基于衛星遙感的東北三省露天秸稈焚燒及其排放研究*

毛慧琴，張麗娟，厲 青，張連華，張玉環，陳 輝，翁國慶

(環境保護部衛星環境應用中心，北京 100094)

0 引言

生物質燃燒是重要的氣候強迫因子，對局地、區域乃至全球的空氣質量產生影響。中國作為一個農業大國，秸稈資源豐富，早在2003 年Streets 等[1]就指出，農作物秸稈焚燒是中國生物質燃燒的重要組成部分，曹國良等[2]估算出我國秸稈年產量約為6 億t，其中約23%(1.6 億t)被露天焚燒掉。秸稈焚燒釋放大量的顆粒物和氣態污染物，嚴重影響當地甚至通過長距離傳輸影響下風方向的空氣質量和人體健康[3-6]，秸稈焚燒造成負面效應已成為引起公眾密切關注的社會—環境問題。東北地區是中國最主要的糧食及商品糧生產基地，糧食總產量占全國的19.3%[7]，作物秸稈資源十分豐富， 2015 年東北地區可收集秸稈產量約1.59 億 t，約占全國秸稈總產量19.2%[8]。目前，東北地區由于氣候條件、地域環境、資源配置、種植業結構、技術體系、資金狀況及農戶認識等因素，導致秸稈整體利用尚處于初級粗放階段[9]，秸稈露天焚燒問題突出，如2015年夏秋兩季東北地區秸稈焚燒火點有2 674處，約占全國總火點數的60%[10]。由于秸稈焚燒排放估算多采用自下而上的地面調查方法[11-12]，焚燒比例、燃燒效率和排放因子等因素導致秸稈露天焚燒排放量估算存在很大不確定性，如彭立群等[13]研究指出主要農作物秸稈焚燒PM2.5排放量估算不確定性在-61%～99%之間，因此文章采用基于衛星遙感手段獲取的火點信息及排放清單數據分析東北地區露天秸稈焚燒及排放特征，以期更為客觀全面反映當地實際焚燒及排放特征，為東北地區秸稈資源綜合利用、環境質量改善提供參考。

表1 MODIS火點監測算法所需通道的譜段范圍及主要用途

通道序號光譜范圍(μm)主要用途1062～067太陽耀斑、水體邊緣影響去除，云檢測2084～088高反射地表、太陽耀斑、水體邊緣影響去除，云檢測7210～216太陽耀斑、水體邊緣影響去除21393～399(高響應范圍)火點探測與火點特性反演22393～399(低響應范圍)火點探測與火點特性反演311075～1125火點探測，云檢測321175～1225云檢測

1 數據和方法

1.1 秸稈焚燒火點提取數據及方法

該文進行秸稈焚燒監測的衛星數據來自美國地球觀測系統計劃(EOS)Terra和Aqua攜帶的中分辨率成像光譜儀(MODIS)。MODIS探測器設置了用于火點探測和描述火點熱輻射特征的兩個中紅外通道(波段范圍相同，飽和亮度溫度分別為331K和近500K)，不僅保證了觀測數據的輻射精度，也避免了高溫火點導致通道飽和的問題。同時，MODIS還使用一個2.1μm的短波紅外通道加強對太陽耀斑和水體邊緣虛假火點的去除。目前，用于MODIS的火點監測算法主要是上下文算法[14]，所需通道數據及主要用途如表1。

根據維恩位移定律[15]，常溫地物(約300K)熱輻射能量的峰值位于熱紅外波段，隨著溫度升高，熱輻射的峰值向波長較短的波段移動，秸稈焚燒、森林火災等火點(500～1 000K)的熱輻射的峰值波長位于中紅外波段。秸稈焚燒衛星遙感火點監測主要基于該原理，利用內部含有火焰的高溫像元與背景常溫像元在中紅外和熱紅外波段輻射能量的差異來識別地面火點。

根據該原理與方法，采用MODIS全球產品使用的上下文算法作為研究秸稈焚燒火點提取的方法，算法的核心內容是將目標像元的溫度特性與周圍背景像元的平均溫度特性準確地統計出來，并進行多閾值判別，根據判別結果提取火點像元，并結合土地利用數據提取秸稈焚燒火點，為驗證火點的精度，采用野外地面抽樣驗證和高分遙感數據抽樣驗證兩種方式。地面驗證方法為隨機抽取火點位置，攜帶衛星定位系統進行實地驗證，如驗證火點位于遙感火點像元的幾何定位精度之內，則認為衛星監測到的火點結果是正確的； 如果地面驗證火點在遙感火點像元的幾何定位精度之外，則判別衛星監測到的火點屬于誤判火點。高分辨率遙感數據隨機驗證方法為獲取相同時間段內通過火點區域的高分衛星、無人機飛行等高分辨率遙感數據，通過解譯著火點過火痕跡及煙羽等方式對火點位置進行驗證。

圖1 秸稈焚燒衛星遙感監測處理流程

秸稈焚燒遙感監測具體流程如圖1：首先對衛星遙感數據進行預處理，采用上下文算法得到熱異常點的分布，然后通過GIS手段疊加土地利用數據，提取農田上的熱異常點作為秸稈焚燒火點，最后結合行政邊界等基礎地理信息對秸稈焚燒火點進行統計分析以及產品制作。

1.2 秸稈焚燒PM2.5 排放數據及計算方法

研究秸稈焚燒排放數據采用歐洲數值預報中心發布的全球火點同化系統數據集GFASv1(Global Fire Assimilation System，http：//apps.ecmwf.int/datasets/)，該數據集為全球生物質燃燒排放實時更新排放清單，分辨率為0.1°×0.1°，排放物種共有40種，PM2.5是其中物種之一，該數據集已廣泛應用于排放清單對比、火干擾氣候效應模擬評估以及空氣質量預測業務[16]。GFASv1數據集基于衛星遙感火輻射功率產品(FRP fire radiation power)數據來估算全球生物質燃燒排放。具體計算方法沿用了Kaufman(1998)的計算方法[17]，其計算公式為：

MX=EFX×FCT_FRE

(1)

FCT_FRE=FRE×β

(2)

(3)

FRP=4.34×10-19(TMIR8-Tb，MIR8)

(4)

其中，MX為生物質燃燒過程中第X個物種的排放量;EFX為第X個物種的排放因子;FCT_FRE為焚燒的總干物質量(kg);FRE為火點輻射能量，是焚燒時段內釋放輻射功率(FRP)隨時間的積分;FRP是火點像素的亮溫(TMIR)與其周邊像素點背景亮溫(Tb，MIR)差異的函數；β為輻射能量燃燒因子為0.368±0.015kg/MJ。該數據集所用的FRP數據主要基于NASA發布的MODIS傳感器數據產品MOD14和MYD14，并采用集合卡曼濾波方法融合了SEVIRI的FRP產品[18]。該文采用該數據集2015～2017年逐日PM2.5的排放數據，并基于ArcGIS 平臺在行政區域內進行統計分析。

由于GFASv1數據集為生物質燃燒的排放產品，要獲取農田秸稈焚燒排放情況，需要結合農田的空間分布信息。該文采用環境保護部和中國科學院聯合研發的全國生態環境10年變化(2000～2010年)遙感調查與評估的土地利用和土地覆蓋數據[19]，該數據集分辨率為30m，在該數據集的基礎上進行重采樣，分辨率與GFASv1數據集保持一致。圖2為東北三省的農田分布情況。

表2 2015～2017年東北三省火點統計 個

2 結果分析

2.1 火點時空分布特征分析

2.1.1 年變化特性

圖3為2015～2017年東北三省全年火點分布情況。從圖3可以看出黑龍江和吉林比較集中，遼寧相對分散。黑龍江火點主要集中在西南部的齊齊哈爾、綏化、哈爾濱等市和東北部的雙鴨山、佳木斯等市； 吉林火點主要集中在中西部的長春、四平、松原等市和西北部的白城市； 遼寧中部沈陽市、鐵嶺市以及盤錦市火點相對較多。表2為東北三省2015～2017年火點統計結果，從表2可以看出東北三省以黑龍江火點最多，為1.346 2萬個，占比71.9%； 吉林次之，占比17.3%； 遼寧最少，占比10.8%。從年變化來看， 2017年火點最多， 2015年次之， 2016年最少。

表3 2015～2017年東北三省各月火點統計 個

圖2 東北三省農田分布情況(左：采樣前； 右：采樣后)

圖3 2015～2017年東北三省秸稈焚燒火點分布圖

表4 2015～2017年東北三省春秋兩季火點在全年中的占比 %

圖4 2015～2017年東北三省秸稈焚燒火點逐月變化

2.1.2 月季變化特性

圖4和表3為2015～2017年東北三省秸稈焚燒火點總數逐月變化統計情況。從圖4中可以看出，東北三省秸稈焚燒高峰期主要集中在春(3～4月份)秋(10～11月份)兩季，呈現雙峰分布，總體上春季火點多于秋季； 其中黑龍江和吉林春秋兩季火點在全年中占比均在94%～99%之間，遼寧由于2月份也有較多火點，春秋兩季占比相對較低在68%～81%之間(表4)。分析2015～2017年東北三省春秋兩季火點在全年中的占比可以看出，春季火點在全年中的火點占比逐年上升趨勢，秋季基本呈逐年下降趨勢，尤其是遼寧2016年和2017年秋季焚燒比例僅占15.8%、15.5%。研究表明[20-21]，東北地區秋季容易出現靜風逆溫現象，且從每年10月底起開始燃煤供暖，再疊加上秸稈焚燒污染物排放，容易引起造成較為嚴重的污染，出現重度霾現象。東北地區近幾年開展秸稈禁燒工作，尤其是秋季秸稈禁燒力度增大，可能導致秸稈焚燒高峰期轉向春季。

2.2 PM2.5 排放時空分布特征分析

2.2.1 年變化特性

圖5為2015～2017年東北三省全年PM2.5排放分布情況。從圖5中可以看出排放的空間分布與圖3中火點的分布一致，大范圍排放的區域有：黑龍江西南部的齊齊哈爾、綏化、哈爾濱等市和東北部的雙鴨山市、佳木斯市，吉林中西部長春、四平、松原等市和西北部的白城市； 遼寧中部沈陽市、鐵嶺市以及盤錦市； 另外，七臺河、雞西市、牡丹江市、延邊等地區的局部地區排放量較大。表5為東北三省2015～2017年PM2.5排放情況，從表5中可以看出2015～2017年東北三省共計排放17.3萬t， 2015年排放量最大， 2017年次之， 2016年最少。和表2中火點的統計結果略有差別， 2017年火點最多年份而排放量不是最大的年份。由于火點的排放量是火點輻射能量的函數，說明2017年火點雖然個數多，但總體輻射能量相對要低，這可能是由于一部分秸稈資源綜合利用，導致燃燒的干物質減少的緣故。從各省排放量來看，以黑龍江省排放量最多， 3年共計12.7萬t，占比73.3%； 吉林和遼寧大致相當，為2.3萬t，分別占13.1%和13.5%。從多年年均PM2.5排放量來看，黑龍江省約為4.2萬t，吉林和遼寧約為0.8萬t； 對比彭立群等[13]基于調查的中國秸稈露天焚燒污染物排放清單(2009年黑龍江、遼寧和吉林省PM2.5的排放量分別為7.5萬t、4.2萬t和2.1萬t)，兩者差別較大。從彭立群等不確定研究結果可以看出，在95%置信度下，PM2.5排放量估算不確定性在-61%～99%之間； 王書肖[11]的PM2.5排放量估算不確定性142%，Streets 等[1]的不確定度高于400%； 可見基于地面調查的方法估算的排放清單總體偏高。衛星遙感由于受時間和空間分辨率的影響及云的影響，容易遺漏火點，特別是尺度小強度弱的火點[22]，因此導致排放估算偏低。

2.2.2 月季變化特性

圖6和表6為2015～2017年東北三省秸稈焚燒PM2.5排放量逐月變化統計情況。從圖6中可以看出PM2.5排放的月際變化趨勢與圖4中火點的月際變化趨勢基本一致，呈雙峰分布，其中黑龍江和吉林主要集中在春(3～4月份)秋(10～11月份)兩季，黑龍江春秋兩季排放比例在92%以上，吉林占比在82%以上。遼寧略有差異，除春秋兩季外2月份的排放也相對較多，因此排放峰值在2～4月以及10～11月?？傮w而言，春季排放大于秋季，如黑龍江省春季峰值月份(4月)3年排放合計高達4.7萬t，而秋季峰值月份(11月)合計為2.6萬t。從2015～2017年東北三省春秋兩季排放在全年中的占比可以看出，相對2015年，東北三省秸稈焚燒春季PM2.5排放在全年中占比增加，秋季占比減少。尤其是黑龍江省逐年變化趨勢最為明顯，說明受秋季禁燒工作力度加大影響較為明顯。

圖5 2015～2017年東北三省全年PM2.5 排放分布情況(t/格點)

圖6 2015～2017年東北三省秸稈焚燒PM2.5 排放逐月變化

3 結論

研究基于MODIS衛星數據使用上下文算法提取秸稈焚燒火點，分析了2015～2017年東北三省露天秸稈焚燒火點時空分布特征； 并利用GFASv1排放清單數據，統計分析了同時段東北三省PM2.5的排放時空分布特征。

(1)東北地區露天秸稈焚燒點主要分布在黑龍江西南部和東北部、吉林的中西部、遼寧中部地區，火點密集度高的區域包括黑龍江的齊齊哈爾、綏化、哈爾濱、雙鴨山、佳木斯等市，吉林的長春、四平、松原等市，遼寧的沈陽、鐵嶺及盤錦等市。

表5 2015～2017年東北三省PM2.5 排放量統計結果萬t

(2)2015～2017年東北三省共計1.871 8萬個火點， 2017年火點最多， 2015年次之， 2016年最少。黑龍江火點最多占比71.9%； 吉林次之，占17.3%； 遼寧最少，占10.8%。年內各月火點呈雙峰分布特性，春季火點多于秋季，且呈春季火點增多、秋季火點減少趨勢。

(3)2015～2017年東北三省露天秸稈焚燒共計排放PM2.5約17.3萬t， 2015年排放量最大， 2017年次之， 2016年最少。期間黑龍江排放最多，占比73.3%； 吉林和遼寧大致相當分別占13.1%和13.5%。

(4)從秸稈焚燒火點時空分布來看，東北地區露天秸稈焚燒受秋季禁燒工作影響較為明顯，春季禁燒工作有待加強； 此外，相對2015年，近兩年秸稈焚燒引起PM2.5排放量有所減少，說明焚燒的干物質有所減少，東北地區秸稈資源綜合利用量有了一定提高。

表6 2015～2017年東北三省春秋兩季露天秸稈焚燒PM2.5 排放量在全年中的占比 %

(5)相對地面調查方法，基于MODIS衛星遙感數據獲取取秸稈焚燒火點及其排放信息，既能大量節省人力物力，又有很好的時效性，且能很好揭示其時空分布特性； 但是受衛星資料自身的局限，如云覆蓋、重訪周期、空間分辨率等因素的影響，對于焚燒范圍較小的火點、有云覆蓋區域以及非衛星過境時段的火點往往出現遺漏的情況，導致監測火點偏少、排放估算偏低。因此基于高空間分辨率極軌衛星數據(如美國新一代對地觀測衛星NPP搭載的VIIRS數據)和高時間分辨率的靜止衛星數據(如日本HIMAWARI衛星搭載的AHI數據)，提取焚燒火點信息并計算我國秸稈焚燒污染物排放是未來的重要研究方向。

[1] Streets D G，Yarber K F，Woo J H，et al.Biomass burning in Asia：annual and seasonal estimates and atmospheric emissions.Global Biogeochemical Cycles， 2003， 17(4)： 1099

[2] 曹國良， 張小曳，王亞強，等．中國區域農田秸稈露天焚燒排放量的估算．科學通報， 2007, 52(15): 1826～1831

[3] Fu X， Wang S X，Cheng Z，et al．Source，transport and impacts of a heavy dust event in the Yangtze River Delta，China，in 2011．Atmospheric Chemistry and Physics， 2014, 14(3): 1239～1254

[4] 朱彬， 蘇繼鋒，韓志偉，等．秸稈焚燒導致南京及周邊地區一次嚴重空氣污染過程的分析.中國環境科學， 2010, 30(5): 585～592

[5] 洪也， 馬雁軍，王喜全，等．遼寧中部城市群灰霾天氣的外來影響———個案分析．環境科學學報， 2013, 33(8): 2115～2122

[6] 廖志恒， 范紹佳，黃娟，等.2013年10月長株潭城市群一次持續性空氣污染過程特征分析.環境科學， 2014, 35(11): 4061～4069

[7] 中華人民共和國國家統計局. 中國統計年鑒(2016).北京：中國統計出版社， 2016

[8] 李海亮， 汪春，孫海天，等．農作物秸稈的綜合利用與可持續發展．農機化研究， 2017, 39(8): 256～262

[9] 王金武， 唐漢，王金峰.東北地區作物秸稈資源綜合利用現狀與發展分析.農業機械學報, 2017，(5)： 1～21

[10]張麗娟， 厲青，陳輝,等.2014～2015年夏秋收期間全國秸稈焚燒遙感監測結果對比分析.環境與可持續發展,2016, 41(6): 61～65

[11]王書肖， 張楚瑩．中國秸稈露天焚燒大氣污染物排放時空分布．中國科技論文在線， 2008, 3(5): 329～333

[12]李建峰， 宋宇，李蒙蒙，等．江漢平原秸稈焚燒污染物排放的估算．北京大學學報(自然科學版)， 2015, 51(4): 647～656

[13]彭立群， 張強，賀克斌．基于調查的中國秸稈露天焚燒污染物排放清單．環境科學研究， 2016, 29(8): 1109～1118

[14]Giglio L， Descloitres J，Justice C O，et al.An enhanced contextual fire detection algorithm for MODIS.Remote Sensing of Environment， 2003, 87(3): 273～282

[15]王橋， 厲青，陳良富，等.大氣環境衛星遙感技術及其應用.北京：科學出版社， 2011

[16]Kaiser J W， Heil A，Andreae M O，et al.Biomass burning emissions estimated with a global fire assimilation system based on observed fire radiative power.Biogeosciences Discussions， 2012, 9(1): 527～554

[17]Kaufman Y J， Kleidman R G，King M D.SCAR-B fires in the tropics：properties and remote sensing from EOS-MODIS.Journal of Geophysical Research， 1998， 103(D24):31955～31968

[18]Kaiser J W， Heil A,Schultz M G，et al.Final report on implementation and quality of the D-FIRE assimilation system.Blood， 2013， 112(11)： 169

[19]環境保護部， 中國科學院.全國生態環境十年變化(2000～2010)遙感調查與評估.北京：科學出版社,2014.37～40

[20]歐娜音， 王文，柏金鳳.哈爾濱一次罕見持續霧霾天氣的成因及特征分析.黑龍江氣象.2015, 32(2): 1～4

[21]孫千然. 黑龍江省氣象條件與秸稈焚燒對霾的影響分析.哈爾濱：東北農業大學， 2016

[22]毛慧琴， 張玉環，厲青，等.基于衛星遙感的生物質燃燒排放估算研究進展.大氣與環境光學學報， 2016, 11(6): 402～411