近地面PM2.5浓度卫星反演研究进展

(环境保护部环境规划院，北京 100012)

1 AOD简介

AOD是表征大气浑浊度的重要物理量，是指沿辐射路径传输，单位面积上所有吸收和散射(主要是散射)气溶胶产生的总削弱，是无量纲量，AOD描述垂直层大气的光学特性，是大气辐射和大气光学中相当重要的物理量。它反映垂直层大气中颗粒物对太阳辐射的削弱程度和颗粒物的富集程度，对空气污染程度有很大的指示作用。Chu等[1]、Slater 等[2]利用地基观测AOD与近地面PM10和PM2.5浓度进行相关性分析，证明了由AOD估算近地面颗粒物浓度的可行性，由此开启了卫星反演近地面PM2.5的研究之路。

2 AOD数据来源

美国宇航局(NASA)在全球建立了100多个气溶胶观测站(AERsol Robotic NETwork，AERONET)，其使用地面太阳光度计对AOD进行连续观测，精度高，但站点稀疏，空间覆盖性差，卫星遥感AOD数据可以弥补此缺陷。目前卫星遥感AOD产品主要来源于中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer，MODIS)、多角度成像光谱仪(Multi-angle Imaging Spectroradiometer，MISR)、地球反射偏振测量仪(Polarization and Directionality of the Earth's Reflectances，POLDER)、欧空局ENVISAT卫星的中等分辨率成像光谱仪(The Medium Resolution Imaging Spectrometer，MERIS)、NOAA气象卫星上的AVHRR以及环境卫星HJ-1上的CCD相机等。MODIS气溶胶数据实现了覆盖全球的产品化生产，在研究中应用最多。POLDER主要关注地球的大气、陆表和海洋的植被和环境的变化，对于研究空气中悬浮颗粒的物理或光学性质有重要意义。MISR可以提供全球图像、地表反照率、气溶胶和植物特征等产品。在反演近地面PM2.5浓度中应用最多的是MODIS和MISR数据。

表1 AOD遥感数据一览表

3 AOD反演算法

利用卫星数据反演AOD的关键科学问题是气溶胶的模式和地表反射噪声的去除问题。由于气溶胶模式一般是根据气溶胶的组成成分在反演之前进行模式预估，而地表反射噪声剔除的科学问题由于地表类型的差异、卫星探测数据的空间分辨率差异，以及卫星数据探测波段的信息特点差异，而出现不同的特点[3]。为应对地气解耦问题，针对不同的卫星数据特点相应提出了不同的反演算法：比较典型的有MODIS数据的暗像元算法[4]和结构函数算法[5]，基于MISR数据的多角度算法[6]，基于POLDER数据的偏振算法[7]等。应用较广泛的MODIS暗像元算法较适用于浓密植被地区，在城市、沙漠等亮目标地区有一定局限性。AOD反演算法的精度对反演近地面PM2.5浓度至关重要。

表2 AOD反演算法

4 PM2.5近地面浓度反演方法

国内外学者在AOD反演近地面颗粒物浓度领域做了大量的研究，主要有三种方法：基于传统的统计学方法、基于变量的物理关联以及基于环境因子的耦合建立模型。数学统计方法可以将任意两个变量建立相关模型，未考虑变量间的机理联系，具有很大缺陷；物理订正方法充分挖掘变量间的物理联系，相关性得到提高；耦合模型方法充分考虑了多种环境因子，是未来反演的主要方向。三种反演方法对比见表3。

表3 三种反演方法对比分析

4.1 数学统计方法

最初的研究主要是基于数学统计的方法，将卫星遥感AOD直接与近地面颗粒物浓度进行相关分析，取得了较好效果，证明了用AOD来表征近地面PM2.5浓度的可行性。研究成果有Wang等[8]、Koelemeijer等[9]、Guo等[10]。数学统计方法对两个变量内在机理关联缺乏研究，这种缺点使得对AOD和近地面PM2.5的物理机理有了探究，由此产生了物理订正方法。

4.2 物理订正方法

卫星遥感获取的AOD代表气溶胶在垂直方向上消光系数的积分，与气溶胶的垂直分布和气溶胶总浓度有关，PM2.5浓度仅为近地面测量值，两个变量本身与大气廓线、气溶胶的粒径分布和化学组成、周围环境有很强相关性，而这些因素在时空尺度变化大，增加了相关模型的不确定性。于AOD主要受大气湿度、PM2.5浓度及其垂直分布特征的影响，经过湿度与垂直订正后的AOD与PM2.5浓度间的相关性得到很大提高，物理订正方法是现阶段卫星反演PM2.5浓度的研究热点。

目前卫星反演近地面PM2.5的研究主要基于垂直订正和湿度订正两个方面展开。垂直订正的主要技术：(1)基于机载、地基激光雷达测量的气溶胶垂直分布特征对AOD数据进行垂直订正，显著提高了AOD与近地面PM2.5浓度的相关性，主要成果有Engel-Cox等[11]和Hutchison等[12]；(2)基于大气模型模拟的混合层高度进行垂直订正；(3)基于大气模型模拟PM2.5垂直分层结构进行垂直订正，如大气化学传输模型GEOS-Chem模型被广泛用于垂直订正，此方法充分考虑了PM2.5在垂直层上分布不均匀的特性。Donkelaar等[13]利用GEOS-Chem模拟了PM2.5与AOD之间的转换因子，建立了近地面PM2.5浓度和AOD的线性拟合模型(R2=0.59)，反演了2001-2006年全球近地面PM2.5平均浓度，研究成果引起了强烈反响。湿度订正的主要技术：(1)基于气象站点实测的湿度数据对AOD进行湿度订正；(2)基于大气模式模拟的相对湿度数据进行湿度订正。订正方法的技术优缺点见表4。

表4 订正方法优缺点

基于垂直和湿度同时订正的AOD和近地面PM2.5浓度相关性进一步提高。现有技术主要有：(1)基于气象站点实测的大气相对湿度数据和激光雷达探测的混合层高度对AOD进行垂直-湿度订正，此种技术的缺陷是有限的地面监测站点导致数据样本少，利用混合层高度数据进行垂直订正未考虑颗粒物的垂直分层特征，研究成果主要有Wang等[14]。(2)基于大气模式模拟的混合层高度和大气相对湿度数据对AOD进行垂直-湿度订正，垂直订正方法虽然消除了“以点代面”的地基缺陷，但是仍然未考虑颗粒物的垂直分层特征，研究成果主要有Tao等[15]。(3)基于大气模型模拟的PM2.5垂直分层结构和相对湿度数据进行垂直-湿度订正，此方法综合垂直订正和湿度订正的优点，属于多学科交叉研究内容，是重要的研究方向。

4.3 耦合模型方法

虽然利用气溶胶垂直分布特征进行垂直订正和大气相对湿度数据进行湿度订正可以提高AOD和近地面PM2.5浓度间的相关性，但是由于近地面颗粒物浓度与局地环境气候条件、地表类型、季节、污染状况有关，基于经验、半经验模型以及加入气象资料和边界层高度等辅助信息建立耦合模型方面开展了大量研究，主要研究成果有 Gupta、Pelletier等、Liu 等、Tian等、贾松林等，这些成果在一定程度上提高了AOD和近地面PM2.5浓度间的相关性，但是模型参数较多，较为复杂。AOD与PM2.5主要关系模型研究见表5。

表5 AOD与PM2.5关系模型的研究

5 讨论与展望

数学统计方法较为简单却无法反映变量间的物理关系，虽然物理订正方法比数学统计方法有了很大改进，但是仍存在问题。湿度订正方面，利用地面气象站点实测的湿度数据订正AOD，在区域尺度上存在较大不确定性；垂直订正方面，利用地基仪器测定的气溶胶标高或气象模型模拟的混合层高度订正AOD，均未考虑气溶胶在垂直层分布的不均匀性特征。利用空气质量模型模拟的PM2.5垂直分布特征进行垂直订正和气象模型模拟的湿度数据进行湿度订正是目前较为先进的方法，但现有研究仅作垂直或湿度订正。耦合模型方法考虑较全面，但是需要大量的气象数据支持。

为了提高卫星遥感AOD与近地面PM2.5浓度间反演模型的相关性，应进一步改进反演方法和积累PM2.5地面监测数据。随着卫星AOD算法精度、PM2.5反演方法的逐步提高，卫星反演PM2.5浓度将更有广泛的应用。

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 Geophysics Research，2003，108(D21)：1-18.

[2]Slater J F，Dibb J E，Campbell J W，et al.Physical and chemical properties of surface and column aerosols at a rural New England site during MODIS overpass [J].Remote Sensing Environment，2004，92：173-180.

[3]Li S S，Chen L F，Tao J H，et al.Retrieval of aerosol optical depth over bright targets in the urban areas of North China during winter.Sci China Earth Sci，2012，doi：10.1007/s11430-012-4432-1.

[4]Kaufman Y J，Tanré D，Remer L，et al.Operational remote sensing of tropospheric aerosol over the land form EOS-moderate resolution imaging spectroradiometer[J].Journal of Geophysics Research.，1997，102(14)：17051-17067.

[5]Tanre D，Devaux C.Radiative properties of desert aerosols by optical ground based measurements at solar wavelengths[J].Geophys Res，1988(93)：14 223-231.

[6]Diner D J，Braswell B H，Davies R，et al.The value of multiangle measurements for retrieving structurally and radiatively consistent properties of clouds，aerosols，and surfaces.Remote Sens Environ，2005，97：495-518. [7]Deuz J.L.，F.M.Bron，C.Dev aux，et al.Remote sensing of aer osols over land surfaces from POLDER-ADEOS 1 polarized measurements[J].J.Geophys.Res.，2001，106( D5) ：4913-4926.

[8]Wang J，Christopher A.Inter-comparison between satellite derived aerosol optical thickness and PM2.5mass：Implications for air quality studies[J].Geophysics Research Letters，2003，30：1-4.

[9]Koelemeijer R B，Homan C D，Matthijsen J.Comparison of spatial and temporal variations of aerosol optical thickness and particulate matter over Europe[J].Atmospheric Environment，2006，40：5304-5315.

[10]Guo J，Zhang X，Che H，et al.Correlation between PM concentrations and aerosol optical depth in eastern China [J].Atmospheric Environment，2009，43：5876-5886.

[11]Engel-Cox J A，Hoff R M，Rogers R，et al.Integrating lidar and satellite optical depth with ambient monitoring for 3-dimensional particulate characterization[J].Atmospheric Environment，2006，40(40)：8056-8067.

[12]Hutchison K D，Faruqui S J，Smith S.Improving correlations between MODIS aerosol optical thickness and ground-based PM2.5observations through 3D spatial analyses[J].Atmospheric Environment，2008，42(3)：530-543.

[13]Donkelaar A V，Martin R V，Brauer M，et al.Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth：development and application[J].Environmental health perspectives，2010，118(6)：847-855.

[14]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.