贵阳市MODIS气溶胶光学厚度与大气污染物的关系模型研究

王 琴 冯 杰 陈远航 赵 樊 胡凯璐 黄仪之

(1.贵阳市环境信息中心,贵阳 550002;2.贵阳市环境空气质量预测预报中心,贵阳 550002;3.贵州省生态环境厅,贵阳 550002;4.贵州楚云环保科技有限公司,贵阳 550002)

随着我国经济的快速发展和城镇化进程的日益加快,环境污染效应不断累积,大气污染呈现出的区域化特点愈加明显[1]。各大城市大气污染物都在不同程度上影响着居民的生活环境,其中可吸

入颗粒物和细颗粒物成为空气污染中的最主要污染物[2-3]。目前,中国大多数城市已建设了空气自动监测站,可以对污染物地面浓度进行24 h连续监测。但是由于监测站点分布不均匀且数量有限[4],该监测手段难以在空间尺度和尚无监测点的区域获得污染物的时空分布与变化资料。而卫星遥感观测具有覆盖范围广泛、时效性强的特点,能够弥补地面监测站点在空间分布上的不足,其越来越多地被应用于大气污染监测[5]。

大气气溶胶是指均匀分散并悬浮于大气中液态和固态微粒的总称,其粒径范围大约在0.001～100 μm之间,液态微粒近似于球形,固态微粒多不规则,对太阳辐射具有吸收和散射作用,主要集中在对流层尤其下边界层。气溶胶光学厚度(aerosol optical depth, AOD)作为大气气溶胶最基本的光学特性之一,表示气溶胶的消光系数在垂直方向上的积分,描述了气溶胶对光的衰减作用[6],能反映气溶胶的信息,是研究大气环境变化以及气溶胶辐射气候效应的重要指标[7-8]。当前国内外学者对气溶胶和大气污染物之间的联系已开展了大量的研究。Wang[9]研究了美国多个地面污染物与MODISAOD的相关性,表明AOD可以定量评估当地的空气质量。Engel-Cox等[10]对AOD和地面监测的PM2.5浓度值进行相关性研究发现,AOD与对应的PM2.5小时均值以及月均值均有较好的相关性。张晖等[11]研究发现经过垂直标高和相对湿度订正后的AOD与PM10的相关性明显提高,且在冬季相关性最好。武菁[12]建立了河北平原城市基于可吸入颗粒物PM10与AOD之间的定量模型,并通过引入季节虚拟变量,提高了模型的预测精度。陈良富等[13]通过建立卫星观测的气溶胶光学厚度数据与地面颗粒物观测资料的统计模型,发现细颗粒物浓度与AOD相关性更强,具有更好的估算精度。刘欢[14]使用线性函数模型、对数函数模型、一元三次、幂函数模型以及指数函数模型对重庆市冬季大气颗粒污染物进行研究,得出一元三次模型更适合估算重庆冬季的大气污染物。从以上科研成果可以看出AOD数据与空气污染物之间有一定的相关性,并且可以建立关系模型来反映大气污染状况,从而达到利用卫星遥感手段监测空气质量的目的。

目前,AOD遥感卫星数据产品主要来自于美国中分辨率成像光谱仪(MODIS),多角度成像光谱仪(MISR)和臭氧监测仪(OMI)等传感器提供的气溶胶产品。这些AOD产品虽然具有很高的时间分辨率(1～2次/天),但其空间分辨率却很低(≥10 km),难以反映局部地区的空气污染分布细节。因此,美国国家航空航天局发布了更高空间分辨率的MODIS AOD产品。该类产品不仅可以展示出更丰富的空间细节信息,还能突出地反映局部地区空气污染空间变化趋势,已经在北京[15]、重庆[14]、华盛顿[16]、长江三角洲[17]等地区的颗粒物浓度监测中取得一定成果,因此可用来反演局地范围的大气污染物浓度。

贵阳市是中国西南地区重要的中心城市之一,随着能源结构和产业结构的改变、机动车保有量的快速增加,贵阳市的大气污染防控形势越来越严峻。同时有关贵阳市卫星遥感气溶胶产品与大气污染物关系的研究较少,迫切需要从大范围区域分析贵阳市大气污染物浓度分布。因此,本文利用MODIS数据和空气质量监测站点数据,建立大气污染物浓度与AOD之间的关系模型,以期为贵阳市空气质量监测和评价提供一定的参考。

1 材料与方法

1.1 研究区概况

贵阳市(106°07′—107°17′E,26°11′—26°55′N)是贵州省省会,是贵州省的政治、经济、文化、教育、科学技术、交通中心,也是中国西南地区重要的交通通信枢纽、工业基地及商贸旅游服务中心。贵阳又称“林城”“筑城”,是连接丝绸之路经济纽带和21世纪海上丝绸之路的重要门户。市域总面积8043 km2,辖6区3县1市,2021年末常住人口为610万人。地处云贵高原,地貌以山地和丘陵为主。地势西南高,东北低。贵阳市属于亚热带高原季风湿润气候区,冬无严寒,夏无酷暑,热量丰富,雨量充沛,多云日照少,风速较小,相对湿度较大。

据贵阳市生态环境局2021年环境质量公报:贵阳市环境质量优良天数为361天,占全年天数的98.9%;轻度污染4天,占比为1.1%。空气中二氧化氮、可吸入颗粒物和细颗粒物的年均浓度分别为0.020 mg/m3、0.043 mg/m3和0.024 mg/m3,臭氧日最大8小时平均浓度为0.114 mg/m3。4种污染物浓度均达到国家二级标准。但与上年相比,环境空气质量综合指数上升3.6%,空气质量略有降低;二氧化氮、可吸入颗粒物、细颗粒物和臭氧都呈上升趋势,分别上升11.1%、4.9%、4.3%和0.9%。

1.2 数据源

1.2.1 MODIS气溶胶产品

MODIS作为一种成熟的观测大气气溶胶光学厚度的传感器,在环境污染和空气质量等研究中都发挥了重要作用。近年来,MODIS产品经历了多次更新,V6在V5的基础上在云掩膜等方面对算法进行了改进。MCD19A2 V6是MODISTerra和Aqua结合的陆地气溶胶光学深度(AOD)的2级日产品数据,空间分辨率为1 km×1 km。本研究选用的是2021年1月-12月的MCD19A2数据产品,下载于NASA Goddard Space Flight Center中的LAADS网站(https://ladsweb.nascom.nasa.gov/data/),然后利用IDL程序对下载的影像数据进行投影转换、灰度值换算和边界裁剪,提取出贵阳地区波长为0.55 μm的AOD值用于研究。

1.2.2 大气污染物数据

本文所用的大气污染物包括PM2.5、PM10、SO2、NO2、CO、O3,其浓度数据来自贵阳市环境监测中心,共获取了2021年1月1日-12月31日贵阳市22个环境质量监测站点的每日分时的空气质量数据。图1为研究区范围内22个环境监测站点的位置分布。

图1 本文所选用的贵阳市环境监测站点分布

1.3 方法

1.3.1 数据处理

研究中涉及到的变量有AOD、大气污染物浓度。本文对上述数据进行了匹配处理以便于建模、验证和分析。数据匹配原则是时间上以卫星过境时间为准,根据MODIS卫星过境时间(约上午10：30),选取地面监测站每日上午10：00-12：00的平均各污染物浓度数据,再将所有站点的数据取平均,同时选取的是晴空无云天气,剔除降水天气的数据;在空间上以地面监测站点为准,根据22个监测站点的具体位置,分别提取各站点对应像元的非空白AOD值,再将所有站点的AOD值取平均。

1.3.2 回归分析

回归分析是指确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。本文通过SPSS软件,按照“分析-回归-曲线估计”的模式,利用线性、对数、一元三次、乘幂、指数等函数模型对自变量和因变量进行拟合分析,最后对比拟合模型参数(R2和Sig.)选出拟合效果最优的模型。其中,R2为模型的拟合优度,衡量回归方程整体的拟合程度,具体指回归方程所能解释的因变量变异性的百分比,R2越大说明拟合程度越好。Sig.值为概率P值,Sig.小于显著性水平规定的0.01,说明建立回归模型的2个参量之间是极显著相关的,建立的模型具有统计学意义;Sig.小于0.05,说明2个参量之间是显著相关的,模型具有统计学意义;Sig.大于0.05,则2个参量之间是不相关的,建立的模型不具有统计学意义。挑选最优拟合模型的前提条件是回归模型具有统计学意义,即是满足Sig.小于显著性水平规定的0.05之后,再选择拟合优度R2最大的,如此挑选出的回归模型为相关性拟合效果最好的。此外,F表示自变量对因变量的解释力度,F值越小说明解释力度越差。

2 结果与分析

2.1 AOD和大气污染物浓度的统计特征描述

本文研究涉及的变量有AOD、PM2.5、PM10、SO2、NO2、CO和O3,通过匹配处理后共得到了研究区2021年期间39天的数据,共计39×6例样本数。表1为建模数据中各参数的统计特征。AOD的最小值为0.220,最大值为0.815,均值为0.460,标准差为0.185。在大气污染物中,PM10的最小值为27.409 μg/m3,最大值为166.810 μg/m3,均值为

表1 AOD与大气污染物浓度的统计特征表

66.804 μg/m3;PM2.5的最小值为11.682 μg/m3,最大值为78.048 μg/m3,均值为37.977 μg/m3;而O3的最小值为61.762 μg/m3,最大值为157.545 μg/m3,均值为99.652 μg/m3,这表明了贵阳市有较高的颗粒物和O3浓度背景值。

2.2 AOD与大气污染物浓度的关系分析

将筛选出的39对数据中的AOD作为自变量x,大气污染物PM2.5、PM10、SO2、NO2、CO、O3分别作为因变量y进行指数、线性、对数、一元二次和幂函数等类型的简单回归分析,散点图和拟合曲线见图2,模型拟合的参数估计值见表2。从表中可以看出,AOD与NO2、SO2和O3的拟合模型Sig.值均大于0.05,且R2值也较小,这表明这3组变量建立的模型不具有统计学意义。AOD与CO拟合的模型都满足Sig.小于0.01,乘幂函数的拟合优度最高,为0.293,其乘幂函数对应的线性拟合方程为:y=0.8402x0.3628。AOD与PM10建模的结果均满足Sig.小于0.01,乘幂函数的拟合优度最高,为0.493,其拟合的方程为y=119.72x0.8066。AOD与PM2.5拟合的结果也均满足Sig.小于0.01,乘幂函数的拟合优度最高,为0.597,其拟合的方程为y=79.934x1.023。

表2 AOD与大气污染物浓度拟合模型参数汇总表

图2 AOD与各大气污染物浓度的拟合曲线(a)SO2,(b)NO2,(c)CO,(d)PM10,(e)PM2.5,(f)O3

整体来看,AOD与颗粒物浓度表现出较高的相关性,这也与Engel-Cox等[10]和Zhang等[18]研究结果相一致。而综合考虑Sig.、R2和F值,可以看出乘幂函数模型有着较好的建模效果。

3 结论

本文基于地面环境监测数据和气溶胶光学厚度数据,以贵阳市为研究区,理论上探究了AOD与大气污染物浓度的相关关系,建立二者之间的回归模型。通过回归分析可知,气溶胶光学厚度与CO、PM10和PM2.5存在较好的相关关系,这证明了气溶胶光学厚度与大气污染物存在显著相关性,可以进行回归分析并建立统计模型,为利用遥感数据在大范围内监测贵阳市大气环境质量提供依据。

值得注意的是,由于贵阳市独特的自然环境和AOD反演方法的客观限制,本文2021年内获取到的遥感数据是有限的,因此后续的研究中可适当增加遥感数据的研究时序;另外建立的相关性模型仅考虑了气溶胶光学厚度和大气污染物浓度之间的关系,若再加入气候、人类活动等影响因素,模型的拟合优度可能会进一步提高。