天宫二号数据大气细颗粒物遥感反演

李芮,陈健,崔嘉文

(南京信息工程大学 遥感与测绘工程学院,南京 210044)

0 引言

近年来我国经济和社会快速发展,城市环境问题愈发突出,大气污染事件频发,引发了政府和社会的广泛关注。大气颗粒物(particulate matter,PM)是影响大气环境质量的主要污染物之一,对人类健康和社会发展等有重要影响[1]。其中,动力学直径小于2.5 μm(PM2.5)的细颗粒物包含了大量有毒物质和细菌,严重影响人类生命健康,且PM2.5来源复杂,时空变化大、化学成分复杂,对气候变化也产生影响[2]。2013年我国颁布大气污染防治十条措施以来,至2017年,全国颗粒物浓度大幅度下降,但仍然处于较高水平,同时近地表臭氧浓度日益增加,因此我国生态环境部指出将持续推进PM2.5污染和臭氧的协同治理。因此,PM2.5浓度的监测和空间分布研究有利于大气污染的综合治理,对保护人类健康、改善生态环境及社会可持续发展具有重要的意义。

如今我国已经建立了2 026个空气质量国控监测点,对PM2.5等大气污染物进行长期观测。站点监测具有高时间分辨率的优点,但存在空间覆盖率低、站点分布不均等问题[3-4]。因此,利用遥感技术手段开展气溶胶光学厚度(aerosol optical depth,AOD)、PM2.5等反演成为了大气环境遥感的重要研究方向。目前,已有很多国内外学者利用遥感方法反演近地表大气颗粒物浓度[5]。遥感卫星数据具有范围广、时间快、动态性、成本低等优点,能够获得具有空间连续性的颗粒物浓度,很大程度上弥补了传统地面监测的不足。以往许多学者基于MODIS(moderate-resolution imaging spectroradiometer)、GOCI(geostationary ocean color imager)、Himawari-8等卫星数据进行相关颗粒物反演与空间分布研究[6-9]。在缺乏湿度、垂直订正等参数的条件下,机器学习方法训练的AOD与PM2.5关系模型具有较高精度[10],被广泛用于PM2.5的反演研究之中。如Chen等[11]利用MODIS AOD产品和气象数据,开发了鲁棒性较好的每日随机森林PM2.5预测模型,Bagheri[12]利用卫星AOD和气象数据,开发了预测PM2.5浓度的神经网络模型并获得了较高的精度。但由于这些卫星数据的分辨率较低,其AOD产品因冬季像元少而存在缺失值,在城市污染监测和细颗粒物空间分异性研究中存在一定局限性,无法满足较小区域空气质量研究和精细化尺度研究的需求。分辨率较高的Landsat TM/OLI数据等由于其幅宽较小,无法在短时间内进行大规模监测,不能较好分析城市地区的污染特征。此外,国产高分系列卫星(GF)具有空间分辨率高、范围大的优点,也被应用于气溶胶及颗粒物反演研究,如贾亮亮等[13]利用GF-1 WFV数据,结合深蓝算法和暗像元算法获得了高精度的AOD结果,严莹婷等[14]利用GF-4 PMS数据反演了高精度的PM2.5结果。因此,使用百米级空间分辨率、较大幅宽的遥感数据对城市大气污染进行遥感反演研究,可以更加精细地监测与分析城市污染的空间分布。

天宫二号(TG-2)搭载的宽波段成像仪(wide band imager,WBI)具有独特的特点,空间分辨率为100 m,幅宽为300 km,并实现了“图谱合一”,能够同时获取影像信息和地物光谱信息。在气溶胶遥感研究中,相对于MODIS、Himawari-8、GOCI静止卫星等遥感数据,TG-2/WBI获取了空间分辨率更高的数据影像,能够更加精细地描述区域内气溶胶空间分布,非常适合区域大气细颗粒物浓度反演。本文利用TG-2/WBI数据,结合MODIS地表反射率产品、能见度和相对湿度数据,对AOD和PM2.5浓度进行了遥感反演和精度验证,并初步分析了研究区域AOD和PM2.5的空间分布特征,探讨了国产WBI数据在气溶胶和细颗粒物的遥感反演和动态监测方面的可行性。

1 研究材料

1.1 天宫二号数据

天宫二号于2016年9月由中国载人航天工程发射升空,获取了大量的遥感数据。天宫二号搭载了新一代宽波段成像光谱仪,该传感器波段宽、视场宽,实现了“图谱合一”的功能,是国内外第一台在可见近红外、短波红外及热红外波段实现大视场全推扫成像,并具有组合集成功能的成像仪,获取的多光谱影像具有高时空分辨率的特点,适用于陆地、大气探测和湖泊、海洋等气候观测。在可见近红外波段,TG-2/WBI的光谱范围为0.403～0.970 μm,分为14个通道,其空间分辨率为100 m,适用于PM2.5的遥感反演及空间分布的研究。

由于天宫二号于2019年7月停止服务,服务期限较短,获取的研究区影像数量有限,通过筛选研究区域云覆盖较低的影像,本研究最终选取了鲁豫皖地区的3景典型TG-2/WBI数据开展研究,获取时间分别为2017年3月18日、2017年12月2日、2017年3月14日。第1幅图像主要覆盖山东北部(38°N,118°E),包括东营、德州、济南、淄博和潍坊;第2幅图像覆盖河南省北部和河北省南部(36°N,114°E),主要位于太行山东部;第3幅图像位于鲁豫皖地区的边界(34.5°N,116°E)。为了简明描述,本文研究区域简称为鲁北地区、豫北地区和鲁豫皖边界地区。所有数据均由载人航天空间应用数据推广服务平台提供(http://www.msadc.cn),下载数据已经过几何订正。本文对TG-2数据进行辐射定标,以获得真实辐亮度值,选用蓝波段(波长:0.480～0.500)数据进行AOD反演。

1.2 MODIS产品

目前MODIS传感器搭载在Terra卫星和Aqua卫星上,其数据波谱范围为0.4～14 μm,光谱通道分为36个。MOD09A1是MODIS地表反射率8 d合成产品,本研究利用MOD09A1来构建一套新的TG-2/WBI地表反射率数据库,并利用MOD04_3KM数据对TG-2/WBI数据的AOD结果进行比较和验证。

1.3 气象数据

本研究使用的能见度数据来自于中国气象数据网(http://data.cma.cn/site/index.html),提取研究区域内各城市的能见度数据。使用的相对湿度来自于NCEP/NCAR再分析数据集,下载于美国data.gov网站,数据的分辨率为2.5°。本研究选取与成像时间相对应的能见度及相对湿度数据。

1.4 地面站点 PM2.5数据

从空气质量在线监测分析平台上(https://www.aqistudy.cn/)收集卫星过境时研究区域内各城市的实测PM2.5空气质量数据。本研究使用鲁北地区东营、沧州、滨州等10个地区的数据,豫北地区邯郸、安阳、焦作等11个地区的数据,鲁豫皖边界地区亳州、濮阳、淮北等10个地区的数据。

2 研究方法

首先,基于TG-2/WBI数据,采用深蓝算法对研究区域进行AOD反演,并利用能见度数据和NCEP相对湿度数据分别进行垂直订正与湿度订正。然后,利用回归分析方法对PM2.5浓度进行反演。最后,利用MOD04和站点实测数据分别进行AOD和PM2.5反演结果的精度验证。

2.1 AOD反演

假设地球表面是朗伯体且大气的水平条件是均一的,此时卫星传感器能获得的表观反射率ρTOA如式(1)所示。

(1)

式中:μS为太阳天顶角的余弦;μV为观测天顶角的余弦;φ为相对方位角;ρ0为大气层辐射项的等效反射率;R0为朗伯体的地表反射率;S为大气整层向下路径的半球反射率;T为大气透过率。从式(1)中可以看出ρ0、S和T具有大气状况的特征信息,R体现了地球表面反射的特征[15],因此ρTOA是大气特征信息与地表反射信息的耦合,为获取准确的AOD反演结果,需要先完成地气解耦的处理。

目前,常用暗像元法和深蓝算法进行AOD遥感反演。暗像元法在高反射率地区的地气解耦中效果不佳,而深蓝算法能够去除地表贡献的影响[16],在地表类型广泛的地区效果更好。研究区土地利用类型复杂、地表反射率较高,本文使用深蓝算法实现研究区域的AOD反演。具体反演过程如下。

1)计算表观反射率。基于TG-2/WBI数据,计算表观反射率ρ,如式(2)所示。

(2)

式中:L为各像元的辐亮度值;D为平均日地距离的订正因子;Esun为太阳辐照度;θS为太阳天顶角。

2)构建地表反射率库。TG-2没有地表反射率产品,故使用MOD09A1构建TG-2地表反射率库。TG-2(B12)和MOD09A1(B3)蓝光波段波长范围分别为480～500 nm和459～479 nm,使用波段转换减小光谱响应差异。选取ENVI波谱数据库中53种典型地物光谱数据,对二者蓝光波段地表反射率进行转换,并建立线性回归模型,采用交叉辐射订正进行光谱转换,波段转换如式(3)所示,光谱转换如式(4)所示。

(3)

RTG-2_B12=1.006 1·RMODIS_B3+0.004

(4)

式中:λ1、λ2为波长积分的上限、下限;λ为波长;W(λ)为光谱响应函数;P(λ)为典型波谱库中地物反射率;RTG-2_B12和RMODIS_B3分别为TG-2和MODIS蓝光波段反射率。

图1为TG-2与MODIS蓝光波段地表反射率的回归模型图。从图1可知决定系数R2为0.996 7,拟合度非常高,说明该光谱转换公式能够适用于实验区域。

图1 TG-2与MODIS蓝光波段地表反射率散点图

3)角度数据准备。由于深蓝算法需要逐像元计算AOD的值,因此需要确定每个像元的角度参数:观测天顶角、观测方位角、太阳天顶角、太阳方位角。TG-2影像每个像元的角度各不相同,基于推扫式成像的特点,本文重新计算角度参数。以星下点为中心,观测天顶角为0°,在卫星飞行的垂直方向上,观测天顶角最大值约为21°,前后向观测方位角之间的差值为180°。根据前向观测方位角、成像时间、像元位置,通过逐像元计算的方法,可以得到4个角度参数。

4)数据重采样。为避免空间分辨率不一致导致的误差问题,对研究区域的TG-2/WBI数据、MOD09A1地表反射率产品、4个角度参数进行重采样和裁切处理,以获得研究地区同一分辨率200 m下的数据。

5)6S模型构建查找表。本研究通过6S辐射传输模型计算并构建查找表,得到ρ0、S和T,获取研究区域内所有像元的AOD。在6S模型中,TG-2数据没有预设参数,因此根据TG-2/WBI特性和研究区域实际情况,所需参数自定义如下。考虑到天顶角与方位角对表观反射率的敏感性不同[17],因此卫星天顶角的间隔设为4°,太阳天顶角的间隔设为1°,相对方位角为卫星方位角与太阳方位角的差,间隔设为12°。气溶胶类型的选择对AOD反演精度具有重要影响,MODIS在陆地气溶胶反演时,主要针对AERONET站点数据进行聚类分析,将气溶胶类型划分为沙尘型、生物质燃烧型、背景/农村大陆型、海洋型、重污染型。由于站点分布稀疏,忽略了城市的具体特征,不能较好展示气溶胶类型的空间分异性。鲁北地区濒临渤海,受海洋季风影响,研究时刻的主导风向为北风,由海洋吹向内陆,故气溶胶类型选择海洋型;豫北地区和鲁豫皖边界地区位于内陆,受大陆季风影响,故气溶胶类型选择大陆型。研究区处于中纬度地区,大气参数选择中纬度冬季。光谱参数选择自定义并输入TG-2蓝光波段,以2.5 nm间隔设置光谱响应函数值。下垫面特性均设置为朗伯体表面,地表反射率则选择已构建的TG-2/WBI地表反射率库。

为验证选取气溶胶类型的合理性,本文针对城市型、大陆型、海洋型气溶胶类型进行反演实验,将气溶胶类型均设为城市气溶胶,与本研究方案进行对比(图2)。结果表明,利用城市气溶胶反演的AOD偏高,与以往研究结果一致[18],本文的气溶胶方案更接近真实值,更适用于研究区域AOD反演。

图2 不同类型气溶胶反演结果对比图

6)AOD反演及验证。完成上述预处理后,使用深蓝算法分别对研究区域进行AOD反演,最终得到2017年3月18日鲁北地区、2017年12月2日豫北地区、2017年3月14日鲁豫皖边界地区的AOD反演结果。由于缺乏可用的AOD数据,使用MOD04_3KM产品进行分析验证TG-2数据AOD遥感反演产品的准确性,以证明该AOD产品的准确性能够支持PM2.5浓度的反演。

2.2 PM2.5浓度反演

本研究建立TG-2数据AOD反演产品与地面实测PM2.5数据之间的回归关系模型,探讨二者之间的相关性。考虑到模型的建立和验证,选择2/3的数据用于建模,1/3的数据用于模型验证。根据关系模型,估算研究区大气中的PM2.5质量浓度,并分析其空间分布,为PM2.5监测与治理提供有效支撑。

本文利用卫星反演的AOD表示大气垂直柱中所有气溶胶粒子的消光能力之和,而实测PM2.5是干燥条件下的地面测量值[19]。若要保证PM2.5浓度反演的准确性,需要考虑气溶胶垂直分布对AOD的影响。又由于气溶胶粒子吸湿特性,气溶胶粒径分布和化学性质发生变化,导致AOD值发生变化,因此对AOD进行湿度订正有利于提高PM2.5的反演精度。

1)垂直订正。假设气溶胶在垂直方向上呈指数分布,总的大气AOD与近地面气溶胶消光系数的关系如式(5)所示[20]。

(5)

式中:τ是总的大气AOD;β是近地面气溶胶消光系数;Z是垂直高度;H是气溶胶标高。

本研究利用Peterson模型进行反算,作为H实际值[21]。Peterson模型更准确地描述了气溶胶的垂直光学厚度与水平能见度之间的关系,并考虑了大气分子的瑞利散射和臭氧在水平方向的吸收,为PM2.5浓度监测及与臭氧的协同治理起到一定的作用。Peterson模型如式(6)所示[22]。

(6)

根据式(5),近地面气溶胶消光系数可以表示为τ与H的商[23]。

2)湿度订正。气溶胶的吸湿性对PM2.5反演有重要的影响,PM2.5和AOD的关系对湿度变化十分敏感。因此,本研究采用湿度订正来改善二者之间的相关性。湿度影响因子f(RH)能够更好修正水溶性粒子吸湿膨胀对地面消光的影响[24],可表示为式(7)。

(7)

式中:RH为相对湿度。将近地面气溶胶消光系数除以f(RH)以完成相对湿度订正[25]。

3 结果与讨论

3.1 AOD 反演结果

通过计算表观反射率,构建地表反射率库,使用深蓝算法对研究区域的3幅TG-2影像进行AOD反演,结果如图3所示。

图3 200 m分辨率下研究区域的AOD结果

从图3可以看出,鲁北地区AOD分布主要表现为东北沿海地区较高,豫北地区AOD分布主要表现为东部较高西部较低,鲁豫皖边界地区AOD分布主要表现为个别地区高于周围地区。该分布主要由土地利用类型、地形地貌和社会排放等因素所导致。鲁北沿海地区自然资源丰富,土地利用以工业用地为主,空气污染较严重,西部内陆地区以农田和林地为主,空气质量较好,AOD值较小。豫北地区身处内陆,东部平原城市和工业发展较快,AOD较高,西部山区人口稀疏,AOD较低。鲁豫皖边界地区的个别城市地势平坦、交通便利,商业经济蓬勃发展,社会排放远高于周围地区,因此AOD值较高。此外,沿海地区更易受到海洋季风的影响,水溶性气溶胶粒子随湿度增大而膨胀,使AOD值较高于内陆。

为了验证AOD反演结果,本研究选择NASA正式发布的MOD04_3KM进行验证分析(图4)。图4显示了鲁北地区MODIS-AOD和TG-AOD反演结果的相关程度,R2为0.91,表明TG-AOD数据与MODIS-AOD具有相对较小的离散度和较高的一致性。综上,TG-2/WBI数据为研究区域提供了良好的AOD反演结果,该结果证明使用本文的研究方法对TG-2/WBI数据进行AOD反演是完全可行的,为进一步开展新型国产卫星气溶胶相关研究分析及业务应用奠定了基础。

图4 TG-2数据反演结果与MOD04_3KM产品的对比

3.2 PM2.5 反演结果

1)PM2.5浓度估算及空间分布。研究区域3幅影像的PM2.5反演结果如图5所示。鲁北地区的PM2.5浓度呈现东北区域较高的分布,主要受地理位置和土地利用类型的影响。鲁北沿海地区拥有丰富的石油、天然气等自然资源,大部分地区建有大型油田、矿山等,资源开发排放了大量颗粒物,空气污染严重。西部内陆地区的土地利用类型多为农田和林地,植被覆盖度较高,工业用地较少,污染排放较低,PM2.5浓度较低。因此鲁北地区的PM2.5浓度呈现以东北区域为中心的“污染岛”状。

图5 200 m分辨率下PM2.5反演结果

豫北地区PM2.5结果主要表现为东部较高西部较低,主要受地形地貌影响。豫北地区以太行山为分界,海拔高度向东西两侧逐渐减小,太行山西侧以山地、丘陵为主,林业、草地资源较为丰富,生态环境较好,不易形成明显的污染现象;东侧则以平原为主,地势平坦,人口聚集,矿产资源丰富,资源开发极易造成较大的粉尘和烟尘污染。又由于山麓的阻挡,东部地区的颗粒污染物不易往西部扩散,因此豫北东侧的PM2.5污染相对于西侧较严重。

鲁豫皖边界地区PM2.5结果展现了以个别地区明显高于周围地区的“污染岛”现象,如地势平坦、矿产资源丰富的菏泽市牡丹区和菏泽市曹县,以及经济、交通和信息发达的商丘梁工业园区。由于这些地区采矿业、冶金业的发展产生了大量颗粒物,人口聚集产生较多的人为污染排放,在静稳天气下短时间难以扩散,导致大气污染物集聚,而形成的类似于岛状的大气污染现象。

本研究使用站点实测数据对反演得到的PM2.5浓度进行验证分析(图6)。卫星遥感获取的PM2.5浓度结果与实测PM2.5数据具有较高的一致性,R2为0.902。与站点数据相比,反演结果略低,但拟合程度较高,因此基于TG-2/WBI数据,利用线性回归模型对研究区域的PM2.5浓度进行反演和估算是完全可行的,所获得的PM2.5产品能够准确展现研究区域的污染分布状况,这对PM2.5污染的监测以及我国进一步对PM2.5和臭氧之间的关系及协同治理研究提供了一种新的研究手段。

图6 PM2.5反演模型精度验证结果

2)气溶胶垂直分布和相对湿度的影响。通过比较AOD反演结果与PM2.5反演结果,发现PM2.5与AOD的空间分布一致,总体呈正相关。然而,在一些AOD较高的区域,反演获得的PM2.5浓度相对较低,这主要是因为气溶胶具有吸湿特性,其化学成分、粒径分布和光学特性等随着相对湿度的变化而变化,导致了AOD反演结果和PM2.5实测结果的关系在时空上差异较大[26]。为了分析气溶胶垂直分布和相对湿度的影响,在站点PM2.5与反演的AOD、近地面气溶胶消光系数、垂直和湿度订正后的AOD之间分别建立了回归模型,结果如图7所示,其中各子图序号中的“a”“b”“c”分别代表鲁北、豫北和鲁豫皖边界地区;各子图序号中的“1”“2”“3”分别表示站点PM2.5和反演的AOD、近地面气溶胶消光系数、垂直和湿度订正后的AOD。

图7 PM2.5-AOD相关性散点图

从图7可以看出,鲁北、豫北和鲁豫皖边界地区的站点PM2.5和AOD反演结果之间的拟合度都很低,R2分别为0.139、0.201和0.170,无法直接用于PM2.5浓度的反演和污染监测。经过垂直订正后,R2有了明显提高,分别为0.351、0.301和0.451,这表明利用能见度进行垂直订正获得近地面气溶胶消光系数,有效提高了与PM2.5实测浓度的相关性。最后经过湿度订正后,PM2.5与AOD之间的R2进一步提高至0.672、0.695和0.470,这是由于AOD是在真实环境下反演得到的,PM2.5浓度一般是在干燥条件下测定的,利用相对湿度获得了干颗粒物的消光系数信息,因此AOD与PM2.5的相关性大幅度提高。从宏观角度上,基于高分辨率的TG-2/WBI数据,通过遥感技术反演AOD并进行垂直湿度订正,建立PM2.5与AOD的关系模型具有较高的拟合度,以准确获得具有空间连续性的PM2.5结果,能够有效弥补地面监测站点分布不均的不足,实现了国产卫星进行PM2.5遥感反演的可能性,为区域大气颗粒物污染的监测和防控提供了一种手段,对鲁豫皖地区大气污染综合治理具有实际意义。

4 结束语

结合MODIS产品,本文使用TG-2/WBI数据反演了鲁豫皖地区的AOD和PM2.5,然后使用MOD04和地面站点数据验证反演的准确性。主要结论如下。

1)本文基于MOD09A1地表反射率产品,构建TG-2地表反射率库,对TG-2/WBI数据进行AOD反演是完全可行的,反演结果与MOD04 AOD产品的拟合度高达0.91。与传统遥感数据相比,TG-2/WBI数据分辨率高、幅宽大,非常适合区域AOD的反演。

2)使用TG-2 AOD结果进行垂直和湿度订正后,反演的PM2.5值与站点数据的拟合度达到0.902。使用PM2.5-AOD关系模型实现TG-2/WBI数据区域细颗粒物的反演具有较高的可行性,弥补了地面监测的不足,为区域PM2.5污染监测提供了新的研究手段。

3)研究区域的AOD和PM2.5结果均呈现出“污染岛”状的空间分布,表明在静稳的天气条件下,由于地理位置、土地利用、社会排放等,城市气溶胶污染呈现岛状,这对研究城市污染排放、扩散等规律具有重要意义。