基于EMI遥感NO2技术监测澳洲森林火灾活动

杨东上,曾议,罗宇涵,周海金,司福祺∗,刘文清

(1中国科学院合肥物质科学研究院安徽光学精密机械研究所,中国科学院环境光学与技术重点实验室,安徽 合肥 230031;2中国科学技术大学,安徽 合肥 230036)

0 引言

火灾是各种灾害中常见的威胁人类安全和生态系统的灾害之一。其中野火和森林火灾是对生态影响最大的火灾类型,不仅破坏性强,影响地球资源分布或人类财产,造成生态和经济损失,且对森林资源和生态安全造成长期潜在影响[1−3]。森林火灾是全球二氧化碳(CO2)和其他温室气体排放的重要贡献者[4],同时其燃烧产物也包括大量细颗粒物(小于2.5µm,PM2.5)、氮氧化物(NOx)以及挥发性有机化合物(VOCs)。此外,森林火灾产生的烟雾也可能含有有害、有毒空气污染物(HAPs)[5]。

基于森林火灾排放产物,建立林地火灾排放清单对于理解全球气候影响以及区域空气质量非常重要。而通过卫星遥感手段对森林火灾的非接触监测,可以宏观把握火灾发展趋势,监测燃烧排放气体的空间分布和影响区域。目前,针对痕量气体全球分布监测的遥感卫星,由于其采用多波段的光谱反演方法,针对特殊污染或灾害事件,可实现包括O3、SO2、NOx和VOCs等痕量气体的全球或重点区域监测。如Cahoon等[6]利用甚高分辨率辐射仪(AVHRR)和国防气象卫星(DMSP)监测了1987年中国东北和西伯利亚东南部的森林火灾,并分析了燃烧产生的CO、CH4和非甲烷烃(NMHC)等痕量气体的排放量。Theys等[7]利用TROPOMI和机载遥感,对火灾烟羽中的HONO的产生和光化学变化进行了研究。这些研究成果表明了卫星遥感在森林火灾监测中的适用性。

自2019年9月开始,澳大利亚森林火灾受多种因素影响,导致林火持续多月[8],过火面积达1860万公顷,造成严重的生态环境损失,不仅导致巨量温室气体的产生,同时也产生了大量包括氮氧化物和VOCs在内的痕量气体。本文将利用我国首台具有高光谱大气污染气体探测载荷星载大气痕量气体差分吸收光谱仪(EMI),对2019年澳洲森林火灾事件前后对比观测,评估本次火灾产生的NO2对大气的影响情况和火点的相关性,同时针对本次火灾污染事件,分析EMI载荷针对具体污染事件的监测性能。

1 EMI及数据

2018年5 月高分五号(GF-5)发射升空,该卫星是我国首颗实现对大气和陆地综合观测的全谱段高光谱卫星,也是一颗重要的科研卫星,由于其具有较高的光谱分辨率和的空间分辨率,可用于全球大气痕量气体成分和变化的定量监测,面向国家污染减排、环境质量监管、大气成分与气候变化监测需求。

EMI是GF-5卫星上的一个重要载荷,用于反演大气中常见痕量气体成分,包括O3、NO2、SO2以及VOCs。该光谱仪具有四个光谱通道,其光谱分辨率达到了0.3 nm,是目前在轨紫外、可见波段光谱分辨率最高的载荷,主要负责测量大气中的痕量气体(如NO2[9,10],O3,SO2,HCHO,BrO)的分布和变化,该载荷拥有114°视场,升交点为当地13:00,并采用太阳同步轨道,可以实现一天覆盖全球的观测。

利用EMI载荷反演NO2采用的是紫外可见波段光谱,以太阳光谱作为被动参考光源,对于紫外可见通道,其采样空间分辨率最高可达到13 km×12 km。EMI的NO2数据产品包括近实时和离线数据产品,其中近实时数据产品基于DOAS反演算法,利用辐射传输模型获得大气质量因子(AMF),将DOAS反演获得的斜柱浓度转化为垂直柱浓度。

2 EMI对流层NO2浓度反演

研究中采用EMI离线数据产品。在获取该数据产品过程中,首先将采集的光谱数据重新进行光谱定标,对定标后的L1b级数据的NO2反演波段进行敏感性分析,综合考虑RMS及拟合气体的吸收截面,选择最优的反演波段,最后选取411～450 nm波段作为EMI NO2反演波段。结合EMI在外太空采集的太阳辐照度数据,利用DOAS技术获取NO2的总斜柱分子数密度。图1为EMI过境澳大利亚东南区域森林火灾时所采集光谱的DOAS拟合实例,拟合浓度为2.49×1016±9.25×1014molecules·cm−2,反演误差远小于10%。

图1 2019年11月8日EMI NO2(a)、O3(b)、O4(c)反演结果以及光谱拟合残差(d)Fig.1 EMI NO2(a),O3(b)and O4(c)inversion results and spectral fitting residuals(d)on November 8,2019

由DOAS反演所获得的NO2浓度为总斜柱浓度,而评估污染源向大气中排放的NO2主要关注其对对流层的影响,因此,利用参考区域法对总斜柱浓度分离得到对流层NO2的斜柱浓度(SCD),该方法是以同纬度上远离大陆的太平洋区域所观测的NO2SCD近似为该纬度上的平流层浓度,进而从总柱浓度中扣除获得对流层斜柱浓度。在将斜柱浓度转为垂直柱浓度的过程中,利用辐射传输模型模拟NO2AMF,将对流层NO2斜柱浓度转化为对流层垂直柱浓度。由于痕量气体的先验廓线很大程度上会影响NO2AMF的精度,因此采用GEOS-CHEM模拟的0.25°×0.315°高空间分辨率的NO2廓线作为先验廓线,然后利用MODIS云数据产品及ECMWF获得的全球温压廓线修正辐射传输模型。

3 结果和讨论

3.1 EMI对流层NO2垂直柱浓度结果验证

为验证EMI对流层NO2反演的性能,利用TROPOMI对EMI数据结果进行验证。由于TROPOMI和EMI采用相似的推扫式成像光谱仪,其过境时间均为当地时间13:30左右,两者时间差异性较小,但TROPOMI的空间分辨率较高(约为3.5 km×7 km),EMI的星下点空间分辨率约为12 km×13 km,为对比不同载荷观测对流层NO2浓度的相关性并保证数据对比的准确度,以0.25°的经纬度网格对不同载荷观测的NO2数据产品进行了重采样处理。图2为2019年11月8日TROPOMI和EMI过境澳大利亚期间的重采样数据结果,其中因EMI轨道边缘区域空间分辨率较大,导致图2(b)中澳大利亚中部区域某些重采样像元数据缺失。根据皮尔逊相关系数获得TROPOMI和EMI的对流层NO2VCD空间相关系数R约为0.91,拟合斜率为0.42,这主要是由于平流层估计和对流层AMF计算引入的系统偏差[14]。

图2 2019年11月8日TROPOMI(a)和EMI(b)对流层NO2VCD的澳大利亚分布对比Fig.2 Comparison of the Australian distribution of TROPOMI(a)and EMI(b)tropospheric NO2VCD on November 8,2019

3.2 火灾前后澳洲NO2时空分布

澳大利亚受自然环境影响,人口和经济发达地区主要分布在东南沿海地区,因此澳洲NO2的地区分布主要在东南方向的一些城市集群和工业集中区。以2018年11月为例,新南威尔士州和维多利亚州是澳大利亚NO2月平均浓度最高的州,如图3所示。其中新南威尔士东部的悉尼(SY:151.061 E,33.864 S)和辛格尔顿地区(SL:151.154 E,32.593 S)是该州NO2浓度最大的地区。在正常条件下,新南威尔士东部沿海主要城市群11月月均NO2浓度约为2.39×1015molecules·cm−2,其中SL区域可观测到月均最高NO2浓度(1.06×1016molecules·cm−2),这是新南威尔士州较大的煤矿产区,其次是澳大利亚悉尼,作为面积最大、人口最多的城市,其 NO2浓度月均最高为 3.92×1015molecules·cm−2。

图3 2018年11月澳大利亚月均对流层NO2浓度分布Fig.3 Distribution of monthly average tropospheric NO2concentration in Australia in November 2018

2019年11 月森林火灾期间,新南威尔士州的NO2浓度出现明显的增高趋势(图4)。其中SY和SL地区月均 NO2最高浓度分别为 4.54×1015molecules·cm−2和 1.32×1016molecules·cm−2,相比往年分别增加了15%和24.5%。靠近悉尼地区的Wollemi和Yengo国家公园(Yengo NP)以及盖伊福克斯河国家公园(OWR NP)的NO2浓度表现为显著增高。结果表明,在不发生森林火灾的情况下,SY和SL地区NO2的长期空间分布主要受到人为因素的影响,而2019年11月火灾是导致Yengo NP和OWR NP的NO2浓度显著增高的主要原因。

图4 2018年11月(a)和2019年11月(b)新南威尔士州月均对流层NO2浓度分布Fig.4 Distribution of monthly average tropospheric NO2columns in New South Wales in November 2018(a)and November 2019(b)

3.3 澳大利亚森林火灾期间NO2的时空变异性

对EMI单日观测的澳大利亚地区NO2浓度和火灾情况进行分析,其中火灾数据采用全球火灾排放数据库(GFED)项目中的总排放因子(Daily fire emission fractions),由于该排放因子涉及痕量气体和气溶胶等多种火灾燃烧产物,因此可利用该因子评估火灾的强度,该数值越大,表明火灾燃烧程度越强(https://globalfiredata.org/pages/data/)。图5为2019年10月3日和11月8日澳大利亚东南地区火点和NO2浓度分布图。由图可知,在火点较少的10月3日[图5(c)],澳大利亚的新南威尔士州的NO2浓度[图5(a)]没有表现出较强的污染源点和污染区域,但11月8日的NO2浓度分布[图5(b)]和火点分布[图5(d)]表现为较强的相关性,尤其是OWR NP地区的森林火灾,火点分布密集,且观测到的NO2浓度较高,火点区域平均浓度为 1.586×1016molecules·cm−2,最高区域浓度约为 2.314×1016molecules·cm−2,此外通过 [图 5(b)]可发现明显的由风场导致的NO2污染向海面进行扩散的现象。

图5 2019年10月3日和11月8日新南威尔士州NO2浓度分布(a)、(b)及火点分布(c)、(d)Fig.5 NO2distribution(a),(b)and fire point distribution(c),(d)in New South Wales on October 3 and November 8,2019

图6为2018年和2019年11月Yengo森林公园及周边SL、SY的NO2相对频率分布和火点频数统计。其中图6(a)的NO2浓度相对频率分布表现为单峰和正偏态分布,NO2在2019年11月月统计浓度频率峰值为 9.5×1015molecules·cm−2,占比约为 9.3%,而 2018 年 11 月频率峰值为 9.2 ×1015molecules·cm−2,占比约为6.2%。结果表明2019年该地区的NO2浓度相比2018年表现的更高,且占比更大。此外2019年11月的NO2浓度在大于1.6×1016molecules·cm−2的情况也有发生。图6(b)为该地区的火点情况频数统计,结果表明2019年区域整体燃烧程度和频次均有明显突出。

图6 2018年11月和2019年11月Yengo森林公园及周边区域NO2相对频率分布(a)和火点频数统计(b)Fig.6 The relative frequency distribution of NO2(a)and the statistics of fire frequency(b)in Yengo Forest Park and surrounding areas in November 2018 and November 2019

研究中分析了2019年澳大利亚火灾期间不同地区NO2的浓度变化与火灾严重程度的关系。以OWR NP和Yengo NP地区为例,对相关区域NO2的浓度变化情况和火灾严重程度进行时间序列分析。OWR NP和Yengo NP均位于澳大利亚东南沿海附近,两者相距约277 km,其植被覆盖率基本相同,但Yengo NP靠近大城市集群,此次的NO2污染除了来自于火灾等自然源外,还受到城市群和工业园区的污染影响。图7为11月份两个国家公园的火灾严重指数和地区NO2平均浓度变化情况,其中部分日期由于受到大面积云量的影响,造成NO2监测数据的缺失。图中结果总体表明,两个公园的区域NO2浓度变化与火灾严重程度相关性较高,尤其是OWR NP地区,其区域NO2变化趋势与火灾严重指数的变化趋势基本相同。

图7 2019年11月OWR NP(a)和Yengo NP(b)地区NO2浓度和火灾程度变化趋势Fig.7 Changes in NO2concentration and fire severity in OWR NP(a)and Yengo NP(b)areas in November 2019

4 结论

基于EMI卫星载荷监测对流层NO2浓度,分析了2019年11月澳大利亚火灾期间NO2的空间分布和时间变化。在森林火灾发生过程中,大气中的NO2浓度均有不同程度的增加,其中,远离城市区域的NO2浓度增加了约24%,而靠近城镇区域,其浓度增加约为15%。同时对OWR和Yengo两个公园的火灾程度和NO2排放分析发现,澳大利亚火灾产生的NO2浓度与火点数量和燃烧程度相关性较高。本次结果也表明,EMI可用于监测区域NO2的变化趋势,同时可实现对具体污染事件如森林火灾燃烧产生的NO2的监测。