天水市大气SO2浓度时空变化特征的卫星遥感监测与影响分析

李 兵，巨天珍，张斌才，葛建团，张俊峰，唐红梅

1.西北师范大学地理与环境科学学院，甘肃 兰州 730070

2.甘肃省测绘局，甘肃 兰州 730030

3.天水市环境监测站，甘肃 天水 741000

天水市大气SO2浓度时空变化特征的卫星遥感监测与影响分析

李 兵1，巨天珍1，张斌才2，葛建团1，张俊峰3，唐红梅3

1.西北师范大学地理与环境科学学院，甘肃 兰州 730070

2.甘肃省测绘局，甘肃 兰州 730030

3.天水市环境监测站，甘肃 天水 741000

大气卫星遥感监测作为一种新型监测手段，具有范围广、速度快、成本低等优势，对环境应急保护及其预警都具有非常重要的意义。选取天水市2006—2013年各年12月每日OMI level-2数据产品，利用Aura卫星技术和ArcGIS等技术平台，对天水市大气中SO2的时空分布规律和污染原因进行了分析研究。结果表明：2006—2013年天水市SO2柱浓度及其总量呈现出明显增加的趋势，但在2008年有小幅降低；在2008年以前，天水市SO2浓度呈现出由东南向西北逐渐减少的趋势，但自2009年后污染重心发生迁移并且出现了数个集中化的SO2高值区；研究区SO2垂直柱浓度有自然因素、人类活动等多方面的复合影响，其中能源消耗及机动车尾气排放是主要影响因素。研究进一步讨论了遥感数据产品的应用前景。

卫星遥感；OMI；SO2；大尺度；时空变化特征；天水市

大气各组分的时空分布、变化特征和来源解析已经成为环境保护领域中的热点问题，大气中某一组分的大幅变化会引起全球环境和气候的变化[1]。SO2是大气边界层中的一种重要痕量气体，也是一种主要的大气污染气体，主要来自火山喷发等自然排放和人类活动的排放。在大气中，SO2会氧化形成硫酸雾或硫酸盐气溶胶，是环境酸化的重要前驱物。大气中SO2质量浓度在1.43 μg/m3以上会对人体产生潜在影响，在2.86～8.57 μg/m3时多数人开始感到刺激，在1 142.86～1 428.57 μg/m3时人会出现溃疡和肺水肿直至窒息死亡，可见这种污染物的危害严重性。因此，有必要对SO2变化进行实时大区域监测和来源解析，以便预警和日常管理。

基于目前的技术手段，SO2数据的获取来源主要有地面监测站网络、机载观测以及大气卫星遥感监测3种途径。传统监测研究方法大部分是建立在地面监测的基础上，如赵丽莉等[2]利用Therm Scientific TEOM 1405-F连续监测仪对乌鲁木齐市“煤改气”后不同区域内SO2日均浓度变化的分析，数据翔实、可靠性高，但是只能获得局部地区短时间内的变化特征，在大尺度、大面积层次上的观测还存在着比较明显的缺陷。机载观测成本昂贵，从而限制了其应用范围。与传统监测相比，大气卫星遥感监测具有范围广、速度快、成本低，且便于进行长期动态监测等优势，还能发现利用常规方法难以揭示的污染源及其扩散状态[3]。目前，用于大气遥感监测SO2的主要卫星仪器有TOMS、GOME、OMI和SCIAMACHY等，在这几种卫星传感器中，Aura卫星搭载的OMI传感器具有更高的空间分辨率和光谱分辨率，其反演的数据结果也是最精确的[4]。近年来，国内外已经就利用OMI数据分析SO2的时空特征进行了大量的研究[5-7]。Can等[5]基于OMI数据对于中国辽宁沈阳市SO2的排放情况、大气气溶胶及其在大气中的输送模式等进行了研究。Witte等[6]利用OMI数据对中国2008年北京奥运会期间的大气污染情况进行了定量连续监测，发现在奥运会期间北京及其周边地区大气边界层的SO2较3 a前减少了13%。王英等[7]基于地面监测及遥感反演数据研究了京津冀和长三角区域大气NO2污染特征并进行了比较分析。这些研究多是对污染严重地区的监测，而对于西部大气环境质量基础较好但恶化严重等环境快速变化地区的大气污染过程关注较少，本文采用卫星遥感监测手段，分析了大区域内SO2的扩散规律、时空变化及污染原因，对环境应急保护及其预警都具有重要意义。

1 研究区概况

天水市位于甘肃省东南部，东临陕西省宝鸡市，西、北、南分别与定西、平凉和陇南相接，是甘肃省的“东大门”，地理坐标介于34°05′～35°10′N，104°35′～106°14′E之间，总面积为1.43万km2，现辖2区(秦州、麦积)和5县(秦安、甘谷、武山、清水、张家川回族自治县)。地势西北低东南高，海拔为1 000～2 100 m，天水市地处黄土高原沟壑区与西秦岭山脉结合地带，日照充足，水量充沛，区域内平均气温为10.9 ℃，年平均降水量为524.1 mm，平均风速为1.3～2.1 m/s，森林总面积达到4 000 km2，占到全市面积的28%。天水市经济开发较早，工业发展较快，特别是国家“三线”建设时期，一批企业相继搬迁至天水市，使之逐步发展成为西北地区的重要工业城市，国家老工业基地之一。天水市目前位于关中-天水经济区内，是次级核心城市之一，有工业企业749家，形成了以加工制造业为主体，电子电器、机械制造、轻工纺织3大行业为主导，食品、建材、化工、冶金、皮革、烟草、塑料等行业竞相发展，门类较多、技术装备较好、具有一定实力和特色的区域工业体系[8]。

2 数据来源与处理

2.1 传感器和数据格式

研究选用的SO2数据OMISO2来自于Aura卫星上搭载的OMI。Aura卫星的主要任务是开展对地球臭氧层、空气质量和气候变化的观测和研究。其上共搭载了4个对地观测仪，其中，OMI传感器波长范围为270～500 nm，光谱分辨率为0.5 nm，空间分辨率范围为13 km×24 km(星下点)～40 km×160 km，时间分辨率为1 d，提供全球天际O3、SO2、NO2、BrO、HCHO等痕量气体分布数据[9]。

在获取OMI数据后，level-2数据是以HDF-EOS 5条带格式进行存储的，分辨率为0.25°×0.25°[10]。HDF是用于存储和分发科学数据的一种自我描述、多对象文件格式，可以存储不同类型的图像和数码数据的文件格式，并且可以在不同类型的机器上传输，同时还有统一处理这种文件格式的函数库。

2.2 数据选取和反演

选取2006—2013年每年12月每日OMI level-2数据产品，用于分析SO2分布特征和变化规律。

在反演SO2柱量值时，需要考虑O3的影响，O3和SO2是吸收310～360 nm波段光谱最主要的2种气体，其中SO2对光谱的吸收明显强于O3对光谱的吸收。采用波段残差法(BRD)估算SO2的柱浓度值，在Pb(317.6～331.3 nm)或Pc(331.3～360.2 nm)波段计算O3的实际值，并将此值作为SO2波段(Pb或Pc)O3的理论值，其与实测值对比而产生的残差来估算SO2的实际柱浓度。在获得OMI数据后，数据是以HDF-EOS 5条带格式进行存储的，首先需要提取研究区内日SO2的柱量浓度[11]。研究以VISAN软件为工具，完成研究区内柱量数据读入、读出、过滤和提取。

2.3 数据的提取

在过滤和提取的过程中，以研究区经纬度、卫星过境时间为条件，提取研究区内SO2柱量值。为了降低研究中区域边界插值精度的影响，将提取边界向外扩大0.5°～1°[12]。即latitude_min=33，latitude_max=36，longitude_min=104，longitude_max=108。

SO2有效柱量值需经过有效修正才能得到垂直高度的柱量值。对于大气边界层来说，云是影响云层下柱量插值精度的主要因素[13]，云层参数采用0.2为阈值，对研究区进行像元过滤[14]，得到SO2垂直柱量值。运用ArcGIS 10.2软件进行插值获得栅格图像，重点解译研究区内2006—2013年SO2的分布及变化情况。

3 结果与讨论

3.1 天水市SO2含量的年际变化

天水市2006—2013年每年12月大气边界层SO2柱浓度年均值变化及地面观测浓度变化趋势如图1所示。

图1 2006—2013年遥感数据和地面观测数据变化趋势

从地面统计数据(甘肃省统计年鉴和甘肃省环境质量公报)来看，SO2质量浓度增长趋势比较稳定，从2006年的0.03 mg/m3上升为2013年的0.05 mg/m3，增幅比较明显。从卫星解析结果看，SO2柱浓度呈现出整体增加的趋势，但在2008年出现了明显的回落，且在2009年后增幅较大。

表1为研究区的像元统计，从表1可以看出，研究区月平均柱浓度由2006年的0.504DU增加为2013年的0.843 DU，增幅明显；研究区SO2月排放总量由2006年的7 342 t增长到2013年的12 282 t，增加量达到了5 000 t左右，增幅明显，说明研究区内SO2污染是日益加重的；另一方面，图1中2组曲线具有比较一致的变化趋势，说明大气边界层的SO2主要来源于地面的人为排放；地面数据变化稳定，可信度高，从卫星遥感数据和地面观测数据的一致性可以看出，遥感数据反演得到的柱浓度数据在很大程度上可以反映SO2在近地面的积聚作用，从而也证明了卫星遥感数据的可靠性[15]。

表1 研究区像元统计

天水市各县区2006—2013年每年12月大气中SO2柱浓度年均值变化趋势如图2所示。

图2 天水市各县2006—2013年SO2柱浓度变化趋势

由图2可以看出，天水市各县区SO2柱浓度在2006—2013年间都处于普遍增长的状态，2006年时柱浓度大体持平在0.6 DU以下，2009年处于最低点，2010年大幅提升，2012年各县区出现差距，到2013年各县区SO2柱浓度的分异明显。其中张家川县SO2浓度8 a间数值稳定在0.4 DU左右，波动小，处于较低的水平。天水市区、清水县等地区SO2柱浓度在2006年时为0.55 DU，高于其他地区，8 a间增长平缓，2013年为0.8 DU，处于天水市中等污染水平。而武山县和甘谷县SO2柱浓度起点较低，8 a间的增幅较快，到2013年超过了1 DU，属于天水市2区5县中的高污染区域。

3.2 天水市SO2柱浓度年际变化的空间分布

2006—2013年天水市SO2柱浓度空间分布如图3所示。

图3 2006—2013年天水市SO2柱浓度空间分布

由图3可见，8 a中变化规律可分为2个阶段，从2006—2009年为第一阶段，2010—2013年为第二阶段。在图中，深色区域SO2柱浓度较高，浅色区域浓度较低，由深至浅SO2柱浓度逐渐降低。从图3可以看出，天水市SO2柱浓度大小空间分布非常不均衡，东南部地区和武山县SO2柱浓度比较高，与张家川、秦安县等北部地区形成强烈的反差，但总体数值较低，最高值在1.3 DU以下。在2008年之前，深色区域占到全市总面积的25%左右，过渡色区域较少，天水市区SO2柱浓度最高，西部武山县、秦安县等地区浓度较低，总体呈现出由东南向西北逐渐减少的趋势，但自2009年后，过渡色区域增多，SO2柱浓度中高值区域(柱浓度大于0.81)有一定的变动，污染重心逐渐由东南部的天水市区向中部和西部武山县区域迁移，高值区范围开始缩小，并呈现出明显的集中化，集中分布在武山县、甘谷县以及天水市区等区域，最高值达到了2 DU，较2008年有了很大的增幅，中值区范围开始扩大，研究区中南部地域出现了大面积SO2中值区域，明显高于东北部张家川县等低值区域。这就体现出在空间尺度上，天水市SO2柱浓度总体分布呈现出从东南向西北迁移的趋势，浓度越来越高，高值区开始突显，污染面积增大，并且出现高值区浓度向四周扩散的现象。

3.3 研究区SO2柱浓度的影响因素

近年来，天水市SO2柱浓度的空间分布为天水市区>武山县>甘谷县>清水县>秦安县>张家川县，天水市大气中SO2柱浓度与天水市的地理位置，地形特征、植被覆盖度以及污染源等特征密切相关。在时间序列上，研究区SO2

柱浓度呈现出逐渐增加的趋势，但在2008、2009年有一定的回落。2008年，中国举办了北京奥运会，提出了绿色奥运的口号，通过大力度的环保知识宣传，中国人民的环保意识得到了一定提高。另一方面，2008年国家推动绿色信贷、绿色保险、绿色贸易、绿色税收等一系列环境经济政策的实施和深化，减轻了经济增长的环境代价。

3.3.1 自然因素

地形特征和植被覆盖度[16]。天水市SO2柱浓度高值区集中在武山县周边和秦州区、麦积区，这些区域海拔较低，地势较为平坦开阔，气候适宜，人口密集，植被覆盖度较低，生态比较脆弱，同时人类活动频繁，工业较为发达，人为污染源较多，植被对于污染物的滞留稀释作用不明显，SO2柱浓度偏高[17]。低值区集中分布在地形复杂的北部山区秦安县和张家川县境内，这些区域大部海拔较高、气温低、昼夜温差较大，植被覆盖度较高，人类活动和工业源对大气环境的影响较小，植被对SO2有较强的滞留和吸附作用，SO2柱浓度偏低。

气象因素。气候因素对区域大气运动起到了重要作用[18]。图4为天水市全年的风向、风速及污染系数玫瑰图。

图4 天水市全年风向、风速及污染系数玫瑰图

由图4可以看出，天水市全年风向频率主要为ENE和E，主导风向为东北风，其次为东风；风速在各个风向比较平均，但东北风稍微偏大；污染系数是定性估计某地大气扩散能力的值，在数值上等于某方位的风向频率与该方位平均风速的比值，天水市污染系数最大值在ENE方向，表明在上述污染系数最大方位的下风向受污染影响较大。在研究区内，处于上风向的秦安县、张家川县等地区SO2柱浓度值较低，而处于下风向的秦州区、麦积区、武山县等地区的SO2柱浓度值较高。另一方面，天水市东部地域临近陕西省宝鸡市，并且处于下风向，存在着宝鸡市污染的扩散影响，这些因素造成了该地区SO2柱浓度值居高不下。

3.3.2 社会因素

人为SO2排放。人为排放SO2的污染源主要有工业生产排放、人类生活排放和机动车尾气排放[19]。其中，矿质燃料的燃烧和机动车尾气排放占据着绝大部分比例[20]。图5为天水市在2006—2013年能源消耗量与天水市大气中SO2柱浓度年均值数据的相关性分析。

图5 天水市SO2柱浓度与能源消耗总量的关系

由图5可以看出，研究区内能源消耗量呈现出较快增长的趋势，从每年消耗4 000万t标准煤上升为每年消耗7 000万t标准煤左右，数量上升趋势明显。SO2柱浓度和能源消耗量呈现出正相关的趋势，从0.4 DU上升为0.8 DU左右，基本与能源消耗量上升趋势一致，证明燃料燃烧对于大气中SO2的排放量具有很大贡献。

机动车保有量。将天水市近年来机动车保有量数据与SO2柱浓度数据进行相关性分析，结果如图6所示。

图6 天水市SO2柱浓度与机动车保有量的关系

从图6可以看出，天水市机动车保有量从最初的11万辆左右增加到了23万辆，年平均增长率保持在16.55%以上，增加幅度较大。SO2柱浓度从0.4 DU上升到0.8 DU，与机动车保有量变化趋势基本一致。天水市机动车保有量与SO2柱浓度具有一定的正相关性(r=0.944)，由此可见，两者成正比关系，机动车尾气排放对研究区内SO2柱浓度的贡献较大。

另一方面，2009年国家级主干道宝天段高速公路的正式通车，2009年关中-天水经济开发区的建成等使得天水市工业有了长足的发展，如武山县的天水祁连山水泥有限公司和甘谷县的大唐发电厂都是排污量较大的重点企业，污染源的激增及其附属运输业等造成了SO2高值区的出现[21]。

4 结论

以甘肃省天水市为研究区，利用Level-2痕量气体数据产品中的OMISO2数据通过VISAN、ArcGIS 10.2等技术平台，分析了研究区内SO2柱浓度时空分布特征及其影响因素，结果表明：

1)天水市2006—2013年间SO2柱浓度有逐年增加的趋势，与地面观测数据的变化趋势相似。月均柱浓度由2006年0.504 DU增加为2013年0.843 DU，增幅明显；研究区SO2排放值，由2006年的7 342 t增加到2013年的12 282 t，天水市SO2排放总量增加明显。

2)天水市SO2柱浓度的空间分布不均衡，2006—2008年间总体呈现出由东南向西北逐渐减少的趋势，但自2009年后，出现了较为明显的高值区和大面积的中值区，污染重心开始从东南向西北迁移，高值区集中分布，污染源大量增加，并且出现高值区浓度向四周扩散的现象，秦州区、麦积区、武山县等地区浓度较高，而秦安县、张家川县等地区浓度较低。

3)天水市SO2柱浓度的时空变化有多方面因素的复合影响，其中最主要的因素为人类活动，能源消耗量和机动车保有量等对SO2柱浓度的影响越来越大。

4)现阶段中国地面监测手段具有比较明显的局限性，而卫星遥感监测技术作为一种新型监测手段，具有范围广、速度快、成本低，且便于进行长期动态监测等优势，便于揭示污染源及其扩散状态。另外，需要探究地面监测SO2浓度与遥感监测之间的联系，加强气象气候的配套监测，深化大气运动规律和区域污染的关联研究，建立检验和校正遥感产品精度及预警平台建设，使遥感监测成为更加成熟和常规型的大气环境监测手段。

[1] 邱金桓，陈洪滨，王普才，等.大气遥感研究展望[J].大气科学，2005，29(1)：131-136.

[2] 赵丽莉，魏疆，陈圆圆，等.乌鲁木齐市“煤改气”对SO2浓度空间变化的影响[J].干旱区地理，2014，37(4)：744-749.

[3] 谭衢霖，邵芸.遥感技术在环境污染监测中的应用[J].遥感技术与应用，2000,15(4)：246-251.

[4] 赵军，樊洁平，张斌才，等.大气SO2卫星遥感监测技术及其研究进展[J].安全与环境学报，2012，12(4)：166-169.

[5] CAN L,KROTKOV N A,DICKERSON R R,et al.Transport and evolution of a pollution plume from northern China:a satellite-based case study[J].Journal of Gop ysical Rsarc,2010,115:1-11.

[6] WITTE J C，SCHOEBERL M R，DOUGLASS A R，et al.Satellite observations of changes in air quality during the 2008 Beijing Olympics and Paraiympics[J].Gop ysical Rsarc Lttrs,2009，36：1-6.

[7] 王英，李令军，刘阳，等.京津冀与长三角区域大气NO2污染特征[J].环境科学，2012，33(11)：3 685-3 692.

[8] 魏彦强.新时期甘肃省城镇化发展研究[D].兰州：兰州大学，2009.

[9] MORRIS G A,KOMHYR W D,HIROKAWA J A.Balloon sounding technique for measuring SO2[J].Atmsopric and Ocanic Tcnology,2010，27(8):1 318-1 330.

[10] 杜君平，朱玉霞，刘锐，等.基于OMI数据的中国臭氧总量时空分布特征[J].中国环境监测，2014，30(2)：191-196.

[11] Wenig M O,Cede A M,Bucsela E J,et al.Validation of OMI tropospheric NO2column densities using direct-Sun mode Brewer measurements at NASA Goddard Space Flight Centre[J].Journal of Geophysical Research,2008,113:D16S45.

[12] 赵军，张斌才，樊洁平，等.基于OMI数据的兰州及附近地区大气边界层SO2量值变化初步分析[J].遥感技术与应用，2011，26(6)：808-813.

[13] 巨天珍，师贺雄，王彦，等.基于OMI卫星遥感数据的兰州市SO2空间分布分析[J].安全与环境学报，2012，12(4)：154-157.

[14] 张斌才.大气边界层SO2空间分布的OMI数据分析——以兰(州)白(银)金(昌)地区为例[D].兰州：西北师范大学，2009.

[15] 陈姗姗，束炯，徐建中，等.中国典型若干城市对流层NO2时空分布特征[J].长江流域与资源，2010，19(12)：1 484-1 490.

[16] 田玉军，巨天珍，冯克宽，等.兰州市功能区大气细菌污染和城市绿地系统杀菌效应分析[J].中国环境监测，2003，19(3)：45-47.

[17] 辛名威，袁金国，马晶晶，等.基于OMI数据的河北省对流层NO2垂直柱浓度时空变化研究[J].湖北农业科学，2014，53(10)：2 290-2 295.

[18] 谢景彦.石家庄市尘染特征、成因分析及防治对策[D].南京：南京理工大学，2002.

[19] 牛武江，张宁，王一帆，等.能源结构变化对兰州市大气质量的影响[J].中国环境监测，2014，30(4)：89-92.

[20] 李龙，施润和，陈圆圆，等.基于OMI数据的中国NO2时空分布与人类影响分析[J].地球信息科学学报，2013，15(5)：688-694.

[21] 王跃启，江洪，张秀英，等.基于OMI卫星遥感数据的中国对流层NO2时空分布[J].环境科学研究，2009，22(8)：932-937.

Satellite Remote Sensing Monitoring and Analysis of the Causes of Temporal and Spatial Variation Characteristics of Atmospheric SO2Concentration in Tianshui

LI Bing1,JU Tianzhen1，ZHANG Bincai2，GE Jiantuan1，ZHANG Junfeng3，TANG Hongmei3

1.College of Geographic and Environmental Science,Northwest normal University，Lanzhou 730070，China

2.Gansu mapping bureau，Lanzhou 730030，China

3.Tianshui environmental monitoring station，Tianshui 741000，China

As a new monitoring means atmospheric satellite remote sensing has advantages of wide range,fast speed and low cost, has a very important significance to environmental protection and emergency warning. Selecting annual December daily OMI level-2 data products of 2006—2013 of Tianshui, using Aura satellite technology and ArcGIS technology platform analyzed the temporal and spatial distribution of atmospheric SO2and the causes of pollution in Tianshui. The results show that:In 2006—2013 the 8 years, the SO2column concentration and total amount SO2concentration of Tianshui showed an obvious increasing trend, but slightly lower in 2008; Before 2008, the SO2concentration showed a decreasing trend from southeast to northwest in Tianshui, but since 2009 the occurrence of pollution had shifted and emergenced a number of centralized high SO2value area; natural factors, human activities and other factors had compound effects on SO2vertical column density, among the energy consumption and automobile exhaust gas pollution are the main influence factors. Finally, further discussed the foreground application of remote sensing data products.

satellite remote sensing;OMI；SO2;large-scale;dynamic air pollution;TianShui city

2015-03-23;

2015-04-17

国家自然科学基金(41161080)；甘肃省科技计划项目(2010GS05134)

李 兵(1993-)，男，甘肃康县人，硕士。

巨天珍

X87

A

1002-6002(2016)02- 0134- 07