MODIS氣溶膠光學厚度反演的西安市顆粒物濃度研究

鄭 俊，楊志強，張凱南，高旺旺

(長安大學 地質工程與測繪學院，陜西 西安 710054)

大氣氣溶膠是指大氣中的固體和液體微粒與氣體載體共同組成的多相體系，大氣氣溶膠可以影響地球的輻射收支平衡和溫室氣體的濃度和分布，同時氣溶膠的大量存在會嚴重污染大氣質量進而影響人類健康[1-2]。氣溶膠作為大氣輻射和大氣光學中的重要物理量，一定程度上表征了整層大氣中顆粒物的濃度和光學特性。流行病學研究表明，PM10或PM2.5濃度(空氣動力學直徑分別小于10 μm或2.5 μm)與公共疾病、呼吸系統疾病和心血管疾病死亡率密切相關，PM濃度已成為衡量大氣污染程度的重要指標，受到世界各國環保、衛生、科學等行政管理部門的重視。因此，對于顆粒物濃度進行連續自動監測具有重要意義[3]。近年來，隨著工業化和城市化的快速發展，PM已成為中國大部分主要城市的主要空氣污染物，不僅威脅到人們的身體健康，而且造成大氣能見度下降和城市景觀退化，因此各個城市陸續建立環境監測站以實現對大氣污染的有效觀測，及時做出控制。但地面觀測只能在有限地面點進行，空間覆蓋面積小，難以對污染的變化趨勢、空間分布等進行監測與分析。

衛星遙感是大氣氣溶膠監測的主要方式之一，具有立體觀測、覆蓋范圍廣、實時采集等優點[4]。國內外已開展了氣溶膠光學特性與PM濃度之間關系的研究，例如，Chu等、Slater等發現了地面AOD與PM10、PM2.5濃度的關系，得出的R2分別為0.67、0.76；Wang &、Christopher和Engle-Cox等人比較分析了衛星反演的AOD與PM2.5的關系，其R2分別為0.49和0.40，李成才等將衛星反演AOD與空氣污染指數(API)用于北京市環境污染研究中，經過垂直訂正及濕度訂正獲得地面干消光系數并與顆粒物濃度進行相關性分析。

本文利用MODIS數據反演分辨率為1 km的氣溶膠光學厚度，利用地面統計得到的PM2.5、PM10濃度與ECMWF再分析資料計算得到的相對濕度及邊界層厚度進行垂直訂正、濕度訂正，建立AOD與PM2.5、PM10濃度關系模型，為西安市霧霾防治與預測研究提供有力支持。

1 數據介紹

1.1 研究區域

西安市地處渭河中游關中盆地，秦嶺以南，黃土高原以北，東邊是潼關和黃河形成的通風口，地形特殊，受太行山脈影響，霧霾懸浮于西安市上空，難以排除，加之其他氣候條件(如靜風、少雨雪)以及近年來城市熱島效應的加劇、冬季燃煤取暖、道路揚塵等因素的共同影響造成西安地區頻繁的霧霾天氣。因此有必要通過分析西安市AOD與地面顆粒物濃度的關系，建立相關模型，分析近幾年西安市大氣污染的時空特征及環境質量變化[5-6]。如圖1所示為本實驗研究區域及西安市環境質量監測站點分布圖，共計13個監測站，分別為：高壓開關廠，興慶小區，紡織城，市人民體育場，高新西區，經開區，長安區，閻良區，臨潼區，草灘，曲江文化產業集團，廣運潭。

圖1 研究區域及監測站點分布圖

1.2 數據

1.1.1 遙感數據

本文利用MODIS L1B 1 km 數據實現對陸地上空氣溶膠的監測，L1B 1 km數據是對L1A數據進行定位和定標處理之后生成的，選取空間分辨率為1 km的MOD02數據即定標后1 000 m分辨率的地球觀測數據，MOD03數據包含每天為所有軌道計算的每個1 km MODIS瞬時視場(IFOV)的地理位置信息。

MOD/MYD04_3K是NASA發布的Level 2級氣溶膠產品，可用來獲取全球海洋和陸地環境的大氣氣溶膠光學特性(光學厚度)和質量濃度，空間分辨率為3 km。在C6版本中，提供了新的3 km分辨率的氣溶膠產品即MOD/MYD04_3K。本文利用MOD04_3K氣溶膠產品數據與MOD02數據反演得到的氣溶膠光學厚度進行對比驗證工作。

1.1.2 PM2.5、PM10及氣象數據

本實驗在中國環境監測中心官方網站采集了2017年西安市的PM2.5、PM10濃度測量數據，西安市共設立了13個環境空氣質量監測站。本研究使用日平均PM2.5、PM10質量濃度(μg/ m3)用于顆粒物研究。而對于行星邊界層厚度(HPBL)，監測起來十分困難，它不是傳統的地面氣象變量，所以本文使用來自ECMWF再分析資料的HPBL(http://apps.ecmwf.int/datasets/)及相對濕度(RH)數據。

優勢互補、互利共贏為雙方企業的發展帶來了繁忙與機遇。在到場來賓共同見證下，奧特奇與來自中國各地的經銷商簽訂戰略合作協議，共同開啟賽土豐全面營銷的新時代。

2 研究方法

利用MODIS遙感影像基于暗像元法反演氣溶膠光學厚度。根據歸一化植被指數(NDVI)確定暗像元，然后使用6S軟件通過輻射傳輸公式構建查找表，最后，根據MODIS數據和查找表進行插值獲得AOD。

在方法上與以往不同的是研究中采用固定的波段關系，獲得紅藍波段的表觀反射率，進而得到紅藍波段反演得到的AOD值，最終將兩個波段的反演值加權得到最終的AOD值。

氣溶膠光學厚度(AOD)反映了整個大氣立柱的氣溶膠光學特性，而顆粒物濃度通常在地表測量得到，因此，若要根據AOD估算地面顆粒物濃度，則需要基于一定的時空尺度探求二者的相關性，不斷消除環境影響，獲取更大的相關性[7-8]。結合國內外相關研究，本研究重點采用垂直訂正與濕度訂正的方法訂正AOD，從而反演西安市PM2.5和PM10濃度。

式(1)為垂直訂正公式，其中BLH代表邊界層厚度；τ為光學厚度；β0為地面消光系數。

τ=B0·BLH.

(1)

根據White等[9]早期的經驗公式，氣溶膠的吸濕增長過程為

f(RH)=1/(1-RH)，

(2)

(3)

(4)

式(4)中f(RH)為吸濕性增長因子，經過計算得出氣溶膠吸濕性增長因子如表1所示。

假定氣溶膠的化學成分及粒度分布在一定條件下保持不變，那么可以認為粒子的Qext，yeff，ρ是恒定不變的，則ωa與顆粒物濃度成比例，則干消光系數ωa與PMx具有良好的相關性[10]。

表1 西安市吸濕性增長因子每月均值

3 結果與分析

3.1 反演結果

圖2是利用暗像元法反演并通過ArcGIS空間分析得到的西安地區2017年平均氣溶膠分布圖。結果表明[11]：AOD分布呈現出北高南低的趨勢，即AOD高值主要分布在西安市的中北部，低值主要分布在西安市南部。其原因可能是由于西安市南部是秦嶺山脈，人類活動較少，擁有繁多的樹林植被，污染源較少，所以西安市南部地區的空氣污染指數低，而中北部地區為西安市主城區，屬關中平原，人口密集，人為顆粒物污染源(如汽車尾氣、燃煤等)較多，再加上城市熱島效應的不斷增加以及西安市特殊地形地貌、氣候氣象等因素的影響使得中北部地區AOD分布較高。這也說明了氣溶膠光學厚度的分布易受到地形地貌、工業及人口分布等的影響。

圖2 氣溶膠分布圖

3.2 對比驗證

MOD04_3K氣溶膠產品(0.55 μm)的分辨率為3 km，而本研究中反演的AOD為1 km的分辨率，為了兩者比較，將本研究反演的MODIS AOD結果利用三次卷積插值法重采樣得到3 km的分辨率進行比較，通過數據分析及數據計算得出結果如表2所示。

表2 數據分析結果

從圖3的散點對比圖及表2數據分析可以看出：根據時空匹配性原則，將氣溶膠產品MOD04和反演的AOD按像元點一一對應進行篩選，共選取了2 352組數據進行對比分析得出MOD04氣溶膠產品與本研究反演得到的AOD之間的線性方程式為y=0.871 4x+0.007 24，相關系數R達到了0.88，均方根誤差RMSE=0.12，平均絕對誤差MAE=0.07，說明兩者具有非常顯著的相關性，MOD02反演的AOD可以用于氣溶膠及顆粒物濃度研究。而RMB=1.04(當RMB>1，則結果被低估[12])說明AOD平均值被低估。

圖3 MOD04_3K AOD與本研究反演1km AOD對比散點圖

3.3 結果分析

利用統計得到的西安市2017年地面PM2.5、PM10顆粒物濃度數據和反演得到的2017年AOD 的每日均值，因反演中存在部分數據缺失且根據時間匹配共得到了241對有效數據，通過分析得出的AOD與顆粒物濃度之間的相互關系如圖4所示，結果表明：AOD與PM2.5、PM10的直接相關系數分別為0.53、0.43，相關系數較低。AOD反映了整個大氣立柱的氣溶膠光學特性，而PM濃度通常在地表進行水平測量得到，所以它們之間的相關性受到氣溶膠垂直分布和影響氣溶膠消光系數的相對濕度(RH)的嚴重影響，從而影響氣溶膠的消光系數[13]。這兩個因素與大氣廓線、環境條件以及氣溶膠的尺寸、分布和化學成分有關，這些因素都可能具有較大的空間和時間變化，因此直接利用氣溶膠光學厚度進行大氣污染物研究時，只能進行定性分析及判斷，多源不確定因素的加入造成定量分析結果的不確定性，為減少不確定性，將邊界層高度(HPBL)和相對濕度(RH)引入到相關模型中，修正并提高AOD與地面顆粒物的相關性以滿足AOD進行地面污染監測的需要。

圖4 AOD與PM2.5、PM10濃度比較

3.4 垂直訂正及濕度訂正

首先利用邊界層厚度對AOD進行垂直訂正后得到的兩者相關性如圖5所示，結果表明：經過垂直訂正后，得到的地面消光系數與PM2.5、PM10濃度相關系數分別為0.65、0.56，而經過垂直訂正后的AOD表示地面的消光系數，反映了地面污染物的消光強弱[14]。該消光系數消除了氣溶膠垂直分布的影響，雖然基于一定的假設模型，但在一定程度上減少了氣溶膠垂直廓線隨時間變化的影響，使得訂正后的AOD與PM2.5、PM10的相關系數有所提高。

而由于地面顆粒物濃度的測定一般是在干燥條件下進行的，而衛星AOD則伴隨著相對濕度，當氣溶膠的組分、尺寸大小和相對濕度一定時，相關系數與PM2.5、PM10成正比[15]，利用吸濕性增長公式，對經過垂直訂正后的消光系數再次進行濕度訂正，獲得AOD的干消光系數通過相關線性變換得到反演的PM2.5、PM10，其與地面濃度觀測結果相關性如圖6所示。結果表明：利用相對濕度進行訂正后，相關性進一步提高，反演得到的PM2.5、PM10濃度與地面監測獲取的顆粒物濃度相關系數分別為分別達到0.71、0.62，較好的實現了AOD反演PM2.5、PM10顆粒物濃度的目的。通過訂正說明了相對濕度及氣溶膠的垂直分布對AOD與顆粒物濃度關系有著重要的影響，通過有效的垂直訂正及濕度訂正MODIS數據可用于獲取區域尺度上顆粒物濃度的時空變化，可以作為地面空氣質量監測的有效補充。

圖5 垂直訂正后AOD與PM2.5、PM10濃度比較

圖6 濕度訂正后AOD與PM2.5、PM10濃度比較

4 結 論

基于MODIS影像反演2017年西安市的氣溶膠光學厚度，并利用邊界層厚度及相對濕度進行垂直訂正及濕度訂正，得到反演的PM2.5、PM10濃度，得出以下結論：

1)基于暗像元法反演得到具有1 km分辨率的氣溶膠光學厚度，利用ArcGIS獲取西安市2017年AOD分布圖；

2)本研究中反演的AOD與MODIS AOD 產品的分布趨勢大致相同，具有顯著的相關性，相關系數達到0.88；

3)反演的AOD與地面顆粒物濃度PM2.5、PM10的相關性較低，經過垂直訂正及濕度訂正后PM2.5、PM10與地面觀測值具有良好的相關性，其相關系數為0.71、0.62。

在實驗中也存在許多不足之處，如：冬季植被覆蓋過少反演值偏低，沒有考慮季節和年際變化，下一步將繼續研究長時間序列數據累積，納入其它影響因子(如風速、風向、SO2)不斷修正反演模型，在不同尺度上研究污染物的時空特性。