南京市空氣質量分布規律研究

王玉呈 王凱 談世豪 楊立君

摘 要：該文首先分析了大氣的光譜特征，利用遙感技術（RS）監測南京地區空氣質量，然后利用地理信息技術（GIS）生成空氣質量時、空分布圖，分析時、空分布規律及影響因素，最后根據規劃理論對未來南京城市建設提出了對策建議。

關鍵詞：空氣質量；分布規律；遙感技術；南京市

中圖分類號 P468.0 文獻標識碼 A 文章編號 1007-7731（2016）07-72-05

Abstract：The paper analyzed the spectral characteristics of the atmosphere and monitored air quality of Nanjingby remote sensing（RS）.Then， using geographic information technologies （GIS）to generate distribution map of time and spatial of air quality and analyze distribution law of time and spatial and influencing factors.Finally， according to the planning theory，put forward scientific advice for the future urban planning and construction in Nanjing City.

Key words：Air quality；Distribution law；Remote sensing technology；Nanjing City

2013年南京市霧霾天數為242d，是歷史上霧霾天數最多的1a，當年12月份南京正式出臺了應急處置方案，規定當空氣質量污染達到紅色預警時，中小學必須停課。在接下來的很多天內許多有關霧霾天氣的報道頻繁地在各大媒體上報道，空氣質量問題頓時成了人們關注的焦點。近幾年來，隨著工業的迅猛發展，國民經濟快速提高，南京市空氣質量卻越來越差。隨著科技水平的進步，衛星遙感可以提供廣闊背景上的有關氣溶膠污染物的區域分布，在污染監測上具有廣闊的前景[1]。本文通過MODIS遙感影像數據對南京市空氣質量的分布規律進行研究分析，找出南京市空氣質量的分布規律，以期為南京市解決空氣環境問題，改善人民生活的環境水平，提高生活質量，并在城市規劃的相關方面提供可行性的建議。

1 研究現狀

目前很多國內學者都利用美國宇航局（NASA）提供的MODIS影像數據進行對氣溶膠的相關研究，普遍應用的算法大都為Kaufman等所建立的暗像元算法。算法利用密集植被在紅波段（0.6～0.68mm）和藍波段（0.40～0.48mm）低反射率的性質，以植被指數（NDVI）或近紅外波段通道（21mm）反射率將其判別為暗像元來達到最終反演氣溶膠的目的[2]。劉佳雨等利用經典的暗像元算法，對北京地區的MODIS衛星遙感影像數據進行了氣溶膠光學厚度（AOD）反演，并對其空間分布進行了分析，為環境監測部門提供了大氣污染治理依據[3]。宋挺等將MODIS數據反演得出的氣溶膠光學厚度與無錫市區實測得到的PM2.5質量濃度進行相關性分析，經過氣溶膠光學厚度經垂直分布和濕度修正后，兩者相關性顯著提高，得出氣溶膠光學厚度可作為PM2.5監測的有效補充[4]。李成才等總結了自己利用MODIS資料進行的研究工作，證實了MODIS遙感手段可獲取氣溶膠分布，其可為區域環境大氣污染研究提供數據依據[5]。王靜等利用MODIS氣溶膠光學厚度產品AOT與北京市清華園PM2.5質量濃度進行比較分析，得出MODIS AOT可以作為監測PM2.5分布及傳輸的補充手段[6]。

在大數據背景下，很多環保部門實時對外提供空氣質量與預測，對遙感技術監測空氣質量提出新要求。目前最為普遍的監測空氣質量問題的方法是通過儀器測出近地面大氣中所含污染物（CO、SO2、NO2、PM10、PM2.5、O3等）的濃度，再通過某種算法計算出空氣質量指數，然后分出不同的污染指數等級。這種監控方法在近地面時呈點狀分布的，對于大范圍的空氣質量檢測的誤差比較大，而通過MODIS遙感影像可以分析出一定區域范圍內的空氣質量污染的嚴重程度。本次研究是采用MODIS遙感影像數據反演出的氣溶膠厚度和地面監測點的數據相結合來探索南京市空氣質量分布規律。

2 研究數據和方法

2.1 研究區概況 南京市位于長江下游中部地區，江蘇省西南部，長江穿城而過，沿江岸線總長近200km。地理坐標為北緯31°14′～32°37′，東經118°22′～119°14′[7]。南京市平面位置南北長、東西窄，成正南北向；南北直線距離150km，中部東西寬50～70km，南北兩端東西寬約30km。南京屬亞熱帶季風氣候，雨量充沛。

2.2 研究數據 空氣質量的好壞是依據空氣中污染物的濃度的高低來判斷的，在近地面大氣所含的污染物中（CO、SO2、NO2、PM10、PM2.5、O3等），大家所熟知的PM2.5（直徑小于2.5μm的顆粒物）是形成霧霾的主要污染物。PM2.5能較長時間懸浮于空氣中，它在空氣中含量濃度越高，意味著空氣質量污染程度越嚴重。PM2.5容易富集空氣中的有毒重金屬、酸性氧化物、有機污染物、細菌和病毒，且顆粒物的半徑越小，其化學成分越復雜，毒性越大[8]。PM2.5的濃度與空氣質量有著很大的關系，因此本次研究利用PM2.5數據作為空氣質量的評價指標。PM2.5的數據為2013年全年南京市各監測點的數據，同時該數據是南京環境監測中心站公開監測數據。其中的監測點包括草場門、中華門、瑞金路、玄武湖、山西路、邁皋橋、仙林大學城、奧體中心、浦口，共計9個監測點。在整個數據中有些監測點相應數據空缺，是由于監測點儀器損壞引起的，不影響整個研究。

MODIS的全稱為中分辨率成像光譜儀，該儀器每天覆蓋全球一次，具有36個光譜通道，波譜范圍為0.4～14mm，MODIS儀器的地面分辨率分別為250m、500m和1 000m，掃描寬度為2 330km，每1d或每2d可獲得一次全球觀測數據 [9]。MODIS數據選取的是類型為MOD02KM的2013年南京市地區的MODIS數據，其分辨率為1km，MODIS數據利用HDF的格式存儲，過境時間為每日地方時上午10：30，跨度范圍為北緯31°14′～32°37′，東經118°22′～119°14′。對MODIS數據的處理過程中需要南京市的矢量數據，更方便地求取南京市各區的氣溶膠反演均值。在矢量數據中包含南京市六合區、浦口區、市轄區、棲霞區、雨花臺區、江寧區、高淳縣和溧水縣8個地區。

2.3 研究方法

2.3.1 先驗模型法構建氣溶膠厚度遙感反演模 Kaufman等的暗像元算法采用的為MODIS數據的波段1、3的經驗性關系和波段7基本不受氣溶膠影響的性質來建立的氣溶膠反演模型。郭廣猛等通過實地觀測數據和MODIS影像數據并結合暗像元算法給出了氣溶膠光學厚度計算公式：

f=4.4376×b7+50.5579×b3-24.3317×b1-3.5575 （1）

其中：b7、b3、b1分別為MODIS第7、3、1波段反射率，f為氣溶膠光學厚度[10]。該模型與暗像元法相比，對城市地區遙感圖像氣溶膠反演誤差較小，因此本次研究采用先驗模型法對南京市MODIS遙感影像數據進行氣溶膠反演，并提取出南京市各區的氣溶膠反演數據。

2.3.2 統計分析法構建氣溶膠厚度與空氣質量關系 利用SPSS19.0軟件對收集到的地面監測點PM2.5數據進行相關預處理，同時對MODIS遙感影像反演后提取出的數據進行判別篩選，將篩選好后的MODIS反演數據和PM2.5數據用SPSS軟件進行相關性分析。

2.3.3 地學分析法構建空氣質量分布的空間映射關系 將MODIS影像經過大氣輻射校正、幾何校正和氣溶膠反演后，與相同投影坐標系的南京市矢量邊界進行掩膜處理，利用ENVI軟件對南京市氣溶膠反演后的數據圖像進行密度分割。使用MODIS氣溶膠數據和PM2.5的相關性構建出空間映射關系。

2.3.4 遙感技術構建南京市空氣質量分析模型 利用ArcGIS軟件，將南京地區的地形、PM2.5數據、南京市的風向、南京地區建筑物高度和南京各企業的位置進行疊加分析。

3 研究內容

3.1 PM2.5數據預處理 PM2.5數據為草場門、中華門、瑞金路、玄武湖、山西路、邁皋橋、仙林大學城、奧體中心、浦口9個監測點的數據。將同一個區內的監測點數據取平均值，有一些數據由于監測點儀器的異常，并未有數據，直接當做異常處理。數據處理完后，有4個區：浦口區、棲霞區、市轄區、雨花臺區。

3.2 MODIS影像預處理 由于MODIS影像已經經過大氣輻射校正，因此直接運用遙感影像處理軟件ENVI中自帶的針對MODIS影像幾何校正的功能（Georeference MODIS功能）對MODIS遙感影像進行幾何校正。為了方便控制圖像處理區域，采用掩膜的方法對圖像進行影像裁剪。

3.3 氣溶膠厚度反演 在ENVI軟件中運用波段運算功能（Band Math），應用了適合于城市區域使用的氣溶膠光學厚度的反演模型公式（1），將反演出來的氣溶膠厚度數值做相關記錄，最后將氣溶膠厚度數據與收集的南京市PM2.5數據進行相關性分析。

3.4 氣溶膠厚度與空氣質量分析 將PM2.5數據空缺的所對應的氣溶膠數據排除，將部分預處理篩選好的數據導入SPSS進行相關性分析，相關結果如圖2。由圖2可知：在理想狀態下，PM2.5數據與MODIS反演的氣溶膠數據是有相關性的，并且相關性比較大，PM2.5數值越大所對應的氣溶膠的值越大。從所做的MODIS數據反演氣溶膠數據和PM2.5數據的相關性分析可以看出，氣溶膠的反演結果和地面監測的PM2.5數據有一定的相關性。在之后的根據氣溶膠的厚度值計算出南京市空氣質量分布圖應用了相關性最好的計算模型：y=24.495x-0.7227，原因是數據點較多，與其他模型相比更優越。但受到MODIS遙感影像數據中云層厚度、近地面風向和南京地區地形等因素的影響，所做出的處理結果有一定的誤差。

3.5 南京市空氣質量分布 通過將MODIS反演后的圖像先掩膜裁剪然后經過波段運算將氣溶膠厚度轉變為PM2.5濃度。通過ENVI自帶的密度分割（Density Slice）功能操作后可得到南京市某一天的PM2.5濃度空間分布圖，如圖3。從圖3可以看出：當天南京市空氣質量相當嚴重區域為市轄區、浦口區、六合區南片區、棲霞區西片區。該圖為南京市2013年當中的某一天，當天南京市上空無云時拍攝的。圖中最下方為高淳區，此時的圖中高淳區是被云覆蓋，云對反演的結果影響較大。

將遙感數據反演后的圖與南京市的地形圖進行對比，影響南京市PM2.5濃度分布的因素主要有以下幾個方面：

3.5.1 工業區 從圖3可以很明顯的看出，南京市內有2塊地區的PM2.5的濃度遠遠高于其他地區，一塊位于南京城區的北方，另一塊位于南京城區的東北方。而這2塊地區則分別是六合浦口的工業區，棲霞工業區的所在地。工業區的生產生活產生的廢氣遠遠高于其他地區，所以當地的PM2.5的濃度也比其他地區高，空氣質量也相對較差。

3.5.2 水體 在南京市PM2.5濃度分布圖中，在南京的中間部分，有一條帶狀區域，PM2.5的濃度明顯小于周圍兩側區域。而這帶狀區域，就是長江。長江區域的PM2.5濃度之所以小于周圍地區，一方面是由于長江及長江兩側一定范圍內沒有大型的工廠，污染物的排放相對較小；另一方面是因為水體的蒸騰作用在一定程度上降低了PM2.5的濃度，使得長江及長江兩岸區的空氣質量優于其他地區。

3.5.3 山體 山體對于南京市PM2.5濃度分布的影響，主要通過與風向結合，共同影響。南京地區山體對空氣質量影響明顯的主要有2個地區，鐘山和將軍山。本次研究所選擇的是1月份的某天，風向為西北分。雖然將軍山的西北側空氣質量并不好，但是在將軍山的東南方向的空氣質量好于其附近區域，而鐘山相對于將軍山的占地面積更大，山體更高，因此，對于南京市PM2.5濃度的分布狀況的影響更加明顯。

3.5.4 城區 在空氣質量差的市轄區內，由于交通工具的使用量大，排放出的污染氣體導致空氣質量相當嚴重，同時市轄區內高樓聳立可以分析出空氣的流通不暢通，導致氣體污染物不易流通從而長期停留在城區內。

3.6 提高南京市空氣質量建議 為了保護空氣質量良好，在空氣質量治理過程中相關部門要加強合作，嚴格遵守環境保護的相關法律法規，加強工作和執法力度，整治超標污染企業，為改善空氣質量作出貢獻。在城市規劃中，要注意研究城區上升氣流到郊區下沉的距離，將污染嚴重的工業企業布局在下沉距離之外，避免這些工廠排出的污染物從近地面流向城區，引起相互污染[11]。在城區中嚴格限制大樓高度，合理規劃布局城市整體建筑風格，以加快城區內空氣的流通。城市中合理布局綠化用地和水域，快速降低城市污染物含量。加快產業結構調整，全面實施布局調整，引導大型企業相對集中，促進生產要素集聚，促進資源的高效配置和污染的集中處理[12]。隨著經濟的快速發展，城市化也加快了進程，私家車的增多，尾氣的排放也成為了導致空氣質量差的一個重要的原因。因此，需加強對機動車數量的控制，適時出臺機動車限購限行相關措施。

4 結論與討論

遙感技術和GIS手段在城鄉規劃中可以相結合，分析城市發展空間、用地類型和人口分布特點等，合理布局城市的各功能分區，規劃出適合城市發展的方向。利用遙感技術分析空氣質量在城鄉規劃中將得到重要體現，對適合居民居住的用地和工業用地的選址有著引導性作用。

本次研究通過先驗模型反演出MODIS影像數據的氣溶膠，反演精度不高。在氣溶膠數據反演PM2.5濃度數據時采用的是統計數據所得的模型，存在較大誤差。模型的誤差和MODIS影像中大量厚云的遮擋導致反演結果不夠準確。遙感的手段為研究空氣質量的分布規律提供了可能，空氣質量的不定向性和人為性使得研究手段還不夠成熟，還沒有達到預期的程度，但從宏觀的角度來研究分析空氣質量可以彌補地面監測點密度上的不足。

參考文獻

[1]李成才，毛節泰，劉啟漢，等.利用MODIS光學厚度遙感產品研究北京及周邊地區的大氣污染[J].大氣科學，2003，27（5）.

[2]郭廣猛，馬龍.基于MODIS數據的城市氣溶膠光學厚度反演方法[J].遙感技術與應用，2005，20（5）.

[3]劉佳雨，楊武年.基于MODIS數據的氣溶膠光學厚度反演[J]，地理信息世界，2014，21（3）.

[4]宋挺，黃君，嚴飛，等.無錫市MODIS氣溶膠光學厚度與PM2.5質量濃度的相關性分析[J].環境監測管理與技術，2015，27（1）.

[5]李成才，毛節泰，劉啟漢.利用MODIS遙感大氣氣溶膠及氣溶膠產品的應用[J].北京大學學報（自然科學版），2003，12.

[6]王靜，楊復沫，王鼎益，等.北京市MODIS氣溶膠光學厚度和PM2.5質量濃度的特征及其相關性[J].中國科學院研究生院學報，2010，27.

[7]中國國家建設部.全國城鎮體系規劃（2010-2020年）[M].北京：人民出版社，2011.

[8]黃輝軍，劉紅年，蔣維楣，等.南京市PM2.5物理化學特性及來源解析[J].氣候與環境研究，2006，11（6）.

[9]蔡穩，蔣躍林.基于MODIS數據的江浙滬地區大氣氣溶膠光學厚度研究[J].安徽農學通報， 2014，20（09）.

[10]郭廣猛，馬龍.基于MODIS數據的城市氣溶膠光學厚度反演方法[J].遙感技術與應用，2005，20（5）.

[11]丁亮.南京霧霾天氣原因分析及應對措施研究[J].環境科學與管理，2014，39（5）.

[12]路云霞，劉海濱，于忠華，等.南京市環境空氣污染特征與治理對策研究[J].環境科學與管理，2013，38（4）.

（責編：張宏民）