基于卫星遥感的关中盆地PM2.5浓度时空变化特征研究

张凯南

长安大学地球科学与资源学院,陕西 西安 710054

空气污染与人类健康息息相关,是全世界关注的重要环境问题。空气动力学直径小于2.5 μm的颗粒物(PM2.5)是空气污染物的重要组成部分,基于高精度、高覆盖率的PM2.5数据集,可以开展对PM2.5浓度时空变化特征的研究,从而可为空气污染控制政策的制定提供重要科学依据。然而传统地面监测手段获取的PM2.5浓度观测数据较为稀缺,不足以开展深入研究。利用PM2.5粒子的消光特性,借助卫星遥感的气溶胶光学厚度(AOD)反演PM2.5浓度,可以有效弥补地面监测站点观测数据的不足,目前已成为研究PM2.5的重要手段。随着我国经济发展和城市化进程的加快,PM2.5污染问题日益显著。位于我国西北部的关中盆地经济发展迅速、人口密集,加之其特殊的盆地地势条件,一直是我国PM2.5污染最为严重的地区之一。根据以上背景,本文基于卫星遥感AOD数据,构建适合于关中盆地的高精度PM2.5反演模型,并以此为基础研究关中盆地PM2.5浓度的时空变化特征。主要研究内容和成果如下。

(1) 基于SONET地面监测网络的AOD数据,通过对比和拟合回归分析,对不同质量标志(QF)的VIIRS AOD产品进行验证。在关中盆地的验证结果表明:VIIRS AOD QF=3产品与SONET AOD表现出显著的线性相关(R2=0.72),有超过80%的VIIRS AOD落在预期误差的区间内,这说明卫星遥感VIIRS AOD数据在关中盆地准确可靠,可以作为构建PM2.5反演模型的基础数据。

(2) 基于VIIRS AOD QF=3数据、气象参数(温度、行星边界层高度、相对湿度)、归一化差分植被指数和人口密度,并结合纬向风速,同时顾及PM2.5浓度随月份和季节性的变化,构建一个能解释关中盆地PM2.5-AOD时空变化关系的多尺度地理-时间加权回归(geographically and temporally weighted regression-multiscale,GTWR-Ms)模型,并采用交叉验证方法评估该模型的估算能力和过度拟合现象。结果表明:相较于其他能解释PM2.5-AOD时空变化关系的常用模型,GTWR-Ms模型能更准确地估算出关中盆地的PM2.5浓度,其R2可达到0.85,交叉验证后的R2为0.76;针对不同季节,GTWR-Ms模型的估算精度存在差异,夏季和秋季优于春季和冬季。

(3) 基于论文研究构建的GTWR-Ms模型,反演得到关中盆地2013—2019年的PM2.5浓度变化,在月份、季节、年份3个时间尺度上分析PM2.5浓度的时空变化特征,并讨论社会经济因素与PM2.5空间分布的相关性。结果表明:通过GTWR-Ms模型估算的关中盆地2013—2019年地面PM2.5浓度可以满足论文研究的需求,R2的范围为0.80～0.87;从2013—2019年,关中盆地的PM2.5浓度总体呈下降趋势,其中2015年较2014年的降幅最大,达到12%;西安市、咸阳市和渭南市的PM2.5浓度普遍高于宝鸡市和铜川市,高浓度的PM2.5除来源于本地排放外,地形和气象作用也是关键因素;在GDP高、夜间灯光强以及城市用地占比大的区域,PM2.5浓度更高。

(4) 以新冠疫情这一特殊事件为契机,研究疫情管控措施对关中盆地PM2.5浓度及空气质量的影响。在6 km×6 km的空间分辨率上,基于GTWR-Ms模型反演2020年疫情期间关中盆地的地面PM2.5浓度变化,并结合地面监测站的大气污染物(PM10、SO2、NO2、CO和O3)浓度观测结果进行综合分析。结果表明:疫情期间,关中盆地的空气质量改善明显;在实施管控措施后,卫星遥感数据反演和地面监测站观测得到的PM2.5浓度分别下降了27%和37%;随着疫情得到控制,管控措施逐渐放松,大气污染物浓度开始出现反弹趋势。

中图分类号：P237文献标识码：D