王贺锐+吴彩保
摘要：随着我国城市的发展，PM2.5已经成为大气污染的重要形式。本文以北京作为实验区，从MODIS 3km气溶胶产品出发，选取地面气象资料对气溶胶光学厚度进行垂直订正和湿度订正，与同期观测的地面PM2.5资料进行相关分析。结果表明，两项订正可以提高AOD—PM2.5模型结果精度，建立较理想的遥感反演综合模型。为大范围定量监测PM2.5污染提供了一定的参考价值。
关键词：MODIS 气溶胶光学厚度 PM2.5 垂直订正 湿度订正 相关性分析
中图分类号： X87文献标识码：A 文章编号：1674-098X（2016）07 （B）-00
1 引言
近年来，随着经济发展和城市化进程加快，我国大气污染问题日益凸显，特别是城市雾霾现象频发，雾霾范围不断扩大，呈现出时间长、区域化的特点。雾霾主要由二氧化硫、氮氧化物和可吸入颗粒构成，其中可吸入颗粒通常是指当量直径≤10微米的颗粒物，而许多城市首要污染颗粒物都是PM2.5。PM2.5不仅对可见光有较强的消光作用，造成大气能见度下降，而且对人体呼吸系统和心肺功能健康也有着较大影响。因此，全面掌握PM2.5的区域分布特征对研究大气污染的成因和建立有效的防治措施有着重要意义。
目前，PM2.5的监测方式主要有地面和遥感监测两种。地面监测能够提供较为准确的监测数据，但监测站分布不均匀且数量有限，难以获取大范围的监测数据；而卫星遥感监测具有经济性、覆盖范围广等优势，能够有效弥补地面监测的不足，因而被广泛应用于地面PM2.5的监测。
Chu等[1]利用MODIS AOD产品研究了全球、区域和局部大气污染情况，证实了MODIS AOD产品研究大气污染的可行性；Wang等[2]研究美国多个地面污染物与MODIS AOD的相关性，表明AOD可以定量评估当地的空气质量等级；Wang等[3]、Donkelaar等[4]将气溶胶垂直分布和相对湿度引入AOD—PM2.5线性模型中，并进行垂直和湿度订正，发现订正后AOD和近地面颗粒物之间的不确定性降低；谢志英等[5]结合地面能见度数据求得北京四季气溶胶标高并对MODIS气溶胶产品进行标高订正，提高了地面颗粒物与气溶胶的相关度。
但国内的相关研究大多使用的是MODIS 10km空间分辨率的气溶胶产品，对MODIS 3km空间分辨率的气溶胶产品与PM2.5的相关性的研究较少，同时考虑到气溶胶具有季节性变化的事实[6]，本文基于MODIS 3km AOD产品，结合地面能见度与相对湿度数据，探讨3km的AOD数据与PM2.5的关系，为北京地区长期、宏观地监测PM2.5质量浓度提供科学依据。
2 数据和方法
（1）遥感数据：本文采用的为美国NASA发布的MODIS Terra Level2、版本为C006、空间分辨率为3km*3km的气溶胶产品数据，研究地区为北京，选取时间范围为2014年12月至2015年11月且云量较少的气溶胶产品，利用ENVI软件对数据进行几何校正、投影转换、矢量裁剪等操作，为防止由于影像的投影变换定位偏差导致出现对比畸值[7]，提取以地面站点为中心3*3像元范围内的非空白AOD均值。但由于MODIS AOD 3km产品仅采用暗目标算法进行反演，所以该产品在冬季（12月、1月、2月）反演效果较差，故最终得到2015年春（3月、4月、5月）、夏（6月、7月8月）、秋（9月、10月、11月）三季共77d的AOD日均值数据。考虑到要进行精度验证，按时间顺序每隔3个数据选取1个数据作为验证数据，故最终获得58个建模数据，19个验证数据。
（2）气象数据：地面能见度和相对湿度数据来源于美国国家海洋和大气管理局（简称NOAA）在北京地区建立的地面观测站，经纬度坐标为：40.08°N，116.585°E。气象站每隔30min记录一条数据。为了与Terra卫星过境时间对应，选取卫星过境时间前后1h以内的数据做平均处理，作为其对应的地面能见度和相对湿度数据。
（3）颗粒物浓度数据（PM2.5）：本研究所采用的PM2.5数据来自北京市地面环境监测站。但由于缺乏所需地面站点的PM2.5质量浓度数据，本文参考中国科学院计算机网络信息中心国际科学数据镜像网站的方法，基于35个地面站点的PM2.5数据，利用协克里金插值方法得到对应地面站点的PM2.5数值。选取卫星过境时间前后1h以内的数据取平均值。
3 结果分析
3.1 AOD与PM2.5质量浓度季节变化特征
2015年三季度AOD变化范围为0.10—1.89，均值为0.71。PM2.5的变化区间为3.60—248.68μg/m?，均值为62.78μg/m?。AOD春季、夏季均值较高，分别为0.78和0.89；秋季AOD平均值最小，为0.51。PM2.5的春季和夏季平均浓度最高，分别达到73.33μg/m?、65.92μg/m?；秋季最低，PM2.5平均浓度为51.45μg/m?。
春季北京市多受沙尘、扬尘天气影响，是导致AOD和PM2.5质量浓度较高的主要因素。夏季受暖湿气流影响，导致吸湿粒子经“气—粒”转化过程转化为硫酸盐和硝酸盐的速率加快[8]，这些二次气溶胶粒子消光性较强，加之夏季风速较小，容易导致空气中颗粒物的堆积，AOD和PM2.5浓度较高；秋季受干冷的高压天气系统影响，晴好天气较多，相对湿度较低，是导致秋季北京地区AOD和PM2.5浓度较低的原因。
3.2 AOD与PM2.5直接相关
将2015年3月至11月58个AOD数据与相应的PM2.5进行直接比较，如图1所示，R2=0.7332（ρ<0.01），证实了由AOD值估算PM2.5质量浓度得可行性。但PM2.5质量浓度是在近地面、干燥的环境下测得，而MODIS AOD是由地面至大气层顶垂直方向上消光系数的积分，所以有必要对AOD进行垂直和湿度订正。
3.3 垂直—湿度订正
3.3.1 垂直订正
气溶胶光学厚度是从地面至大气层顶垂直方向上消光系数的积分，而PM2.5质量浓度是由地面监测站测得，因此，为了减小两者关系的不确定性，需要对AOD进行垂直订正。本文主要参考李成才的订正方法[6]，引入气溶胶标高（ ）对AOD进行垂直订正，获得近地面消光系数。气溶胶标高是整个气柱中颗粒物按地面浓度在垂直方向均匀分布所能达到的高度，反映的是气溶胶的垂直分布信息。其订正公式表示为
（1）
式中， 表示订正后的光学厚度。AOD与地面气溶胶消光系数呈线性相关，而地面消光系数与V（能见度）具有反比关系，因而AOD与能见度、气溶胶标高的关系式可表示为[9]
（2）
其中， 为气溶胶光学厚度。根据AOD变化具有季节特征的特点，按不同季节对气溶胶进行垂直订正。根据（2）式求得春、夏、秋三季的气溶胶标高分别为： 2.095km，2.307km，1.412km。最终利用（1）式完成气溶胶的垂直订正。
3.3.2 湿度订正
由于PM2.5浓度是在相对干燥的环境中测得，而气溶胶光学厚度是在大气环境下获取的，因此在相对湿度较高的情况下，粒子的吸湿性对粒子的复折射指数、形态等都有较大影响，AOD随湿度变化幅度较大[10]。为了降低粒子吸湿性对AOD与PM2.5质量浓度的相关性所造成的影响，还需要进行湿度订正。湿度影响因子表示为[3]
由表1及图2可得，PM2.5浓度与未经订正的AOD数值、垂直订正后的AOD数值以及垂直和湿度订正后的AOD数值的拟合系数R2分别为0.7332、0.7598、0.7848，且均大于统计学上99%置信度要求。经过垂直和湿度订正后的拟合优度有所提高，说明该订正方法是有效的。
进一步按不同季节分析AOD与PM2.5质量浓度相关性，按照春、夏、秋三季来分析垂直订正后的AOD数值与经过湿度订正后的PM2.5质量浓度之间的相关关系。由表2可知，经过湿度订正，春季的拟合系数有明显上升，由0.4562提升至0.5575。秋季的拟合系数也由0.8591小幅提升至0.8621。只有夏季的拟合系数由0.8494降至0.7708，湿度订正呈负效果。这一方面可能是由于样本数据量不足，有待进一步检验校正；另一方面，可能是气溶胶的湿增长因子 经验公式并不适用于该夏季的湿度订正，需要重新结合近几年当地地面能见度数据与湿度数据拟合湿度增长因子公式[11]。
3.4 模型精度验证
基于19对验证数据，利用垂直订正后的AOD数值结合全年、各季节订正后得到线性拟合模型，反演湿度订正后的PM2.5质量浓度，并与地面湿度订正后插值得到的PM2.5浓度做比较。经比较，前三季度和春季、夏季、秋季的线性拟合系数分别为0.8721、0.8445、0.8467、0.8967，均大于99%的置信度要求，说明利用MODIS 3km AOD可以很好的监测PM2.5质量浓度。
4 结论
（1）2015年前三季度NOAA北京地面监测站的AOD值从高到低依次为夏季、春季、秋季；PM2.5质量浓度变化从高到低依次为春季、夏季、秋季。
（2）MODIS 3km AOD与PM2.5质量浓度总的拟合系数为0.7332，经垂直和湿度订正后拟合系数为0.7848。说明利用地面能见度数据和相对湿度数据的订正具有一定的效果，MODIS 3km AOD产品可以有效地监测PM2.5质量浓度。
（3）2015年北京NOAA地面监测站的春、夏、秋各季度的平均垂直标高分别为2.095km、2.307km和1.412km；秋季AOD与地面PM2.5质量浓度的拟合度最高，夏季次之，春季最低。
参考文献
[1]Chu D A， Kaufman Y J， Zibordi G， et al. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer （MODIS）[J]. Journal of Geophysical Research， 2003， 108（108）：21.
[2]Wang J， Christopher S A. Intercomparison between satellite‐derived aerosol optical thickness and PM2.5 mass： Implications for air quality studies[J]. Geophysical Research Letters， 2003， 30（21）：267-283.
[3]Wang Z， Chen L， Tao J， 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.
[4]Van Donkelaar A， Martin R V， Park R J. Estimating ground‐level PM2.5 using aerosol optical depth determined from satellite remote sensing[J]. Journal of Geophysical Research Atmospheres， 2006， 111（D21）：5049-5066.
[5]谢志英， 刘浩， 唐新明. 北京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报， 2015， 35（10）：3292-3299.
[6]李成才， 毛节泰， 刘启汉，等. 利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染[J]. 大气科学， 2003， 27（5）：869-880.
[7]Remer L A， Mattoo S， Levy R C， et al. MODIS 3 km aerosol product： algorithm and global perspective[J]. Atmospheric Measurement Techniques Discussions， 2013， 6（1）：69-112.
[8]任团伟， 郭照冰， 刘唯佳. 2009-2011年北京地区大气气溶胶光学特性季节变化规律研究[J]. 环境化学， 2015， 34（12）：2239-2247.
[9]朱忠敏， 龚威， 余娟，等. 水平能见度与气溶胶光学厚度转换模型的适用性分析[J]. 武汉大学学报（信息科学版）， 2010（9）：1086-1090.
[10]Hess M， Koepke P， Schult I. Optical Properties of Aerosols and Clouds： The Software Package OPAC.[J]. Bulletin of the American Meteorological Society， 1998， 79（5）：831-844.
[11]何秀， 邓兆泽， 李成才，等. MODIS气溶胶光学厚度产品在地面PM10监测方面的应用研究[J]. 北京大学学报（自然科学版）， 2010， 46（2）：178-184.
