基于環境一號衛星的PM2.5濃度遙感反演研究

孫立娥,崔文連,王艷玲,王 靜,陳 輝,薛 蓮

1.青島市環境監測中心站，山東 青島 266003 2.環境保護部衛星環境應用中心，北京 100094

基于環境一號衛星的PM2.5濃度遙感反演研究

孫立娥1,崔文連1,王艷玲1,王 靜1,陳 輝2,薛 蓮1

1.青島市環境監測中心站，山東 青島 266003 2.環境保護部衛星環境應用中心，北京 100094

2014年12月29—30日，青島市發生了一次空氣污染過程，利用環境一號衛星CCD遙感影像數據和實測PM2.5濃度數據，分析了該過程前后5 d的實測PM2.5濃度與環境一號衛星CCD遙感影像的DN值之間的相關性，分別按日期和區域建立了反演模型。結果表明，按日期擬合反演模型相關系數為0.02～0.51，按區域擬合反演模型相關系數為0.01～0.80，總體來說，區域擬合結果較好。

青島市；PM2.5；環境一號衛星CCD；遙感；反演

近年來，隨著城市經濟的高速發展，環境污染問題也日益突出，其中空氣環境質量問題尤為嚴重。可吸入顆粒物PM10、PM2.5仍是空氣中的首要污染物，因PM2.5粒徑小、面積大，易附帶有毒、有害物質，對人體健康和環境質量影響極大，因此PM2.5濃度監測顯得尤為重要。

目前，環境保護部已在全國177個城市布設了552個國控監測點位，建成發展中國家最大的空氣質量監測網，但監測站點少這一不足依然存在，尚不能實現全國所有城市的全面覆蓋。而遙感作為一種新的監測手段，以其大范圍、同步觀測、重訪周期短等優勢，可為現場定點監測提供有力的補充。目前利用遙感手段估算顆粒物濃度的研究主要集中在以下3個方面：一是利用MODIS(中分辨率成像光譜儀)氣溶膠光學厚度產品估算顆粒物濃度[1-7]，反演的PM2.5濃度與實測值的相關系數在0.40～0.62；二是利用遙感光譜數據反演氣溶膠光學厚度，再與實測顆粒物濃度建立反演算法[8-10]，反演的PM2.5濃度與實測值的相關系數可達0.66；三是利用激光雷達數據反演顆粒物濃度[11-13]，反演的PM2.5濃度與實測值的相關系數可達0.9以上。

本文針對青島市市區的一次重度空氣污染過程，對該過程前后共5 d的PM2.5濃度進行了研究，分析了空氣監測子站的實測PM2.5濃度與環境一號衛星CCD遙感影像的亮度(DN值)之間的相關性，分別按日期和區域建立了反演模型，并分析了區域反演模型得到的區域平均值與實測區域平均值之間的相關關系。

1 數據和方法

1.1 遙感數據

環境與災害監測預報小衛星星座A、B星于2008年9月6日發射，兩顆衛星軌道相同，相位相差180°，均搭載了4波段CCD相機，兩星組網后CCD相機的重訪周期為2 d。CCD圖像幅寬700 km，空間分辨率30 m，4個波段分別為藍(430～520 nm)、綠(520～600 nm)、紅(630～690 nm)和近紅外(760～900 nm)。研究選用的環境一號衛星CCD數據分別獲取自2014年12月22、25日、29—30日、2015年1月1日。

1.2 實測數據

青島市目前設置了23個空氣自動監測子站，對二氧化硫、二氧化氮、一氧化碳、PM2.5、PM10等污染物濃度進行連續監測。研究選用的實測數據是與遙感數據準同步的PM2.5一小時平均濃度數據。空氣自動監測站分布情況，詳見圖1。

圖1 空氣自動監測站分布

1.3 方法

提取遙感影像4個波段的DN值，與PM2.5濃度進行相關性分析，建立反演模型，具體流程如圖2所示。

根據監測子站經緯度坐標，將子站記錄在遙感影像上，為減小定位誤差，取站點周圍25×25像元范圍內亮度值的平均值作為該站點的DN。分析PM2.5濃度與環境衛星CCD相機4個波段的DN值之間的相關關系，在建立相關關系模型過程中，剔除相關性較差的異常數據。

圖2 PM2.5遙感反演流程

1.3.1 按日期擬合PM2.5濃度反演模型方法

以2014年12月22日的數據為例，從遙感影像上提取該日全市23個監測站點中有效站點4個波段的DN值，分別與對應站點的PM2.5濃度進行線性擬合，見式(1)：

PM2.5=a+b×DNi

(1)

式中:DNi表示與PM2.5濃度相關性最強的某一波段的DN值。按照此方法，依次建立2014年12月22、25日、29—30日、2015年1月1日的反演模型。

1.3.2 按區域擬合PM2.5濃度反演模型方法

以市內3區為例，從遙感影像上提取這5日該區域有效監測站點4個波段的DN值，分別與對應站點的PM2.5濃度進行線性擬合，見式(2)：

PM2.5=a+b×DNi

(2)

式中:DNi表示與PM2.5濃度相關性最強的某一波段的DN值。按照此方法，依次建立開發區、嶗山區、城陽區、膠州市、即墨市、平度市、萊西市、原膠南市的反演模型。

2 按日期擬合PM2.5濃度反演模型

分別利用每天23個站點的有效實測數據與準同步的衛星遙感光譜數據進行相關性分析，對比4個波段與PM2.5濃度的相關關系，結果發現藍光波段的DN值與PM2.5濃度相關性最好，因此利用藍光波段與PM2.5濃度建立模型。統計分析了每天參與建模的點位數、估算值與觀測值的均方根誤差(RMSE)、平均相對誤差(APD)及相關系數(r)統計量，詳見表1。

表1 按日期建立的反演模型精度統計

由表1可知，按照日期擬合，r在0.02～0.51，APD在26.79%～44.50%，RMSE在0.011～0.086 mg/m3，2014年12月25日的反演結果最好，12月29～30日反演結果比較差，這可能是由于模型在PM2.5濃度過高的情況下反演誤差較大所致。PM2.5濃度實測值與模型估算值的對比結果，如圖3所示。由圖3可見，2014年12月22、25日和2015年1月1日的PM2.5濃度較低，在0～0.20 mg/m3，而2014年12月29—30日的PM2.5濃度較高，在0.15～0.40 mg/m3，但誤差較大，反演結果低估了實際PM2.5濃度。

圖3 PM2.5濃度實測值與模型估算值相關關系散點圖(實線為1∶1線)

3 按區域擬合PM2.5濃度反演模型

3.1 區域監測站點擬合模型誤差

分別利用各區市監測站點5 d的實測數據與準同步的衛星遙感光譜數據進行相關性分析，建立反演模型，同時剔除相關性較差的異常數據。統計分析了每天參與建模的點位數、估算值與觀測值的RMSE、APD及r統計量，見表2。

由表2可知，按照區域擬合，r在0.01～0.80，APD在26.29%～62.94%，RMSE在0.028～0.141 mg/m3，市內三區的反演結果最好，平度市反演結果比較差。PM2.5濃度實測值與模型估算值的對比結果，見圖4。

表2 按區域建立的反演模型精度統計

圖4 PM2.5濃度實測值與模型估算值相關關系散點圖(實線為1∶1線)

平度市反演結果比較差，主要是由于平度市的實測PM2.5濃度很高，研究直接采用遙感影像的DN參與建模，在重污染時，DN值會有一個飽和的表現，因此表觀反射率的差異無法準確描述PM2.5濃度的差異，這就導致平度市的反演結果趨向于一個中間數值，無法準確反映實測PM2.5的濃度。

3.2 區域平均值統計結果分析

從青島環境監測政務微博上查找并下載上述5 d對應時刻的PM2.5濃度區域平均值。同時，利用3.1小節中各區市反演模型估算PM2.5濃度的區域平均值與實測PM2.5濃度區域結果進行對比。結果發現，估算的區域平均值與實測區域平均值之間有一定相關性，見圖5。

估算的區域平均值與實測區域平均值有一定相關性，r為0.69，APD為35.35%，RMSE為0.051 mg/m3。按照估算模型計算得到的平度市區域平均值均為負，這主要是由于3.1小節中平度市反演模型低估了實測PM2.5濃度數據，因此反演所得區域平均值為負。

圖5 PM2.5濃度區域實測平均值與模型估算值的散點圖(實線為1∶1線)

4 討論與結論

基于青島市城區23個空氣自動監測站5 d的PM2.5實測數據和準同步的環境一號衛星CCD遙感影像數據，按照日期和區域分別擬合PM2.5濃度反演模型，擬合結果與地面監測數據具有一定相關性。按照區域擬合較日期擬合結果要好，這主要是因為相比大氣信號來講，地表反射率相對于衛星表觀反射率貢獻要大的多，因此區域差異非常明顯；兩種方式在實測PM2.5濃度高于0.2 mg/m3時，擬合結果都會變差，這主要是因為在重污染的時候，DN值會有一個飽和的表現，因此表觀反射率的差異無法準確描述PM2.5濃度的差異。

1)按日期擬合r在0.02～0.51，APD在26.79%～44.50%，RMSE在0.011～0.086 mg/m3，當PM2.5濃度大時擬合結果誤差也較大。

2)按區域擬合r在0.01～0.80，APD在26.29%～62.94%，RMSE在0.028～0.141 mg/m3，平度市反演結果最差，市內三區結果最好。

3)利用各區市反演模型估算PM2.5濃度的區域平均值，與實測PM2.5濃度區域結果進行對比，r為0.69，APD為35.35%，RMSE為0.051 mg/m3。

綜上，利用遙感影像的DN值反演PM2.5濃度具有一定的應用價值，但依然存在一些不足。在今后的研究中，將收集更多的遙感影像數據和地面監測數據，進行長時間序列的反演驗證，設法減小誤差。

[1] 李成才,毛節泰,劉啟漢,等.利用MODIS光學厚度遙感產品研究北京及周邊地區的大氣污染[J].大氣科學,2003,27(5):869-880.

[2] 王靜,楊復沫,王鼎益,等.北京市MODIS氣溶膠光學厚度和PM2.5質量濃度的特征及其相關性[J].中國科學院研究生院學報,2010,27(1):10-16.

[3] 何秀,鄧兆澤,李成才,等.MODIS氣溶膠光學厚度產品在地面PM10監測方面的應用研究[J].北京大學學報(自然科學版),2010,46(2):178-184.

[4] 石勇.武漢市MODIS氣溶膠光學厚度與空氣PM10濃度的關系研究[R].武漢:華中農業大學,2012.

[5] 陶金花,張美根,陳良富,等.一種基于衛星遙感AOT估算近地面顆粒物的方法[J].中國科學:地球科學,2013,43(1):143-154.

[6] 郭建平,吳業榮,張小曳,等.BP網絡框架下MODIS氣溶膠光學厚度產品估算中國東部PM2.5[J].環境科學,2013,34(3):817-825.

[7] 陳輝,厲青,王中挺,等.利用MODIS資料監測京津冀地區近地面PM2.5方法研究[J].氣象與環境學報,2014,30(5):27-37.

[8] WANG Z F,CHEN L F,TAO J H,et al.Satellite-based estimation of regional particulate matter(PM) in Beijing using vertical-and-RH correcting method[J].Remote sensing of environment,2010,114(1):50-63.

[9] 王中挺,王子峰,厲青,等.環境一號衛星在監測大氣PM10中的應用[J].中國環境科學,2011,31(2):202-206.

[10] 范辰乾.基于MODIS數據的氣溶膠光學厚度與PM2.5濃度關系研究—以濟南市為例[R].濟南:山東師范大學,2014.

[11] 何濤,侯魯健,呂波,等.激光雷達探測反演PM2.5濃度的精度研究[J].中國激光,2013,40(1):212-217.

[12] 李成才,劉啟漢,毛節泰,等.利用MODIS衛星和激光雷達遙感資料研究香港地區的一次大氣氣溶膠污染[J].應用氣象學報,2004,15(6):641-650.

[13] 李倩,李成才,王燁芳,等.利用激光雷達和衛星遙感獲得城市地面大氣懸浮顆粒物濃度分布[J].北京大學學報(自然科學版),2013,49(4):673-682.

Study on the Retrieval of PM2.5Based on HJ-1 Satellite

SUN Li’e1，CUI Wenlian1，WANG Yanling1，WANG Jing1，CHEN Hui2，XUE Lian1

1.Qingdao Environment Monitoring Centre, Qingdao 266003, China 2.Satellite Environment Centre, Ministry of Environmental Protection, Beijing 100094, China

During December 29 to 30th 2014, an air pollution event occurred in Qingdao City. By using HJ-1 CCD data and ground-based measurements, the correlation of ground-based PM2.5and DN value of HJ-1 CCD during five days pre and post this process was analysed, and the PM2.5retrieval models were established respectively by days and regions. The result showed that, the correlation coefficient between the retrieved and measured PM2.5by days was between 0.02 and 0.51 and that by regions was between 0.01 and 0.80.Overall, the result of the model established by days was better.

Qingdao City;PM2.5;HJ-1 CCD;remote sensing;retrieve

2015-06-16;

2015-09-22

孫立娥(1986-)，女，山東鄒平人，碩士，助理工程師。

X831,X87

A

1002-6002(2016)03- 0129- 06

10.19316/j.issn.1002-6002.2016.03.21