遙感監測下城市主要大氣污染物環流聚類時空分布特征研究

何錫禎

摘要：針對日益嚴重的城市大氣污染問題，提出遙感監測下的城市主要大氣污染物環流聚類時空分布特征分析方法。確認區域監測點數量，形成監測網，分析各個區域城市主要大氣污染物的關聯性與相似性，聯合污染物對應的因子荷載與遙感監測數據屬性信息，對主要大氣污染物展開環流聚類分析，獲得大氣污染物的時間分布特征和空間分布特征。實驗結果表明，以山東省為例，其大氣污染最為嚴重區域為魯西地區，空氣質量最高區域為膠東半島；山東省大氣污染物在夏季的濃度值相對較低，在冬季的濃度值最高。

關鍵詞：遙感監測；大氣污染；時間分布特征；空間分布特征

中圖分類號：X51 文獻標志碼：A

前言

隨著城市化進程的加快，大氣污染成為嚴重制約城市可持續發展的問題之一。隨著經濟水平的提高，工業廢氣排放和汽車尾氣等大氣污染物排放量逐漸增加，導致霧霾等大氣污染現象頻繁出現。因此，準確了解城市主要大氣污染物的時空分布特征對于科學揭示城市大氣環境質量狀況、制定有效的治理措施以及保障居民健康具有重要意義。學術界已有大量的學者針對該問題進行了深入研究探討。

崔愛偉等通過便攜式空氣污染物檢測設備移動觀測大氣污染物，并分析了大氣污染物在不同時段與天氣狀況下的分布情況，引入Pearson相關性系數獲得不同氣象因子與城市主要大氣污染物濃度質量之間存在的相關性。代園園等結合Spearman秩系數相關法與克里金插值法，在空氣質量監測數據的基礎上分析污染物在空氣中的時空分布特征，并通過灰色關聯分析法分析大氣污染物受社會因素與自然因素的影響。

在以往優秀研究成果的基礎上，通過結合遙感監測和環流聚類分析方法，提出一種全新的城市大氣污染物時空分布特征分析方法。該方法旨在深入探究城市主要大氣污染物的時空變化規律，揭示其不同區域的分布特征，并為制定更具針對性的大氣污染治理措施提供科學依據。

1 時空分布特征分析方法

1.1 遙感監測數據獲取

山東省郊區的空氣質量監測點數量相對較少，通常設在城市。2005年后，地級市陸續建立監測網，獲取污染物質量濃度監測數據。各城市監測點數量分別為：聊城：4個監測點；濟南：20個監測點；德州：6個監測點；淄博：12個監測點；棗莊：6個監測點；菏澤：8個監測點；濱州：5個監測點；濰坊：10個監測點；臨沂：4個監測點；濟寧：6個監測點；泰安：6個監測點。

表1中，引入遙感技術，集成各城市監測點信息，獲得污染物質量濃度數據，與其他地區相比，山東省東部區域的AOI相對較低，魯西南和魯西北地區的AQI指數明顯高于魯中地區。并在ArcGis軟件中繪制山東省2021年-2022年的平均環境空氣質量指數分布圖，為后續的大氣污染物環流聚類時空分布特征分析提供數據支持。

山東省2021年-2022年的AQI指數在區間[60，130]內，濰坊、泰安、日照、青島、煙臺和威海的AQI指數低于平均值，剩余城市的AQI指數均超出平均值。

為了準確分析大氣污染物在山東省各城市中的分布情況，將山東省劃分為以下五個區域：

（1）魯西區域：菏澤、聊城、德州；

（2）魯中區域：濟南、濰坊、萊蕪、淄博、泰安；

（3）魯北區域：東營、濱州；

（4）魯南區域：日照、臨沂、棗莊、濟南；

（5）膠東半島：威海、煙臺、青島。

據此確定山東省五個區域對應的AOI指數，魯西區域為128、魯中區域為110、魯北區域為107、魯南區域為106及膠東半島為70。其中，山東省膠東半島地區的AQI指數最低，表明該地區的空氣質量較高，魯西區域的AQI指數最高，表明該地區的空氣質量最差。

1.2 環流聚類時空分布特征輸出

環流通常指某個區域內空氣或水在不同高度或深度上的流動模式，其主要目的是對這些流動模式進行分類和分析，以便更好地理解環流結構的時空變化特征。通過對環流場數據進行空間和時間上的聚類分析，找到不同區域內環流特征的相似性和差異性，揭示環流系統的內在規律，幫助更好地理解大氣或水體運動的特點，為氣候變化、天氣預測、環境保護等領域提供重要的研究依據和數據支持。

通過K-mean聚類方法，可以獲取污染物在各區域內的特征，進而分析各個區域污染的關聯性與相似性，設置集合F=[x1，x2，…，xk]，該集合由n個數據對象構成，劃分集合F，獲得K類的類簇集合H=[H1，H2，…，Hk]，設置誤差平方和SSE目標函數，衡量K-mean算法的聚類質量，如式（1）：

式（2）中，|Hk|表示SSE（H）對應的模。

雖然K-mean算法具有高效聚類的優勢，但在污染物環流聚類時空分析過程中無法準確地確定k值，為此，通過改進赤池信息準則AIC確定k值，其分類結果與AIC之間存在一定的聯系，分類結果的準確率隨著AIC的減小而增大，如式（3）：

AIC=SSE（k）+2vkmk 式（3）

式（3）中，m表示數據對應的維度，通過求解上式即可獲得最優k值。

在研究大氣污染物時空分布特征時，涉及到2021年-2022年的污染物質量濃度數據，為了提高樣本的收斂性，提高數據分析效率，采用主成分分析方法回歸處理污染物質量濃度數據，環流聚類時空分布特征輸出結果為式（4）：

Gn=bn1A'1+bn2A'2+…+bnqA'q 式（4）

式（4）中，Gn表示降維處理后的污染物質量濃度數據；bni表示污染物對應的因子荷載；q表示分類結果與AIC對應的數量；A'i表示污染物質量濃度列向量。

2 分析結果與規律

山東空氣質量隨著《打贏藍天保衛戰三年行動計劃》的實施得到了一定的改善，但目前存在部分城市空氣質量下降現象，為了治理城市大氣污染問題，需要對大氣污染物的時空分布特征展開分析。

2.1 空間分布特征分析

PM2.5、PM10、SO2、NO2、CO、O3是城市主要大氣污染物，采用K-mean算法展開環流聚類分析，獲得主要大氣污染物的分布圖見圖1。

根據圖1可知，PM2.5和PM10在山東省的分布情況與AQI分布特征基本相符，通過分析大氣污染物空間分布發現，山東省大氣污染物濃度最高和最低區域分別為魯西地區與膠東半島。山東省大部分城市的SO2濃度分布較為均勻，魯中東部地區的SO2濃度最高。山東省內只存在魯中地區這一個NO2高值區，其他地區的NO2濃度分布相差較小。魯北區域與魯中區域東北部的CO濃度要高于其他地區。分析O3的濃度分布情況可知，魯中東北部、魯北東部以及魯西北部的濃度相對較高，魯北西部和魯中中部地區的O3濃度較低。

通過整體分析發現，在膠東半島區域PM2.5、PM10、SO2、NO2和CO的濃度均為全省較低值，CO、NO2和SO2濃度在魯中地區的東部偏高，綜上所述，O3、PM10和PM2.5是山東省大部分城市的主要大氣污染物。PM10是上述污染物中的濃度最高的，CO屬于濃度最低的污染物。對比各個城市的污染物濃度發現，威海的PM2.5、PM10、SO2、NO2、O3和CO的濃度均是最低的，表明威海是山東省大氣污染程度最低的城市。

2.2 時間分布特征分析

2.2.1 污染物年際變化

山東省主要大氣污染物在2017年-2022年的平均濃度變化情況見圖2。

由圖2可知，NO2、SO2、O3和CO的年均濃度低于輕污染標準，SO2和CO濃度在整體年際變化中逐漸降低，由此可知，政府的大氣污染治理有所成效。NO2的年均濃度較為平穩。O3是在一定氣象條件下由氮氧化物轉化形成的，該污染物也呈逐年下降趨勢，但下降幅度相對較小。2017年和2021年山東省的PM10濃度高于輕污染標準；與2021年相比，山東省2022年的PM2.5濃度相對較低，但兩年內的濃度均高于輕污染標準。

2.2.2 污染物周變化

以山東省的濟南市為例，分析污染物在城市大氣中的周變化情況，分析結果見圖3。

由圖3可知，O3濃度峰值出現在周六，之后開始下降，SO2濃度、NO2濃度、CO濃度、PM10濃度和PM2.5濃度的周變化趨勢相同。通過上述分析可知，周六至周一濟南的大氣主要污染物濃度相對較高，污染濃度最輕的為周四。

2.2.3 污染物日變化

通過上述分析可知，山東省大氣污染物以PM2.5為主，分析PM2.5濃度在春、夏、秋、冬四個季節的日變化特征，見圖4。

分析圖4（a）可知，春季山東省大氣中的PM2.5濃度變化幅度較小，濃度最低的時段出現在下午的16時-18時，1時-12時的濃度相對較高。

由圖4（b）可知，夏季是山東省PM2.5濃度最低的季節，其中PM2.5濃度最高值出現在上午9點-10點，最低值出現在下午17點-18點，從上午9點開始，PM2.5濃度呈下降趨勢，一直到下午18點為止，PM2.5濃度從19點開始逐漸上升。

根據圖4（c）可知，秋季山東省PM2.5的濃度是全年第二高的，PM2.5濃度日均值在秋季的變化情況與夏季相似，存在兩個峰值，首個峰值出現在上午10點，持續時間相對較短，最后一個峰值出現在下午21點-22點，持續時間相對高于第一個峰值。

冬季是山東省大氣污染程度最高的季節，上午七點出現第一個濃度低值，下午17點-18點出現第二個濃度低值，兩個低值較為接近且持續時間短。

3 結束語

城市大氣污染問題隨著工業化水平的提高逐漸加劇，對此提出了遙感監測下的城市主要大氣污染物環流聚類時空分布特征分析方法。通過結合遙感監測技術和環流聚類分析方法，針對城市大氣污染物展開時空分布特征分析，能夠從更宏觀、全局的視角捕捉大氣污染物的時空分布情況，對傳統監測手段無法覆蓋的大范圍、精細化的大氣污染監測問題提供了解決思路，并且更全面地揭示不同區域內大氣污染物的濃度分布情況，為制定針對性的治理措施提供科學依據。結合污染物對應的因子荷載與遙感監測數據屬性信息，能夠更準確地刻畫城市主要大氣污染物在時空上的變化特征，為深入了解大氣污染物的來源、傳輸和演化提供重要參考。