烏魯木齊市MODIS氣溶膠光學厚度與空氣質量指數相關性分析

陳 鵬，張 青，李 悅

（烏魯木齊氣象衛星地面站，新疆 烏魯木齊830011）

近年來，隨著我國經濟的快速發展和城鎮化進程的日益加快，環境污染效應不斷累積，大氣污染呈現出的區域化特點愈加明顯。各大城市霧霾天數有愈演愈烈的趨勢，在不同程度上影響著居民的生活環境，其中可吸入顆粒物污染成為空氣污染中的最主要污染物之一[1，2]。氣溶膠污染由于其對人體健康及大氣能見度的重要影響受到了國內外研究人員的廣泛關注。現有的環境監測站點難以在空間尺度和尚無監測點的區域獲得可吸入顆粒物的時空分布與變化資料，而衛星遙感觀測的覆蓋范圍廣泛，能夠彌補地面監測站點在空間分布上的不足，成為空氣污染監測的新手段[3，4]。

空氣污染指數（API，Air pollution Index）是我國廣泛采用評價城市空氣質量水平的一種標準，它能夠向公眾提供及時、準確、易于理解的空氣質量狀況，并可用來進行環境現狀評價、回顧性評價和趨勢評價[5-9]。2012年出臺規定，將用空氣質量指數（AQI，Air Quality Index）替代原有的API。AQI與API有著很大的區別。AQI分級計算參考的標準是新的環境空氣質量標準（GB3095-2012），參與評價的污染物為SO2、NO2、PM10、PM2.5、O3、CO；而API分級計算參考的標準是老的環境空氣質量標準（GB3095-1996），評價的污染物僅為SO2、NO2和PM10，且AQI采用分級限制標準更嚴。因此AQI較API監測的污染物指標更多，其評價結果更加客觀[10，11]。

衛星遙感反演的氣溶膠主要為氣溶膠光學厚度（AOD），它是整層大氣氣溶膠消光系數的積分。如何使衛星遙感獲得的AOD成為合理反映近地面可吸入顆粒物的指標，是衛星遙感資料在空氣質量監測和評價中應用的難點和重點，為此國內外學者進行了大量針對性的研究。李成才等對2001年在北京地區利用太陽光度計觀測的氣溶膠光學厚度和NASA發布的MODIS氣溶膠產品進行了比較，驗證了這一衛星遙感產品的可靠性，并證明了氣溶膠光學厚度具有明顯的時空變化特征[12]。他們還利用香港地區的地面可吸入顆粒物濃度監測數據和MODIS氣溶膠光學厚度的比較發現MODIS氣溶膠光學厚度產品對于研究城市地區的空氣污染具有可行性[13]。王皓以南京市為研究區，建立MODIS反演的氣溶膠光學厚度AOD與空氣污染指數API的關系，試圖以氣溶膠光學厚度AOD來反映大氣污染狀況[14]。劉勇在此基礎上，考慮了氣象因子的影響，探討空氣污染指數和氣溶膠光學厚度的關系，更能真實地反映地面空氣的污染狀況[15]。何秀等利用兩年的MODIS AOD數據與PM10質量濃度資料進行了對比分析，發現氣溶膠光學厚度經過垂直和濕度影響的訂正后，可用于地面PM10的監測[16]；蔣民等利用AOD產品與南京市區API轉換得到的PM10質量濃度進行了相關分析，發現對氣溶膠光學厚度進行垂直和濕度影響訂正后，相關系數顯著提高[17]；王靜等利用AOD數據與PM2.5質量濃度進行了比較，發現利用相對濕度和氣溶膠標高等氣象條件進行校正后，AOD與PM2.5具有較高的相關性[18]。從以上科研成果可以看出MODIS AOD數據與空氣污染指數以及具體污染物之間有一定的相關性，并且可以建立關系模型來反映大氣污染狀況。對MODIS AOD數據進行垂直和濕度影響訂正后，可以顯著提高MODIS AOD數據與空氣污染指數以及具體污染物之間的相關系數。本文利用MODIS AOD產品和空氣質量監測數據，在考慮氣象因素的情況下建立烏魯木齊市全年（除冬季外剩余三季）、春季、夏季、秋季氣溶膠光學厚度和AQI的關系模型，分析兩者的相關性，但必要條件是研究區域某天的首要污染物為可吸入顆粒物，才能對AOD和AQI進行相關性分析[19]。通過本文的研究證實了衛星遙感氣溶膠光學厚度在監測空氣污染方面的應用價值，以期為烏魯木齊市大氣污染進行宏觀、長期的監測以及政府環境治理與經濟協調發展規劃提供參考依據。

1 研究區概括

烏魯木齊市位于86毅37憶耀88毅58憶E，42毅45憶耀44毅08憶N，是新疆維吾爾自治區首府，我國西北地區重要的中心城市和面向中亞西亞的國際商貿中心。是全疆政治、經濟、文化、科教和交通中心。市域面積為14 216.3 km2，轄7區1縣，2016年末常住人口為355萬。烏魯木齊市位于歐亞大陸腹地，地處天山北坡，東南西三面環山，北面為沖積平原。呈喇叭口形狀。地勢東南高，西北低。全年盛行東北風和西南風，早晚溫差較大，春秋換季多大風，年平均風速不大，冬季靜風頻率高，風速較小。穩定天氣居多，降水少，霧霾天較多，逆溫頻率高[20，21]。

根據烏魯木齊市環保局2016年環境質量公報報導：首府烏魯木齊市環境質量優良天數為246 d，占全年天數的67.2%，輕度、中度、重度、嚴重污染比例分別為10.4%、6.8%、12.0%、3.6%。空氣中可吸入顆粒物、細顆粒物、二氧化硫和二氧化氮年均濃度分別為115、74、14 滋g/m3和53 滋g/m3。可吸入顆粒物、細顆粒物、二氧化氮年均濃度均超過國家二級標準，二氧化硫年均濃度達到國家二級標準。與上年相比，優良天數比例增加2.0個百分點，空氣質量略有好轉。細顆粒物和二氧化氮年均濃度分別上升12.1%和1.9%，可吸入顆粒物和二氧化硫年均濃度分別下降13.5%和6.7%。

2 數據資料與處理方法

2.1 遙感數據

AOD數據為美國NASA所發布的MOD04_L2氣溶膠產品數據，其空間分辨率為10 km。數據可從NASA的GSFC（Goddard Space Flight Center）中下載（http：//ladsweb.nascom.nasa.gov/data/search。 html）。每日氣溶膠產品文件（MOD04）包括陸地和海洋上空的氣溶膠光學性質參數，其中陸上AOD主要反演方法為暗像元算法，為了提高亮目標陸表AOD的反演精度，后又增加了深藍算法[22]。本文采用2016年3—11月上午星TERRA的MODIS AOD產品，版本為C5.1、波長為550 um的Lever 2 AOD產品，其為每日氣溶膠數據集，空間分辨率為10 km伊10 km，通過ENVI軟件對其進行幾何校正、投影、矢量裁剪以及AOD數值提取等操作，最終得到覆蓋研究區域的Geo TIFF格式文件，投影方式為等經緯度投影的AOD日數據。

2.2 空氣質量指數及氣象數據

采用的AQI數據源于國家環境保護部網上公布的烏魯木齊市空氣質量日報資料，并從中選擇每日的首要污染物為可吸入顆粒物的情況[11]。氣象數據來源于新疆氣象局信息中心提供的烏魯木齊市共6個（米泉站、烏魯木齊站、烏魯木齊牧試站、達坂城站、天山大西溝站以及小渠子站）地面氣象觀測站資料。為了與TERRA衛星過境時間（地方時11：30 am左右）相對應，選取2016年3—11月期間與AOD對應日期的11：00、12：00的相對濕度以及水平能見度要素，計算其均值作為當日的有效值。

2.3 數據匹配

研究中涉及到的變量有MODIS AOD、空氣質量指數（AQI）、相對濕度（RH）、水平能見度（V）。本文對上述數據進行了處理和匹配以便于建模、驗證和分析。數據匹配原則是空間上以AQI為準，時間上以衛星過境時間為準，選取晴空無云天氣，剔除RH>80%（降水天氣）的數據。經匹配處理后共得到研究區2016年3月1日—11月30日期間140對數據，其中包括春季（3—5月）43對、夏季（6—8月）52對、秋季（9—11月）45對。冬季衛星遙感產品在“亮背景”下反演效果較差、有效數據較少，因此沒有進行冬季的數據統計。將AQI按照升序排列后，每隔3個樣本選取1個樣本作為模型驗證數據，最后得到建模數據94對，驗證數據46對[23]。

3 討論與分析

3.1 AOD與AQI線性關系模型

將建模用的140對數據中的AOD作為自變量，AQI作為因變量進行相關性分析（圖1），二者相關系數為0.664，大于統計學上99%的置信度要求。證明了由AOD估算近地面空氣質量指數的可行性。

圖1 MODIS AOD與AQI的相關性分析

3.2 AOD垂直訂正和濕度訂正

AOD反映了氣溶膠從地面至大氣層頂垂直方向上消光系數的積分，而AQI只是地面測量值，因此兩者具有不同的物理意義。它們之間的相關性會受到氣溶膠垂直分布的影響。此外，大氣相對濕度也會影響氣溶膠的消光系數，進而對二者的關系產生重要影響，使得相關性不理想。因此不能直接用AOD進行地面大氣污染程度的監控。

AOD是從遙感角度表征整層大氣中氣溶膠消光特性的指標，同地面觀測的AQI值物理屬性上有較大的差異。考慮到兩者的差異對AOD進行垂直訂正有望提高其與AQI的相關性。本文采用李成才的垂直訂正方法[12]，即假定大氣氣溶膠在垂直方向上按照指數遞減分布，大氣氣溶膠標高（H）定義為整個大氣氣柱中顆粒物按地面濃度在垂直方向上均勻分布所能達到的高度，利用AOD與整層大氣氣溶膠消光系數的積分公式可以得到H與AOD、V之間的關系式為：

式中V表示水平能見度，利用公式（1）得到每日垂直標高H，然后將AOD除以標高，完成氣溶膠垂直訂正，得到訂正后的氣溶膠消光系數。

由于空氣質量指數一般是在干燥的環境下測量得到的，而AOD是在大氣環境下獲取的，較高的大氣濕度將使氣溶膠顆粒物吸濕膨脹，造成AOD變大[13]。對AOD進行濕度訂正有望減小其與AQI在監測環境上的差異，進而提高兩者的相關性。濕度影響因子可表示為：

式中，RH為相對濕度，將AOD除以f（RH）對其進行濕度訂正。經AOD垂直和濕度訂正后，分析兩者的相關性，相關系數達0.805。訂正前后兩者的相關性變化如圖2所示。

分析圖2可知，AQI與AOD、AOD垂直訂正值和AOD垂直濕度訂正值的相關系數依次為0.664、0.752，0.805，均大于統計學上99%的置信度要求。經過垂直和濕度訂正后的AOD與AQI的相關系數有了明顯的提高。利用訂正后的AOD對地面觀測的AQI數據進行匹配，并分別進行線性、對數、一元二次、乘冪和指數 5種類型的建模擬合，結果見表2、圖3。

表2 5種擬合模型對比

從表2可以看出，用垂直訂正和濕度訂正后的AOD數據與AQI進行模型擬合，不論采用何種擬合方法，均在一定程度上提升了AOD與AQI之間的決定系數R2。其中一元二次模型決定系數最高，為0.696，即為全年（除冬季外剩余3季）最優擬合模型。

圖2 訂正前后AOD與AQI的相關性變化

3.3 各季節AOD與AQI關系模型

烏魯木齊市不同季節的氣溶膠來源差異較大，夏季主要是大風揚起的沙塵氣溶膠，春季、秋季主要是供暖等釋放的黑碳氣溶膠。不同來源的氣溶膠理化特征和大氣邊界層可能存在較大差異，因而不同季節的垂直訂正和濕度訂正效果也可能不同。為了研究不同季節AOD與AQI的相關性，本文按照季節對MODIS AOD產品進行了分季節訂正擬合（表3）。

由表3可知，按照季節分類統計和訂正，春、夏、秋3季的相關系數R分別為0.775、0.608和0.822，均大于統計學上99%的置信度要求。與全年相關系數0.805相比，春、夏兩季的相關系數較全年有所降低，秋季較全年增大，表明受到不同季節氣溶膠來源、特征及數據樣本差異的影響，秋季的訂正更為有效，可用性更高。綜合以上因素并考慮模型易于利用的因素，依據各擬合模型決定系數大小選取各季節最優擬合模型，所選結果見表4。

表3 AOD與AQI各季節回歸擬合模型

圖3 基于散點數據的模擬結果

表4 各季節最優擬合模型

3.4 模型精度驗證

將表2和表4中建立的全年（除冬季外剩余三季）、春季、夏季、秋季最優擬合模型分別應用于驗證數據，然后將估算得到的AQI指數與實測數據進行相關分析（圖4）。

由圖4可知全年（除冬季外剩余三季）、春季、秋季的AQI模型反演結果與實測數據比較符合，二者的相關系數R分別為0.879、0.867、0.917，均為強相關且大于統計學上99%的置信度要求，說明全年（除冬季外剩余3季）、春季、秋季的MODIS AOD資料可以很好地反演AQI值。而夏季的AQI模型反演結果與實測數據的相關系數僅為0.457，為中等相關，故夏季MODIS AOD資料反演AQI值效果一般。

4 結論

通過利用烏魯木齊市2016年3—11月共140組有效AOD數據和AQI數據，在考慮氣象因素的情況下分析兩者之間的相關性，并建立回歸關系模型，從而實現了利用遙感手段來對城市空氣污染狀況進行監測的目的。本文得到以下幾個方面的結論：

圖4 AQI實測結果與反演結果散點圖

（1）采用MODIS AOD產品與空氣質量指數進行相關性分析，結果表明，二者相關系數為0.664。利用氣象要素水平能見度數據以及相對濕度數據對AOD進行垂直、濕度訂正后，兩者的相關系數從原來的0.664提升至0.805。

（2）按照季節分類統計訂正，春、夏、秋3季的相關系數R分別為0.775、0.608、0.822，均大于統計學上99%的置信度要求。分季節后，春、夏兩季的相關系數較全年有所降低，秋季較全年增大，表明受到不同季節氣溶膠來源、特征以及數據樣本差異的影響，秋季的訂正更為有效，可用性更高。

（3）利用訂正后的AOD對AQI數據進行匹配，分別建立了全年（除冬季外剩余3季）、春季、夏季和秋季的線性、對數、一元二次、乘冪和指數5種類型的擬合模型。考慮模型易于利用的因素，依據各擬合模型決定系數大小選取全年以及各季節最優擬合模型，進而反演烏魯木齊市AQI值。結合實測數據分析二者的相關性發現全年（除冬季外剩余3季）、春季、秋季的AQI模型反演結果與實測數據比較符合，二者的相關系數r分別為0.879、0.867、0.917，均為強相關且大于統計學上99%的置信度要求，說明全年（除冬季外剩余3季）、春季、秋季的MODIS AOD資料可以很好地反演AQI值。而夏季為中等相關，相關系數僅為0.457，故夏季MODIS AOD資料反演AQI值效果一般。

參考文獻：

[1]謝鵬，劉曉云，劉兆榮，等.不同控制指標下的大氣PM10濃度對人群的健康影響—以2006年珠江三角洲地區為例[J].中國環境科學，2010，30（1）：25-29.

[2]韓茜，魏文壽，劉新春，等.烏魯木齊市PM10、PM2.5、和PM1.0濃度及分布變化特征 [J].沙漠與綠洲氣象，2015（1）：32-38.

[3]高大偉，徐宏輝，郁珍艷，等.MODIS氣溶膠光學厚度在臨安大氣顆粒物監測中的應用.環境科學研究，2012，25（7）：739-744.

[4]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.

[5]郭勇濤，佘峰，王式功，等.蘭州市空氣質量狀況及與常規氣象條件的關系 [J].干旱區資源與環境，2011，25（11）：100-105.

[6]潘本峰，宮正宇，王帥，等.環境空氣質量指數在應用中存在的問題及建議[J].中國環境監測，2015，31（1）：64-67.

[7]楊云蕓，李躍清，周慧，等.長沙市API指數時空變化特征及氣象條件影響[J].氣象與環境科學，2017，40（1）：108-113.

[8]王冠嵐，薛建軍，張建忠.2014年京津冀空氣污染時空分布特征及主要成因分析 [J].氣象與環境科學，2016，39（1）：34-42.

[9]張建忠，孫瑾，王冠嵐，等.北京地區空氣質量指數時空分布特征及其與氣象條件的關系 [J].氣象與環境科學，2014，37（1）：33-39.

[10]袁鷹，劉明源.淺議空氣質量指數（AQI）與空氣污染指數（API）的差異[J].廣州化工，2014，42（12）：164-166.

[11]康恒元，劉玉蓮，李濤.黑龍江省重點城市AQI指數特征及其與氣象要素之間關系 [J].自然資源學報，2017，32（4）：692-703.

[12]李成才，毛節泰，劉啟漢，等.MODIS衛星遙感氣溶膠產品在北京市大氣污染研究中的應用 [J].中國科學（D輯），2005，35（S1）：177-186.

[13]李成才，毛節泰，劉啟漢.利用MODIS資料遙感香港地區高分辨率氣溶膠光學厚度 [J].大氣科學，2005，29（3）：335-342.

[14]王皓.南京市區空氣污染指數與MODIS氣溶膠光學厚度的回歸分析[D].南京：南京師范大學，2006.

[15]劉勇.MODIS氣溶膠光學厚度與南京主城區空氣污染指數的關系研究[D].南京：南京師范大學，2007.

[16]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.

[17]蔣民，馬貞立.南京市MODIS氣溶膠光學厚度與PM10質量濃度的相關性分析 [J].科學技術與工程，2012，12（31）：8327-8331.

[18]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.

[19]洪超，麻金繼.北京市氣溶膠光學厚度與空氣污染指數關系研究[J].石家莊學院學報，2013，15（3）：75-81.

[20]韓文堂，陳學剛，孫蓉花.烏魯木齊城市化進程對局地氣候變化的影響研究 [J].沙漠與綠洲氣象，2016，10（6）：54-58.

[21]劉盛梅，成鵬.烏魯木齊地區近50年來平均氣溫及極端氣溫變化特征[J].干旱區資源與環境，2011，25：（6）138-146.

[22]謝志英，劉浩，唐新明.北京市MODIS氣溶膠光學厚度與PM10質量濃度的相關性分析 [J].環境科學學報，2015，35（10）：3292-3299.

[23]李超群，郭生練，張俊.hv-block交叉驗證法在率定水文模型參數中的比較研究[J].水文，2006，26（5）：25-28.