京津冀地区气溶胶光学厚度与PM2.5浓度的关联性

2016-10-20温玉海倪晓昌姚欢李彤徐丽娟刘博文

天津职业技术师范大学学报 2016年2期

温玉海，倪晓昌，姚欢，李彤，徐丽娟，刘博文

（1天津职业技术师范大学电子工程学院，天津3002222；2南京科技职业学院电气工程学院，江苏210019；3天津大学教育部光电信息技术重点实验室超快激光实验室，天津300072）

温玉海1，倪晓昌1，姚欢2，李彤1，徐丽娟1，刘博文3

为研究气溶胶光学厚度（AOD）和PM2.5浓度之间的关系，选取京津冀地区2014年1～4月间的51例CALIPSO二级气溶胶样本数据。通过颗粒形状、系统稳定性等条件对样品数据进行筛选，使AOD样品能够根据相关海拔高度进行整合。数据结果以AOD为自变量、PM2.5为因变量，通过Matlab软件建立线性回归模型，使用线性、对数、指数、功率和二次方程式拟合。实验结果表明：二次模型的相关系数值最优，利用CALIPSO卫星数据计算获得的气溶胶光学厚度监测地面PM2.5浓度是可行的。

光学厚度；CALIPSO；气溶胶；PM2.5；回归方程

气溶胶是悬浮在大气中的小颗粒，可将阳光反射回空间从而使大气变冷，也可吸收太阳光并温热大气，这取决于它们的形状、大小和组成成分。气溶胶甚至可以改变云层存在的时间、降雨的多少以及阳光反射的方式。气溶胶检测的类型可分为现场测量、卫星测量和地面观测。激光雷达具有长期、实时、抗干扰和高空间分辨率的特点，可提供后向散射系数和气溶胶的消光系数。而对于基于地面的激光雷达，空基激光雷达能获得更多高海拔、长距离、长期和季节性的数据，从而为气象监测器提供更全面的信息［1］。

2006年，美国宇航局和法国国家空间研究中心设计CALIPSO卫星并将其作为“A列车”的一部分，发射进入环绕地球轨道上［2］。CALIPSO可以提供气候观测数据，包括更深层的云-气溶胶研究数据，提高了预测天气变化的能力，有助于对呼吸气体的研究。云-气溶胶偏振激光雷达CALIOP是CALIPSO卫星的主要工具，用于检测云和气溶胶特性［3］。在气候研究中，CALIOP主要适用于检测气溶胶的垂直分布和水平特征，诊断云和云的垂直分布，估计火灾和火山爆发，计算云和气溶胶的光学特性对气溶胶浓度的影响等［4］。通过计算和分析，可对云和气溶胶的变化及它们对气候变化能产生怎样的影响获得更加全面和准确的认识［5］。CALIPSO卫星的二级数据主要源自地球物理变量和多个CALIPSO仪器测量得到的反演变量［6］。本文使用天津地区的CALIPSO二级气溶胶廓线的测量数据及基于地面的大气环境监测结果分析PM2.5和气溶胶光学厚度（AOD）之间的关系，通过激光雷达遥感技术，利用二者之间的关系模型估计地面的大气污染程度和城市大气质量。

1　激光雷达与气溶胶光学厚度的理论

在单次散射情况下，激光雷达信号方程可表示为：

式中：r为卫星到采集样本的距离；P（r）为卫星上接收到的距离采集样本距离为r处的大气后向散射回波功率；E0为其发射的激光脉冲能量；ξ为激光雷达系统参数；T（r）为从激光雷达到散射物质的距离r内的单程透射率（即信号衰减）；βm（r）为大气分子产生的背向散射系数；βα（r）为气溶胶分子产生的背向散射系数；σm（r）为大气分子产生的消光系数；σα（r）为气溶胶分子产生的消光系数［7］。

传统的地面激光雷达通常使用单个廓线处理方法，由于CALIPSO星载激光雷达系统具有较高的扫描速度和低噪声比，传统激光雷达处理方法无法使用。此外，CALIPSO星载激光雷达需要一系列算法来处理星载激光雷达数据。该算法由3个模块组成，包含检测层、按形状分层、执行消光系数反演3个基本功能。这些模块包括了选择性迭代边界定位法、分类算法以及混合消光系数反演算法［8］。

气溶胶光学厚度（AOD）是指无云大气垂直气柱中，在垂直方向上对消光系数的积分，由气溶胶的散射而成。它是描述气溶胶对光衰减作用的一个无量纲物理量。此外，AOD是研究气溶胶气候效应的重要参数，并能在一定程度上反应区域大气污染程度，其计算公式为：

式中：τλ为大气总光学厚度；λ为波长；H1为大气下界高度；H2为大气上界高度；σλ为粒子的消光截面；N（z）为消光粒子的垂直分布状况。

对气溶胶光学厚度的分析有助于分辨气溶胶形成的区域及演化过程。通过对气溶胶廓线的反演，可以得到其他物理和光学性质。CALIPSO二级气溶胶产品里包括不明特征标记、分类标志、消光系数廓线等参数，消光系数可以通过筛选流程直接积分得到。

2　CALIPSO卫星数据处理

2.1数据筛选

选取北京—天津—河北的粗略范围（经度范围为38.496 093 75°N～43.154 296 87°N，纬度范围为113.720 211 982 73°E～119.433 102 60°E），在NASA网站上选取该地区并下载二级数据，通过Matlab软件进行筛选。

使用从532 nm通道提取出来二级消光系数数据，这些消光系数不都是可用和有效的，因此有效数据需要通过以下2步筛选以提高AOD的精度：①用基本品质筛选参数对数据进行筛选；②提取有效区域数据（确切的区域以点（39.080 05°N，117.122 395°E）为中心，以100 km为半径的区域）。

2.2基本品质筛选技术

利用CALIPSO二级数据中CAD Score、AVD和extinction QC这3个轮廓描述标志进行基本品质筛选。CAD Score为CALIOP云和气溶胶算法的分类提供一个数值化的置信水平。标准CAD Score在CALIOP分层产品中的范围为-100～100。CAD Score符号可以表现出特性类型：正值表示云，负值表示气溶胶。CAD Score的绝对值提供用于分类的置信水平。CAD Score的绝对值越大，分类的置信水平就越高也越正确。因此，这里设置一个范围，CAD Score分布在-100～-20的为气溶胶。

AVD是一个轮廓描述标志，包含5 km×60 m垂直空间范围内的特征分类标志。特征分类标志提供了特征空间区域类型判定、特征子类型、冰水层的描述及检测层平均水平的量。对大气特征描述数据的最后3个字节和用于特征分类标志的描述略有不同。特征类型的值为0～7，它们分别表示无效、清洁大气、云、气溶胶、平流层特征、地表、地表下和无信号（完全衰减）。这里，仅保留特征类型为3，代表气溶胶的数据。子类型的值也从0～7，分别代表未确定、干净的海洋、灰尘、污染的大陆、干净的大陆、粉尘污染、烟和其他。研究可以根据子类型数值的不同判断气溶胶的类型［9］。

CALIPSO extinction QC总结了消光反演的最终状态。在迭代过程中，激光雷达比可以调整。通常在消光反演过程中，假设激光雷达比是不变的或是受限制的，此时extinction QC是0或1。对数组中的extinction QC值进行检测来判断它们是否有效。列中任何无用的消光反演数都会影响整列大气光学厚度的精度。反演数值会在激光雷达比或波长必须减小的情况下变得更加不确定［10］。为筛选数据，选取一个具有相同尺寸的消光系数逻辑矩阵去判别元素的真假。其原理是在矩阵逻辑中是‘真’的将会保留，‘假’的将会被淘汰。

2.3数据筛选结果

从5 km高度的CALIPSO二级气溶胶廓线筛选出的532 nm波段气溶胶消光系数原始数据如图1所示，其中2014年2月9日的数据如图1（a）所示，2014年2月16日的数据如图1（b）所示。

图1　天津地区大气气溶胶平均消光系数分布

据国家监测站测得的空气质量，2月9日空气质量最优，而2月16日为重度污染。图1表明，2月16日的气溶胶平均消光系数无论是在高空分布还是数值上都明显高于2月9日。由图1（b）可知，气溶胶消光系数在约1.5 km高度达到饱和，低于这个高度气溶胶的消光系数未被检测到，表明低空大气污染严重，悬浮在大气中的颗粒将激光雷达脉冲吸收，因此回波信号不能被检测。此外，激光可以到达2月9日的地表海拔高度，而根据国家监测站监测的结果，2月9日的空气质量优于2月16日，充分表明CALIPSO的测量数据和国家监测站监测的空气质量有很好的相关性。

2.4AOD计算

利用筛选出的消光系数，根据式（2）编写Matlab程序，对2014年1～4月间的51个CALIPSO二级气溶胶廓线有效样本进行处理，得到每一例样本的平均AOD。51个有效样本和相应的由中国环境监测总站提供的PM2.5值（单位：mg/m3）按时间顺序显示的结果如图2所示。由图2可知，虽然AOD和PM2.5在时间上有相同的趋势，但很难找到两者之间的相关关系。因此，采用5种数学模型寻找AOD和PM2.5之间的关系，其中ADD为自变量，PM2.5为因变量。5种数学模型分别为线性、一元二次、乘幂、对数和指数。

图2　PM2.5和AOD之间关系的数据模型

AOD和PM2.5之间的回归拟合模型结果如表1所示。从表1中可以看出AOD和PM2.5的拟合方程相关系数R2并不理想（R2越大越好），比较各模型R2值大小，最终选择一元二次模型作为AOD和PM2.5的关系模型。AOD与PM2.5拟合的一元二次模型如图3所示。

表1　AOD和PM2.5之间的回归拟合模型结果

2.5标高订正

修正主要使用CALIPSO二级数据中给出的SES系数对式（2）的积分高度进行订正。SES记录了一天样本中每个点所对应的地面海拔高度。通过CALIPSO二级数据的反演光学厚度，根据SES的值可以计算得到每天相应的气溶胶光学厚度。计算出每个采样点的AOD后，利用这些数据计算得到平均AOD数值。通过这种方法，可以将SES以上的有效数据提取出来，从而提高了AOD数值的准确性。订正后的AOD与PM2.5回归拟合方程如表2所示。

图3　AOD和PM2.5之间的二次拟合线

表2　订正后的AOD与PM2.5回归拟合方程

通过所给的SES系数订正后，所有模型的R2值均得到了提高，但一元二次模型的拟合结果最好。因此，说明一元二次方程能更好地反映PM2.5和AOD之间的相关性。订正后的AOD与PM2.5一元二次拟合线结果如图4所示。

图4　订正后的AOD与PM2.5一元二次拟合线结果

3　结束语

本文基于CALIPSO卫星遥感数据和中国环境监测总站提供PM2.5数据，通过51例样本研究了平均AOD和PM2.5之间的关系。研究表明，使用从CALIPSO二级数据中得到的订正后的AOD值来监控预测PM2.5的浓度是可行且可靠的。未来可以对更长周期的数据（例如全年）和更多的订正因素进行进一步的研究分析。

［1］郑韶青，徐峻，何友江，等.星载激光雷达CALIOP功能、产品和应用［J］.环境工程技术学报，2014，4（4）：313-320.

［2］BADARINATH K V S，KHAROL S K，SHARMA A R.Longrange transport of aerosols from agriculture crop residue burning in Indo-Gangetic Plains-A study using LIDAR，ground measurements and satellite data［J］.Journal of Atmospheric and Solar-Terrestrial Physics，2009，71（1）：112-120.

［3］VAUGHAN M，WINKER D.CALIOP algorithm theoretical basis document：Calibration and level 1 data products［EB/ OL］.USA：NASA［2016-4-7］.http：//www-calipso.larc.nasa. gov/re-sources/project_documentation.php.

［4］OLOFSON K F G，ANDERSSON P U，HALLQUIST M，et al. Urban aerosol evolution and particle formation during winter time temperature inversions［J］.Atmospheric Enviroment，2009，43（2）：340-346.

［5］WANG X，FRONTOSO M G，PISANI G，et al.Retrieval of atmospheric particles optical properties by combining groundbased and space-borne lidar elastic scattering profiles［J］. Optics Express，2007，15（11）：6734-6743.

［6］WINKER D M，VAUGHAN M A，OMAR A，et al.Overview of the CALIPSO mission and CALIOP data processing algorithms［J］.Journal of Atmospheric and Oceanic Technology，2009，26（11）：2310-2323.

［7］LU X，JIANG Y，ZHANG X，et al.An algorithm to retrieve aerosol properties from analysis of multiple scattering influences on both ground-based and space-borne lidar returns［J］.Optics Express，2009，17（11）：8719-8728.

［8］VAUGHAN M A，POWELL K A，WINKER D M.Fully automated detection of cloud and aerosol layers in the CALIPSO lidar measurements［J］.Journal of Atmospheric and Oceanic Technology，2009，26（10）：2034-2050.

［9］CARLSON T N，WENDING P.Reflected radiance measured by NOAA-3 VHRR as a function of optical depth for Saharan dust［J］.Journal of Applied Meteorology，1977，16（12）：1368-1371.

［10］LIU Z Y，VAUGHAN M，WINKER D.The CALIPSO lidar cloud and aerosol discrimination：Version 2 algorithm and initial assessment of performance［J］.Journal of Atmospheric and Oceanic Technology，2009，26（7）：1198-1213.

Relevant research between the AOD and concentration of PM2.5pollutant on Chinese Beijing-Tianjin-Hebei region

WEN Yu-hai1，NI Xiao-chang1，YAO Huan2，LI Tong1，XU Li-juan1，LIU Bo-wen3
（1.School of Electronic Engineering，Tianjin University of Technology and Education，Tianjin 300222，China；2.School of Electrical Engineering，Nanjing Technical Vocational College，Jiangsu 210019，China；3.Ultrafast Laser Laboratory，and Key Laboratory of Opto-electronic Information Technology，Ministry of Education，Tianjin University，Tianjin 300072，China）

To study the relationship between Aerosol Optical Depth（AOD）and concentration of PM2.5（Particulate Matter）based on Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observation（CALIPSO）data，51 samples of the CALIPSO Level 2 aerosol profile data on Chinese Beijing-Tianjin-Hebei region from January to April 2014 are selected.Samples′AOD can be integrated with respect to the related altitude after these 51 samples are screened under the decided conditions（eg particle type，system stableness etc）.To fit the calculated results，a linear regression model has been constructed through Matlab software，in which AOD is independent variable and PM2.5is dependent variable.All the data are fitted by linear，logarithmic，exponential，power，and quadratic equations.Experimental results show that the value of correlation coefficient of the quadratic model is the best one.So it is possible and feasible to monitor the concentration of PM2.5using the AOD calculated from CALIPSO Level 2 data.

optical depth；CALIPSO；aerosol；PM2.5；regression equation

X513

2095－0926（2016）02－0026－04

2016-03-31

天津市自然科学基金项目（14JCQNJC02000）；天津职业技术师范大学人才计划及科研发展基金项目（J10011060304）；天津职业技术师范大学科研发展基金项目项目（XJKC031464）.

温玉海（1989—），男，硕士研究生；倪晓昌（1974—），男，教授，硕士生导师，研究方向为飞秒激光技术应用及光信号检测技术.