基于卫星数据的灰霾污染遥感监测方法及系统设计

李正强，许 华，张 莹，李 莉，李东辉，侯伟真，吕 阳，顾行发，陈兴峰，陈 澄，张凤霞，马

中国科学院遥感与数字地球研究所国家环境保护卫星遥感重点实验室，北京100101

灰霾污染已经成为中国社会发展过程中的重大环境问题。2013年1月发生的严重灰霾污染，波及华北及华东大部分地区，覆盖区域超过140万平方公里，直接影响人口数量超过8亿，其中受到严重污染影响的约2.5亿，其覆盖范围、持续时间、污染程度等方面均属全球罕见，引起了国内外的广泛关注。2013年9月，国务院颁布《大气污染防治行动计划》，提出了10条共35项措施推动大气污染治理和空气质量改善，并由此对大气污染、尤其是灰霾污染监测提出了迫切需求。

霾是大气污染的一种现象，主要由大气中的悬浮颗粒物质造成，通常颗粒会通过吸水而膨胀，导致体积增大，对太阳光的衰减(消光)增强，使能见度显著降低。在城市区域，由于人为颗粒物排放较多，为雾转化为霾提供了有力条件，霾常常与雾同时或相继发生，因此笼统上称为雾霾［1］。灰霾常特指较高浓度的大气细颗粒物污染现象，由于细颗粒物散射较短波长太阳辐射的能力较强，往往导致天空呈现橙灰等颜色，故此被称为灰霾。学术上，将大气中悬浮颗粒统一称为气溶胶，它特指1纳米～100微米之间的大气颗粒物质，1纳米以下常被认为是气－粒转换的边界尺寸［2］，而100微米以上的大气悬浮颗粒物质(雨、雪、雹等)则会快速降落至地面。粒径在0.1～10微米的典型气溶胶粒子在大气光学、大气辐射、大气化学、大气污染和云物理学等方面具有重要影响，是大气中最重要的成分之一，其分布可随时空有较大变化，且具有明显的空间垂直分布特性，大部分颗粒物都聚集在大气边界层之内［3］，浓度高时可造成显著的灰霾污染。遥感手段通过观测大气颗粒物与辐射(例如太阳光)的相互作用，可以了解气溶胶在大气层中的含量等参数，是获得灰霾时空分布信息的有力工具。

1 基础数据

1.1 卫星数据

灰霾遥感的基础数据目前主要是卫星观测到的气溶胶光学厚度(AOD)，AOD指垂直大气柱中气溶胶消光系数随高度(从地面到大气顶)的积分。这里，我们以较易获取的中分辨率成像光谱仪(MODIS)的AOD数据进行说明。MODIS传感器搭载在美国宇航局于1999年发射的TERRA(过境时间为地方时10：30 am)和2002年发射的AQUA卫星(过境时间为地方时13：30 pm)上，并通过星上转发器实时向地面直接广播，全球可以免费接收数据，因此在许多国家和地区得到了广泛的使用。

MODIS传感器轨道高度距离地球705 km，最大空间分辨率为250 m，最大扫描宽度2 330 km。MODIS有36个波段，波长范围为0.4～14.4 μm，它采用暗目标法［4］等原理在陆地上空反演气溶胶光学厚度［5］。该方法通过2.12 μm波段来识别植被、土壤等暗目标，并认为暗目标在红光(0.66 μm)和蓝光(0.47 μm)波段地表反射率较低，卫星入瞳处的信号在这种情况下与气溶胶光学厚度线性相关，并据此反演0.55 μm波长的AOD。由于需要通过多像素平均来提高信噪比，因此目前的AOD产品空间分辨率为10 km。在进行气溶胶光学厚度反演前，需要进行云检测，因此在判定有云的地表上空将无AOD数据。此外，由于暗目标法原理的限制，在冰、雪等亮地表上空，将无法进行反演。在这种情况下，MODIS提供了基于深蓝算法［6］的气溶胶光学厚度数据。MODIS的气溶胶光学厚度产品经过了几次重大版本修改后，已较为稳定，并在全球范围内开展了较为系统的检验。验证结果显示，与地基气溶胶自动观测网(AERONET)［7］比较，陆地上空气溶胶光学厚度的反演误差约为 ±(0.05 ±0.15%)［8］。

1.2 气象资料

由于目前卫星传感器资料的限制，研究灰霾污染遥感监测仍需要用到一些辅助的同步气象资料。通过模式精细化模拟后，气象资料具有较好的时空分辨率可以与卫星数据配合使用。为了获得大气边界层高度(PBLH)和相对空气湿度(RH)，利用全球气象预报系统同化国际气象组织基准站的观测数据，获得再分析气象场。随后，利用中尺度预报模式可将再分析资料的时空分辨率精细化，获得配合卫星遥感使用的气象场资料。

2 遥感监测方法及系统设计

卫星遥感获得的基础数据是气溶胶光学厚度(AOD)，是整层大气颗粒物含量的光学参数。通过AOD可进一步获得灰霾污染状况的定量数值，并估计出空气质量指数。首先介绍遥感光学参数与近地面环境监测参数(灰霾指数和空气质量指数)之间的转化关系，并建立相关估算方法;随后，介绍灰霾污染遥感监测系统的搭建，以及遥感影像的数据处理与监测应用。

2.1 卫星遥感灰霾指数

卫星遥感灰霾指数定义为0～4的整数，分别代表无灰霾、轻微灰霾、轻度灰霾、中度灰霾、重度灰霾。依据气象学标准，灰霾指数与近地面层的大气能见度相关：能见度在5～10 km为轻微霾，3～5 km为轻度霾，2～3 km为中度霾，2 km以下为重度霾(《霾观测和预报等级》(QX/T 113—2010))。通常，除了云和雾等情况外，大气气溶胶的消光(吸收和散射)对能见度有决定性影响，因此理论上，在给定的大气模式条件下，大气消光与气溶胶光学厚度有较好相关性。Baumer等人［9］根据气溶胶垂直消光特性与近地面能见度的观测给出了气溶胶光学厚度与能见度和边界层高度的经验公式。本文基于该经验公式获得AOD至能见度的转化关系，并考虑大气边界层的变化情况，模拟了气溶胶光学厚度与灰霾指数的对应关系，如图1所示。在不同边界层高度(PBLH)情况下，灰霾等级有着不同的变化，但灰霾指数总随光学厚度增长而增加。

图1 灰霾指数与气溶胶光学厚度的关系

2.2 卫星遥感估算空气质量指数

空气质量指数(AQI)可定义为0～500之间的整数，分别代表优(0～50)、良(51～100)、轻度污染(101～150)、中度污染(151～200)、重度污染(201～300)和严重污染(301～500)。2013年12月，环保部通报中国中东部大面积灰霾污染其首要污染物均为 PM2.5(http：//news．hangzhou．com．cn/gnxw/content/2013 －12/04/content_4990452．htm)，而PM2.5包含于PM10中，因此严重灰霾污染时空气质量指数主要由颗粒物浓度决定。气溶胶光学厚度与颗粒物浓度PM10(空气动力学直径小于10 μm的颗粒物)有较好的相关性。基于Koelemeijer等人［10］的研究结果，AOD与PM10线性相关的典型斜率为214 μg/m3。此外，不同天气情况下，大气层结构情况不同，该关系还受气溶胶垂直分布和吸湿特性的影响［11-12］。研究假设气溶胶垂直分布为e指数形式，并满足Kotchenmther等人［13］提出的气溶胶消光系数与环境相对湿度的关系，来校正上述影响。已有的研究表明，以上2个假设基本适用于中国地区［14］。最后，依据《环境空气质量评价技术规范》(试行)(HJ 633—2013)，严重灰霾污染时可用PM10换算AQI。因此与图1类似，模拟了气溶胶光学厚度与严重污染时的空气质量指数等级之间的关系。

图2给出了不同空气湿度条件下的空气质量指数等级。模拟结果表明，对于给定的边界层高度，在相同空气质量指数的情况下，RH越高，AOD越大。这可由著名的吸湿增长特性解释，即严重灰霾污染时空气质量指数由颗粒物干成分质量决定，随着空气湿度增加，干成分吸水导致整个颗粒物体积增大，消光增强，表现为AOD增大。

图2 空气质量指数等级与气溶胶光学厚度的关系

2.3 灰霾污染遥感监测系统设计

灰霾污染遥感监测系统需要具有自动化的数据处理能力和可视化的监视、分析环境，因此系统结构设计和系统配置需要考虑多方面的需求。基于MODIS数据实例，简要介绍灰霾遥感监测系统的设计方案。

如图3所示，系统的处理流程可分为数据源、预处理、产品生产和共享发布：1)MODIS上午星(Terra)和下午星(Aqua)可实现中国大部分地区每日两次的遥感监测;使用MOD04大气数据产品，不仅包含覆盖陆地和海洋的气溶胶光学厚度数据集，还提供了云掩码数据。2)产品生产之前需要经过预处理步骤，每景MOD04数据的观测时间大约为5 min，而感兴趣区可能出现在好几景影像上，因此，利用拼接、裁剪、几何投影和格式转化等自动化工具实现影像的流水线处理。由于灰霾污染监测中云的影响较大，预处理中也包含云掩膜的功能。3)系统针对气溶胶光学厚度信息和气象分析资料，基于上述灰霾污染遥感模型，计算感兴趣区的大气污染状况(灰霾指数和空气质量指数等级)，同时生产产品的元数据。4)产品成果的共享发布以图件和简报的形式体现。系统具有自动运行能力，并可利用GIS信息完成初步制图和简报生成功能，最后，经过专业人员修改和审核的监测结果可由Web形式发布共享。

系统实现上，以一种低成本、高可靠、按需扩展的分布式存储为核心，构建灰霾污染遥感监测流水线系统。如图4所示，该系统包括：1)分布式存储集群。每个Linux存储节点以高速局域网互联，节点可动态加入存储集群，实现可持续扩展，性能可随着系统扩展而增强。2)Linux计算节点。将高性能的服务器部署在高速局域网上，实现数据下载、影像预处理。3)产品生产。任务调度使用系统的守护进程进行数据监控或定时器触发。4)图形工作站。将高性能的图形显示工作站部署在局域网(互联网)上，进行自动化与人工相结合的产品制图和简报生产。5)产品提交给分布式存储集群后，可通过Web服务共享。流水线采用了一种基于异构分布式网络环境的系统架构，集群存储空间和计算资源被虚拟成为一系列的服务，具有经济、灵活、稳定、扩展性强等技术特点，可以满足卫星遥感监测灰霾的业务化需求。

图3 灰霾污染卫星遥感监测系统数据流程

图4 灰霾污染卫星遥感监测系统架构

3 结果及验证

3.1 研究区域及遥感结果

基于上述方法，选择2013年10月5—7日的MODIS数据开展监测实验，获得了华北地区陆地上空灰霾指数以及重度来霾时的空气质量指数等级(图5)。需要指出的是，在解译遥感分布图时，应首先注意图上空白区域是有云－雾覆盖的区域，属于卫星数据目前无法反演AOD的范围。通常，可将云－雾分为受污染型和未受污染型。由于灰霾、云－雾的空间连续分布特性，云－雾的受污染类型在遥感尺度下不太可能出现突变，因此对于空白区域，可以依据周围灰霾等级和梯度变化情况作出估计。例如，10月5日，河北、北京、河南北部等空白区域应是受到污染的云－雾(从同期地面观测可证实，AQI较高)。10月6日，山西区域的空白应是受污染的云－雾。10月7日河北南部及其与河南、山东交界处的空白区域应是受污染的云－雾，从空白区域中心处残留(河北的东南边界)的卫星遥感结果看，该区域污染程度较高，延续了6日的重度污染。

图5 灰霾指数(左)和空气质量指数(右)卫星遥感图(上：2013-10-05;中：2013-10-06;下：2013-10-07)

从图5上卫星遥感有值的区域可以看到：1)卫星遥感可以很好地反映灰霾污染程度的变化。例如，10月6日，山东西北部卫星遥感显示出污染等级的连续梯度变化，在自西北到东南方向约100 km的距离内，从严重灰霾污染逐渐变化为无灰霾，同时，从重度或严重污染变为优。2)卫星遥感有助于发现可能的传输通道。在10月5、7日图上，从山西省的灰霾污染状况可明显看出，其主要污染带是中部(由纵贯南北的大同、忻州、太原、临汾、运城5大盆地组成的狭长地带)，当该纵贯线上为轻或中度灰霾时(10月5日)，与其相邻的山西东部和西部无灰霾，当其为重度灰霾时(10月7日)，与其相邻的区域为轻度灰霾。若有合适的风向、风力等条件，将有可能形成灰霾向西北或东南传输的通道。3)卫星遥感可获得宏观的灰霾空间分布概况。从该研究区域在这个时段的监测看，河北(尤其南部)、山西(尤其南北纵贯盆地)、河南(北部)、山东(西北部)及其交界区域是灰霾的重污染区域，而内蒙、辽宁、山东东部等区域的灰霾污染则较少。

3.2 卫星面覆盖观测与地面点监测结果对比

为验证卫星遥感结果，选择该区域内12个环保监测站同期的AQI与卫星估算的AQI对比(表1)，选择城市区域的多个监测站点计算该城市平均空气质量指数。很多情况下，这些城市监测站分布在城市中心区域约20～30 km的范围内，由于卫星遥感产品的空间分布率约为10 km，因此卫星估计的空气质量指数选取3×3像元(约30×30 km)，并取均值进行对比。表1中列出了卫星遥感监测与环保站点监测的AQI等级对比结果。对灰霾污染期间空气质量指数等级的相对误差进行统计，有效样本数19个，结果显示卫星遥感与地面监测站的AQI等级监测结果之间平均相对误差为16%。在88%的样本中，卫星遥感能够较好地反映空气质量指数等级，误差不大于1级，这说明卫星遥感能够较真实地获得灰霾污染状况。此外，基于2013年10月整个华北地区的卫星遥感结果与12个地面监测站进行了系统对比验证(样本数160个)，结果表明，卫星遥感获得灰霾污染情况下的AQI等级与站点观测值的平均偏差为0.7级。

表1 卫星遥感AQI与地面站AQI监测结果对比

从表1还可以看出，卫星遥感监测灰霾污染情况下的AQI等级与地面监测站结果的差异普遍在±1级之间，但通常低于站点监测结果，其原因主要是卫星遥感与地面监测之间的时空代表性有所不同。首先，采用的卫星数据大概在每天10：30 am过境，卫星数据仅代表过境时刻的瞬时值，而地面监测站公布的是空气质量指数的日均值，考虑到灰霾污染程度的日变化(一般夜间严重)，虽然10：30 am有较好的代表性，但不可避免仍可能与日均值存在差异。其次，卫星监测的面平均数据与环境监测站的点监测数据之间存在区域代表性的问题，尤其是目前的城市监测站多布置在污染程度相对较高的城市中心，对整个区域的代表性较弱。例如，从空间分布上来看(如图6)，济南市南面临山，环保监测主要在市区进行，而卫星监测明显体现出其南部山区空气质量较好，在约30 km的范围内，AQI等级从4级下降至1级，因此空间平均后卫星监测AQI低于站点监测值。

卫星监测唐山地区10月6日结果较差的主要原因是，当天遥感手段仅在唐山地区东南区域获得一个像素的有效值，导致唐山市污染观测不完全，造成监测值偏低。有云区域无法获得卫星监测结果，是当前灰霾卫星遥感的不足之处。

图6 济南市卫星遥感空气质量指数等级分布图(2013-10-06)

4结论

卫星遥感可以获得大范围内灰霾污染的定量监测结果，具有客观、统一、快速区域覆盖等优势。介绍了基于气溶胶光学厚度结合气象数据的灰霾污染遥感监测方法，包括卫星遥感灰霾指数的算法，以及卫星遥感估算灰霾污染情况下空气质量指数等级的算法。随后，以中分辨率成像光谱仪MODIS为例，提出了灰霾污染遥感监测系统的设计方案，介绍了数据流程和系统架构。基于所发展的方法和系统，选择华北地区，在2013年10月开展了监测验证，通过对比地面监测站的空气质量指数，显示灰霾污染时88%的卫星遥感监测结果误差不大于1个AQI等级，平均的AQI偏差为0.7级，能够比较真实地反映灰霾污染状况。在此基础上分析认为，卫星遥感可以很好地反映灰霾污染程度的变化，有助于发现可能的传输通道，并获得灰霾的空间分布状况。此外，站点观测数据仅代表观测点处局部的情况，而遥感方法可基于统一标准提供面覆盖的灰霾污染状况，从这一点上来说，遥感方法比现有地面监测更适合于大范围内灰霾污染的对比评价。这些宏观信息的获取能够为灰霾监测、预警、防控等，尤其是全国范围内的灰霾污染治理效果评价提供重要支撑。

［1］吴兑．近十年中国灰霾天气研究综述［J］．环境科学学报，2012，2：257-269.

［2］Kulmala M，Kontkanen J，Junninen H，et al．Direct observations of atmospheric aerosol nucleation［J］．Science，2013，339(6 122)：943-946.

［3］张婉春，张莹，吕阳，等．利用激光雷达探测灰霾天气大气边界层高度［J］．遥感学报，2013，17(4)：981-992.

［4］Kaufman Y J，Sendra C．Algorithm for automatic atmospheric corrections to visible and near-IR satellite imagery［J］．International Journal of Remote Sensing，1988，9(8)：1 357-1 381.

［5］Levy R C，Remer L A，Mattoo S，et al．Secondgeneration operational algorithm：Retrieval of aerosol properties overland from inversion ofModerate Resolution Imaging Spectroradiometer spectral reflectance［J］．Journal of Geophysical Research：Atmospheres，2007，112(D13).

［6］Hsu N C，Tsay S C，King M D，et al．Aerosol properties over bright-reflecting source regions［J］．Geoscience and Remote Sensing，2004，42(3)：557-569.

［7］Holben B N，Eck T F，Slutsker I，et al．AERONET．A federated instrument network and data archive for aerosolcharacterization［J］．Remote Sensing of Environment，1998，66(1)：1-16.

［8］Levy R C，Remer L A，Dubovik O．Global aerosol optical properties and application to Moderate Resolution Imaging Spectroradiometer aerosol retrieval over land［J］．Journal of Geophysical Research：Atmospheres，2007，112(D13).

［9］Baumer D，Vogel B，Versick S，et al．Relationship of visibility，aerosol optical thichness and aerosol size distribution in an ageing air mass over South-West Germany［J］．Atmos Environ，2008，42：989-998.

［10］Koelemeijer R B A，Homan C D，Matthijsen J．Comparison of spatial and temporal variations of aerosol optical thickness and particulate matter in Europe［J］．Atmos Environ，2006，40：5 304-5 315.

［11］郑卓云，陈良富，郑君瑜，等．高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究［J］．环境科学学报，2011，6：1 154-1 161.

［12］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，2010，2：178-184.

［13］KotchenrutherR A，HobbsP V，Hegg D A．Humidification factors for atmospheric aerosols off the mid-Atlantic coast of the United States［J］．Journal of Geophysical Research-Atmospheres，1999(D2)：2 239-2 251.

［14］李成才，毛节泰，刘启汉，等．MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用［J］．中国科学(D 辑：地球科学)，2005，S1：177-186.