基于环境一号卫星的PM2.5浓度遥感反演研究

孙立娥,崔文连,王艳玲,王 静,陈 辉,薛 莲

1.青岛市环境监测中心站，山东 青岛 266003 2.环境保护部卫星环境应用中心，北京 100094

基于环境一号卫星的PM2.5浓度遥感反演研究

孙立娥1,崔文连1,王艳玲1,王 静1,陈 辉2,薛 莲1

1.青岛市环境监测中心站，山东 青岛 266003 2.环境保护部卫星环境应用中心，北京 100094

2014年12月29—30日，青岛市发生了一次空气污染过程，利用环境一号卫星CCD遥感影像数据和实测PM2.5浓度数据，分析了该过程前后5 d的实测PM2.5浓度与环境一号卫星CCD遥感影像的DN值之间的相关性，分别按日期和区域建立了反演模型。结果表明，按日期拟合反演模型相关系数为0.02～0.51，按区域拟合反演模型相关系数为0.01～0.80，总体来说，区域拟合结果较好。

青岛市；PM2.5；环境一号卫星CCD；遥感；反演

近年来，随着城市经济的高速发展，环境污染问题也日益突出，其中空气环境质量问题尤为严重。可吸入颗粒物PM10、PM2.5仍是空气中的首要污染物，因PM2.5粒径小、面积大，易附带有毒、有害物质，对人体健康和环境质量影响极大，因此PM2.5浓度监测显得尤为重要。

目前，环境保护部已在全国177个城市布设了552个国控监测点位，建成发展中国家最大的空气质量监测网，但监测站点少这一不足依然存在，尚不能实现全国所有城市的全面覆盖。而遥感作为一种新的监测手段，以其大范围、同步观测、重访周期短等优势，可为现场定点监测提供有力的补充。目前利用遥感手段估算颗粒物浓度的研究主要集中在以下3个方面：一是利用MODIS(中分辨率成像光谱仪)气溶胶光学厚度产品估算颗粒物浓度[1-7]，反演的PM2.5浓度与实测值的相关系数在0.40～0.62；二是利用遥感光谱数据反演气溶胶光学厚度，再与实测颗粒物浓度建立反演算法[8-10]，反演的PM2.5浓度与实测值的相关系数可达0.66；三是利用激光雷达数据反演颗粒物浓度[11-13]，反演的PM2.5浓度与实测值的相关系数可达0.9以上。

本文针对青岛市市区的一次重度空气污染过程，对该过程前后共5 d的PM2.5浓度进行了研究，分析了空气监测子站的实测PM2.5浓度与环境一号卫星CCD遥感影像的亮度(DN值)之间的相关性，分别按日期和区域建立了反演模型，并分析了区域反演模型得到的区域平均值与实测区域平均值之间的相关关系。

1 数据和方法

1.1 遥感数据

环境与灾害监测预报小卫星星座A、B星于2008年9月6日发射，两颗卫星轨道相同，相位相差180°，均搭载了4波段CCD相机，两星组网后CCD相机的重访周期为2 d。CCD图像幅宽700 km，空间分辨率30 m，4个波段分别为蓝(430～520 nm)、绿(520～600 nm)、红(630～690 nm)和近红外(760～900 nm)。研究选用的环境一号卫星CCD数据分别获取自2014年12月22、25日、29—30日、2015年1月1日。

1.2 实测数据

青岛市目前设置了23个空气自动监测子站，对二氧化硫、二氧化氮、一氧化碳、PM2.5、PM10等污染物浓度进行连续监测。研究选用的实测数据是与遥感数据准同步的PM2.5一小时平均浓度数据。空气自动监测站分布情况，详见图1。

图1 空气自动监测站分布

1.3 方法

提取遥感影像4个波段的DN值，与PM2.5浓度进行相关性分析，建立反演模型，具体流程如图2所示。

根据监测子站经纬度坐标，将子站记录在遥感影像上，为减小定位误差，取站点周围25×25像元范围内亮度值的平均值作为该站点的DN。分析PM2.5浓度与环境卫星CCD相机4个波段的DN值之间的相关关系，在建立相关关系模型过程中，剔除相关性较差的异常数据。

图2 PM2.5遥感反演流程

1.3.1 按日期拟合PM2.5浓度反演模型方法

以2014年12月22日的数据为例，从遥感影像上提取该日全市23个监测站点中有效站点4个波段的DN值，分别与对应站点的PM2.5浓度进行线性拟合，见式(1)：

PM2.5=a+b×DNi

(1)

式中:DNi表示与PM2.5浓度相关性最强的某一波段的DN值。按照此方法，依次建立2014年12月22、25日、29—30日、2015年1月1日的反演模型。

1.3.2 按区域拟合PM2.5浓度反演模型方法

以市内3区为例，从遥感影像上提取这5日该区域有效监测站点4个波段的DN值，分别与对应站点的PM2.5浓度进行线性拟合，见式(2)：

PM2.5=a+b×DNi

(2)

式中:DNi表示与PM2.5浓度相关性最强的某一波段的DN值。按照此方法，依次建立开发区、崂山区、城阳区、胶州市、即墨市、平度市、莱西市、原胶南市的反演模型。

2 按日期拟合PM2.5浓度反演模型

分别利用每天23个站点的有效实测数据与准同步的卫星遥感光谱数据进行相关性分析，对比4个波段与PM2.5浓度的相关关系，结果发现蓝光波段的DN值与PM2.5浓度相关性最好，因此利用蓝光波段与PM2.5浓度建立模型。统计分析了每天参与建模的点位数、估算值与观测值的均方根误差(RMSE)、平均相对误差(APD)及相关系数(r)统计量，详见表1。

表1 按日期建立的反演模型精度统计

由表1可知，按照日期拟合，r在0.02～0.51，APD在26.79%～44.50%，RMSE在0.011～0.086 mg/m3，2014年12月25日的反演结果最好，12月29～30日反演结果比较差，这可能是由于模型在PM2.5浓度过高的情况下反演误差较大所致。PM2.5浓度实测值与模型估算值的对比结果，如图3所示。由图3可见，2014年12月22、25日和2015年1月1日的PM2.5浓度较低，在0～0.20 mg/m3，而2014年12月29—30日的PM2.5浓度较高，在0.15～0.40 mg/m3，但误差较大，反演结果低估了实际PM2.5浓度。

图3 PM2.5浓度实测值与模型估算值相关关系散点图(实线为1∶1线)

3 按区域拟合PM2.5浓度反演模型

3.1 区域监测站点拟合模型误差

分别利用各区市监测站点5 d的实测数据与准同步的卫星遥感光谱数据进行相关性分析，建立反演模型，同时剔除相关性较差的异常数据。统计分析了每天参与建模的点位数、估算值与观测值的RMSE、APD及r统计量，见表2。

由表2可知，按照区域拟合，r在0.01～0.80，APD在26.29%～62.94%，RMSE在0.028～0.141 mg/m3，市内三区的反演结果最好，平度市反演结果比较差。PM2.5浓度实测值与模型估算值的对比结果，见图4。

表2 按区域建立的反演模型精度统计

图4 PM2.5浓度实测值与模型估算值相关关系散点图(实线为1∶1线)

平度市反演结果比较差，主要是由于平度市的实测PM2.5浓度很高，研究直接采用遥感影像的DN参与建模，在重污染时，DN值会有一个饱和的表现，因此表观反射率的差异无法准确描述PM2.5浓度的差异，这就导致平度市的反演结果趋向于一个中间数值，无法准确反映实测PM2.5的浓度。

3.2 区域平均值统计结果分析

从青岛环境监测政务微博上查找并下载上述5 d对应时刻的PM2.5浓度区域平均值。同时，利用3.1小节中各区市反演模型估算PM2.5浓度的区域平均值与实测PM2.5浓度区域结果进行对比。结果发现，估算的区域平均值与实测区域平均值之间有一定相关性，见图5。

估算的区域平均值与实测区域平均值有一定相关性，r为0.69，APD为35.35%，RMSE为0.051 mg/m3。按照估算模型计算得到的平度市区域平均值均为负，这主要是由于3.1小节中平度市反演模型低估了实测PM2.5浓度数据，因此反演所得区域平均值为负。

图5 PM2.5浓度区域实测平均值与模型估算值的散点图(实线为1∶1线)

4 讨论与结论

基于青岛市城区23个空气自动监测站5 d的PM2.5实测数据和准同步的环境一号卫星CCD遥感影像数据，按照日期和区域分别拟合PM2.5浓度反演模型，拟合结果与地面监测数据具有一定相关性。按照区域拟合较日期拟合结果要好，这主要是因为相比大气信号来讲，地表反射率相对于卫星表观反射率贡献要大的多，因此区域差异非常明显；两种方式在实测PM2.5浓度高于0.2 mg/m3时，拟合结果都会变差，这主要是因为在重污染的时候，DN值会有一个饱和的表现，因此表观反射率的差异无法准确描述PM2.5浓度的差异。

1)按日期拟合r在0.02～0.51，APD在26.79%～44.50%，RMSE在0.011～0.086 mg/m3，当PM2.5浓度大时拟合结果误差也较大。

2)按区域拟合r在0.01～0.80，APD在26.29%～62.94%，RMSE在0.028～0.141 mg/m3，平度市反演结果最差，市内三区结果最好。

3)利用各区市反演模型估算PM2.5浓度的区域平均值，与实测PM2.5浓度区域结果进行对比，r为0.69，APD为35.35%，RMSE为0.051 mg/m3。

综上，利用遥感影像的DN值反演PM2.5浓度具有一定的应用价值，但依然存在一些不足。在今后的研究中，将收集更多的遥感影像数据和地面监测数据，进行长时间序列的反演验证，设法减小误差。

[1] 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.

[2] 王静,杨复沫,王鼎益,等.北京市MODIS气溶胶光学厚度和PM2.5质量浓度的特征及其相关性[J].中国科学院研究生院学报,2010,27(1):10-16.

[3] 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.

[4] 石勇.武汉市MODIS气溶胶光学厚度与空气PM10浓度的关系研究[R].武汉:华中农业大学,2012.

[5] 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(1):143-154.

[6] 郭建平,吴业荣,张小曳,等.BP网络框架下MODIS气溶胶光学厚度产品估算中国东部PM2.5[J].环境科学,2013,34(3):817-825.

[7] 陈辉,厉青,王中挺,等.利用MODIS资料监测京津冀地区近地面PM2.5方法研究[J].气象与环境学报,2014,30(5):27-37.

[8] 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.

[9] 王中挺,王子峰,厉青,等.环境一号卫星在监测大气PM10中的应用[J].中国环境科学,2011,31(2):202-206.

[10] 范辰乾.基于MODIS数据的气溶胶光学厚度与PM2.5浓度关系研究—以济南市为例[R].济南:山东师范大学,2014.

[11] 何涛,侯鲁健,吕波,等.激光雷达探测反演PM2.5浓度的精度研究[J].中国激光,2013,40(1):212-217.

[12] 李成才,刘启汉,毛节泰,等.利用MODIS卫星和激光雷达遥感资料研究香港地区的一次大气气溶胶污染[J].应用气象学报,2004,15(6):641-650.

[13] 李倩,李成才,王烨芳,等.利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布[J].北京大学学报(自然科学版),2013,49(4):673-682.

Study on the Retrieval of PM2.5Based on HJ-1 Satellite

SUN Li’e1，CUI Wenlian1，WANG Yanling1，WANG Jing1，CHEN Hui2，XUE Lian1

1.Qingdao Environment Monitoring Centre, Qingdao 266003, China 2.Satellite Environment Centre, Ministry of Environmental Protection, Beijing 100094, China

During December 29 to 30th 2014, an air pollution event occurred in Qingdao City. By using HJ-1 CCD data and ground-based measurements, the correlation of ground-based PM2.5and DN value of HJ-1 CCD during five days pre and post this process was analysed, and the PM2.5retrieval models were established respectively by days and regions. The result showed that, the correlation coefficient between the retrieved and measured PM2.5by days was between 0.02 and 0.51 and that by regions was between 0.01 and 0.80.Overall, the result of the model established by days was better.

Qingdao City;PM2.5;HJ-1 CCD;remote sensing;retrieve

2015-06-16;

2015-09-22

孙立娥(1986-)，女，山东邹平人，硕士，助理工程师。

X831,X87

A

1002-6002(2016)03- 0129- 06

10.19316/j.issn.1002-6002.2016.03.21