大氣環境熱點網格遙感篩選方法研究

陳 輝,王 橋,厲 青,王中挺,馬鵬飛,周春艷,毛慧琴 (1.環境保護部衛星環境應用中心,北京 100094)

京津冀地區處于環渤海地區和東北亞的核心區域,是中國工業最為發達的地區之一,同時也是空氣污染最嚴重的地區之一,是國家控制空氣污染的重點區域.而空氣污染物的遷移擴散會影響周邊省市的空氣質量,因此需對京津冀及其周邊地區采取聯防聯控措施[1].近年來,京津冀及周邊地區大氣環境呈現出煤煙型與氧化型污染共存、局地污染與區域污染相疊加、污染物之間相互耦合的復合型大氣污染特征[2].我國政府提出要建立先進的環境監測體系,全面反映環境質量狀況和趨勢,準確預警各類環境突發事件.因此,環保部門不斷創新環境保護監管方式和手段,而衛星遙感技術由于其監測范圍廣、光譜信息多、數據客觀準確等顯著優勢,能夠在不同尺度上反映多種大氣污染物的宏觀分布趨勢、源匯分布等信息.

近年來,衛星遙感技術被廣泛用于我國大氣環境遙感監測,關佳欣等[3]采用2000～2009年MODIS遙感氣溶膠光學厚度產品分析并對比了我國中東部華北、四川盆地、長江三角洲和珠江三角洲 4個地區的AOD季節分布及其變化情況;Liu等[4]、Hu等[5]、馬宗偉等[6]、陳輝等[7]基于衛星遙感AOD結果和相對濕度(RH)、邊界層高度及其他地理環境要素數據,利用地理加權回歸、廣義相加等高級統計模型實現從AOD到PM2.5濃度的轉換,通過地面實測數據驗證評估分析了高級統計模型與一般統計模型相比在反映 AOD-PM2.5空間變異關系上具有較大的優越性;周春艷等[8-12]采用 OMI數據對京津冀、山東、長江三角洲和珠江三角洲等多個城市群地的對流層 NO2柱濃度時空分布格局變化進行了分析,并從地形、氣象條件、經濟、農業、生活和國家重大環保措施等多個方面分析了 NO2濃度變化的影響因素;宋國富等[13]、徐曉華等[14]、康重陽等[15]分別采用 OMI和SCIAMACHY的 SO2數據分析了我國長時間序列對流層SO2時空分布規律.綜合梳理上述研究主要從單項大氣污染物的遙感監測結果進行區域整體時空分布特征的宏觀分析,尚缺乏對多項污染物的綜合分析和局部重點污染地區的深入探測,這對我國復合型大氣環境及重點污染源環境監管支撐力度有限.

本研究在灰霾天數、PM2.5、NO2和 SO2的衛星遙感監測結果基礎上,對京津冀及周邊地區的四項指標遙感監測結果進行統計分析,構建大氣環境遙感綜合污染指數,并根據大氣環境遙感綜合污染指數的空間分布特征篩選出大氣環境綜合污染相對較重的熱點網格單元,為快速捕捉大氣環境污染源和精準治理提供科學的信息支撐.

1 研究數據與方法

1.1 遙感數據

考慮到近年來我國大氣污染突出特征表現為灰霾天氣的頻繁發生以及細顆粒物(PM2.5)和污染氣體(NO2、SO2)高濃度值,采用灰霾天數和 PM2.5、NO2、SO2濃度的遙感監測結果作為熱點網格篩選的基礎輸入數據,相應資料產品所用的衛星傳感器、空間分辨率及過境時間情況見表1.其中,灰霾天數和PM2.5主要利用TERRA和AQUA兩顆衛星上搭載的中分辨率光譜成像儀(MODIS)數據進行遙感反演獲取灰霾天數和PM2.5濃度結果,而NO2、SO2主要利用AURA衛星上搭載的臭氧監測儀(OMI)數據獲取柱濃度信息.

表1 本研究所用遙感產品信息Table 1 Information of remote sensing products in this study

1.1.1 灰霾天數遙感監測 灰霾天數是指一段時間內灰霾天氣發生頻次的統計結果,灰霾天氣就是“氣溶膠細粒子在高濕度條件下引發的低能見度事件”,形成灰霾天氣的氣溶膠組成非常復雜[2,16].參照世界氣象組織[17-19]的技術資料,本研究遙感監測到的灰霾天氣是指去除霧、降水等現象且水平能見度小于 5千米的情況.

灰霾天氣遙感監測是根據灰霾氣溶膠在可見光、近紅外、中紅外和熱紅外等電磁波段反射與發射特征,首先利用深藍算法[20-22]從 MODIS數據中遙感反演得到灰霾氣溶膠光學厚度,然后結合邊界層高度從灰霾氣溶膠光學厚度計算得到近地面消光系數,再利用 Koschmieder公式[23]將近地面消光系數轉換為水平能見度,最后根據水平能見度和氣象資料來綜合判定是否為灰霾天氣.

為對遙感監測灰霾天數結果進行檢驗,利用地面能見度儀和氣象站(設置在環境保護部衛星環境應用中心大樓樓頂,地理坐標為東經 116.24°,北緯40.08°),參照世界氣象組織(WMO)的技術資料計算所在地區 2016年逐月的灰霾天數,并從遙感監測結果中提取相應時間和地理位置的灰霾天數,將二者進行對比分析(圖 1),結果表明總體上遙感監測灰霾天數略高于地面儀器測量結果,但二者具有較高的一致性,決定系數超過0.8,這說明基于衛星遙感技術獲取的灰霾天數較為可靠,能較好地表征區域灰霾時空變化情況.

1.1.2 PM2.5濃度遙感監測 PM2.5遙感反演主要根據大氣顆粒物的垂直分布和吸濕增長的基本原理,在衛星遙感反演氣溶膠光學厚度(AOD)的基礎上,以相對濕度(RH)、邊界層高度(HPBL)等氣象資料作為輔助數據,結合地面觀測數據建立利用地理加權回歸(GWR)模型對空間上的每個點優化選取帶寬并進行回歸分析,建立PM2.5-AOD在空間上的變異轉換關系,最終獲取近地面 PM2.5質量濃度.不少研究結果表明,基于 GWR方法的衛星遙感反演結果與地面觀測結果具有較高的一致性,決定系數超過0.7[5-7].本研究利用GWR方法從MODIS數據中計算京津冀及周邊地區每日 PM2.5濃度,并合成計算 2016年 1～12月的逐月及全年平均濃度.

圖1 衛星遙感與地面儀器測量灰霾天數對比情況Fig.1 Comparison of total haze days from satellite and results of ground monitor

1.1.3 NO2柱濃度遙感監測 基于OMI數據的NO2對流層柱總量反演主要是采用差分光學吸收光譜算法(differential optical absorption spectroscopy,DOAS),該方法主要利用可見光(425～450nm)窗口的高光譜輻射探測信號及NO2在該窗口內的強吸收的特征,去除地表反射及氣溶膠的散射影響、大氣分子拉曼散射所引起 Ring 效應的填充作用及窗口內其他所有氣體的吸收影響,獲得地面到衛星傳感器整個光程的NO2斜柱濃度(SCD);然后基于輻射傳輸模型計算得到大氣質量因子將 NO2斜柱濃度轉化為垂直柱濃度(VCD);并實現與平流層 NO2濃度的分離以獲取對流層NO2柱濃度[24].本研究所用NO2資料來自于荷蘭皇家氣象研究所(KNMI)反演并由 TEMIS(Tropospheric Emission Monitoring Internet Service)發布的 OMI NO2對流層垂直柱濃度產品,空間分辨率為 0.125°,Wenig等[25]和 Boersma等[26]將衛星遙感產品與地基產品進行了對比驗證分析,決定系數達0.8以上,保證了產品的可靠性.本研究從該產品中提取 2016年每天的NO2對流層垂直柱濃度,并進行2016年1～12月逐月及全年平均濃度合成計算.

1.1.4 SO2柱濃度遙感監測 基于OMI傳感器反演邊界層 SO2的主要算法采用波段殘差法(BRD)[27],即利用SO2在紫外波段(310～330nm)處吸收較明顯的4個波長處的輻射值兩兩做差值形成3個波長對,然后利用275K溫度下的SO2的剖面微分數據將每一對殘差值分別轉換成SO2的傾斜柱量值,再經過大氣質量因子校正得到SO2垂直柱濃度值.BRD算法對于近地表SO2濃度變化具有較好的探測能力,能很好的探測人為活動排放引起的SO2濃度變化[15].

本研究所用的 SO2資料為 NASA發布的 OMI SO2邊界層柱濃度產品,空間分辨率為0.25°,Lee等[28]利用地面測量結果和衛星遙感反演結果進行對比分析發現二者具有較高的一致性,決定系數達 0.5.本研究從該產品中提取2016年每天的SO2邊界層垂直柱濃度數據集,并進行2016年1～12月逐月及全年平均濃度合成計算.

1.2 研究方法

1.2.1 大氣環境遙感綜合污染指數 目前所采用的空氣質量指數(AQI)被定義為一項或者多項空氣污染物濃度的線性轉換結果,用來描述空氣質量的日變化情況,這種空氣質量評價方法能體現出空氣中的主要污染物,但是不能綜合表達大氣中其他因子對于空氣環境質量的影響[29].橡樹嶺大氣質量指數(the Oak Ridge Air Quality Index,ORAQI)是由美國原子能委員會橡樹嶺國立實驗室于1971年9月提出的.這種指數評價方法認為評價指標對空氣質量綜合評價效果的影響呈指數關系,可以根據各地區不同的環境狀況確定相應的評價模型[30].

設Ci代表任一項實測污染物的日平均濃度,Si代表該污染物的相應標準值, ORAQI可按下式計算:

式中:a 、 b 為常系數.ORAQI方程應用非常廣泛,定量描述了每項污染物的重要性.實際評價中,根據ORAQI計算結果,將大氣環境質量分為六級,依次為優 (＜20),好 (20～39),尚 可 (40～59),差 (60～79),壞(80～100),危險(＞100);ORAQI 越大,大氣環境質量越差[29-31].

采用ORAQI評價大氣環境污染狀況首先需要確定當地的環境背景值和評價標準,以計算出適用于研究地區的常系數 a 、 b .而系數 a 、 b 的確定方法為:當各種污染物濃度等于該地區背景濃度時,ORAQI= 1 0;當各種污染物濃度均達到相應的標準時,O RAQI= 100;因此,a 、 b 由以下方程組確定:

已有相關學者[31-33]對美國、印度及中國等不同地區采用不同的污染因子計算獲取 ORAQI常系數a、b,部分結果如表2.

由此可見,常系數a和b根據不同地區、不同的污染因子以及采用的計算方法的變化而表現出較大差異,其中常系數a的最大值和最小值分別為39.2和2.13,常系數b的最大值和最小值分別為2.49和0.967.因此,將橡樹嶺大氣質量指數應用于京津冀及周邊地區的大氣環境質量綜合評價分析,首先需要根據所選取的四項大氣環境遙感污染因子確定標準值和背景值,從而確定系數.但目前尚未發布衛星遙感監測灰霾天數和 PM2.5、NO2、SO2濃度四項大氣環境遙感污染指標的相關標準,本研究根據陳輝等[31,33]的研究方法,根據不同指標的分形分布特征統計分析結果,采用分形求和模型來獲取四項大氣環境遙感污染因子的背景值和標準值.

表2 ORAQI常系數計算結果對比Table 2 the Comparison of constant coefficient for different ORAQI

分形求和模型是在分形統計模型基礎上發展起來的,分形統計模型實際上是對物體累積密度分布分形特征的解析和描述,即大于某一尺度的物體的數目與物體大小尺度之間存在著冪函數關系,即具有尺度不變性.Shen[34-35]進一步提出了分形求和模型用來確定地球化學數據分組界限,

式(3)中N( r)表示所有滿足xi≥r的總和,為分形維數,C為常數.

因此,本研究根據 2016年京津冀及周邊地區每個月的灰霾天數和 PM2.5、NO2、SO2月均濃度四項大氣環境遙感污染因子的密度分布特征建立分形求和模型,首先根據不同的指標值來統計大于相應指標值的象元個數,然后將統計結果在雙對數坐標系中描繪出來,根據散點分布特征進行擬合分析,從而確定四項遙感監測因子的背景值和標準值,然后根據式(2)求解方程即可獲得 ORAQI的常系數 a和常系數 b,建立區域大氣環境遙感綜合污染指數計算方法.

1.2.2 大氣環境熱點網格提取及分析 隨著我國城市現代化建設進程的加快,城市環境問題也日期凸顯,改善城市環境質量不僅是一個管理問題,同時也是科學技術問題,采用網格化分析方法解決城市環境問題勢在必行,是城市環境管理發展的必然趨勢[36].而大氣環境熱點網格則是指所有區域網格的大氣環境污染相對較重的網格單元,是在大氣環境監管中高度重視、重點關注的區域.

針對京津冀及周邊地區的大氣環境質量精細化管理需求,本研究首先將京津冀及周邊地區劃分為1km×1km網格約70萬個,根據上述計算的每個網格的大氣環境遙感綜合污染指數長時間序列的分布情況,提取出大氣環境遙感綜合污染指數相對較高(ORAQI＞60)的網格,即為大氣環境熱點網格,該網格單元可以作為環保部門進行環境執法和督查的參考區域.然后結合高分辨率衛星數據對熱點網格內的土地利用類型進行解譯分析,為保證土地利用類型解譯精度,收集米級(即空間分辨率不超過 10m)的衛星數據,采用目視解譯的方法,將熱點網格的土地利用分為工業用地和非工業用地,工業用地主要指用來建設工廠廠房和施工等土地利用類型,包括工廠廠房、露天作業等;其他類型則為非工業用地,包括農田、林地、農村居民點、城鎮居民用地、水體、道路等多種類型.最后,根據大氣環境質量管理需求,對熱點網格內的工業用地占比情況進行統計分析,探討不同規模類型的企業的生產活動對大氣環境質量影響,為大氣環境監管提供信息參考.

2 結果與討論

2.1 基于衛星遙感的大氣環境污染時空變化特征分析

利用MODIS、OMI數據和氣象資料對京津冀及周邊每天的灰霾天氣及 PM2.5、NO2、SO2濃度情況進行遙感監測,并統計京津冀及周邊地區 2016年全年的灰霾天數和 PM2.5、NO2、SO2年均濃度空間分布情況,結果如圖2.

從圖中可以看出, 2016年京津冀及周邊地區的灰霾天數和PM2.5、NO2、SO2濃度分布情況來看,總體上均表現出北部地區大氣環境質量較好而中部和南部地區污染稍重的空間分布態勢,但各項污染物的局部分布特征表現出較大差異.如灰霾天數較多地區主要分布在河南的鄭州、焦作等地,PM2.5濃度的高值區主要分布在河北的保定、石家莊、邢臺和河南的新鄉、焦作等地,NO2柱濃度高值區主要分布在北京、天津、河北的唐山、石家莊及邯鄲等地,SO2柱濃度高值區主要分布在山西的呂梁、臨汾、河北的石家莊、邯鄲等地,不同地區的大氣環境污染呈現出主要污染物不盡相同并且多項污染物形成復合型污染的復雜情況,因此有必要根據各項大氣環境污染物的分布情況發展一個大氣環境遙感綜合污染指數,對大氣環境質量時空變化進行綜合分析.

圖2 2016年京津冀及周邊區域灰霾天數和PM2.5、NO2、SO2年均濃度空間分布Fig.2 Spatial distribution of the total haze days and annual concentions results of the PM2.5、NO2、SO2 in the Beijing-Tianjin-Hebei and surrounding regions in 2016

2.2 大氣環境遙感綜合污染指數分析

根據分形求和模型統計京津冀及周邊地區灰霾月累計天數和 PM2.5、NO2、SO2月均濃度的密度分布情況,并將其繪制在雙對數坐標系中,結果見下圖.從圖中可以看出在雙對數坐標系中,四項遙感監測因子的散點基本分布在3條直線上,因此,可根據不同因子的分布情況對3個區間的散點分別進行線性擬合,結果見表3.

圖3 2016年京津冀及周邊區域灰霾累計天數和PM2.5、NO2、SO2月均濃度分形求和模型結果Fig.3 Results of the fractal summation model of the total haze days and annual concentions results of the PM2.5、NO2、SO2 in the Beijing-Tianjin-Hebei and surrounding regions in 2016

表3 2016年京津冀及周邊區域灰霾天數和PM2.5、NO2、SO2月均濃度分形求和模型擬合結果Table 3 The fitting results of the fractal summation model of the total haze days and annual concentions results of the PM2.5、NO2、SO2 in the Beijing-Tianjin-Hebei and surrounding regions in 2016

從表3中可以看出,衛星監測灰霾天數和PM2.5、NO2、SO2濃度四項大氣環境遙感因子的3段直線的擬合決定系數R2都在0.88以上,這說明四項因子的分形求和模型擬合效果較好,可以有效表征出不同因子的密度分布特征.根據分形模型擬合的3段直線可確定兩個分界點,即為衛星遙感監測京津冀及周邊地區四項大氣環境質量因子的背景值和標準值,結果如下:

表4 2016年京津冀及周邊區域灰霾天數和PM2.5、NO2、SO2月均濃度背景值和標準值Table 4 The background and standard values of the total haze days and annual concentions of PM2.5、NO2、SO2 in the Beijing-Tianjin-Hebei and its surrounding regions in 2016

根據表4結果,可知:京津冀及周邊地區的遙感監測灰霾天數、PM2.5、NO2和SO2的背景值分別為10.7天、57.5μg/m3、515.7×1013mole/cm2和 0.29DU,標準值分別為 22.2d、112.2μg/m3、2073.1×1013mole/cm2和0.64DU.

根據上述結果代入(2)式可解方程得到:a=1.3906,b=2.6836.將上述結果代入(1)式可確定京津冀及周邊地區衛星遙感監測大氣環境遙感綜合污染指數公式如下:

根據式(5)計算2016年1～12月京津冀及周邊地區每個月的大氣環境遙感綜合污染指數,其時空分布變化情況見下圖.

從上圖可以看出,2016年1～12月京津冀及周邊地區大氣環境遙感綜合污染指數空間分布呈現出顯著的時空分布特征,每個月的高值區主要分布在區域中部的北京南部、天津南部、河北南部、河南北部、山東的西北部和山西局部等地,這與京津冀及周邊地區的工業企業排放源的空間分布情況關系密切;并且1～12月大氣環境遙感綜合污染指數呈現“U”形變化特征,即 11～12月和 1～2月的值相對較高,3～10月相對較低,這可能和京津冀及周邊地區的采暖活動相關.為定位篩選出京津冀及周邊地區的大氣環境污染相對最高的象元,將 1～12月的大氣環境遙感綜合污染指數進行年均合成計算,其空間分布情況見下圖.

圖4 2016年京津冀及周邊地區大氣環境遙感綜合污染指數月均分布Fig.4 Spatial distribution of the monthly average comprehensive pollution index of atmospheric environment remote sensing in the Beijing-Tianjin-Hebei and surrounding regions in 2016

圖5 2016年京津冀及周邊地區大氣環境遙感綜合污染指數年均值空間分布情況Fig.5 Spatial distribution of the annual average comprehensive pollution index of atmospheric environment remote sensing in Beijing-Tianjin-Hebei and surrounding regions in 2016

從圖 5可以看出,2016年京津冀及周邊北部和南部的大部分地區大氣環境遙感綜合污染指數年均值分布在 0～20之間,這說明該地區的大氣環境質量總體相對較好;中部的北京、唐山、天津、廊坊、保定、滄州、石家莊、衡水、邢臺、邯鄲、東營、濱州、淄博、濟南、德州、聊城、濟寧、棗莊、安陽、鶴壁、新鄉、焦作、鄭州等地的 ORAQI年均值超過 20,這說明上述城市的大氣環境質量相對略差;其中保定中部、石家莊大部、邢臺東部、邯鄲東部和安陽北部一帶的ORAQI年均值分布在40～60之間,這說明這些地區的大氣環境質量總體較差,ORAQI年均值相對較高的地區主要分布在保定中部、石家莊中北部及邢臺南部和邯鄲北部交界處,其 ORAQI年均值超過 60,這說明這些地區的大氣環境質量很差,可以作為大氣環境監管和污染治理的重點關注區域.

2.3 大氣環境熱點網格提取分析

根據 ORAQI對大氣環境質量的分級情況[29],將大氣環境質量污染較重的(即大氣環境遙感綜合污染指數年均值大于 60)的網格作為大氣環境熱點網格提取出來共計1782個.然后結合Google earth對熱點網格內的土地利用類型進行目視解譯分類(分為工業用地和非工業用地),并估算工業用地占網格面積比例,利用Arcgis軟件分別將保定市、石家莊市、邢臺和邯鄲市的大氣環境熱點網格根據網格工業用地面積比例進行渲染制圖,并對各市的熱點網格工業用地占比情況進行統計(圖6和表5).

結果表明:保定市的大氣環境熱點網格主要分布在南市區和清苑縣一帶,網格工業用地面積比例整體較高,共48個網格,工業用地面積比例在10%以上的網格比例為 75%,其中南市區部分熱點網格的工業用地面積超過 50%,這說明該地區的中大規模企業生產對局地的大氣環境質量影響相對較大;石家莊市的大氣環境熱點網格主要分布在藁城縣北部、正定縣東部、石家莊市轄區、欒城北部及鹿泉縣北部局部等地,共1314個網格,其中工業用地面積比例在 10%以內的網格比例約為 65%,工業用地面積比例在 10%～30%之間的網格比例約為 25%,這說明該地區的中小型企業生產對局地的大氣環境影響較大;邢臺和邯鄲的大氣環境熱點網格主要分布在邢臺的沙河市和沙河的武安市交界地區,共420個網格,其中工業用地面積比例在 5%以內的網格比例約為48.6%,非工業用地網格比例為41.4%,這說明該地區的小型企業和農業(非工業用地網格的土地利用類型主要為農田)生產活動對當地大氣環境質量影響相對較大.

圖6 2016年保定市(a)、石家莊市(b)、邢臺市和邯鄲市(c)大氣環境熱點網格及工業用地面積占比情況Fig.6 Spatial distribution of the hotspot grid of atmospheric environment and its industry land proportion in 2016

表5 2016年京津冀及周邊地區大氣環境熱點網格及工業用地面積占比情況統計Table 5 The statistical results of the hotspot grid of atmospheric environment and its industry land proportion in the Beijing-Tianjin-Hebei and surrounding regions in 2016

總體上,工業用地占比較低(低于 10%)的網格占總網格數的比例相對較高,約為61.8%;而工業用地占比較高(高于 30%)的網格占總網格數的比例相對較低,約為 5.1%.這說明小型企業的生產排放對當地的大氣環境質量影響較大,這與多家媒體報道的“小散亂污”企業制造業問題突出嚴重影響大氣環境質量的結果較為一致[37-40].

值得注意的是,非工業用地的熱點網格占總網格數的比例約為 13.5%,由于非工業用地熱點網格的土地利用類型主要為農田,所以農業生產對當地大氣環境質量也產生一定影響.

3 結論

3.1 2016年京津冀及周邊地區的灰霾天數和PM2.5、NO2、SO2濃度分布總體上均表現出北部地區大氣環境質量較好而中部和南部地區污染稍重的空間分布態勢,但各項污染物的局部分布特征表現出較大差異,不同地區的大氣環境呈現出主要污染物不盡相同并且多項污染物形成復合型污染的情況.

3.2 基于分形求和模型結果確定了京津冀及周邊地區灰霾天數、PM2.5、NO2和 SO2濃度的背景值分別為10.7天、57.5μg/m3、515.7×1013mole/cm2和0.29DU,標 準值 分別 為 22.2d、112.2μg/m3、2073.1×1013mole/cm2和0.64DU.在此基礎上,結合 ORAQI建立的大氣環境遙感綜合污染指數對區域大氣環境質量時空變化有較好的指示效果,京津冀及周邊北部和南部的大部分地區大氣環境質量總體相對較好,中部部分城市的大氣環境質量相對較差,大氣環境污染最重的地區主要分布在保定中部、石家莊中北部及邢臺南部和邯鄲北部交界處.

3.3 利用ORAQI共篩選出大氣環境熱點網格1782個,其中工業用地面積占比較低的熱點網格數比例相對較大,這表明小型企業生產排放對當地的大氣環境質量影響較大.