杭州地区2015年PM浓度时空变化特征分析

聂晨晖，潘骁骏，金洪芳

(浙江省第二测绘院，浙江 杭州 310012)



杭州地区2015年PM浓度时空变化特征分析

聂晨晖，潘骁骏，金洪芳

(浙江省第二测绘院，浙江 杭州 310012)

在2015年杭州地区11个地面观测站PM2.5质量浓度监测数据的基础上，结合MOD04_3K AOT产品，建立了利用AOT反演近地面PM2.5质量浓度的模型。利用实测和遥感反演数据共同分析了杭州市PM2.5质量浓度时空变化特征。分析结果表明，PM2.5质量浓度分布的日变化特征为：在杭州市中心城区，冬季、春季及秋季都存在典型的双峰变化，冬季、春季的峰值出现在9:00—12:00，秋季峰值出现在6:00—9:00；夏季表现出夜间浓度高于白天的特征。PM2.5质量浓度分布的季节性变化特征为：冬季>春季>秋季>夏季。PM2.5质量浓度的空间分布格局为：杭州地区东北区域的浓度明显高于其他区域；杭州—富阳—桐庐沿线、杭州—临安沿线PM2.5质量浓度存在高浓度的分布条带，PM2.5质量浓度的空间分布与城镇化的格局相似。PM2.5质量浓度空间分布与地形和植被指数呈负相关，春季地形和植被指数对PM2.5浓度分布的抑制影响最大。

杭州市；PM2.5质量浓度；时空变化特征；遥感AOT；混合层高度

空气污染尤其是PM2.5污染的日益严重，成为威胁人类健康的主要因素[1]。杭州市是我国重要的旅游城市，地处长三角经济高速发展区，空气质量受到区域工业大气污染排放和城市地面交通尾气排放等多重因素的影响。宋晓晖等[2]对杭州市2002—2010年大气气溶胶数据进行了监测和分析，证明煤烟尘、城市扬尘、二次粒子和机动车尾气尘是杭州市空气细颗粒物的主要来源；包贞等[3]在对杭州市PM2.5的来源解析的研究中发现，机动车尾气尘占比为21.6%，煤烟尘占比为16.7%，土壤和建筑水泥尘占比为12.2%；肖文丰等[4]对2011—2014年杭州市大气PM2.5质量浓度变化特征进行分析后，得出杭州市在2011—2014年期间，PM2.5质量浓度峰值出现在2013年，其平均值为52.2 μg/m3，PM2.5质量浓度日变化存在双峰型特征，变化规律与机动车污染排放和气象条件变化密切相关。

对于PM2.5质量浓度信息的获取，目前最常规的手段是利用地面仪器进行连续监测。这种常规监测具有精度高、时间连续性强的优势，可以准确把握PM2.5的时间变化特征；同时，将实测数据与地理空间信息技术、互联网技术结合起来可以实现数据的实时发布共享[5-6]。但是地面观测站点分布数量有限，利用常规地面的观测手段难以准确掌握区域尺度颗粒物分布状况、污染源及传输特征等,利用遥感手段获取的大气气溶胶光学厚度(aerosol optical thickness，AOT)数据与地面实测PM2.5质量浓度数据建立回归模型，可以实现利用AOT来反演大气PM2.5的空间污染状况。在以往的研究中，利用AOT和PM2.5建立的模型形式主要包括简单线性模型、多元线性回归模型、地理加权模型和神经网络模型等。AOT与PM2.5直接相关性在0.2～0.6之间，经过垂直标高和相对湿度订正后的相关系数在0.5～0.88之间[7]，AOT与PM2.5之间的关系存在显著的时空和季节差异。

随着杭州G20峰会的落地及杭州市大气污染防治实施计划的开展，杭州市大气中PM2.5的时空变化特征及其变化趋势分析，对于准确把握治理过程中杭州大气污染的规律特征及其变化趋势，意义十分明显。本文基于2015年MODIS/Terra AOT 产品、地面观测的PM2.5质量浓度数据，以及NCEP(National Centers for Environmental Prediction)再分析数据中的风速和空气相对湿度数据，利用近地面风场和大气相对湿度数据计算混合层高度，实现大气标高订正，同时构建估算PM2.5质量浓度估算的回归模型，利用模型估算出杭州地区2015年PM2.5质量浓度变化的空间数据，并结合地面长时间连续观测数据分析杭州地区PM2.5质量浓度的时间、空间变化特征，以及影响PM2.5质量浓度空间分布的植被和地形因素，以期为区域大气PM2.5的污染监测、重点防治区域的规划和治理效果评估提供科学依据。

一、数据选取与处理

1. 地面站点观测资料

PM2.5质量浓度实测数据的各采集站点位置如图1所示。从图中可以看出，11个地面观测站点主要集中在杭州市的主城区及周边的余杭区和萧山区，距离最远的站点为千岛湖站点；另外从图1的地貌图中也可以看出，杭州市东北区域地势较为平坦，西南区域山地较多。PM2.5实测数据采集时间为2015年1月1日—12月31日，采集时间间隔为1 h。

图1 杭州市PM2.5采样站点空间分布(A: 滨江;B: 西溪;C: 千岛湖;D: 下沙;E: 卧龙桥;F: 浙江农大;G: 朝晖五区;H: 和睦小学;I: 临平镇;J: 城厢镇;K云栖)

2. MOD04_3K 气溶胶产品

目前，NASA每日发布基于MODIS数据的全球海洋和陆地气溶胶数据产品，包括10和3 km的气溶胶数据产品。本文选择Terra卫星上3 km分辨率气溶胶数据产品MOD04_3K，波长选择0.55 μm。MODIS 气溶胶遥感产品采用的遥感反演算法主要有暗目标算法[8]和深蓝算法[9]，研究表明，采用暗像元法反演的气溶胶光学厚度产品在陆地上空的精度约为15%[10]。本文数据产品选择的方法为暗像元法。

3. NCEP气象要素数据

卫星遥感反演得到的AOT和近地面干粒子质量浓度之间进行建模时，还需要考虑气溶胶垂直分布和大气水汽两个关键要素[11]，需要进行AOT的垂直订正和湿度订正，订正所需要的参数包括风场数据和空气相对湿度数据。本文气象要素数据来自NCEP再分析数据中的近地层10 m风场和大气相对湿度数据。

4. 地形和NDVI数据

PM2.5的质量浓度受地形、土地利用、植被特征、污染因子、气象因子等共同影响，本文在分析PM2.5时空变化特征时，选择地形因子和植被因子进行相关分析，以进一步探讨PM2.5时空分布特征的影响要素及其定量关系。地形数据选择ASTER-GDEM数据，植被因子数据选择Landsat 8 OLI数据计算的NDVI值，由于Landsat 8 OLI在波段设置上较ETM/ETM+有所调整，其NIR和R波段对应的分别为Band5和Band4波段。

二、模型和方法

1. 气溶胶标高订正方法

地球重力使得气溶胶颗粒密度随高度呈负指数递减[12]，整层大气AOT和近地面气溶胶消光系数存在如下关系[13]

(1)

式中，τa(λ)为大气AOT；ka,0(λ)为近地面水平消光系数，此时的ka,0(λ)的成分仍然受大气水汽含量的影响；HA为气溶胶标高。可以看出，气溶胶标高是近地面水平消光系数求取的关键参数之一。气溶胶标高是一个理想条件假定的等效高度，随季节、地域变化而不断变化，逐日变化特征也很明显。

本文在气溶胶标高的计算方法上选择混合层高度来代替，原因如下：①大气混合层高度是研究污染物扩散规律的一个重要参数，特别是对污染物垂直分布的影响，对于中性和不稳定大气层结，在离地面几百米到2 km左右的高度上存在一个稳定的逆温层，使得污染物在垂直方向上的扩散受到抑制，污染物会被限制在地面和逆温层之间[14],因此在中性和不稳定大气层结条件下，混合层高度与大气边界层一致；②大气边界层的另一个重要特征就是由于热力作用而导致的强烈日变化，即白天由于地表接收太阳辐射后被加热，边界层内的湍流运动使得这些热量向上传递，空气处于不稳定层结状态，而夜间地面因长波辐射冷却后，热通量向下，空气处于稳定层结状态。

混合层的厚度与风速和大气稳定度关系密切，风和湍流是影响大气扩散能力的主要动力因子，而大气稳定度则是决定大气扩散能力的热力因子[15]。混合层高度计算采用《制定地方大气污染物排放标准的技术方法》(GB/T 3840—1991)[16]中推荐的方法，大气稳定度等级的划分采用帕斯奎尔(Pasquill)稳定度分类法，具体计算方法可参考文献[16]。

2. 水汽校正方法

水汽条件是改变粒子成分、尺度和光学性质的重要因子，因此还要对气溶胶标高纠正后得到的水平消光系数ka,0(λ)进行水汽湿度校正。试验表明，大气中气溶胶粒子的散射吸湿增长因子可近似为相对湿度的函数，本文选择文献[11]中水汽校正模型，模型形式如下

(2)

式中，Edry为气溶胶“干”消光系数；RH表示空气相对湿度(用百分数表示)。空气相对湿度数据选择NCEP相对湿度数据。

3. 时空匹配与相关性建模

PM2.5质量浓度时空分析与建模主要包括3个主要部分，分别为：①气溶胶遥感数据纠正部分，实现气溶胶标高订正和水汽校正；②实测数据统计分析及时空匹配部分，主要进行长时间连续地面观测站点的PM2.5质量浓度时间变化统计特征分析，以及实测数据、遥感数据时间-空间匹配工作，时间匹配要求实测数据和遥感卫星过境的当地时间匹配在±1 h以内，空间数据要求与实测站点空间位置匹配的3×3网格像元的平均值；③PM2.5质量浓度建模部分，气溶胶“干”消光系数与颗粒物浓度呈正相关，通过将地面站大量的实测数据与遥感数据进行匹配得到建模数据集，可以通过拟合线性模型来描述气溶胶“干”消光系数与颗粒物浓度的定量关系，模型形式见式(3)，对于长时间数据，还需要分季节来进行建模，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)等季节数据分别进行线性拟合建模。

PM2.5=aEdry+b

(3)

三、结果与分析

1. PM2.5时间特征分析

城市PM2.5受人类活动强烈影响，具有典型的日变化特征，绘制的各季度平均日变化曲线如图2所示。可以看出，位于杭州市中心城区的朝晖五区站点，在冬季、春季及秋季都存在典型的双峰变化，冬季、春季的峰值出现在9:00—12:00，秋季峰值出现在6:00—9:00；除千岛湖站点外，其他各站点也存在日间变化的峰值特点，但是变化幅度不如朝晖五区典型。需要注意的是，在夏季，大部分站点都表现出夜间浓度高于白天的现象，这与夏季气象条件密切相关：白天太阳辐射强烈，地表温度快速升高，边界层内的湍流运动加强，大气混合层高度升高，夜晚地表温度降低，空气处于稳定层结状态，不利于污染物扩散。

图2 杭州市PM2.5质量浓度代表性站点各季度平均日变化曲线

2. AOT与PM2.5分析建模

图3是各季度标高和水汽纠正后的AOT和PM2.5质量浓度线性回归图。可以看出，纠正后的模型决定系数在0.347～0.740 3之间。模型拟合相关性在不同季节表现不同，夏季模型精度最高，冬季模型精度最差。模型精度受多种因素影响，杭州地区秋、冬季节大气混合层高度较低，不利于大气颗粒污染物的扩散，此外，秋、冬季节冷空气南下频繁，气象条件的变化导致大气污染物时空变异性加剧，从而使匹配的建模数据集存在诸多不确定性，模型拟合的相关性也随之降低。

图3 各季度标高和水汽纠正后的AOT和PM2.5质量浓度线性回归图

3. PM2.5空间特征分析

图4是利用建立的模型估算的各个季节PM2.5质量浓度空间分布结果。可以看出，PM2.5质量浓度的空间分布格局为：东北区域的浓度明显高于其他区域；杭州—富阳—桐庐沿线、杭州—临安沿线，PM2.5存在高浓度的分布条带。PM2.5质量浓度的空间分布与杭州市主城区、临平镇、滨江、萧山、杭州—富阳—桐庐沿线、杭州—临安沿线等城镇化的格局相似。PM2.5质量浓度的季节性特征与地面观测结果一致，即：冬季>春季>秋季>夏季。

图4 2015年杭州地区PM2.5质量浓度空间分布遥感反演结果

4. 影响PM2.5质量浓度时空分布与变化的下垫面要素分析

影响PM2.5时空分布与变化的要素包括污染源的排放类型和强度、天气和气候条件、下垫面特征等因素，其中下垫面特征要素包括土地利用类型、地形和植被分布等。本文在分析影响杭州市PM2.5质量浓度时空分布的下垫面要素时，选择地形要素、植被指数数据与PM2.5质量浓度空间分布遥感反演结果进行相关性分析,PM2.5质量浓度分布与DEM、NDVI的各季节的相关性结果见表1。PM2.5质量浓度与DEM、NDVI都呈负相关，其中DEM与PM2.5质量浓度的负相关性较NDVI大，说明地形对PM2.5空间分布影响大于植被。在季节表现上，春季地形、NDVI对PM2.5浓度分布的抑制影响较大，夏季的抑制影响则较小，这与夏季混合层高度较高、下垫面特征对其影响较小关系密切。

表1 PM2.5质量浓度与NDVI、DEM的相关性

四、结 论

通过对杭州市2015年PM2.5质量浓度的地面实测数据和遥感反演数据综合分析发现：

1) 从地面站点的实测数据分析发现，杭州市2015年PM2.5质量浓度分布的日变化特征为：杭州市中心城区在冬季、春季及秋季都存在典型的双峰变化，冬季、春季的峰值出现在9:00—12:00，秋季峰值出现在6:00—9:00；除千岛湖站点外，杭州市主城区周边各站点也存在日间变化的峰值特点，但是变化幅度不如中心城区典型。在夏季，大部分站点都表现出夜间浓度高于白天的现象，这与夏季气象条件密切相关，白天太阳辐射强烈，地表温度快速升高，边界层内的湍流运动加强，大气混合层高度升高，夜晚地表温度降低，空气处于稳定层结状态，不利于污染物扩散。

2) 从地面站点的实测数据和遥感反演的空间数据都可以得出，杭州市2015年PM2.5质量浓度分布的季节性变化特征为：冬季>春季>秋季>夏季。

3) 从遥感反演的空间数据可以得出，杭州市2015年PM2.5质量浓度的空间分布格局为：东北区域的浓度明显高于其他区域；杭州—富阳—桐庐沿线、杭州—临安沿线，PM2.5质量浓度存在高浓度的分布条带。PM2.5质量浓度的空间分布与杭州市主城区、临平镇、滨江、萧山、杭州—富阳—桐庐沿线、杭州—临安沿线等城镇化的格局相似。

4) 从影响杭州市PM2.5质量浓度时空分布的下垫面地形要素和植被指数数据相关分析中得出，PM2.5质量浓度空间分布与DEM、NDVI均呈负相关，其中在季节表现上，春季地形、NDVI对PM2.5浓度分布的抑制影响较大，夏季对PM2.5浓度分布的抑制影响较小，这与夏季混合层高度较高、下垫面特征对其影响较小关系密切。

[1] 方冬青, 魏永杰, 黄伟, 等. 北京市2014年10月重霾污染特征及有机碳来源解析[J]．环境科学研究，2016，29(1)：12-19．

[2] 宋晓晖,毕晓辉,吴建会, 等. 杭州市空气颗粒物污染特征及变化规律研究[J]．环境污染与防治，2012,34(7):60-63.

[3] 包贞，冯银厂，焦荔，等. 杭州市大气PM2.5和PM10污染特征及来源解析[J]．中国环境监测，2010,26(2):44-48.

[4] 肖文丰，杨焕强，周斌，等. 2011—2014年杭州市大气PM2.5质量浓度变化特征分析[J]．杭州师范大学学报(自然科学版)，2016,15(2):214-219.

[5] 沈霖,陈能.基于WebGIS的PM2.5及空气质量信息的发布与共享[J].测绘通报，2012(S1)：772.

[6] 陈年松.基于“天地图”的江苏省城市空气质量PM2.5监测数据平台的设计与实现[J].测绘与空间地理信息，2014,37(2):116-120.

[7] 亢红霞，那晓东，臧淑英. 基于卫星遥感数据(AOT) 估算PM2. 5的研究进展[J]. 环境科学与管理,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,张美根,陈良富,等. 一种基于卫星遥感AOT 估算近地面颗粒物的方法[J]. 中国科学(地球科学)，2013(43): 143-154.

[12] 徐希孺.遥感物理[M].北京:北京大学出版社, 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] 刘北平.确定大气混合层高度方法的研究[J]. 环境科学研究，1990,3(1):8-12.

[15] 陈建文, 胡琳, 王娟敏, 等. 陕西省混合层高度变化规律研究 [J].水土保持研究, 2014,21(5):322-331.

[16] 国家技术监督局,国家环境保护局. 制定地方大气污染物排放标准的技术方法：GB/T 3840—1991[S]. 北京: 中国标准出版社，1992.

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

NIE Chenhui，PAN Xiaojun，JIN Hongfang

2016-05-31

浙江省科技计划(2015C33048)

聂晨晖(1983—)，男，硕士，工程师，主要研究方向为摄影测量与遥感。E-mail：rick20081983@163.com

聂晨晖，潘骁骏，金洪芳.杭州地区2015年PM2.5浓度时空变化特征分析[J].测绘通报，2016(11)：75-79.

10.13474/j.cnki.11-2246.2016.0370.

P237

B

0494-0911(2016)11-0075-05