

1.3 研究方法

耦合度用来描述2个及以上系统要素相互作用程度的模型，即用来表示系统要素由无序到有序过程变换的特征和规律[14]。通过构建耦合度协调度模型来探讨AOD和空气污染程度之间的相互规律，并将模型分为耦合模型和耦合协调模型两部分。

(1)耦合度模型

借用物理学中容量耦合概念，得到如下模型。

(2)

式中，U表示2个系统要素的耦合度；f(x)、g(y)分别表示2个系统要素的综合指数，即研究中AOD平均数据以及大气污染物数据。

当所得结果U∈[0,1]时，U越接近于1表示耦合程度越显著，越接近于0表示耦合程度越小。当0≤U≤0.3时，表示低度耦合水平；当0.3

(2)耦合协调度模型

为避免出现2个系统要素均处于低值状态而达到高度耦合情况，建立耦合协调度模型。

Y=αf(x)+βg(y)

(3)

(4)

式中，C表示耦合协调度；U表示耦合度；Y表示气溶胶与各大气污染物指数的综合协调系数；α、β分别表示气溶胶与各大气污染物指数间贡献系数，研究认为AOD与各大气污染指数均成同等重要，所以α、β均取0.5。

将耦合协调度C∈[0,1]进行层次划分，当C=0时，表示极度耦合失调水平；当0

2结果与分析

2.1 AOD空间分布特征

2.1.1 AOD整体分布特征

京津冀地区AOD空间分布呈现"C"字半环状分布，以唐山-北京-保定-石家庄-邢台-邯郸为"C"字分割线，分割线以北为AOD低值区，以南为高值区。AOD的空间分布与该地区高程空间分布类似，这可能是由于分割线以北地区海拔北高南低，并且受蒙古高压的影响，风由西北往东南吹，较强的风速有效稀释气溶胶[15]。以南大部分地区AOD较高，一方面由于平原地区排放气溶胶颗粒较多，另一方面受地形影响，太行山阻断使得气溶胶无法得到有效扩散而聚集[16]。值得注意的是靠近渤海湾地区的AOD较低，主要原因为海风较强，且水资源对AOD具有稀释作用。

图2 AOD空间分布示意图

2.1.2 AOD四季分布特征

图3所示为京津冀地区季节平均AOD空间分布。

图3 京津冀地区季节平均AOD空间分布

由图3可知，京津冀地区AOD也具有明显的季节变化。其中，春季AOD的均值较其他三季高，且高值分布的区域范围也较大，这主要是由于盛行西风的影响，春季沙尘天气频发，京津冀地区不仅仅受本地排放源的影响，还接受来自干旱半干旱区的气溶胶颗粒物[17]。夏秋两季空间分布特征相似，但高值区域有所不同，夏季高值区多集中于人流量大的中东区域，秋季高值区多集中于农业活动密集的南部地区。冬季整个区域的AOD值都较小，这主要受蒙古高压以及冬季风影响，空气由西北部向东南部流动，大大削弱了气溶胶的增长[18]。

2.2 耦合协调度分析

2.2.1 AOD与AQI耦合协调度分析

为探究京津冀地区AOD与AQI之间相互关系，对二者耦合协调度情况进行统计，得出AOD与AQI耦合协调度统计情况表(见表1)。由表1知，京津冀地区AOD与AQI整体处于高度耦合状态，耦合度多集中于0.9左右，少数区域如承德市、张家口市处于低度耦合；由协调度来看，各区域协调度存在差异，但整体协调水平较高，协调度集中于0.7～0.9，其中北京、天津、廊坊市和唐山市处于高度协调，秦皇岛市处于中等协调，少数区域如承德市、张家口市处于极度失调，其余地区均处于极度协调水平。

表1 AOD与AQI协调耦合度统计情况表

为更加直观表现研究区域AOD与AQI耦合协调分布情况，借助ARCGIS软件结合表1结果制作京津冀地区AOD与AQI耦合协调度分布图(见图4)。结合图2中AOD空间分布走向可以看出，耦合协调度分布格局与AOD分布格局总体走势相似，呈南高北低趋势，AOD与AQI总体处于高度协调水平。其中，京津冀地区南部最高，一方面由于该地区本地排放源较多，另一方面该地区海拔比其他地区要低，大气污染物不易扩散。而京津冀地区北部植被覆盖度高，人口聚集度低，本地排放源较少，导致耦合协调度较低。

图4 京津冀地区耦合协调度分布

图5所示为AOD与大气污染物耦合协调季节变化情况。

图5 AOD与大气污染物耦合协调季节变化情况

由图5可以看出，AOD与AQI的耦合协调度随四季变化会出现一定波动，在人口聚集度低的地区比如承德、张家口波动变化较大，而人口密集地区波动变化较小。并且相对夏季，其他三季的耦合协调度波动幅度相对平稳，其中，秦皇岛地区波动变化明显，尤其到了夏季出现明显低值，这主要由于夏季受海风影响很大，海风带来的水汽使空气中湿度增大，污染物得到有效扩散，使得到了夏季AOD与AQI的耦合协调度骤降。

2.2.2 AOD与大气污染物四季耦合协调度分析

(1)各污染指标整体耦合协调分析

为进一步分析影响空气质量的因素，选取PM2.5、PM10、SO2、NO24种大气污染物作为指标，分析四季中不同指标与AOD之间的耦合协调水平。图6所示为 AOD与大气污染指标耦合协调对比图。

图6 AOD与大气污染指标耦合协调对比图

由图6可以看出，4种污染指标与AOD的耦合程度基本处于0.8～1.0之间，协调程度处于0.6～0.8之间，整体耦合协调水平较高，且高值区多集中于人口密集或者工业活动较多的地方，而承德、张家口等人口较少的地区污染物对AOD的贡献很少，这是因为张家口、承德区域人口聚集度低，植被覆盖度高，空气质量相对较好，且张家口、承德均位于河北省西北部，处于高海拔多山区地区，AOD值整体偏低，而位于河北省南部比如邯郸、邢台等重要工业区以及天津、北京、唐山等人口密集区域耦合效果较显著。结合图1，地形以及人口聚集度对于污染物与AOD的耦合效果具有一定影响，海拔高人流量较小的地区污染物与AOD的耦合协调度较低，海拔低且人口密集的地区污染物与AOD的耦合协调度较高。

从4种污染指标对比来看，PM2.5、PM10、NO23种污染指标与AOD耦合协调效果较显著，SO2与AOD耦合协调较差。其中，PM2.5、PM10与AOD的耦合协调性存在一定差异，比如北京地区PM2.5与AOD的耦合协调效果要比PM10高，这说明在北京地区AOD能够更好地监测PM2.5的变化。而秦皇岛地区PM2.5、PM10与AOD的耦合度较高，但协调度较低，这可能是因为秦皇岛地区以旅游业为主，本地污染源较少，且靠近渤海有利于大气气溶胶的扩散[19]。对比NO2、SO22种气态污染物可以看出，AOD与NO2的耦合协调度优于与SO2的耦合协调度，两者相同之处在于工业化和人口密集地区耦合协调效果相对显著，但是相比之下可以看出AOD对于监测NO2的敏感度要优于SO2。

(2)各污染指标季节性耦合协调分析

为进一步分析各污染指标存在差异的原因，从不同季节分析各污染指标与AOD之间的关系，并制作如图7所示的AOD与大气污染物耦合协调季节变化情况图。

图7 AOD与大气污染物耦合协调季节变化情况

如图7可知，综合4种污染物可以看出，整体上夏季耦合协调度较其他三季偏低，这可能是由于夏季降雨较多，能够有效地降低大气中颗粒物含量。而冬季受风速、逆温等气象条件影响，常出现静稳天气，所以部分地区出现耦合协调度失调情况[20]。

由不同指标来看，PM2.5、PM10在春季耦合协调效果最好，多处于0.8～1.0之间，这与京津冀地区春季多沙尘天气有关，到了夏秋两季，耦合协调度有明显下降趋势，这与AOD的分布规律吻合，同样受天气影响，夏季高温多雨，秋季湿润，使得颗粒物减少，AOD减小，耦合协调度下降。且与PM10相比，PM2.5与AOD的耦合协调度四季变化幅度比PM10的波动偏大，可以看出当AOD监测PM2.5时受季节气候的影响要高于监测PM10时的影响。

相对PM2.5、PM102种颗粒物， 2种气态污染物SO2、NO2与AOD的耦合协调度季节变化幅度较小，但夏季与其他三季相比会出现偏低情况，这是由于夏季较强的光化学反应致使SO2、NO2气体氧化形成硫酸盐、硝酸盐等颗粒态二次无机盐[21]。

3结论

(1)京津冀地区AOD空间上整体呈南高北低趋势，且以唐山-北京-保定-石家庄-邢台-邯郸连线为界构成"C"字型分界线，将研究区域划分为东南、西北两部分，以西北为海拔较高低值区域，东南呈低值区域；季节分布总体呈现春>夏>秋>冬的变化趋势。

(2)京津冀地区AOD与AQI耦合度显著，整体处于高度耦合水平，同时耦合协调度水平同样较高，多集中于0.6～0.8，大多数处于高度协调水平以上，经分析，可以将AOD作为指标表示京津冀地区空气污染情况，且越是人口密集地区越能更好地反应空气质量。

(3)AOD与大气污染物耦合分布基本与AOD分布特征一致，海拔较低的平原地区耦合协调度明显优于海拔较高山区，地形对AOD以及污染物具有一定影响，海拔高的区域耦合协调较低，海拔低的区域耦合协调较高。受京津冀气候影响，夏季较其他三季耦合协调度效果偏低，高温多雨致使京津冀地区AOD与污染指标之间耦合协调降低。并且通过4种污染指标与AOD耦合协调度对比分析，AOD对监测颗粒物的敏感度要高于气态污染物，且4种污染指标中AOD对监测SO2的敏感度最低。