基于遙感的桂林空氣監測點位優化布設研究

陳貝貝，陳 靜，盛 琳，周 藝，莊曉東

（1.中科宇圖科技股份有限公司，北京 100001；2.桂林市環境監測中心站自動化室，廣西 桂林 541000；3.青島市勘察測繪研究院，山東 青島 266033）

基于遙感的桂林空氣監測點位優化布設研究

陳貝貝1，陳 靜1，盛 琳1，周 藝2，莊曉東3

（1.中科宇圖科技股份有限公司，北京 100001；2.桂林市環境監測中心站自動化室，廣西 桂林 541000；3.青島市勘察測繪研究院，山東 青島 266033）

采用空間分析的思想指導監測網絡的優化布點設計，在充分考慮污染物空間相關性與空間變異性的基礎上，引入最小克里金方差的評價準則，以監測站點對未知點的插值方差作為監測網絡對該點代表性的量化依據。以桂林市為研究區，PM10的遙感影像反演結果作為先驗知識，對已有監測網絡進行評價并提出優化的設計方案。

優化布點；遙感；監測網絡；克里金方差

城市空氣質量的狀況通過城市空氣質量監測數據來體現。空氣質量監測一般是指通過對環境空氣中的主要污染物進行定期或連續的監測，判定環境空氣質量（或污染程度）和其變化趨勢[1]。

城市區域空氣質量監測網絡設計是城市環境保障的重要環節。近年來，隨著空氣質量監測傳感器成本的降低與污染物數據獲取能力的提高，人們關注的焦點從數據的可獲得性逐漸轉移到可獲取數據的代表性。為了獲得具有空間代表性的空氣污染物監測數據，需要進行空氣質量監測優化布點。優化布點的目的是以最少的監測點位獲得最大范圍空間的代表性數據，準確客觀地反映城市環境質量狀況及變化趨勢，體現盡量多的信息[2]。監測點位的布設是否具有代表性，將在很大程度上影響監測結果的可靠性和準確性。

我國在空氣質量監測發展初期，對于空氣污染物的空間分布模式的認識還不足，空間分析統計理論體系尚不完善，缺乏相應的規范，導致監測網絡的很多區域點位主觀定位較多，缺乏科學依據，例如監測站點數量不合理、空間代表范圍不夠，監測值的時間和空間精度不足等[3]。考慮到空氣污染物在時間和空間上分布的不均勻特性，在大氣環境監測的實際工作中，不僅要保證時間上連續監測，還應當根據監測目的及污染物的空間分布特征設計環境空氣質量監測網點，力求用最少的點位獲得最佳的監測結果。如果監測點位選取不合理，所得到的數據價值不大，對以后多年的空氣污染防治工作也會產生負面影響。

為了獲得具有代表性的大氣監測數據，需要進行大氣優化布點。優化布點的目的是以最少的監測點位獲得最大范圍空間的代表性數據，準確反映城市環境質量狀況及變化趨勢，體現盡量多的信息。監測點位的布設是否具有代表性、科學性、合理性、可行性，將在很大程度上影響監測結果的可靠性和準確性，其中最根本的則是代表性[1]。

1 研究區概況

桂林地處廣西壯族自治區東北部，屬亞熱帶氣候，氣候溫和、雨量充沛，全年日照天數可占1/3以上。桂林市總面積5 310．83 km2，其中市區面積（不含臨桂縣和靈川縣）609．21 km2。

基于現有的4個空氣質量監測站和2014年顆粒物遙感年平均監測結果，利用克里金方差最小化優化布點算法，擬增設監測站點。

2 研究方法

2.1 技術流程

對空氣質量監測點進行優化可以提高監測站點的空間代表性，降低研究區域整體的空間不確定性和信息冗余度。利用MODIS遙感影像，提供桂林市2014年顆粒物（PM10、PM2．5）遙感監測專題圖，得到顆粒物的空間分布情況。在此基礎上，以克里金方差最小化準則為優化目標的模型，提出空氣監測點位優化布設的理論方案，可供環保部門進行決策分析。基于遙感技術的空氣質量監測網絡優化布設的技術路線如圖1所示。

2.2 顆粒物遙感監測

顆粒物遙感監測需要獲取美國NASA的MODIS遙感影像作為數據資源。首先利用暗目標法來反演氣溶膠光學厚度，主要是利用濃密植被地區紅藍波段的輻射值和氣溶膠光學厚度的這種關系來實現的。

根據暗目標紅、藍波段的地表發射率線性關系，從紅、藍波段的表觀反射率中去除地表貢獻，獲得大氣參數進而得到AOD。

圖1 基于遙感的空氣質量監測網絡優化布設流程圖

衛星獲取的是大氣整層的氣溶膠光學厚度，在很多情況下氣溶膠在大氣層中的垂直分布并不均勻，受季節、溫度和濕度變化的影響很大，氣溶膠層的垂直高度和光學厚度變化很大。因此，定量、準確地建立氣溶膠光學厚度與近地面顆粒物濃度的關系，必須考慮氣溶膠消光層垂直分布和濕度的影響[4]。

1）AOD垂直訂正。利用中尺度模式的預測和地面激光雷達探測獲取混合層高度分布信息，與地面觀測的散射系數建立經驗關系；遙感獲得的氣溶膠光學厚度按照混合層高度和穩定度類型轉化為氣溶膠消光系數的垂直分布，并按已有經驗關系轉換為地面消光系數的分布。

2）AOD濕度訂正。相對濕度對氣溶膠消光系數具有顯著影響，尤其是對吸濕性氣溶膠占主導地位的城市污染氣溶膠來說，吸濕增長帶來氣溶膠消光系數的顯著變化，使得地面觀測的“干 ”氣溶膠質量濃度與氣溶膠地面消光系數的關系發生很大的變化。基于MODIS數據獲取大氣水汽廓線的空間分布數據，從而基于整層數據估算近地面的水汽含量，并由經驗關系結合近地面溫度、壓力場等氣象數據估算監測區域的相對濕度分布。利用地面氣象站點觀測的相對濕度數據插值得到局地濕度分布，對衛星反演的近地面相對濕度進行修正，從而獲取較準確的相對濕度空間分布。根據濕度因子，可以對由AOD垂直訂正得到的氣溶膠近地面“濕”消光系數進行濕度訂正，從而得到與PM10濃度相關性較高的氣溶膠近地面“干”消光系數。

顆粒物遙感監測機理是首先采用暗像元算法等方法通過對預處理后MODIS數據的計算得到氣溶膠的光學厚度，基于地面觀測PM10歷史數據和遙感反演的AOD產品垂直訂正后的結果，綜合考慮氣象要素相對濕度、近地面氣溶膠消光系數等進行濕度校正，得到PM10反演模型。基于PM10與PM2．5的經驗統計關系，模擬PM2．5。

圖2 大氣顆粒物遙感監測技術流程

2.3 空氣質量遙感監測站點優化布設

對空氣質量監測點進行優化可以提高監測站點的空間代表性，降低研究區域整體的空間不確定性和信息冗余度，具體研究方法如下：

1）建立以克里金方差最小化準則為優化目標的模型。在監測布點時，由于監測站監測范圍有限，有些值是監測站點無法監測的，需要去估算。估計值在大氣環境監測領域一般是通過插值等方法推算未建站區域的污染物濃度值。克里金法優勢在于除了提供估計值之外，還能提供估計誤差（誤差方差），即提供了估計值的精度。

式中右側的第一項表示監測值的方差，用于表示所研究變量的變化特性，空間變化越大的變量不確定性也越大；第二項是各對監測值之間的協方差的加權和，用于表示監測站點的“團聚效應”，如果所用的監測點位越靠近（統計距離越小），協方差越大，那克里金誤差也就越大，不確定性也就越大；第三項是監測站點和估計點之間的協方差的加權和，用于表示監測站點相鄰性對估計誤差的影響，監測站點與估計點的距離越近，協方差值越大，克里金誤差就越小，不確定性就越小。

在正態分布的情況下，除了估計值，還可以說明置信區間和落于這一區間的概率。傳統的使用置信區間的方式涉及兩個重要假設：①實際的估計誤差遵循正態分布（或高斯分布）。②隨機函數的克里金誤差方差是實際誤差方差的精確估計，那么估計值就可以與克里金誤差方差結合而產生95%的置信區間的值：

綜上所述，克里金誤差方差是評價監測網絡設計的很好的指標，而克里金誤差方差是由變量的空間變異結構（協方差與變異函數）和監測站點位置的分布形式來決定的，與監測值無關，這一特性可以用來制定監測網絡設計策略。如果了解監測對象的空間變異結構，在進行布點之前，就可以決定監測站點的數量和位置，以達到估計誤差的方差最小。如果沒有監測變量的空間變異結構信息，可以從文獻中找到一些相似變量的信息，做一個初步數據采集，獲得比較準確的變異結構后便可以按照空間分析統計方法布設監測網絡。為了提高監測點對整個區域的代表性，需要最大限度地降低監測點在整個區域的克里金方差，即克里金方差最小化準則。

在實際的操作中，研究區域通常被分成有限個網格，克里金方差最小化準則可以在離散網格的表述如下：

式中，ne為離散網格點的個數代表第j個網格；S代表抽取的樣點。

2）以空間模擬退火為優化方法在優化布點模型中應用。模擬退火是迭代求解策略的一種隨機尋優算法[5]，其出發點是基于物理中固體物質的退火過程與一般組合優化問題之間的相似性。空間模擬退火算法步驟為：① 生成一個初始化離散布點方案x0，令計算目標函數值E (x0)；② 設置初始溫度T (0)=T0，迭代次數將當前最優解代入擾動函數，產生一新的解計算新的目標函數值并計算目標函數值的增量如果ΔE＜0，則如果ΔE＞0，則p=exp(-ΔE/T(i))，如果c=random[0,1]＜p， 則否則End for；④i=i+1；⑤ End Do；⑥ 輸出當前結果，計算結束。

3）以區域的克里金方差指標對于布點結果的分析與評價，在得到理論的最優步點之后，需要與實際的監測優化指標進行比較，本項目選擇用克里金方差的指標，從而得到與實際最相符的優化布點方案。

3 結果分析

3.1 顆粒物遙感反演結果

基于MODIS影像，采用暗像元法對桂林市2014年全年的顆粒物濃度進行遙感反演，并對結果進行濕度訂正和垂直訂正。桂林市2014年顆粒物反演年均值分布結果如圖3。

對于克里金方差最小化準則而言，先驗知識對于選址的唯一影響因素是空間分布，考慮到污染物濃度及擴散隨季節的變化而不同，因此選取PM10按季度統計結果，對其進行空間變異分析。

圖3 2014年桂林市顆粒物遙感反演圖

3.2 點位選取與布點結果分析

在選點方案之前，首先需要對桂林市進行格網化，以格網為單元對選點結果進行分析。為了統計整體克里金方差，將桂林市范圍劃分為2 km×2 km的離散網格。其中不完整的網格按照其中心點的位置判定其所屬區域。桂林市范圍內網格共1 328個，市區范圍內網格共150個。之所以確定為2 km的網格是從先驗知識的精度和污染物的相關尺度等方面綜合考慮的[6]。劃分網格如圖4所示。

圖4 實驗區劃分網格展示圖

利用克里金方差最小化準則，在候選點位中選取合適的點位，設計最佳的選點方案。分別計算每個網格4個季度的克里金方差，此網格的克里金方差為4個季度的克里金方差之和：

選點目標是使得桂林市范圍內所有網格的克里金方差平均值最小。

桂林市當前已有4個空氣質量監測站，擬在此基礎上增設空氣質量監測站，以實現對桂林市空氣質量狀況更精確地監測和統計推斷。考慮經濟等因素，利用空間模擬退火算法，在桂林市范圍內分別計算增設3～8個點位時的平均克里金方差。增設不同數量監測站時平均克里金方差的分布如表 1。

表 1 增設不同數量監測站的克里金方差匯總表

由圖5可以看出，隨著監測站點位增設數量的增加，平均克里金方差逐漸下降，但增設5個以后，平均克里金方差下降緩慢，6個之后逐漸趨于平穩。大量的監測點位雖然能夠保證監測結果所反映的區域內環境質量狀況無限接近實際情況，需要付出較高的經濟代價。所以綜合經濟因素等多種現實因素，擬在桂林市增設5個監測站點。

圖5 增設不同數量監測站的平均克里金方差

桂林市候選點位共有11個，擬選取5個監測站點。選點要求為靈川縣1個必選，秀峰區2選1，雁山區3選1，疊彩區3選1，臨桂區2選1，因此共有36 種方案。對所有的選點方案計算桂林市范圍和市區范圍內的克里金方差，并與現有的監測站點分析結果進行對比，結果表明以增設4、7、10、13、14這5個點位為最優，此方案使得桂林市范圍內平均克里金方差由739．95降至528．17，市區范圍內平均克里金方差由404．92降至250．23。合并增設5個點位和已建成的4個點位，在ArcMap中進行克里金分析，求得桂林市4個季度范圍內的克里金標準差，結果如圖6。

圖6 桂林市范圍內4個季度克里金標準差結果

4 結 語

綜上所述，在桂林市現有的4個空氣質量監測站點的基礎上，通過優化布點算法的分析，建議選擇4、7、10、13、14點位增設監測站，即桂林師范高等專科學校（秀峰區）、草坪回族希望小學校園、冠巖景區（雁山區）、師大一附（疊彩區）、市委黨校（臨桂區）和市第二技工學校（靈川縣）5個點位。

[1] 環境空氣質量監測規范（試行）．國家環境保護總局[S]．

[2] 莊曉東．基于空間分析的城市區域空氣質量監測網絡優化布點方法研究[D]．北京：北京師范大學,2011

[3] 鐘流舉,鄭君瑜,雷國強,等．空氣質量監測網絡發展現狀與趨勢分析[J]．中國環境監測,2007(2)：113-118

[4] 潘小樂．相對濕度對氣溶膠散射特性影響的觀測研究[D]．北京：中國氣象科學研究院,2007

[5] GROENIGEN J W V,STEIN A．Constrained Optimization of Spatial Sampling Using Continuous Simulated Annealing[J]．Journal of Environmental Quality,1998,27(5)：1 078-1 086

[6] WOLLENHAUPT N C,WOLKOWSKI R P,CLAYTON M K．Mapping Soil Test Phosphorus and Potassium for Variable-rate Fertilizer Application[J]． Journal of Production Agriculture,1994,7(4)：441-448

[7] VERMOTE E,TANRE D,DEUZE J L,et al．1997． Second Simulation of the Satellite Signal in the Solar Spectrum 6S：an Overview [J]． IEEE Transactions on Geoscience Remote Sensing,(35)：675-686

[8] 王中挺,厲青,陳良富,等．從MODIS數據反演粗細粒子氣溶膠[J]．光譜學與光譜分析,2011,31(10)：2 809-2 813

P208

B文章編號：1672-4623（2017）06-0072-04

10.3969/j.issn.1672-4623.2017.06.022

陳貝貝，工程師，主要從事環境遙感監測與研發工作。

2016-05-19。

項目來源：廣東省省級科技計劃資助項目（2014A010101151）。