“散亂污”企業(yè)遙感動(dòng)態(tài)監(jiān)管技術(shù)及應(yīng)用

王 橋, 厲 青, 王中挺, 平 凡, 喬 琦, 陳國(guó)強(qiáng), 謝品華, 陳 輝, 趙愛(ài)梅, 左德山, 胡肇?zé)j

1.生態(tài)環(huán)境部衛(wèi)星環(huán)境應(yīng)用中心， 國(guó)家環(huán)境保護(hù)衛(wèi)星遙感重點(diǎn)實(shí)驗(yàn)室， 北京 100094 2.北京市遙感信息研究所， 北京 100192 3.中國(guó)環(huán)境科學(xué)研究院， 北京 100012 4.礦冶科技集團(tuán)有限公司， 北京 100160 5.中國(guó)科學(xué)院安徽光學(xué)精密機(jī)械研究所, 中國(guó)科學(xué)院環(huán)境光學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室， 安徽 合肥 230031

目前，針對(duì)大氣污染企業(yè)的監(jiān)管主要通過(guò)污染源在線監(jiān)測(cè)和人工監(jiān)管的手段實(shí)現(xiàn). 大氣污染源在線監(jiān)測(cè)目前主要對(duì)重點(diǎn)企業(yè)進(jìn)行，還無(wú)法對(duì)流動(dòng)性較強(qiáng)的“散亂污”企業(yè)實(shí)現(xiàn)在線監(jiān)控. 為做好重點(diǎn)區(qū)域的大氣污染防治工作，生態(tài)環(huán)境部(原環(huán)境保護(hù)部)在京津冀及周邊地區(qū)“2+26”城市和汾渭平原開展了藍(lán)天保衛(wèi)戰(zhàn)重點(diǎn)區(qū)域強(qiáng)化督查和大氣污染防治強(qiáng)化監(jiān)督幫扶工作，督查中發(fā)現(xiàn)，“散亂污”企業(yè)由于機(jī)動(dòng)性強(qiáng)，現(xiàn)場(chǎng)檢查針對(duì)性不強(qiáng)，很難發(fā)現(xiàn)其中污染程度較重的企業(yè)[5].

衛(wèi)星遙感技術(shù)具有動(dòng)態(tài)監(jiān)測(cè)污染物分布及動(dòng)態(tài)識(shí)別污染企業(yè)的能力，它可通過(guò)搭載在衛(wèi)星平臺(tái)上的傳感器來(lái)對(duì)顆粒物[6-7]、NO2[8]、SO2[9]等大氣污染物進(jìn)行有效監(jiān)測(cè)，與人工監(jiān)管的點(diǎn)位相比，其獨(dú)特的優(yōu)勢(shì)是能從宏觀上獲得大氣污染物的空間分布特征及其演化趨勢(shì)，進(jìn)行大氣環(huán)境質(zhì)量的分析與評(píng)估，并可快速實(shí)現(xiàn)大氣污染較重區(qū)域的精準(zhǔn)定位，為大氣污染企業(yè)監(jiān)管節(jié)約大量時(shí)間及人工成本. 現(xiàn)在主流的顆粒物遙感監(jiān)測(cè)結(jié)果的空間分辨率能夠達(dá)到1 km的分辨率[6-7]，NO2、SO2等污染氣體監(jiān)測(cè)的分辨率為3.5～25 km，監(jiān)測(cè)周期可以達(dá)到每天一次[8-10]. 目前，國(guó)內(nèi)外利用衛(wèi)星遙感技術(shù)開展污染源目標(biāo)監(jiān)測(cè)方面，主要是對(duì)污染源區(qū)域的鎖定[11-12]以及對(duì)已掌握位置信息的鍋爐[13]、規(guī)模較大的鋼廠[14]等重點(diǎn)污染源的監(jiān)測(cè)，但針對(duì)包括“散亂污”企業(yè)等非重點(diǎn)污染源的主動(dòng)識(shí)別及監(jiān)管研究還較為鮮見(jiàn)，隨著高空間分辨率衛(wèi)星遙感技術(shù)的發(fā)展，在衛(wèi)星疑似污染目標(biāo)區(qū)域定位的基礎(chǔ)上，可以結(jié)合達(dá)到米級(jí)分辨率的國(guó)產(chǎn)高分二號(hào)[15]等高空間分辨率光學(xué)衛(wèi)星，配合人工和車載技術(shù)核查手段，實(shí)現(xiàn)對(duì)“散亂污”企業(yè)的有效監(jiān)管.

該研究以“散亂污”大氣污染企業(yè)為監(jiān)管目標(biāo)，以衛(wèi)星監(jiān)測(cè)結(jié)果為基礎(chǔ)，結(jié)合地面站點(diǎn)空氣質(zhì)量監(jiān)測(cè)、車載走航遙測(cè)技術(shù)等技術(shù)手段，開展了“散亂污”企業(yè)識(shí)別及其整治效果評(píng)估方法研究，以期為大氣污染重點(diǎn)區(qū)域的“散亂污”及中小型大氣污染企業(yè)環(huán)境監(jiān)管提供重要科技支撐，有效服務(wù)于大氣污染重點(diǎn)區(qū)域的精準(zhǔn)治污及空氣質(zhì)量的改善.

1 研究數(shù)據(jù)與方法

1.1 數(shù)據(jù)源

該研究用于近地面PM2.5濃度、灰霾氣溶膠光學(xué)厚度衛(wèi)星反演的數(shù)據(jù)源來(lái)自美國(guó)宇航局TERRA和AQUA衛(wèi)星的MODIS傳感器，二者分別在每天10:30和13:30左右經(jīng)過(guò)我國(guó)，除赤道和低緯地區(qū)外，1～2 d可以實(shí)現(xiàn)一次全球覆蓋(https:modis.gsfc.nasa.govabout)；近地面PM2.5濃度反演時(shí)所需配套的地面PM2.5濃度數(shù)據(jù)為中國(guó)城市空氣質(zhì)量實(shí)時(shí)發(fā)布平臺(tái)的小時(shí)數(shù)據(jù)(http:106.37.208.233:20035)，配套的氣象數(shù)據(jù)(相對(duì)濕度和邊界層高度)來(lái)自美國(guó)國(guó)家環(huán)境預(yù)測(cè)中心提供的全球0.25°×0.25°氣象場(chǎng)GFS數(shù)據(jù)(https:nomads.ncep.noaa.gov)，該數(shù)據(jù)每天包括4個(gè)時(shí)次(00:00、06:00、12:00和18:00 UTC)，應(yīng)用時(shí)選取衛(wèi)星過(guò)境時(shí)最鄰近的UTC 06:00數(shù)據(jù). NO2、SO2遙感反演中的數(shù)據(jù)源來(lái)自美國(guó)Aura衛(wèi)星的OMI傳感器，其每天13:30左右經(jīng)過(guò)我國(guó)，每天可以覆蓋全球一次(https:www.nasa.govmission_pagesauraspacecraftomi.html).

1.2 研究方法

該研究以衛(wèi)星遙感技術(shù)為主、結(jié)合地面空氣質(zhì)量監(jiān)測(cè)、污染源在線監(jiān)測(cè)、車載光學(xué)遙測(cè)技術(shù)等技術(shù)手段，研究建立了一套基于污染物衛(wèi)星遙感反演—衛(wèi)星遙感大氣污染物指數(shù)構(gòu)建—重點(diǎn)關(guān)注網(wǎng)格提取—疑似“散亂污”企業(yè)動(dòng)態(tài)識(shí)別及整治效果評(píng)估的方法體系. 研究中涉及到灰霾及PM2.5、SO2、NO2相關(guān)指標(biāo)的衛(wèi)星遙感反演，反演分別獲取的是灰霾天數(shù)、近地面ρ(PM2.5)、SO2邊界層柱濃度、NO2對(duì)流層柱濃度.

1.2.1污染物衛(wèi)星遙感反演

灰霾衛(wèi)星遙感反演采用深藍(lán)算法[16-18]. 首先基于每天TERRA和AQUA衛(wèi)星上搭載的MODIS傳感器的紅波段的表觀反射率數(shù)據(jù)(由于TERRA衛(wèi)星MODIS的藍(lán)光波段條帶現(xiàn)象明顯，采用紅光波段數(shù)據(jù))，通過(guò)深藍(lán)算法反演，動(dòng)態(tài)獲取兩顆衛(wèi)星每天灰霾光學(xué)厚度的平均值，然后根據(jù)Koschmieder公式從近地面消光系數(shù)計(jì)算得到每天的能見(jiàn)度，統(tǒng)計(jì)觀測(cè)時(shí)段內(nèi)能見(jiàn)度小于5 km的天數(shù)，從而得到灰霾天數(shù)，產(chǎn)品的空間分辨率為1 km×1 km.

近地面ρ(PM2.5)衛(wèi)星遙感反演采用地理加權(quán)方法. 首先基于每天TERRA和AQUA衛(wèi)星上搭載的MODIS傳感器的1B級(jí)產(chǎn)品數(shù)據(jù)，綜合應(yīng)用暗目標(biāo)法[19-20]、深藍(lán)算法[16,21]動(dòng)態(tài)獲取1 km分辨率反演氣溶膠光學(xué)厚度產(chǎn)品，然后運(yùn)用地理加權(quán)模型(GWR)，把MODIS的1 km氣溶膠產(chǎn)品、氣象參數(shù)(相對(duì)濕度、邊界層高度)、PM2.5地面監(jiān)測(cè)濃度數(shù)據(jù)作為輸入?yún)?shù)，反演得到近地面PM2.5濃度，產(chǎn)品的空間分辨率為1 km×1 km，該方法已在京津冀及周邊地區(qū)運(yùn)用，并取得了較好的效果[22-24].

SO2邊界層柱濃度、NO2對(duì)流層柱濃度衛(wèi)星遙感反演通常采用DOAS(差分吸收光譜)方法[25-27]. 近年來(lái)，為提高SO2反演精度，BRD(Band residual difference，波段差)方法[28]和PCA(Principle component analysis，主成分分析)方法被應(yīng)用于反演SO2，使得該產(chǎn)品的精度有了較大提高. 與BRD方法相比，PCA方法使反演結(jié)果噪聲降低了2倍，在赤道太平洋地區(qū)，PCA方法的標(biāo)準(zhǔn)偏差約是BRD方法的12[29]. 目前，PCA方法已被NASA官方發(fā)布的三級(jí)產(chǎn)品OMSO2e_003所采用. 該研究采用的數(shù)據(jù)是NASA官方發(fā)布的NO2對(duì)流層柱濃度三級(jí)產(chǎn)品(OMNO2d_003)和SO2邊界層柱濃度三級(jí)產(chǎn)品(OMSO2e_003)(https:giovanni.gsfc.nasa.govgiovanni)，產(chǎn)品的空間分辨率為0.25°×0.25°. NO2產(chǎn)品是對(duì)流層垂直柱濃度數(shù)據(jù)經(jīng)過(guò)穿軌條帶異常校正后得到的[30]，應(yīng)用中采用云量小于0.3和濃度值大于0的象元開展分析研究，產(chǎn)品的不確定性為25%[31]，單位為1015moleculescm2. SO2三級(jí)產(chǎn)品是邊界層高度小于2 km范圍內(nèi)的SO2垂直柱濃度的分布情況，產(chǎn)品的單位為DU(1 DU=2.69×1016molecules).

1.2.2衛(wèi)星遙感大氣污染指數(shù)模型構(gòu)建

衛(wèi)星遙感大氣污染指數(shù)模型(RAPI)構(gòu)建是在衛(wèi)星獲取的灰霾天數(shù)及PM2.5、SO2、NO2濃度指標(biāo)的基礎(chǔ)上，結(jié)合京津冀及周邊地區(qū)各指標(biāo)的分布特征，采用加權(quán)求和的方法來(lái)構(gòu)建. 首先對(duì)數(shù)據(jù)進(jìn)行歸一化處理，將每個(gè)大氣污染指標(biāo)值歸一化到0～1之間，以便于相互比較，計(jì)算公式：

(1)

式中，yi,j為位置i的像元的第j個(gè)指標(biāo)的歸一化值，xi,j為位置i的像元的第j個(gè)指標(biāo)的指標(biāo)值，xmin,j、xmax,j分別表示區(qū)域內(nèi)第j個(gè)指標(biāo)的最小值、最大值.

然后，利用加權(quán)求和來(lái)計(jì)算第i個(gè)像元的大氣污染指數(shù)(RAPIi)：

(2)

式中，ωj為第j個(gè)指標(biāo)的權(quán)重值，參照2016年京津冀及周邊地區(qū)熱點(diǎn)關(guān)注區(qū)域遙感綜合分析研究結(jié)果[11]，灰霾天數(shù)及PM2.5、SO2、NO2濃度指標(biāo)的權(quán)重值分別取0.35、0.40、0.15和0.10.

1.2.3重點(diǎn)關(guān)注網(wǎng)格提取及疑似“散亂污”企業(yè)識(shí)別

重點(diǎn)關(guān)注網(wǎng)格提取是在衛(wèi)星遙感大氣污染指數(shù)分布圖基礎(chǔ)上篩選出的高值區(qū)，目的是為了篩選出對(duì)污染較重區(qū)域有影響的“散亂污”企業(yè). 將研究區(qū)域劃分為多個(gè)1 km×1 km網(wǎng)格，從篩選出的大氣污染指數(shù)相對(duì)較高的網(wǎng)格中剔除工業(yè)用地面積占比較低的網(wǎng)格后獲得[32]. 為防止“散亂污”企業(yè)漏篩，該研究重點(diǎn)關(guān)注網(wǎng)格是在大氣污染指數(shù)高值網(wǎng)格基礎(chǔ)上，利用高分辨率衛(wèi)星影像剔除非工業(yè)用地后得到.

疑似“散亂污”企業(yè)判別步驟：①選擇落在重點(diǎn)關(guān)注污染網(wǎng)格內(nèi)同時(shí)期的高分二號(hào)、高分遙感(YG)等米級(jí)高分辨率的衛(wèi)星動(dòng)態(tài)數(shù)據(jù)；②依據(jù)實(shí)際判別中建立的各類“散亂污”企業(yè)影像特征庫(kù)，通過(guò)衛(wèi)星圖像的幾何、紋理、光譜等特征[33-35]先初步識(shí)別出“散亂污”企業(yè)圖斑；③結(jié)合研究區(qū)域內(nèi)的重點(diǎn)大氣污染源在線監(jiān)測(cè)數(shù)據(jù)，與人工解譯相結(jié)合，排除已有的固定源及非企業(yè)圖斑，得到最終的疑似“散亂污”企業(yè)信息，疑似“散亂污”企業(yè)信息主要包括企業(yè)的位置和企業(yè)的大致類型.

1.2.4“散亂污”企業(yè)整治效果評(píng)估方法

該研究中“散亂污”企業(yè)整治效果評(píng)估方法是基于不同年份衛(wèi)星遙感反演的大氣污染物濃度數(shù)據(jù)開展的. 主要方法是結(jié)合“散亂污”企業(yè)清單和重點(diǎn)污染源企業(yè)資料清單，考慮到年均尺度下“散亂污”企業(yè)所在區(qū)域大氣污染物濃度主要受本地“散亂污”企業(yè)影響，通過(guò)計(jì)算研究區(qū)“散亂污”企業(yè)分布區(qū)網(wǎng)格污染物下降總濃度與全區(qū)網(wǎng)格污染物下降總濃度的比值，來(lái)評(píng)估“散亂污”企業(yè)整治效果，計(jì)算公式：

(3)

式中：EC表示“散亂污”企業(yè)治理對(duì)污染物C濃度變化的影響；ΔCall為研究區(qū)所有網(wǎng)格污染物C濃度的變化值;Nall為所有網(wǎng)格的數(shù)量；ΔCslw為研究區(qū)網(wǎng)格中有“散亂污”企業(yè)而沒(méi)有重點(diǎn)污染源企業(yè)的單一“散亂污”企業(yè)網(wǎng)格的污染物C濃度的變化值；Nslw為單一“散亂污”企業(yè)網(wǎng)格的數(shù)量；ΔCmix為研究區(qū)網(wǎng)格中同時(shí)有“散亂污”企業(yè)和重點(diǎn)污染源企業(yè)的混合網(wǎng)格污染物C濃度的變化值；Nmix為混合網(wǎng)格的數(shù)量；k為比例系數(shù)，表示混合網(wǎng)格中“散亂污”企業(yè)影響占比，一般根據(jù)每個(gè)研究區(qū)單一“散亂污”企業(yè)網(wǎng)格和單一重點(diǎn)污染源企業(yè)網(wǎng)格污染物C濃度來(lái)確定，計(jì)算公式見(jiàn)式(4).

(4)

式中，ΔCwry,i為研究區(qū)網(wǎng)格中僅分布有重點(diǎn)污染源企業(yè)而沒(méi)有“散亂污”企業(yè)的單一重點(diǎn)污染源企業(yè)網(wǎng)格污染物C濃度的變化值，Nwry為單一重點(diǎn)污染源企業(yè)網(wǎng)格數(shù)量.

2 結(jié)果與分析

以京津冀及周邊大氣污染重點(diǎn)區(qū)域“2+26”城市中的廊坊市為典型示范區(qū)，開展“散亂污”企業(yè)動(dòng)態(tài)識(shí)別、減排效果評(píng)估示范及結(jié)果的核查驗(yàn)證.

2.1 廊坊市疑似“散亂污”企業(yè)識(shí)別過(guò)程及結(jié)果

以廊坊市為示范區(qū)，以2018年3月衛(wèi)星遙感數(shù)據(jù)為數(shù)據(jù)源，基于1.2節(jié)中疑似“散亂污”企業(yè)識(shí)別方法體系開展了“散亂污”企業(yè)識(shí)別過(guò)程及結(jié)果的應(yīng)用示范. 首先，基于MODIS數(shù)據(jù)源對(duì)廊坊市PM2.5濃度、灰霾光學(xué)厚度進(jìn)行了每日反演，并獲取近地面PM2.5濃度月均值和當(dāng)月灰霾天數(shù)(見(jiàn)圖1)；基于OMI數(shù)據(jù)源從NASA網(wǎng)站獲取SO2邊界層柱濃度、NO2對(duì)流層柱濃度數(shù)據(jù)產(chǎn)品，為衛(wèi)星遙感大氣污染指數(shù)構(gòu)建提供輸入數(shù)據(jù)，將0.25°× 0.25°分辨率的SO2邊界層柱濃度、NO2對(duì)流層柱濃度月均值均通過(guò)鄰近像元插值成1 km×1 km的數(shù)據(jù)產(chǎn)品，與PM2.5濃度、灰霾天數(shù)像元分辨率保持一致(見(jiàn)圖2). 2018年3月廊坊市衛(wèi)星遙感大氣污染指數(shù)(RAPI)的獲取是以該月PM2.5濃度、灰霾天數(shù)、SO2邊界層柱濃度、NO2對(duì)流層柱濃度數(shù)據(jù)經(jīng)數(shù)據(jù)歸一化后為輸入數(shù)據(jù)，采用式(2)計(jì)算得到(見(jiàn)圖3). 廊坊市重點(diǎn)關(guān)注網(wǎng)格提取是以衛(wèi)星遙感大氣污染指數(shù)為基礎(chǔ)，提取出污染指數(shù)排名前100的網(wǎng)格，并基于2018年3月時(shí)段內(nèi)過(guò)境的高分二號(hào)、高分遙感(YG)等高分衛(wèi)星，剔除了無(wú)工業(yè)用地的網(wǎng)格后得到(見(jiàn)圖3). “散亂污”企業(yè)的識(shí)別是在重點(diǎn)關(guān)注網(wǎng)格區(qū)域基礎(chǔ)上，通過(guò)1.2.3節(jié)中自動(dòng)識(shí)別與人工解譯相結(jié)合的方法獲得. 先進(jìn)行“散亂污”企業(yè)分布的初步識(shí)別，考慮到其中可能會(huì)包含少部分在冊(cè)的企業(yè)，再結(jié)合廊坊市在線監(jiān)測(cè)的重點(diǎn)污染源分布信息，排除重點(diǎn)污染源后，得到最終的疑似“散亂污”企業(yè)的分布信息(見(jiàn)圖4).

由圖1可見(jiàn)：廊坊市PM2.5濃度整體在40 μgm3左右，廣陽(yáng)區(qū)西部、文安縣和大城縣等地區(qū)PM2.5濃度相對(duì)較高；全市灰霾天數(shù)整體在10 d以上，廣陽(yáng)區(qū)西部灰霾天數(shù)最多.

圖1 廊坊市PM2.5濃度和灰霾天數(shù)日的衛(wèi)星遙感監(jiān)測(cè)結(jié)果Fig.1 Satellite remote sensing monitoring results of PM2.5 and haze in Langfang City

圖2 廊坊市NO2對(duì)流層柱濃度和SO2邊界層柱濃度的衛(wèi)星監(jiān)測(cè)結(jié)果Fig.2 Satellite remote monitoring results of NO2 and SO2 in Langfang City

圖3 廊坊市衛(wèi)星遙感大氣污染指數(shù)和重點(diǎn)網(wǎng)格分布結(jié)果Fig.3 Distribution results of satellite remote sensing air pollution index and key grids in Langfang City

注： 重點(diǎn)對(duì)象1～6為6個(gè)圖像特征較為 明顯的疑似“散亂污”企業(yè)圖斑.圖4 疑似“散亂污”識(shí)別結(jié)果及車載走航路線Fig.4 Results of the skeptical ‘Scattered, Disordered and Pollution’ enterprises and vehicle navigation route

由圖2可見(jiàn)：廊坊市NO2對(duì)流層柱濃度整體較高，整體在 1 000×1013moleculescm2以上，三河市、廣陽(yáng)區(qū)、大廠回族自治縣、固安縣、文安縣、霸州市等地區(qū)NO2對(duì)流層柱濃度相對(duì)較高；廊坊市SO2邊界層柱濃度整體較低，在0.2 DU左右，霸州市及文安縣部分地區(qū)相對(duì)較高.

由圖3、4可見(jiàn)：廊坊市大氣污染指數(shù)整體在0.2左右，廣陽(yáng)區(qū)和永清縣交界處出現(xiàn)相對(duì)高值區(qū)；重點(diǎn)關(guān)注網(wǎng)格主要分布在廣陽(yáng)區(qū)和永清縣的交界處，結(jié)合高分辨影像識(shí)別，共識(shí)別出疑似“散亂污”企業(yè)圖斑42處，其中11個(gè)位于行政邊界附近，占比為26%. 這些行政邊界地帶監(jiān)管難度較大，也是“散亂污”企業(yè)容易聚集的地區(qū)，有些不法企業(yè)經(jīng)常在邊界地帶選擇監(jiān)管薄弱的區(qū)縣進(jìn)行生產(chǎn)，是造成當(dāng)?shù)丨h(huán)境污染問(wèn)題的重要原因之一.

2.2 廊坊市“散亂污”企業(yè)整治效果評(píng)估示范

以2017年為基準(zhǔn)年，選取PM2.5濃度以及SO2邊界層柱濃度、NO2對(duì)流層柱濃度三項(xiàng)指標(biāo)，基于1.2節(jié)中“散亂污”企業(yè)整治效果評(píng)估方法以及1.2.1節(jié)中各污染物濃度的獲取方法，以河北省廊坊市為示范區(qū)，評(píng)估其2018年的整治效果. 首先，利用2017—2018年MODIS衛(wèi)星遙感數(shù)據(jù)，對(duì)廊坊市PM2.5濃度進(jìn)行日反演，在此基礎(chǔ)上獲取PM2.5濃度年均值數(shù)據(jù)；通過(guò)NASA網(wǎng)站獲取SO2邊界層柱濃度、NO2對(duì)流層柱濃度月均值數(shù)據(jù)，在此基礎(chǔ)上獲取SO2邊界層柱濃度、NO2對(duì)流層柱濃度年均值數(shù)據(jù)，全市三項(xiàng)污染物年均濃度分布如圖5～7所示；結(jié)合廊坊市提供的2017年整治前的“散亂污”企業(yè)清單及該市重點(diǎn)污染源企業(yè)清單，得到“散亂污”及重點(diǎn)污染源企業(yè)的分布信息；最后，通過(guò)計(jì)算廊坊市“散亂污”企業(yè)分布區(qū)污染物下降總濃度與全市區(qū)域內(nèi)污染物下降總濃度的比值，對(duì)2018年廊坊市及其各縣(區(qū)、市)的“散亂污”企業(yè)整治效果進(jìn)行評(píng)估(見(jiàn)表1).

經(jīng)統(tǒng)計(jì)分析看出，2018年廊坊市“散亂污”企業(yè)的整治效果總體較為明顯，對(duì)全市區(qū)域的PM2.5濃度、SO2邊界層柱濃度、NO2對(duì)流層柱濃度下降的貢獻(xiàn)率分別為11.14%、2.60%和5.95%. 從2018年廊坊市各縣(區(qū)、市)的“散亂污”企業(yè)整治效果情況來(lái)看，“散亂污”企業(yè)的整治除了在固安縣、霸州市、永清縣對(duì)SO2邊界層柱濃度的貢獻(xiàn)率為上升外，在香河縣對(duì)NO2對(duì)流層柱濃度的貢獻(xiàn)率上升，其余地區(qū)的貢獻(xiàn)率均為下降. 各縣(區(qū)、市)“散亂污”企業(yè)的整治對(duì)PM2.5濃度下降的貢獻(xiàn)率在6.01%～19.07%之間，對(duì)SO2邊界層柱濃度下降的貢獻(xiàn)率在2.60%～75.58%之間，對(duì)NO2對(duì)流層柱濃度下降的貢獻(xiàn)率在1.07%～13.94%之間.

圖5 2017年和2018年廊坊市PM2.5濃度年均值遙感監(jiān)測(cè)分布Fig.5 Distribution map of PM2.5 annual average concentration in Langfang City in 2017 and 2018

圖6 2017年和2018年廊坊市NO2對(duì)流層柱濃度年均值遙感監(jiān)測(cè)分布Fig.6 Distribution map of NO2 annual average column concentration in Langfang City in 2017 and 2018

2.3 廊坊市“散亂污”企業(yè)分布及整治效果核查驗(yàn)證

2019年3月4—8日，選取識(shí)別出的2018年3月位于在廣陽(yáng)區(qū)與永清縣的42處企業(yè)，開展了“散亂污”企業(yè)分布及整治效果實(shí)地核查驗(yàn)證. 核查驗(yàn)證由人工結(jié)合車載走航遙測(cè)技術(shù)開展，人工實(shí)地驗(yàn)證可以核實(shí)企業(yè)是否確定是“散亂污”類型的企業(yè)，基于車載走航遙測(cè)技術(shù)可以快速獲取企業(yè)及走航沿線的污染物濃度分布，并可以通過(guò)觀測(cè)的污染物濃度來(lái)判斷企業(yè)的污染嚴(yán)重狀況，通過(guò)觀測(cè)的污染物種類可以判別企業(yè)排放污染物的種類，對(duì)于進(jìn)一步了解“散亂污”企業(yè)的性質(zhì)有較大幫助. 當(dāng)企業(yè)核查任務(wù)較多時(shí)，可以根據(jù)走航觀測(cè)結(jié)果，選擇人工重點(diǎn)檢查的目標(biāo)企業(yè)，從而提高檢查效率. 此次車載驗(yàn)證主要利用中國(guó)科學(xué)院安徽光學(xué)精密機(jī)械研究所自主研發(fā)的車載被動(dòng)差分吸收光譜儀及紫外便攜式差分吸收光譜儀開展[36-39]. 結(jié)合“散亂污”企業(yè)圖斑分布，設(shè)計(jì)了包括6個(gè)重點(diǎn)對(duì)象在內(nèi)的走航路線圖(見(jiàn)圖6). 車載被動(dòng)差分吸收光譜儀用于觀測(cè)NO2、SO2對(duì)流層柱濃度，紫外便攜式差分吸收光譜儀用于觀測(cè)SO2、NO、NH3等地面濃度，車載被動(dòng)差分吸收光譜儀和紫外便攜式差分吸收光譜儀的時(shí)間分辨率分別為≤20 s和≤1 min.

現(xiàn)場(chǎng)核查結(jié)果顯示，在待核查的42處疑似“散亂污”企業(yè)中，企業(yè)已拆除或關(guān)停14處，正在生產(chǎn)的水泥廠、玻璃廠、涂料廠、養(yǎng)殖場(chǎng)等22處，其中非污染企業(yè)數(shù)為9家，污染企業(yè)的識(shí)別率為79%，說(shuō)明該研究建立的“散亂污”企業(yè)動(dòng)態(tài)監(jiān)測(cè)與識(shí)別方法效果良好. 核驗(yàn)中，針對(duì)重點(diǎn)對(duì)象1、2、4、5，利用便攜式差分吸收光譜儀進(jìn)行了觀測(cè)，觀測(cè)結(jié)果表明，這些觀測(cè)重點(diǎn)下風(fēng)向區(qū)域SO2、NO、NH3濃度均處于較低水平. 針對(duì)重點(diǎn)對(duì)象3和6，利用車載差分吸收光譜儀進(jìn)行了觀測(cè)，重點(diǎn)對(duì)象3的NO2、SO2對(duì)流層柱濃度和重點(diǎn)對(duì)象6的SO2對(duì)流層柱濃度均較低，但走航觀測(cè)期間在重點(diǎn)對(duì)象6下風(fēng)向附近觀測(cè)到NO2對(duì)流層柱濃度有升高現(xiàn)象，最高為4.41×1016moleculescm2，進(jìn)一步利用車載差分吸收光譜儀獲取污染物柱濃度，并耦合風(fēng)向計(jì)算了重點(diǎn)對(duì)象6的NO2排放通量，其NO2排放通量最高為18.76 gs，說(shuō)明存在NO2排放，但整體排放不高. 此次核查發(fā)現(xiàn)，廊坊市污染物濃度總體水平較低，說(shuō)明該地區(qū)近年來(lái)“散亂污”企業(yè)已得到了較好的治理.

圖7 2017年和2018年廊坊市SO2邊界層柱濃度年均值遙感監(jiān)測(cè)分布Fig.7 Distribution map of SO2 annual average column concentration in Langfang City in 2017 and 2018

表1 與2017年相比2018年廊坊市“散亂污” 企業(yè)整治對(duì)污染物濃度下降的影響

3 討論

3.1 廊坊市“散亂污”企業(yè)整治前基本情況

2017年“散亂污”企業(yè)整治前，廊坊市是“散亂污”企業(yè)的聚集地，全市共有 10 250 家“散亂污”企業(yè)，按所在縣(區(qū)、市)進(jìn)行統(tǒng)計(jì)，其中數(shù)量較多的區(qū)縣為文安縣、霸州市和大城縣. 其中，文安縣 2 839 家，占比為28%；霸州市 2 382 家，占比為23%；大城縣 1 479 家，占比為15%. 廊坊市“散亂污”企業(yè)縣(區(qū)、市)分布如圖8所示.

圖8 廊坊市“散亂污”企業(yè)占比Fig.8 Percentages of ‘Scattered, Disordered, and Pollution’ enterprises in Langfang City

對(duì)空氣污染產(chǎn)生直接影響的企業(yè)類型主要包括金屬制品業(yè)，非金屬礦物制品業(yè)，橡膠和塑料制品業(yè)，木材加工業(yè)，家具制造業(yè)，化學(xué)原料和化學(xué)制品制造業(yè)，有色金屬冶煉和壓延加工業(yè)，黑色金屬冶煉和壓延加工業(yè)，皮革、毛皮、羽毛及其制品和制鞋業(yè)，化學(xué)纖維制造業(yè)，印刷和記錄媒介復(fù)制業(yè)等，涉及企業(yè) 4 813 家，排放的主要污染物類型包括煙塵、SO2、NOx、揮發(fā)性有機(jī)物等，該研究主要對(duì)企業(yè)排放的煙塵、SO2、NOx的情況進(jìn)行了分析，通過(guò)采用產(chǎn)排污系數(shù)法和污染物排放標(biāo)準(zhǔn)反推法等方法測(cè)算，得出廊坊市“散亂污”企業(yè)煙塵排放量為96.18 ta，其中有色金屬冶煉和壓延加工業(yè)排放量最高，占比為51.63%；SO2排放量為166.36 ta，其中有色金屬冶煉和壓延加工業(yè)排放量最高，占比為65.11%；NOx排放量為70.86 ta，其中化學(xué)原料和化學(xué)制品制造業(yè)排放量最高，占比為92.23%(見(jiàn)表2).

表2 對(duì)空氣污染影響較大行業(yè)的主要污染物排放量

Table 2 The main pollutants emission table of the industries with bigger effect on air pollution ta

表2 對(duì)空氣污染影響較大行業(yè)的主要污染物排放量

序號(hào)行業(yè)SO2排放量NOx排放量煙塵排放量1皮革、毛皮、羽毛及其制品和制鞋業(yè)———2木材加工和木竹藤棕草制品業(yè)———3家具制造業(yè)———4印刷和記錄媒介復(fù)制業(yè)———5化學(xué)原料和化學(xué)制品制造業(yè)16.61 65.36 7.72 6化學(xué)纖維制造業(yè)———7橡膠和塑料制品業(yè)———8非金屬礦物制品業(yè)9.15 5.50 13.71 9黑色金屬冶煉和壓延加工業(yè)———10有色金屬冶煉和壓延加工業(yè)108.31 —49.66 11金屬制品業(yè)32.29 —25.09合計(jì) 166.36 70.8696.18

注： —表示該行業(yè)不考慮該污染物的排放.

3.2 廊坊市“散亂污”企業(yè)整治后情況

2017年初，原環(huán)境保護(hù)部組織開展了京津冀及周邊地區(qū)(包括京津冀大氣污染傳輸通道河北省、河南省、山西省、山東省以及北京市、天津市)大氣污染防治強(qiáng)化督查工作，調(diào)配各地執(zhí)法人員對(duì)該地區(qū)大氣污染防治落實(shí)情況進(jìn)行督導(dǎo)，其中將各地“散亂污”企業(yè)的排查、取締情況作為督導(dǎo)重點(diǎn)，對(duì)“散亂污”企業(yè)違法情況進(jìn)行專項(xiàng)打擊. 近年來(lái)，在高壓形勢(shì)下，“散亂污”企業(yè)的整治效果明顯，不符合相關(guān)政策規(guī)定且無(wú)提升改造的有關(guān)企業(yè)基本清零. 廊坊市也采取了積極措施，制止了“散亂污”企業(yè)蔓延的態(tài)勢(shì)，從該研究的驗(yàn)證核查結(jié)果和“散亂污”企業(yè)整治效果評(píng)估也可看出，“散亂污”企業(yè)的整治成效較好. 從驗(yàn)證核查結(jié)果來(lái)看，選取的前期疑似“散亂污”企業(yè)集中區(qū)中拆除的企業(yè)有4家，關(guān)停的有5家，其他企業(yè)及周邊的污染物總體濃度處于較低水平，表明該區(qū)已得到較好治理. 從2018年廊坊市PM2.5濃度、SO2邊界層柱濃度、NO2對(duì)流層柱濃度的整治效果評(píng)估也可看出，總體整治效果較好. 結(jié)合整治前“散亂污”企業(yè)基本情況統(tǒng)計(jì)情況來(lái)看，原先“散亂污”企業(yè)數(shù)量最多的文安縣、霸州市、大城縣，經(jīng)過(guò)2018年“散亂污”企業(yè)集中整治后，與2017年相比，除霸州市SO2柱濃度上升了75.31%外，3個(gè)縣(市)的PM2.5濃度、SO2邊界層柱濃度、NO2對(duì)流層柱濃度總體上都有不同程度的下降，PM2.5濃度分別下降了6.01%、9.28%、7.92%，NO2對(duì)流層柱濃度分別下降了13.94%、6.63%、12.77%，文安縣和大城縣的SO2邊界層柱濃度分別下降了25.64%、12.77%，表明文安縣和大城縣與煙塵排放密切相關(guān)的有色金屬冶煉和壓延加工業(yè)、金屬制造業(yè)、非金屬行業(yè)，以及與NO2排放密切相關(guān)的化學(xué)原料化學(xué)制品業(yè)的“散亂污”企業(yè)整治取得了明顯的效果，但霸州市SO2邊界層柱濃度升幅較大，表明該市的金屬冶煉和壓延加工業(yè)整治還有待加強(qiáng)，因?yàn)椤吧y污”企業(yè)的開工門檻較低且流動(dòng)性強(qiáng)，整頓后如果監(jiān)管稍有松懈，還會(huì)存在反彈的風(fēng)險(xiǎn)，因此要想鞏固現(xiàn)有的整治成效，以防“散亂污”現(xiàn)象就地復(fù)燃或出現(xiàn)新的“散亂污”企業(yè)，監(jiān)管工作必須長(zhǎng)期堅(jiān)持下去，該研究建立的技術(shù)方法體系可以有效用于對(duì)“散亂污”企業(yè)的長(zhǎng)期業(yè)務(wù)化監(jiān)管工作中.

3.3 “散亂污”企業(yè)動(dòng)態(tài)監(jiān)管技術(shù)的發(fā)展

在該研究“散亂污”企業(yè)監(jiān)管方法中，衛(wèi)星遙感大氣污染指數(shù)構(gòu)建和“散亂污”企業(yè)的高分影像判別是其中的主要環(huán)節(jié). 利用衛(wèi)星遙感技術(shù)獲得大氣污染指數(shù)后，在其基礎(chǔ)上建立重點(diǎn)網(wǎng)格，可以縮小查找疑似污染企業(yè)的范圍，大大提高污染企業(yè)識(shí)別及監(jiān)管的效率. 目前，衛(wèi)星遙感大氣污染指數(shù)是在中光譜分辨率的MODIS和高光譜分辨率的OMI等衛(wèi)星數(shù)據(jù)反演的灰霾天數(shù)及顆粒物、NO2、SO2濃度的基礎(chǔ)上構(gòu)建的. 隨著衛(wèi)星遙感反演技術(shù)及數(shù)據(jù)分辨率的提高，可以把更高分辨率及更多的指標(biāo)納入應(yīng)用中，如可以把空間分辨率優(yōu)于10 km的臭氧[10]、甲醛[40]等指標(biāo)應(yīng)用到實(shí)際工作中，這樣可以更全面、細(xì)致地掌握多種污染物的綜合污染狀況.

該研究中“散亂污”企業(yè)的高分影像判別首先是在建立的“散亂污”企業(yè)的特征庫(kù)基礎(chǔ)上，利用高分二號(hào)、高分遙感(YG)系列等米級(jí)高分辨率衛(wèi)星數(shù)據(jù)，通過(guò)衛(wèi)星影像的幾何、光學(xué)、紋理等信息完成初步識(shí)別，由于“散亂污”企業(yè)的特征庫(kù)采集還不夠完善以及自動(dòng)識(shí)別算法精度的影響，會(huì)出現(xiàn)部分小居民用房被誤判成“散亂污”企業(yè)和部分“散亂污”企業(yè)被遺漏的現(xiàn)象，后期還需人工適當(dāng)參與. 目前，在準(zhǔn)確判別企業(yè)類型方面還存在一定的難度，今后隨著“散亂污”企業(yè)特征庫(kù)的完善和自動(dòng)提取水平的提高，人工干預(yù)量會(huì)減少，可以進(jìn)一步提高識(shí)別效率和準(zhǔn)確性.

此外，在實(shí)際應(yīng)用中由于影像幾何校正的問(wèn)題及現(xiàn)場(chǎng)使用定位工具的精度問(wèn)題，該研究中判別給出的疑似“散亂污”企業(yè)的經(jīng)緯度位置信息，不一定與現(xiàn)場(chǎng)企業(yè)所在地做到完全對(duì)應(yīng)，今后在實(shí)際工作中可以借助建立疑似“散亂污”的經(jīng)緯度信息與影像連動(dòng)的方式來(lái)解決，通過(guò)開發(fā)業(yè)務(wù)化檢查終端，先由經(jīng)緯度信息迅速找到疑似“散亂污”企業(yè)的大致位置，再根據(jù)影像連動(dòng)方式通過(guò)影像精確鎖定疑似“散亂污”企業(yè)目標(biāo). 今后，隨著“散亂污”企業(yè)整治工作的結(jié)束，由“散亂污”企業(yè)改造成的中小型企業(yè)，也必須納入日常環(huán)境監(jiān)管，以防其污染設(shè)施運(yùn)行不到位對(duì)環(huán)境造成影響，對(duì)于中小型企業(yè)監(jiān)管，目前還缺乏有效的技術(shù)手段，該研究建立的“散亂污”企業(yè)動(dòng)態(tài)識(shí)別及評(píng)估方法體系同樣也可以應(yīng)用于對(duì)中小型企業(yè)的監(jiān)管.

4 結(jié)論

a) “散亂污”企業(yè)具有類型多、流動(dòng)性強(qiáng)、污染程度高的特點(diǎn)，目前在環(huán)境管理上還缺乏有效監(jiān)管技術(shù)手段. 以衛(wèi)星遙感反演的灰霾、PM2.5、SO2、NO2等相關(guān)指標(biāo)為基礎(chǔ)，建立一套衛(wèi)星遙感污染指數(shù)模型、重點(diǎn)污染網(wǎng)格提取以及疑似“散亂污”企業(yè)判別及整治效果評(píng)估的技術(shù)體系，可以充分發(fā)揮衛(wèi)星遙感、車載走航等高新技術(shù)的優(yōu)勢(shì)，對(duì)“散亂污”企業(yè)進(jìn)行有效監(jiān)管，為主動(dòng)發(fā)現(xiàn)“散亂污”企業(yè)提供了一種新的技術(shù)途徑.

b) 利用2017—2018年廊坊市衛(wèi)星遙感PM2.5濃度及SO2邊界層柱濃度、NO2對(duì)流層柱濃度三項(xiàng)指標(biāo)評(píng)估該市“散亂污”企業(yè)整治效果，結(jié)果表明2018年廊坊市“散亂污”企業(yè)的整治效果較為明顯，對(duì)全廊坊市PM2.5濃度、SO2邊界層柱濃度、NO2對(duì)流層柱濃度下降的貢獻(xiàn)率分別達(dá)11.14%、2.60%和5.95%. 原“散亂污”企業(yè)數(shù)量最多的文安縣、霸州市、大城縣經(jīng)過(guò)“散亂污”企業(yè)集中整治后，2018年“散亂污”企業(yè)的整治對(duì)文安縣、大城縣的PM2.5濃度、SO2邊界層柱濃度、NO2對(duì)流層柱濃度的下降均有不同程度的貢獻(xiàn)，表明文安縣、大城縣與煙塵、SO2排放密切相關(guān)的有色金屬冶煉和壓延加工業(yè)，以及與NO2排放密切相關(guān)的化學(xué)原料化學(xué)制品業(yè)的“散亂污”企業(yè)整治取得了明顯的效果；霸州市SO2邊界層柱濃度升幅較大，表明該市的金屬冶煉和壓延加工業(yè)整治還有待加強(qiáng).

c) 人工現(xiàn)場(chǎng)核查結(jié)合車載被動(dòng)差分吸收光譜儀和紫外便攜式差分吸收光譜儀等移動(dòng)遙測(cè)手段可以有效用于開展“散亂污”企業(yè)分布及整治效果的評(píng)估，2019年3月現(xiàn)場(chǎng)核查結(jié)果表明，該研究建立的“散亂污”企業(yè)識(shí)別方法對(duì)污染企業(yè)有較高的識(shí)別率，識(shí)別率達(dá)79%. 車載走航遙測(cè)結(jié)果顯示，核驗(yàn)區(qū)疑似“散亂污”企業(yè)沿線，污染程度總體處于較低水平，現(xiàn)場(chǎng)檢查也沒(méi)有發(fā)現(xiàn)“散亂污”企業(yè)，原待核查的42處疑似“散亂污”企業(yè)中已拆除或關(guān)停的企業(yè)有14處，其他為中小型企業(yè)，表明“散亂污”企業(yè)整治效果明顯.

d) 隨著“散亂污”企業(yè)整治力度的加強(qiáng)及鞏固，“散亂污”企業(yè)已大副減少，其中有些企業(yè)已經(jīng)通過(guò)升級(jí)改造成中小型企業(yè)，研究建立的衛(wèi)星遙感污染物反演—衛(wèi)星遙感污染指數(shù)構(gòu)建—重點(diǎn)污染網(wǎng)格提取—疑似“散亂污”企業(yè)判別—整治效果評(píng)估技術(shù)體系，可以適用于對(duì)“散亂污”改造后以及現(xiàn)有中小型企業(yè)動(dòng)態(tài)監(jiān)管，也可為缺乏有效監(jiān)管手段的中小型企業(yè)的精準(zhǔn)治污、科學(xué)治污水平提供重要技術(shù)支撐.