杭州地區2015年PM濃度時空變化特征分析

聶晨暉，潘驍駿，金洪芳

(浙江省第二測繪院，浙江 杭州 310012)

?

杭州地區2015年PM濃度時空變化特征分析

聶晨暉，潘驍駿，金洪芳

(浙江省第二測繪院，浙江 杭州 310012)

在2015年杭州地區11個地面觀測站PM2.5質量濃度監測數據的基礎上，結合MOD04_3K AOT產品，建立了利用AOT反演近地面PM2.5質量濃度的模型。利用實測和遙感反演數據共同分析了杭州市PM2.5質量濃度時空變化特征。分析結果表明，PM2.5質量濃度分布的日變化特征為：在杭州市中心城區，冬季、春季及秋季都存在典型的雙峰變化，冬季、春季的峰值出現在9:00—12:00，秋季峰值出現在6:00—9:00；夏季表現出夜間濃度高于白天的特征。PM2.5質量濃度分布的季節性變化特征為：冬季>春季>秋季>夏季。PM2.5質量濃度的空間分布格局為：杭州地區東北區域的濃度明顯高于其他區域；杭州—富陽—桐廬沿線、杭州—臨安沿線PM2.5質量濃度存在高濃度的分布條帶，PM2.5質量濃度的空間分布與城鎮化的格局相似。PM2.5質量濃度空間分布與地形和植被指數呈負相關，春季地形和植被指數對PM2.5濃度分布的抑制影響最大。

杭州市；PM2.5質量濃度；時空變化特征；遙感AOT；混合層高度

空氣污染尤其是PM2.5污染的日益嚴重，成為威脅人類健康的主要因素[1]。杭州市是我國重要的旅游城市，地處長三角經濟高速發展區，空氣質量受到區域工業大氣污染排放和城市地面交通尾氣排放等多重因素的影響。宋曉暉等[2]對杭州市2002—2010年大氣氣溶膠數據進行了監測和分析，證明煤煙塵、城市揚塵、二次粒子和機動車尾氣塵是杭州市空氣細顆粒物的主要來源；包貞等[3]在對杭州市PM2.5的來源解析的研究中發現，機動車尾氣塵占比為21.6%，煤煙塵占比為16.7%，土壤和建筑水泥塵占比為12.2%；肖文豐等[4]對2011—2014年杭州市大氣PM2.5質量濃度變化特征進行分析后，得出杭州市在2011—2014年期間，PM2.5質量濃度峰值出現在2013年，其平均值為52.2 μg/m3，PM2.5質量濃度日變化存在雙峰型特征，變化規律與機動車污染排放和氣象條件變化密切相關。

對于PM2.5質量濃度信息的獲取，目前最常規的手段是利用地面儀器進行連續監測。這種常規監測具有精度高、時間連續性強的優勢，可以準確把握PM2.5的時間變化特征；同時，將實測數據與地理空間信息技術、互聯網技術結合起來可以實現數據的實時發布共享[5-6]。但是地面觀測站點分布數量有限，利用常規地面的觀測手段難以準確掌握區域尺度顆粒物分布狀況、污染源及傳輸特征等,利用遙感手段獲取的大氣氣溶膠光學厚度(aerosol optical thickness，AOT)數據與地面實測PM2.5質量濃度數據建立回歸模型，可以實現利用AOT來反演大氣PM2.5的空間污染狀況。在以往的研究中，利用AOT和PM2.5建立的模型形式主要包括簡單線性模型、多元線性回歸模型、地理加權模型和神經網絡模型等。AOT與PM2.5直接相關性在0.2～0.6之間，經過垂直標高和相對濕度訂正后的相關系數在0.5～0.88之間[7]，AOT與PM2.5之間的關系存在顯著的時空和季節差異。

隨著杭州G20峰會的落地及杭州市大氣污染防治實施計劃的開展，杭州市大氣中PM2.5的時空變化特征及其變化趨勢分析，對于準確把握治理過程中杭州大氣污染的規律特征及其變化趨勢，意義十分明顯。本文基于2015年MODIS/Terra AOT 產品、地面觀測的PM2.5質量濃度數據，以及NCEP(National Centers for Environmental Prediction)再分析數據中的風速和空氣相對濕度數據，利用近地面風場和大氣相對濕度數據計算混合層高度，實現大氣標高訂正，同時構建估算PM2.5質量濃度估算的回歸模型，利用模型估算出杭州地區2015年PM2.5質量濃度變化的空間數據，并結合地面長時間連續觀測數據分析杭州地區PM2.5質量濃度的時間、空間變化特征，以及影響PM2.5質量濃度空間分布的植被和地形因素，以期為區域大氣PM2.5的污染監測、重點防治區域的規劃和治理效果評估提供科學依據。

一、數據選取與處理

1. 地面站點觀測資料

PM2.5質量濃度實測數據的各采集站點位置如圖1所示。從圖中可以看出，11個地面觀測站點主要集中在杭州市的主城區及周邊的余杭區和蕭山區，距離最遠的站點為千島湖站點；另外從圖1的地貌圖中也可以看出，杭州市東北區域地勢較為平坦，西南區域山地較多。PM2.5實測數據采集時間為2015年1月1日—12月31日，采集時間間隔為1 h。

圖1 杭州市PM2.5采樣站點空間分布(A: 濱江;B: 西溪;C: 千島湖;D: 下沙;E: 臥龍橋;F: 浙江農大;G: 朝暉五區;H: 和睦小學;I: 臨平鎮;J: 城廂鎮;K云棲)

2. MOD04_3K 氣溶膠產品

目前，NASA每日發布基于MODIS數據的全球海洋和陸地氣溶膠數據產品，包括10和3 km的氣溶膠數據產品。本文選擇Terra衛星上3 km分辨率氣溶膠數據產品MOD04_3K，波長選擇0.55 μm。MODIS 氣溶膠遙感產品采用的遙感反演算法主要有暗目標算法[8]和深藍算法[9]，研究表明，采用暗像元法反演的氣溶膠光學厚度產品在陸地上空的精度約為15%[10]。本文數據產品選擇的方法為暗像元法。

3. NCEP氣象要素數據

衛星遙感反演得到的AOT和近地面干粒子質量濃度之間進行建模時，還需要考慮氣溶膠垂直分布和大氣水汽兩個關鍵要素[11]，需要進行AOT的垂直訂正和濕度訂正，訂正所需要的參數包括風場數據和空氣相對濕度數據。本文氣象要素數據來自NCEP再分析數據中的近地層10 m風場和大氣相對濕度數據。

4. 地形和NDVI數據

PM2.5的質量濃度受地形、土地利用、植被特征、污染因子、氣象因子等共同影響，本文在分析PM2.5時空變化特征時，選擇地形因子和植被因子進行相關分析，以進一步探討PM2.5時空分布特征的影響要素及其定量關系。地形數據選擇ASTER-GDEM數據，植被因子數據選擇Landsat 8 OLI數據計算的NDVI值，由于Landsat 8 OLI在波段設置上較ETM/ETM+有所調整，其NIR和R波段對應的分別為Band5和Band4波段。

二、模型和方法

1. 氣溶膠標高訂正方法

地球重力使得氣溶膠顆粒密度隨高度呈負指數遞減[12]，整層大氣AOT和近地面氣溶膠消光系數存在如下關系[13]

(1)

式中，τa(λ)為大氣AOT；ka,0(λ)為近地面水平消光系數，此時的ka,0(λ)的成分仍然受大氣水汽含量的影響；HA為氣溶膠標高。可以看出，氣溶膠標高是近地面水平消光系數求取的關鍵參數之一。氣溶膠標高是一個理想條件假定的等效高度，隨季節、地域變化而不斷變化，逐日變化特征也很明顯。

本文在氣溶膠標高的計算方法上選擇混合層高度來代替，原因如下：①大氣混合層高度是研究污染物擴散規律的一個重要參數，特別是對污染物垂直分布的影響，對于中性和不穩定大氣層結，在離地面幾百米到2 km左右的高度上存在一個穩定的逆溫層，使得污染物在垂直方向上的擴散受到抑制，污染物會被限制在地面和逆溫層之間[14],因此在中性和不穩定大氣層結條件下，混合層高度與大氣邊界層一致；②大氣邊界層的另一個重要特征就是由于熱力作用而導致的強烈日變化，即白天由于地表接收太陽輻射后被加熱，邊界層內的湍流運動使得這些熱量向上傳遞，空氣處于不穩定層結狀態，而夜間地面因長波輻射冷卻后，熱通量向下，空氣處于穩定層結狀態。

混合層的厚度與風速和大氣穩定度關系密切，風和湍流是影響大氣擴散能力的主要動力因子，而大氣穩定度則是決定大氣擴散能力的熱力因子[15]。混合層高度計算采用《制定地方大氣污染物排放標準的技術方法》(GB/T 3840—1991)[16]中推薦的方法，大氣穩定度等級的劃分采用帕斯奎爾(Pasquill)穩定度分類法，具體計算方法可參考文獻[16]。

2. 水汽校正方法

水汽條件是改變粒子成分、尺度和光學性質的重要因子，因此還要對氣溶膠標高糾正后得到的水平消光系數ka,0(λ)進行水汽濕度校正。試驗表明，大氣中氣溶膠粒子的散射吸濕增長因子可近似為相對濕度的函數，本文選擇文獻[11]中水汽校正模型，模型形式如下

(2)

式中，Edry為氣溶膠“干”消光系數；RH表示空氣相對濕度(用百分數表示)。空氣相對濕度數據選擇NCEP相對濕度數據。

3. 時空匹配與相關性建模

PM2.5質量濃度時空分析與建模主要包括3個主要部分，分別為：①氣溶膠遙感數據糾正部分，實現氣溶膠標高訂正和水汽校正；②實測數據統計分析及時空匹配部分，主要進行長時間連續地面觀測站點的PM2.5質量濃度時間變化統計特征分析，以及實測數據、遙感數據時間-空間匹配工作，時間匹配要求實測數據和遙感衛星過境的當地時間匹配在±1 h以內，空間數據要求與實測站點空間位置匹配的3×3網格像元的平均值；③PM2.5質量濃度建模部分，氣溶膠“干”消光系數與顆粒物濃度呈正相關，通過將地面站大量的實測數據與遙感數據進行匹配得到建模數據集，可以通過擬合線性模型來描述氣溶膠“干”消光系數與顆粒物濃度的定量關系，模型形式見式(3)，對于長時間數據，還需要分季節來進行建模，本文按照冬季(12、1、2月份)、春季(3、4、5月份)、夏季(6、7、8月份)、秋季(9、10、11月份)等季節數據分別進行線性擬合建模。

PM2.5=aEdry+b

(3)

三、結果與分析

1. PM2.5時間特征分析

城市PM2.5受人類活動強烈影響，具有典型的日變化特征，繪制的各季度平均日變化曲線如圖2所示。可以看出，位于杭州市中心城區的朝暉五區站點，在冬季、春季及秋季都存在典型的雙峰變化，冬季、春季的峰值出現在9:00—12:00，秋季峰值出現在6:00—9:00；除千島湖站點外，其他各站點也存在日間變化的峰值特點，但是變化幅度不如朝暉五區典型。需要注意的是，在夏季，大部分站點都表現出夜間濃度高于白天的現象，這與夏季氣象條件密切相關：白天太陽輻射強烈，地表溫度快速升高，邊界層內的湍流運動加強，大氣混合層高度升高，夜晚地表溫度降低，空氣處于穩定層結狀態，不利于污染物擴散。

圖2 杭州市PM2.5質量濃度代表性站點各季度平均日變化曲線

2. AOT與PM2.5分析建模

圖3是各季度標高和水汽糾正后的AOT和PM2.5質量濃度線性回歸圖。可以看出，糾正后的模型決定系數在0.347～0.740 3之間。模型擬合相關性在不同季節表現不同，夏季模型精度最高，冬季模型精度最差。模型精度受多種因素影響，杭州地區秋、冬季節大氣混合層高度較低，不利于大氣顆粒污染物的擴散，此外，秋、冬季節冷空氣南下頻繁，氣象條件的變化導致大氣污染物時空變異性加劇，從而使匹配的建模數據集存在諸多不確定性，模型擬合的相關性也隨之降低。

圖3 各季度標高和水汽糾正后的AOT和PM2.5質量濃度線性回歸圖

3. PM2.5空間特征分析

圖4是利用建立的模型估算的各個季節PM2.5質量濃度空間分布結果。可以看出，PM2.5質量濃度的空間分布格局為：東北區域的濃度明顯高于其他區域；杭州—富陽—桐廬沿線、杭州—臨安沿線，PM2.5存在高濃度的分布條帶。PM2.5質量濃度的空間分布與杭州市主城區、臨平鎮、濱江、蕭山、杭州—富陽—桐廬沿線、杭州—臨安沿線等城鎮化的格局相似。PM2.5質量濃度的季節性特征與地面觀測結果一致，即：冬季>春季>秋季>夏季。

圖4 2015年杭州地區PM2.5質量濃度空間分布遙感反演結果

4. 影響PM2.5質量濃度時空分布與變化的下墊面要素分析

影響PM2.5時空分布與變化的要素包括污染源的排放類型和強度、天氣和氣候條件、下墊面特征等因素，其中下墊面特征要素包括土地利用類型、地形和植被分布等。本文在分析影響杭州市PM2.5質量濃度時空分布的下墊面要素時，選擇地形要素、植被指數數據與PM2.5質量濃度空間分布遙感反演結果進行相關性分析,PM2.5質量濃度分布與DEM、NDVI的各季節的相關性結果見表1。PM2.5質量濃度與DEM、NDVI都呈負相關，其中DEM與PM2.5質量濃度的負相關性較NDVI大，說明地形對PM2.5空間分布影響大于植被。在季節表現上，春季地形、NDVI對PM2.5濃度分布的抑制影響較大，夏季的抑制影響則較小，這與夏季混合層高度較高、下墊面特征對其影響較小關系密切。

表1 PM2.5質量濃度與NDVI、DEM的相關性

四、結 論

通過對杭州市2015年PM2.5質量濃度的地面實測數據和遙感反演數據綜合分析發現：

1) 從地面站點的實測數據分析發現，杭州市2015年PM2.5質量濃度分布的日變化特征為：杭州市中心城區在冬季、春季及秋季都存在典型的雙峰變化，冬季、春季的峰值出現在9:00—12:00，秋季峰值出現在6:00—9:00；除千島湖站點外，杭州市主城區周邊各站點也存在日間變化的峰值特點，但是變化幅度不如中心城區典型。在夏季，大部分站點都表現出夜間濃度高于白天的現象，這與夏季氣象條件密切相關，白天太陽輻射強烈，地表溫度快速升高，邊界層內的湍流運動加強，大氣混合層高度升高，夜晚地表溫度降低，空氣處于穩定層結狀態，不利于污染物擴散。

2) 從地面站點的實測數據和遙感反演的空間數據都可以得出，杭州市2015年PM2.5質量濃度分布的季節性變化特征為：冬季>春季>秋季>夏季。

3) 從遙感反演的空間數據可以得出，杭州市2015年PM2.5質量濃度的空間分布格局為：東北區域的濃度明顯高于其他區域；杭州—富陽—桐廬沿線、杭州—臨安沿線，PM2.5質量濃度存在高濃度的分布條帶。PM2.5質量濃度的空間分布與杭州市主城區、臨平鎮、濱江、蕭山、杭州—富陽—桐廬沿線、杭州—臨安沿線等城鎮化的格局相似。

4) 從影響杭州市PM2.5質量濃度時空分布的下墊面地形要素和植被指數數據相關分析中得出，PM2.5質量濃度空間分布與DEM、NDVI均呈負相關，其中在季節表現上，春季地形、NDVI對PM2.5濃度分布的抑制影響較大，夏季對PM2.5濃度分布的抑制影響較小，這與夏季混合層高度較高、下墊面特征對其影響較小關系密切。

[1] 方冬青, 魏永杰, 黃偉, 等. 北京市2014年10月重霾污染特征及有機碳來源解析[J]．環境科學研究，2016，29(1)：12-19．

[2] 宋曉暉,畢曉輝,吳建會, 等. 杭州市空氣顆粒物污染特征及變化規律研究[J]．環境污染與防治，2012,34(7):60-63.

[3] 包貞，馮銀廠，焦荔，等. 杭州市大氣PM2.5和PM10污染特征及來源解析[J]．中國環境監測，2010,26(2):44-48.

[4] 肖文豐，楊煥強，周斌，等. 2011—2014年杭州市大氣PM2.5質量濃度變化特征分析[J]．杭州師范大學學報(自然科學版)，2016,15(2):214-219.

[5] 沈霖,陳能.基于WebGIS的PM2.5及空氣質量信息的發布與共享[J].測繪通報，2012(S1)：772.

[6] 陳年松.基于“天地圖”的江蘇省城市空氣質量PM2.5監測數據平臺的設計與實現[J].測繪與空間地理信息，2014,37(2):116-120.

[7] 亢紅霞，那曉東，臧淑英. 基于衛星遙感數據(AOT) 估算PM2. 5的研究進展[J]. 環境科學與管理,2016,41(2):30-34.

[8] KAUFMAN Y J，TANRé D，REMER L A，et al. Operational Remote Sensing of Tropospheric Aerosol over Land from EOS-MODIS[J]. Journal of Geophysical Research,1997,102(D14):17051-17067.

[9] HSU C N, TSAY S C, KING M D，et al. Deep Blue Retrievals of Asian Aerosol Properties during ACE-Asia [J].IEEE Transactions Geoscience and Remote Sensing,2006,44(11):3180-3195.

[10] LEVY R C, REMER L A, KLEIDMAN R G. Global Evaluation of the Collection 5 MODIS Dark-target Aerosol Products over Land[J]. Atmospheric Chemistry & Physics, 2010(10): 10399-10420.

[11] 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): 143-154.

[12] 徐希孺.遙感物理[M].北京:北京大學出版社, 2005：298-299.

[13] 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.

[14] 劉北平.確定大氣混合層高度方法的研究[J]. 環境科學研究，1990,3(1):8-12.

[15] 陳建文, 胡琳, 王娟敏, 等. 陜西省混合層高度變化規律研究 [J].水土保持研究, 2014,21(5):322-331.

[16] 國家技術監督局,國家環境保護局. 制定地方大氣污染物排放標準的技術方法：GB/T 3840—1991[S]. 北京: 中國標準出版社，1992.

Temporal and Spatial Variations of PM2.5in Hangzhou Region in 2015

NIE Chenhui，PAN Xiaojun，JIN Hongfang

2016-05-31

浙江省科技計劃(2015C33048)

聶晨暉(1983—)，男，碩士，工程師，主要研究方向為攝影測量與遙感。E-mail：rick20081983@163.com

聶晨暉，潘驍駿，金洪芳.杭州地區2015年PM2.5濃度時空變化特征分析[J].測繪通報，2016(11)：75-79.

10.13474/j.cnki.11-2246.2016.0370.

P237

B

0494-0911(2016)11-0075-05