2013年南京市PM2.5時空分布規律

陳俊良，李文梅，楊 柳，練彤天

(南京郵電大學地理與生物信息學院，江蘇南京 210023)

?

2013年南京市PM2.5時空分布規律

陳俊良，李文梅*，楊 柳，練彤天

(南京郵電大學地理與生物信息學院，江蘇南京 210023)

[目的] 探討利用站點實測PM2.5數據與NASA MODIS氣溶膠光學厚度(AOD)研究南京PM2.5時空分布規律的可行性。[方法]將2013年南京市實測PM2.5數據進行空間插值，基于MODIS數據利用暗像元法反演得到的氣溶膠光學厚度與2013年南京市PM2.5質量濃度進行相關性分析。光學厚度引入季節變化的氣溶膠標高，并用濕度因子訂正。[結果]訂正后的二者相關系數均有明顯提高。站點實測PM2.5通過空間插值可以在一定程度上反映南京市PM2.5的空間分布規律，PM2.5主要集中于鼓樓、建鄴等經濟發達區域，棲霞區域相對最低。PM2.5夏季較低，冬季較高。校正后的AOD與站點實測PM2.5的相關性達0.426，遠高于未進行校正的0.214。[結論]在中小尺度下反演的AOD能夠在一定程度上表征PM2.5的濃度變化，通過更為精確的AOD反演方法能夠在時空兩方面反映PM2.5的時空變化規律，使城市PM2.5污染治理更加科學合理。

氣溶膠光學厚度；PM2.5；空間插值；時空分布

PM2.5是指空氣中直徑小于等于2.5 μm的顆粒物。研究表明，PM2.5日平均濃度每增加10 μg/m3，呼吸系統疾病的死亡風險增加0.97%，心血管疾病的死亡風險增加概率更高，為1.22%，心肺疾病和癌癥死亡率分別升高6%和8%。PM2.5濃度每增加10 μg/m3，會對發育期的兒童肺功能有明顯影響[1]。PM2.5顆粒物直接影響人類的健康，已成為我國大中型城市的首要污染物。大氣氣溶膠是指大氣中懸浮的半徑小于幾十微米的固態或液態微粒，對氣候系統存在直接和間接輻射強迫，也是直接影響城市空氣質量的主要污染物[2]。近年來，PM2.5污染形勢越來越嚴峻，制約著社會經濟文明的發展，預防和治理PM2.5污染迫在眉睫。目前，關于PM2.5的研究已成為國內乃至國際上的研究熱點[3]。研究發現，在大尺度上空氣質量與PM2.5具有明顯的相關性，而PM2.5可以在一定程度上反映空氣質量的好壞。2013年全國增加了很多監測站點，但地面監測站較少且分散。目前普遍采用的PM2.5濃度都是以監測站點的數據來公布的，但以點代面是否可行未知。李成才等[4]利用MODIS氣溶膠產品數據(10 km空間分辨率)反演出香港地區氣溶膠光學厚度，并與香港地區的地面污染物PM10質量濃度的變化進行比較，結果表明，利用MODIS 數據反演高分辨率的氣溶膠光學厚度研究城市空氣污染的時空動態具有可行性。何秀等[5]利用MODIS 2年的氣溶膠光學厚度和地面PM2.5質量濃度對比發現，通過對氣溶膠光學厚度垂直和濕度影響的訂正后，可用于對污染物PM10的監測。李成才等[6]利用MODIS 1B資料反演高分辨率(1 km)的氣溶膠光學厚度與北京市空氣污染指數相比有很強的相關性。前人僅研究了氣溶膠光學厚度與PM10質量濃度或空氣污染指數的相關性，但對于氣溶膠光學厚度與PM2.5質量濃度的相關性，PM2.5的時間變化規律研究較少，尤其是月變化和年變化。筆者應用2013年南京市9個站點全年PM2.5監測濃度數據研究2013年南京市PM2.5時空變化規律；氣溶膠光學厚度經過濕度和季節垂直分布的訂正后，再與實測PM2.5質量濃度做相關性分析來研究氣溶膠光學厚度能否表征PM2.5的時空分布規律。

1　研究區概況與數據來源

1.1研究區概況南京位于長江下游中部地區，118°22′～119°14′ E，31°14′～32°37′ N，屬于亞熱帶季風氣候，雨量充沛，四季分明。全市下轄11個區，總面積6 597 km2，2013年建成區面積752.83 km2，常住人口818.78萬，其中，城鎮人口659.1萬人。PM2.5是影響南京城市空氣質量的首要污染物。2014年4月29日，南京市環保局公布的2103年南京PM2.5源解析數據，以2013年南京市空氣質量的相關數值為基準：南京市空氣質量優良202 d，優良率為55.3%。空氣污染163 d，其中，首要污染物為PM2.5的天數累計達133 d，占污染總天數的81.2%。PM2.5年均質量濃度為77 μg/m3，超出國家空氣質量二級標準1.20倍。

1.2數據來源

1.2.1實測數據。PM2.5作為2013年南京主要的污染物，能夠簡單直觀地反映南京的空氣質量狀況。該研究2013年PM2.5數據來自南京市環保局，除去空氣污染指數等級為優和首要污染物不是PM2.5的天數。日平均濕度數據來自于南京氣象局提供的資料。

1.2.2MODIS數據。從NASA官網中免費下載氣溶膠光學厚度產品數據。選取2013年一整年作為研究的時間尺度，研究區范圍為118°～120° E，31°～33°N。因為下載的氣溶膠光學厚度產品是分辨率為10 km的像元表面的空間統計平均值，但研究區南京面積僅占極少數像元，空間分辨率較低，無法滿足中小尺度應用需求。故下載了MODIS L1B級數據，采用暗像元方法估測氣溶膠光學厚度，并將其用于與實測PM2.5的相關性分析。

2　結果與分析

2.1時空變化規律

2.1.1時間變化規律。2013年9個檢測站點的PM2.5濃度具有相同的變化趨勢，質量濃度最高值在12月，高值集中在1、2、11、12月，且期間濃度變化較大。每個站點變化趨勢均相同，如圖1鼓樓、圖2仙林檢測站點的變化趨勢。3～10月PM2.5濃度變化幅度較小，且無高濃度值出現，但在7月明顯降低，達到谷底。PM2.5濃度存在明顯的季節性變化，冬季達到最大值，春季開始出現下降趨勢，夏季末出現最低值。

2.1.2PM2.5空間變化規律。通過空間插值得到的南京PM2.5區域分布見圖3，與其實測PM2.5的時間變化規律類似，在空間上南京各區域PM2.5濃度也具有明顯的季節性變化。3～8月各區域的PM2.5濃度相差較小，最低值出現在仙林大學城附近，8月全南京的濃度基本相等。從9月開始，各區域濃度變化較大，且最高值與最低值在區域間出現了轉移。在9和10月，鼓樓區和秦淮區以西出現高值，濃度明顯高于東玄武區、棲霞區等區域。11月，濃度最高值開始從西向東轉移，最高值出現在建鄴區和雨花臺區，最低值出現在浦口區、下關區和秦淮區等。而12、1月，建鄴區至玄武區和棲霞區濃度一直處于高值。

圖1　2013年南京市草場門站點日均PM2.5濃度變化Fig.1　The daily variation of PM2.5 concentration of Caochangmen in Nanjing in 2013

圖2　2013年南京市仙林大學城日均PM2.5濃度變化Fig.2　The daily variation of PM2.5 concentration of Xianlin Campus in Nanjing in 2013

2.1.3PM2.5時空變化規律。2013年南京PM2.5平均濃度77 μg/m3，全年濃度冬春高、夏秋低，呈顯著的“U”型逐月變化規律；南京PM2.5濃度呈明顯的空間集散和轉移規律，夏秋季整體濃度變化不大，處于低值，冬春季濃度逐漸升高且最高值開始轉移至建鄴區附近。

直接用站點實測數據進行空間插值得出的分布規律存在較大誤差，實測站點少且僅覆蓋至城區。氣溶膠光學厚度與PM2.5如果具有相關性，則可以通過氣溶膠光學厚度的時空分布規律來反映PM2.5的分布規律。

圖3　2013年南京地區1～12月PM2.5分布Fig.3　PM2.5 distribution of Nanjing from January to December in 2013

2.2實測PM2.5與反演的氣溶膠相關性分析

2.2.1氣溶膠反演。NASA的10 km 星下點分辨率的氣溶膠光學厚度產品為氣候研究和區域尺度的大氣污染研究提供了豐富的信息，然而對于城市尺度的顆粒物污染研究而言，分辨率遠遠不夠。按照暗像元算法，得到南京地區1 km 分辨率的氣溶膠光學厚度分布。該算法在冬季反演效果較差，需剔除掉陰雨、有云等影響南京市氣溶膠光學厚度的圖像。

2.2.2相關性分析。在2013年一整年時間內，剔除空氣指數小于50的優良天數，共獲得178組關于南京市氣溶膠光學厚度和PM2.5的對比數據。兩者的直接對比結果見圖4。由圖4可知，相關系數為0.214，大于統計學上99%置信度的要求，卻遠低于期望值。為了分析二者相關性及氣溶膠光學厚度反演過程中的“過計算”(把不符合氣溶膠光學厚度計算要求的影像進行了計算，如陰雨)，主要考慮地面消光系數(SEC)和濕度因子兩個方面。

在一般情況下，氣溶膠的消光系數在垂直方向上按指數分布[2]：

(1)

氣溶膠光學厚度(AOD)表示垂直方向上消光系數的總積分：

(2)

式中,(1)和(2)的H為氣溶膠標高，李成才等[7]的研究中，將AOD數據除以當地氣溶膠季節變化的標高得到地面消光系數(SEC)。由于缺少南京的相關數據，參照蔣民等[2]的方法，考慮地區的相似性，采用孫娟[8]關于上海地區氣溶膠季節變化標高：春季1 251m、夏季1 957m、秋季791.7m、冬季776.4m，得到的消光系數與PM2.5質量濃度相關系數提高到0.426，結果發現無法達到要求(圖5)。

圖4　AOD與PM2.5相關關系Fig.4　The correlation between AOD and PM2.5

圖5　SEC與PM2.5相關關系Fig.5　The correlation between SEC and PM2.5

PM2.5質量濃度的測定一般先通過一個干燥的過程，其結果代表較低相對濕度、比較固定的質量濃度情況，而AOD是在相對濕度環境下進行的。相對濕度會對氣溶膠粒子產生很大影響，從而影響其SEC。李成才等[6]利用濕度因子ψ(RH)校正，乘以PM2.5質量濃度再與SEC進行相關性分析，發現可以提升其相關系數。

圖6和圖7分別為利用濕度因子校正后的PM2.5質量濃度與AOD、SEC的相關性分析，其相關性與原來相比均下降，分別是0.211、0.423(表1)。

圖6　經過濕度因子校正后的PM2.5與AOD相關關系Fig.6　The correlation between AOD and humidity factor revised PM2.5

圖7　經過濕度因子校正的PM2.5與SEC的相關關系Fig.7　The correlation between SEC and humidity factor revised PM2.5

表1AOD與PM2.5及經過校正后的AOD與PM2.5的相關系數、R2及回歸模型

Table 1The coefficient，R2and regression model for correlation between AOD and PM2.5and between PM2.5and revised AOD

指標IndicatorRR2回歸模型RegressionmodelAOD-PM2.50.2140.0457y=2.2553x+0.5177AOD-PM2.5ψ(RH)0.2110.0446y=2.2142x+0.5212SEC-PM2.50.4260.1811y=4.4906x+0.2964SEC-PM2.5ψ(RH)0.4230.1789y=4.4318x+0.3004

注：在AOD- PM2.5中，y為PM2.5，x為AOD

Note：In AOD-PM2.5，yis PM2.5，andxis AOD.

3　結論與討論

該研究根據實測的PM2.5數據通過空間插值比較，得出南京PM2.5的時空變化規律，2013年南京PM2.5平均濃度77 μg/m3，全年濃度冬春高、夏秋低，呈顯著“U”型逐月變化規律；南京PM2.5濃度呈明顯的空間集散和轉移規律，夏秋季整體PM2.5濃度變化較小，處于低值，冬春季濃度逐漸升高且最高值開始轉移至建鄴區附近。

在基于氣溶膠光學厚度(AOD)與PM2.5質量濃度的直接比較發現，二者的直接相關性很差。在考慮季節性的垂直分

布影響后，其相關系數可達0.426(178組數據)。用相對濕度校正后，相關系數不升反降，未得到預期的結果。但考慮到如果采用南京地區每日的垂直分布數據進一步訂正，其相關系數應能進一步上升。該研究結果表明，在中小尺度下反演的AOD能夠在一定程度上表征PM2.5的濃度，彌補地面PM2.5監測站點密度不足的缺點，作為監測城市PM2.5污染有效的補充手段。在充分考慮各種因素后，MODISAOD作為監測PM2.5分布的手段具有一定的應用價值。

[1] 李慧翔.PM2.5對人體的健康風險[J].教師博覽，2013(05)：61-62.

[2] 蔣民，馬貞立.南京市MODIS氣溶膠光學厚度與PM10質量濃度的相關性分析[J].科學技術與工程，2012(31)：8327-8331.

[3] 程念亮,李云婷,孟凡,等.我國PM2.5污染現狀及來源解析研究[J].安徽農業科學,2014(15):4721-4724.

[4] 李成才，毛節泰，劉啟漢.利用MODIS資料遙感香港地區高分辨率氣溶膠光學厚度[J].大氣科學，2005(3)：335-342.

[5] 何秀，鄧兆澤，李成才，等.MODIS氣溶膠光學厚度產品在地面PM10監測方面的應用研究[J].北京大學學報(自然科學版)，2010(2)：178-184.

[6] 李成才，毛節泰，劉啟漢，等.MODIS衛星遙感氣溶膠產品在北京市大氣污染研究中的應用[J].中國科學(D輯：地球科學)，2005(S1)：177-186.

[7] 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(5)：869-880.

[8] 孫娟.氣溶膠光學厚度的高光譜遙感反演及其環境效應[D].上海：華東師范大學，2006.

Spatio-temporal Distribution of PM2.5in Nanjing in 2013

CHEN Jun-liang, LI Wen-mei*, YANG Liu et al

(School of Geography and Biological Information, Nanjing University of Posts and Telecommunications, Nanjing, Jiangsu 210023)

[Objective] To explore the feasibility of study on the spatio-temporal distribution of PM2.5in Nanjing by PM2.5data collected in station and NASA MODIS aerosol optical depth (AOD). [Methods] Thein-sitePM2.5data of Nanjing in 2013 was interpolated into spatial interpolation. AOD was extracted by the dark like element method (DDV) algorithm based on MODIS data. Finally the correlation of PM2.5mass concentration was analyzed and AOD seasonal variation of aerosol elevation was introduced into AOD. Besides, the humidity factor was applied to correct the AOD, and the correlation coefficient of two revised values has been improved obviously. [Results] The results indicated that the spatial interpolation PM2.5can reflect the spatial distribution of PM2.5in Nanjing. PM2.5is mainly concentrated in Gulou and Jianye districts, and the concentration of PM2.5is lowest in Qixia District. The temporal distribution of PM2.5is higher in winter and lower in summer. The correlation between revised AOD and in-situ PM2.5is up to 0.426, higher than that without correction. [Conclusions] AOD can characterize the concentration change in PM2.5to a certain extent in the small and middle scale. The more accurate urban PM2.5pollution distribution monitoring system based on AOD will make the spatio-temporal distribution of PM2.5more accurate, so as to make the PM2.5pollution control more scientific and reasonable.

Aerosol optical depth (AOD); PM2.5; Spatial interpolation; Spatio-temporal distribution

2015年度南京郵電大學創新訓練計劃項目(XYB2015315)；國家自然科學基金青年項目(41401480)；南京郵電大學引進人才項目(NY213105)。

陳俊良(1993- )，男，廣西玉林人，本科生，專業：地理信息科學。*通訊作者，講師，碩士生導師，從事遙感技術與應用研究。

2016-05-27

S 181.3

A

0517-6611(2016)21-053-04