無(wú)錫市國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊裸土分布高分辨率遙感監(jiān)測(cè)

張虎軍，宋 挺，朱冰川，石浚哲，張軍毅

江蘇省無(wú)錫環(huán)境監(jiān)測(cè)中心，江蘇 無(wú)錫 214000

隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，大氣環(huán)境問(wèn)題日益突出，特別是大氣顆粒物作為形成霧霾天氣的主要成因，嚴(yán)重威脅了人民的身體健康，也逐漸受到環(huán)境管理部門的重視[1]。從20世紀(jì)末開(kāi)始，我國(guó)逐步開(kāi)展PM10和PM2.5自動(dòng)監(jiān)測(cè)，目前已在全國(guó)339個(gè)地級(jí)及以上城市建立了環(huán)境空氣自動(dòng)監(jiān)測(cè)站。揚(yáng)塵源是影響空氣顆粒物濃度的一個(gè)重要因素，主要包括露天放置的生活垃圾、裸土、建筑施工及拆遷工地等[2-3]，其中裸土風(fēng)蝕塵在空氣顆粒物來(lái)源中占了重要地位[4-5]，特別是分布在環(huán)境空氣自動(dòng)監(jiān)測(cè)站周邊的裸土風(fēng)蝕源，對(duì)大氣顆粒物監(jiān)測(cè)數(shù)據(jù)有著較大影響。因此，準(zhǔn)確掌握裸土信息，可以為有效開(kāi)展城市揚(yáng)塵整治工作、制定相關(guān)管理方案提供科學(xué)依據(jù)[6]，對(duì)于改善環(huán)境空氣自動(dòng)監(jiān)測(cè)站大氣顆粒物監(jiān)測(cè)數(shù)據(jù)和空氣污染防治與管控具有重要意義。

城市裸土揚(yáng)塵源主要依賴于人工實(shí)地勘查，受制于交通條件、主觀意識(shí)等因素的制約，調(diào)查結(jié)果往往有主觀性強(qiáng)、不夠系統(tǒng)全面等缺陷。衛(wèi)星遙感作為一種宏觀、快速和有效的監(jiān)測(cè)手段，尤其是近年來(lái)高空間分辨率衛(wèi)星載荷的快速發(fā)展，為城市裸土揚(yáng)塵源調(diào)查提供了有效工具。提取裸土信息的方法包括人工目視解譯、決策樹(shù)分類[7]、監(jiān)督/非監(jiān)督分類[8]、指數(shù)法等方法，其中指數(shù)法因其快速簡(jiǎn)便的特點(diǎn)而受到較為廣泛的應(yīng)用。指數(shù)法的難點(diǎn)在于建筑用地和裸土之間相似的光譜特性而導(dǎo)致的兩者之間的混淆，徐涵秋[9]基于不透水面特性創(chuàng)建了不透水面指數(shù)NDISI，該指數(shù)可較好地分離建筑用地和裸土信息。然而由于Landsat影像空間分辨率較低(熱紅外波段僅為100 m)，無(wú)法滿足環(huán)境空氣自動(dòng)監(jiān)測(cè)站周邊小區(qū)域內(nèi)較為精細(xì)的高空間分辨率裸土識(shí)別制圖需求，而空間分辨率符合需求的影像通常缺失關(guān)鍵的波段用于指數(shù)的構(gòu)建，因此，需引入降空間尺度技術(shù)來(lái)提高熱紅外波段的空間分辨率，從而實(shí)現(xiàn)高分辨率的裸土識(shí)別和制圖。鑒于此，使用Emissivity Modulation算法[10](簡(jiǎn)稱EM法)，以過(guò)境時(shí)間相近的哨兵2號(hào)(Sentinel-2)和Landsat8影像為數(shù)據(jù)源，將空間分辨率為100 m的Landsat8熱紅外波段細(xì)化為10 m空間分辨率，進(jìn)而與Sentinel-2數(shù)據(jù)共同構(gòu)建不透水面指數(shù)NDISI，并結(jié)合改進(jìn)的歸一化水體指數(shù)MNDWI、歸一化土壤指數(shù)NDSI、地表溫度LST等指標(biāo)，使用決策樹(shù)的方法對(duì)無(wú)錫市進(jìn)行地物分類與裸土的高空間分辨率提取。

大氣顆粒物監(jiān)測(cè)數(shù)據(jù)是大氣污染防治工作的重要基礎(chǔ)和根本依據(jù)，當(dāng)前主要由環(huán)境空氣自動(dòng)監(jiān)測(cè)站進(jìn)行高頻率監(jiān)測(cè)。本文使用GIS手段對(duì)無(wú)錫市區(qū)8個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)分別進(jìn)行1、2、3 km緩沖區(qū)分析，結(jié)合無(wú)錫市地物分類和裸土的高空間分辨率提取結(jié)果，統(tǒng)計(jì)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)不同緩沖區(qū)范圍內(nèi)的裸土分布，并分析其對(duì)大氣顆粒物自動(dòng)監(jiān)測(cè)數(shù)據(jù)的影響，以期為促進(jìn)裸土揚(yáng)塵源的科學(xué)管理與高效控制、環(huán)境管理部門對(duì)裸土揚(yáng)塵源的小尺度精細(xì)化管理和針對(duì)性施策提供技術(shù)支持。

1 研究區(qū)域與數(shù)據(jù)源

1.1 研究區(qū)概況

無(wú)錫市位于江蘇省東南，作為走廊連接長(zhǎng)江與太湖，是太湖流域重要的交通樞紐。無(wú)錫下轄江陰、宜興2個(gè)縣級(jí)市，全市總面積4 787.61 km2(市區(qū)1 643.88 km2)，2014年末建城區(qū)面積522 km2，水域面積1 294 km2。無(wú)錫經(jīng)濟(jì)發(fā)達(dá)，有著較高的城市化水平，隨著城市建設(shè)的不斷推進(jìn)，拆遷與施工區(qū)域較多，由此產(chǎn)生的揚(yáng)塵對(duì)空氣質(zhì)量造成一定影響。無(wú)錫市區(qū)范圍內(nèi)目前建有8個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站(雪浪、黃巷、漆塘、東亭、旺莊、榮巷、堰橋、曹張，圖1)，測(cè)量指標(biāo)包括SO2、O3、NO2、CO等氣態(tài)污染物以及PM2.5、PM10等顆粒態(tài)污染物濃度，分布在無(wú)錫市5個(gè)行政區(qū)，其中濱湖區(qū)3個(gè)站點(diǎn)，梁溪區(qū)2個(gè)站點(diǎn)，惠山區(qū)、新區(qū)和錫山區(qū)各有1個(gè)站點(diǎn)。

圖1 無(wú)錫市國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站分布示意圖Fig.1 Location of the state-controlled automaticambient air monitoring stations in Wuxi City

1.2 數(shù)據(jù)源

本文使用Sentinel-2和Landsat8衛(wèi)星影像作為遙感數(shù)據(jù)源，Sentinel-2包括Sentinel-2A和Sentinel-2B 2顆衛(wèi)星，兩者通過(guò)協(xié)同運(yùn)行將重訪周期縮短為5 d。Sentinel-2搭載的MSI多光譜成像儀有13個(gè)波段，包含可見(jiàn)光、近紅外(VNIR)和短波紅外(SWIR)，空間分辨率分別為10、20、60 m，幅寬達(dá)290 km。Landsat8包含了8個(gè)多光譜波段、1個(gè)全色波段和2個(gè)熱紅外波段，空間分辨率分別為30、15、100 m[11]。Sentinel-2和Landsat8衛(wèi)星性能參數(shù)見(jiàn)表1。

表1 Sentinel-2與Landsat8影像波段的主要參數(shù)對(duì)比Table 1 Comparison of main parameters of Sentinel-2 and Landsat8 image bands

采用過(guò)境無(wú)錫區(qū)域、日期分別為2020年9月5日的sentinel-2B與2020年9月8日的Landsat8的兩景影像，其中sentinel-2B影像數(shù)據(jù)質(zhì)量較好，Landsat8影像部分區(qū)域有少量云層覆蓋。文獻(xiàn)調(diào)研表明，由歐洲航天局提供的大氣校正模型Sen2cor(sentinel-2 Level-2A Atmospheric Correction Processor)相比于其他大氣校正模型，其校正結(jié)果光譜曲線與地面實(shí)測(cè)光譜曲線擬合度、精度均較高[12]，因此本研究使用Sen2cor模型對(duì)sentinel-2影像進(jìn)行大氣校正。由于Landsat8只使用其熱紅外波段，故僅對(duì)TIRS載荷的B10波段進(jìn)行輻射校正。

2 研究方法

本文研究的主要目的為實(shí)現(xiàn)裸土揚(yáng)塵源的小尺度精細(xì)化管理和針對(duì)性施策，需對(duì)環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊不同區(qū)域范圍內(nèi)的裸土面積與大氣顆粒物監(jiān)測(cè)結(jié)果進(jìn)行分析。裸土面積基于遙感影像和指數(shù)法進(jìn)行提取，指數(shù)法提取裸土的難點(diǎn)在于建筑用地和裸土光譜特性的混淆，需綜合使用NDSI和NDISI算法對(duì)其進(jìn)行分離，其中NDISI使用到熱紅外波段，而熱紅外波段往往空間分辨率較低，不能滿足國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊小尺度范圍內(nèi)高空間分辨率的裸土視圖識(shí)別需求。因此，本文使用EM算法對(duì)Landsat8的熱紅外波段進(jìn)行細(xì)化以提高其空間分辨率，并利用細(xì)化后的結(jié)果與Sentinel2多光譜波段建立NDISI進(jìn)行裸土提取。針對(duì)以上研究思路和技術(shù)路線，主要的研究方法分別為NDSI與NDISI算法、熱紅外像元細(xì)化以及建立國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)緩沖區(qū)。

2.1 NDSI與NDISI算法

本文使用歸一化裸土指數(shù)NDSI參與無(wú)錫市的裸土提取，由于裸土的反射率在中紅外波段最高，該指數(shù)通過(guò)將近紅外和中紅外波段進(jìn)行歸一化從而增強(qiáng)裸土特征，公式：

(1)

式中：MIR與NIR為中紅外和近紅外波段的反射率，分別對(duì)應(yīng)sentinel-2數(shù)據(jù)的第11、第8波段。

由于人工建筑用地和裸土有相似的光譜信息表達(dá)，即中紅外波段的反射率均大于近紅外波段反射率，使NDSI同時(shí)增強(qiáng)了裸土和建筑用地，造成兩者的信息混淆，而NDISI可對(duì)裸土和建筑用地進(jìn)行有效分離，因此使用NDISI來(lái)去除裸土中的建筑用地。NDISI公式：

(2)

式中：TIR為熱紅外波段；MNDWI為改進(jìn)型歸一化水體指數(shù)，如式(3)所示：

(3)

式中：Green為綠光反射率，對(duì)應(yīng)sentinel-2的第3波段。

通過(guò)對(duì)NDSI和NDISI的統(tǒng)計(jì)，獲得其直方圖和統(tǒng)計(jì)參數(shù)，并在直方圖通過(guò)目視判讀和人工調(diào)試獲得最佳閾值，最終達(dá)到裸土提取并減少建筑用地干擾的目的。

2.2 熱紅外像元的細(xì)化

由式(2)所知，熱紅外波段參與了NDISI的構(gòu)建，但因?yàn)閟entinel-2影像沒(méi)有熱紅外波段，故需使用Landsat8的熱紅外波段代替，同時(shí)由于Landsat8的熱紅外波段空間分辨率較低，雖可通過(guò)式(3)與sentinel-2數(shù)據(jù)(10 m)進(jìn)行的波段運(yùn)算起到一定的融合作用，提高其分辨率，但終因數(shù)據(jù)之間的空間分辨率差距較大導(dǎo)致效果較差。因此，本文使用較為簡(jiǎn)便的EM算法的亞像元分解技術(shù)，使用較高空間分辨率的sentinel-2數(shù)據(jù)估算比輻射率，再運(yùn)用估算結(jié)果對(duì)Landsat8的熱紅外波段進(jìn)行細(xì)化，從而實(shí)現(xiàn)Landsat8熱紅外波段空間分辨率的提高。

首先，將Landsat8影像第10波段的數(shù)字量化值通過(guò)輻射定標(biāo)和普朗克公式轉(zhuǎn)換為亮度溫度Tb；然后，參照ASTER提供的常用地物比輻射率光譜庫(kù)(http://speclib.jpl.nasa.gov)，利用sentinel-2影像求取分辨率為10 m的地表比輻射率。主要根據(jù)MNDWI和歸一化植被指數(shù)NDVI來(lái)進(jìn)行判定，當(dāng)MNDWI>0時(shí)，判定為水體，比輻射率設(shè)定為0.996 83；當(dāng)NDVI

ε=0.979-0.035ρred

(4)

式中：ρred為sentinel-2影像的紅光通道反射率；ε為比輻射率。當(dāng)NDVI>T2時(shí)，判定為純植被像元，比輻射率設(shè)定為0.99；當(dāng)T1≤NDVI≤T2時(shí)，判定為植被和裸土的混合像元，比輻射率設(shè)定見(jiàn)式(5)：

ε=0.986+0.004[(NDVI-T1)/(T2-T1)]2

(5)

本文使用覃志豪等[13]在沒(méi)有明顯的完全植被或裸土像元情況下，用T1=0.70和T2=0.05來(lái)進(jìn)行的植被覆蓋度的近似估計(jì)。

最后，通過(guò)比輻射率校正亮度溫度，如式(6)所示：

T=Tb/[1+(λ10Tb/c2)lnε]

(6)

式中：T為細(xì)化后的亮度溫度，單位為K；λ10為L(zhǎng)andsat8影像第10波段的中心波長(zhǎng)(10.9 μm);c2為第二輻射常數(shù)，c2=1.438×10-2m·K。

2.3 建立國(guó)控點(diǎn)緩沖區(qū)

緩沖區(qū)分析方法是以點(diǎn)、線、面等特定要素為中心，在其周圍按照設(shè)定的單位距離建立一定寬度或者數(shù)量的緩沖帶，形成緩沖區(qū)多邊形實(shí)體，從而使得數(shù)據(jù)可以在二維空間中得到擴(kuò)展的信息分析方法[14-15]。它是地理信息系統(tǒng)重要的空間分析功能之一，在交通、資源管理、林業(yè)和城市規(guī)劃中有著廣泛應(yīng)用[14]。本研究使用GIS的緩沖區(qū)功能，以無(wú)錫市區(qū)的8個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)為中心，分別建立1、2、3 km的多重緩沖區(qū)，并依此開(kāi)展緩沖區(qū)域內(nèi)的裸土揚(yáng)塵源分析。

3 結(jié)果與討論

3.1 地表溫度細(xì)化結(jié)果分析

由于地表溫度細(xì)化結(jié)果直接用于NDISI的構(gòu)建，在細(xì)化過(guò)程中的信息損失和偏離對(duì)最終結(jié)果將造成影響，因此，首先需要對(duì)EM算法的細(xì)化結(jié)果與原始地表溫度進(jìn)行比較與評(píng)價(jià)。將細(xì)化后的地表溫度影像與未經(jīng)細(xì)化而直接重采樣至10 m分辨率的地面溫度影像進(jìn)行比較，結(jié)果見(jiàn)圖2。

圖2 熱紅外影像亞像元分解效果Fig.2 Result of thermal image sharpening

從圖2可見(jiàn)，與細(xì)化前相比，細(xì)化后的地表溫度影像在較好保持了原始影像的總體熱特征同時(shí)，紋理和細(xì)節(jié)更加清晰；而直接重采樣至10 m的地表溫度影像，雖然像元大小也為10 m，但其紋理特征較為模糊，且無(wú)法清晰顯示較為細(xì)碎的建設(shè)物等細(xì)節(jié)。這表明，經(jīng)EM算法細(xì)化后，在顯著提高空間分辨率的同時(shí)，原始影像的熱特征分布也未出現(xiàn)明顯的改變。

為更客觀評(píng)價(jià)細(xì)化后的結(jié)果，引入最大值、最小值、均值、均方根誤差(RMSE)這4個(gè)統(tǒng)計(jì)量對(duì)無(wú)錫市地表溫度細(xì)化結(jié)果進(jìn)行分析，結(jié)果如表2所示。其中均方根誤差可以測(cè)量n維空間中2個(gè)測(cè)度向量的相似性，其計(jì)算公式：

(7)

式中：RMSE單位為K；N為像元個(gè)數(shù)；LSTp為細(xì)化后的影像像元值；LST為重采樣但未細(xì)化的影像像元值。從表2可以看到，未細(xì)化與細(xì)化影像差異較小，RMSE為1.213 K，細(xì)化后的影像能較好地保持原始地表溫度影像的熱特征分布。總體上看，細(xì)化效果較好，使用細(xì)化后的地表溫度代替熱紅外波段，可以有效提高不透水面的空間分辨率，有助于不透水面和之后的裸土提取。

表2 細(xì)化影像統(tǒng)計(jì)信息與均方根誤差Table 2 Statistics of downscaled imaged and RMSE

3.2 無(wú)錫市裸土提取效果評(píng)價(jià)

裸土的提取結(jié)果基于指數(shù)的決策樹(shù)分類實(shí)現(xiàn)(分類結(jié)果為裸土、不透水面、水體、云層和其他)。為了定量評(píng)價(jià)裸土提取的效果，本文使用與遙感數(shù)據(jù)時(shí)間較為接近的高空間分辨率谷歌影像，并隨機(jī)選取了1 500個(gè)驗(yàn)證樣本點(diǎn)對(duì)裸土提取結(jié)果進(jìn)行精度驗(yàn)證(表3)。通過(guò)表3可以看到，裸土提取的總精度為94.13%，Kappa系數(shù)為0.924，表明使用的裸土提取算法取得了較好的提取效果，能夠較為準(zhǔn)確地實(shí)現(xiàn)10 m高空間分辨率的裸土提取。

表3 裸土信息提取結(jié)果精度驗(yàn)證表Table 3 Accuracy assessment of thebare soil extraction results

無(wú)錫全市及各縣區(qū)提取得到的裸土面積見(jiàn)表4。從表4可見(jiàn)，全市裸土面積116.63 km2，無(wú)錫市區(qū)、宜興市、江陰市裸土面積分別為45.16、46.77、24.70 km2，從裸土占區(qū)域面積比例看，全市總體裸土面積占比為2.52%，其中無(wú)錫市區(qū)占比最多(2.75%)，宜興市占比最少(2.34%)。

3.3 無(wú)錫市區(qū)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)點(diǎn)周邊裸土與顆粒物監(jiān)測(cè)結(jié)果分析

為分析裸土風(fēng)蝕源對(duì)大氣顆粒物監(jiān)測(cè)結(jié)果的影響，從而為裸土揚(yáng)塵源管理的針對(duì)性施策提供技術(shù)支持，本文將無(wú)錫市區(qū)8個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)分別進(jìn)行1、2、3 km的多重緩沖，與上文中無(wú)錫市土地分類結(jié)果疊加，得到國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)1、2、3 km范圍內(nèi)的包括裸土在內(nèi)的地物分類制圖結(jié)果，如圖3所示。

從圖3可見(jiàn)，無(wú)錫市區(qū)8個(gè)國(guó)控站點(diǎn)緩沖區(qū)范圍內(nèi)裸土分布狀況有明顯差異，分別統(tǒng)計(jì)其1、2、3 km范圍內(nèi)的裸土面積，統(tǒng)計(jì)結(jié)果見(jiàn)表5。

圖3 國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)緩沖區(qū)地物分類結(jié)果Fig.3 Classification results of ground features in the buffer zone of thestate-controlled automatic ambient air monitoring stations

由表5可知，不同國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊裸土面積差異較大，其中黃巷站點(diǎn)周邊分布的裸土面積最大，1、2、3 km范圍內(nèi)面積分別為0.177、0.781 7、1.637 km2；漆塘站點(diǎn)周邊分布的裸土面積最小，1、2、3 km范圍內(nèi)面積分別為0.028、0.089、0.362 km2。將統(tǒng)計(jì)得到的無(wú)錫市區(qū)8個(gè)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊1、2、3 km的裸土面積分別與2020年各站點(diǎn)監(jiān)測(cè)得到的PM10和PM2.5濃度年均值進(jìn)行相關(guān)性分析，結(jié)果分別見(jiàn)圖4和圖5。

表5 國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊裸土提取面積Table 5 The bare soil extraction area around the state-controlled automatic ambient air monitoring stations

圖4 國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站周邊裸土面積與PM10濃度相關(guān)性分析Fig.4 Correlation analysis of the surrounding baresoil area and PM10 concentration of thestate-controlled automatic ambientair monitoring stations

圖5 國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站周邊裸土面積與PM2.5濃度相關(guān)性分析Fig.5 Correlation analysis of the surrounding baresoil area and PM2.5 concentration of thestate-controlled automatic ambientair monitoring stations

從圖4可知，國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊1、2、3 km裸土面積與PM10濃度均顯著正相關(guān)，從線性相關(guān)系數(shù)來(lái)看，2 km和3 km緩沖區(qū)范圍的裸土面積對(duì)PM10顆粒物濃度的影響差別不大，相關(guān)系數(shù)分別為0.785 2和0.783 5，1 km緩沖區(qū)范圍的裸土面積對(duì)PM10濃度的影響相對(duì)較低，相關(guān)系數(shù)為0.763 6；從圖5可知，國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊裸土面積與PM2.5濃度相關(guān)性不顯著，1、2、3 km緩沖區(qū)的相關(guān)系數(shù)分別為0.605 5、0.591 2和0.698 1，這可能是因?yàn)槁阃溜L(fēng)蝕塵所產(chǎn)生的顆粒物的粒徑較大，從而對(duì)PM10濃度監(jiān)測(cè)結(jié)果的影響要大于PM2.5。因此，需重點(diǎn)關(guān)注各站點(diǎn)周邊2 km緩沖區(qū)范圍內(nèi)的裸土分布情況，特別是針對(duì)裸土面積較大的監(jiān)測(cè)點(diǎn)位，建立監(jiān)測(cè)點(diǎn)周邊揚(yáng)塵源問(wèn)題清單，瞄準(zhǔn)問(wèn)題根源，對(duì)癥施策。

4 結(jié)論

通過(guò)setntinel-2和landsat8遙感數(shù)據(jù)的聯(lián)合使用對(duì)無(wú)錫市以及國(guó)控環(huán)境自動(dòng)監(jiān)測(cè)站點(diǎn)周邊的裸土揚(yáng)塵源進(jìn)行了高空間分辨率提取和調(diào)查分析，結(jié)果表明：

1) 裸土提取結(jié)果較為精細(xì)和準(zhǔn)確，整體精度達(dá)到94.13%，說(shuō)明高空間分辨率的裸土制圖結(jié)果是有效可行的，相比于傳統(tǒng)的實(shí)地勘測(cè)具有較大優(yōu)勢(shì)。

2) 全市裸土面積116.63 km2，從裸土占區(qū)域面積比例看，全市總體裸土面積占比為2.52%，其中無(wú)錫市區(qū)占比最多(2.75%)，宜興市占比最少(2.34%)。

3) 國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)周邊裸土面積對(duì)站點(diǎn)監(jiān)測(cè)的大氣顆粒物濃度有較大影響，其中對(duì)PM10濃度的影響明顯大于PM2.5。相比于1 km和3 km，2 km緩沖區(qū)范圍內(nèi)的裸土面積對(duì)PM10濃度的影響最大。

裸土揚(yáng)塵源污染治理是改善城市空氣質(zhì)量的重要內(nèi)容，環(huán)境空氣自動(dòng)監(jiān)測(cè)站點(diǎn)的大氣顆粒物監(jiān)測(cè)結(jié)果直接受其周邊裸土面積影響，建議無(wú)錫市環(huán)境管理部門重點(diǎn)關(guān)注國(guó)控環(huán)境自動(dòng)監(jiān)測(cè)站點(diǎn)周邊(特別是2 km緩沖區(qū)范圍內(nèi))裸土面積的分布，對(duì)個(gè)別時(shí)段出現(xiàn)降塵量大、大氣顆粒物高值的點(diǎn)位，可結(jié)合遙感影像分析結(jié)果進(jìn)行現(xiàn)場(chǎng)排查，特別是建筑工地，施工區(qū)域等，開(kāi)展現(xiàn)場(chǎng)督辦，要求對(duì)裸露部分盡快進(jìn)行全面覆蓋，做好抑塵措施，防止揚(yáng)塵污染。下一步可對(duì)國(guó)控環(huán)境空氣自動(dòng)監(jiān)測(cè)站周邊裸土揚(yáng)塵源情況開(kāi)展動(dòng)態(tài)遙感監(jiān)測(cè)，將遙感調(diào)查結(jié)果與實(shí)地勘測(cè)相結(jié)合，通過(guò)定期巡檢推動(dòng)防塵整治工作的有序開(kāi)展。