南京市大气PM10浓度的估算模型研究*

龚绍琦　陈桂礼　张茜茹　李懿超　李薛

(1.南京信息工程大学地理与遥感学院　南京 210044；　2.南京信息工程大学滨江学院　南京 210044)



南京市大气PM10浓度的估算模型研究*

龚绍琦1陈桂礼1张茜茹1李懿超2李薛2

(1.南京信息工程大学地理与遥感学院南京 210044；2.南京信息工程大学滨江学院南京 210044)

以南京市为例，利用空气污染指数API、气象数据和TERRA/AQUA卫星气溶胶光学厚度(AOD)产品，分析了南京市PM10浓度的变化规律，在PM10浓度与气象要素进行相关分析的基础上，初步建立了基于气象要素和AOD的PM10浓度估算模型。结果表明，南京市PM10浓度在每年11，12月或1月最高，7，8月最低，季节性变化表现为冬春季浓度最高，秋季其次，夏季最低，PM10浓度有逐年下降的趋势，但年均值仍高于国家II级标准；除了大气混合层高度外，PM10浓度与大气压、风速、气温、相对湿度、水汽压、能见度、气溶胶光学厚度都有较好的相关性；基于气象要素的PM10浓度估算模型的绝对系数R2为0.510、平均相对误差为26.04%，基于AOD的PM10浓度估算模型以TERRA和AQUA卫星AOD平均值构建的最佳，绝对系数R2为0.482、平均相对误差26.11%，两种模型对PM10的预测预报具有一定的指示意义。

PM10浓度气溶胶光学厚度气象要素估算模型

0　引言

国家环保部先后提出空气污染指数API和环境空气质量指数AQI来评价和预报空气质量[2-3]。有研究表明，在空气质量评价体系中，可吸入颗粒物PM10已成为我国大中城市的首要污染物[4-6]，监测PM10浓度已成为国家环保部门的一项日常工作。而目前对大气颗粒物的监测主要是在城市的典型位置布设监测站点，利用仪器进行定点观测，这种监测布设的站点有限，很难反映城市不同区域PM10浓度的变化。因此，构建PM10浓度估算模型将成为PM10监测方法的一种有效补充手段。许多学者通过PM10浓度与同期气象资料的相关性，建立了各地局部大气PM10浓度的预报模型[7-9]。随着卫星遥感技术的不断发展，利用卫星遥感的气溶胶光学厚度(AOD)信息来预测大气颗粒物浓度已成为可能。国内外学者基于PM10浓度与气溶胶光学厚度的相关关系，建立了PM10浓度的遥感估算模型[10-12]。

本文以南京市为例，分析南京市大气可吸入颗粒物PM10浓度的变化规律，开展PM10浓度与气象要素的相关分析，试图建立PM10浓度的估算模型，为城市空气质量分析以及污染物PM10浓度的监测发挥重要的作用。

1　数据及预处理

1.1可吸入颗粒物PM10浓度的计算

空气污染指数(API)是衡量空气质量的重要指标，是将地面监测站测得的5种常规污染物SO2，NO2，PM10，CO和O3的日均值浓度依据适当分级阈值进行等标化，得到简单的无量纲指数，并取5种污染物分指数的最大值作为该区域当日的API，然后根据API大小划分不同的等级来表征空气的质量状况[2]。因此，当首要污染物为PM10时，可将API值反算到PM10的浓度，其计算公式如下：

式中，Ix为污染物x的污染分指数，这里x为首要污染物PM10；Ix,j和Ix,j+1分别为污染物x对应第j和j+1个转折点的污染分指数，cx,j和cx,j+1分别为污染物x对应第j和j+1个转折点浓度的阈值，各转折点对应的阈值见表1。本文的API数据来自环保部网站(http://www.mep.gov.cn/)数据中心，时间为2001年1月1日至2012年12月31日，由此可计算出当日首要污染物PM10浓度。当空气污染指数API<50时，空气质量等级为优，环保部门就不指明当日的首要污染物，因此计算的PM10质量浓度范围在50～600μg/m3之间，12年的有效样本数为2 684。

表1　污染物为PM10各转折点对应的阈值[2]

1.2气象数据

为了揭示不同天气状况下PM10浓度的变化，进行不同气象要素对PM10浓度的相关性分析，本文选用的气象数据为南京站(58 238)每日平均能见度、大气压、风速、气温、相对湿度、水汽压、最高气温和探空资料等，数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)，日期与API数据相对应，为2001年1月1日至2012年12月31日。

1.3EOS/MODIS气溶胶光学厚度

中分辨率成像光谱仪(MODIS)是美国航空航天局(NASA)地球观测系统(EOS)计划，分别搭载在TERRA和AQUA卫星上的主要传感器，每天于当地时间10∶30和13∶30过境，能提供陆地、云、气溶胶、水汽、臭氧、海色、浮游植物、生物地球化学等产品的信息，其中10 km分辨率的气溶胶光学厚度(AOD)产品能为PM10浓度监测提供很好的指示作用。本文选择与API同期的TERRA/AQUA卫星MODIS Level 2气溶胶光学厚度产品，数据下载于NASA官方网站(http://ladsweb.nascom.nasa.gov/data/search.html)。

目前南京市有迈皋桥、草场门、玄武湖、奥体中心、山西路、瑞金路、中华门、仙林大学城和浦口共9个国控站在监测空气质量(图1)，每日的空气污染指数API是由前一天12∶00到当日12∶00期间9个站点各污染物的均值计算得到。因此，本文根据9个站点的坐标，在对卫星AOD产品数据几何校正的基础上，提取9个站点对应的数值，并取9个站点的平均值作为南京市AOD的值。由于TERRA和AQUA卫星过境时得到的AOD是瞬时值，而API是24 h周期内的值，这里考虑前一天AQUA卫星的AOD与当天TERRA卫星AOD的平均值。

图1　南京市空气质量监测点分布

1.4气溶胶光学厚度的订正

由于气溶胶光学厚度反映了气溶胶在大气垂直剖面上的光学性质，而PM10浓度通常是垂直于地面方向上大气粒子的质量，由采样器在一定时间内抽滤空气，并在恒温恒湿的条件下称重滤膜的质量计算得到。为了开展PM10浓度的定量化研究，提高PM10浓度与气溶胶光学厚度之间的相关性，需要进行气溶胶光学厚度的垂直订正和湿度订正，其订正方法可见参考文献[12-14]。垂直订正所用的气溶胶标高HA可近似地用大气混合层高度(Mixed Layer Height, MLH)来代替[10]。大气混合层高度采用干热绝法由每日8时的探空资料和地面最高气温计算得到[15]。湿度订正主要用相对湿度来进行，订正后的气溶胶光学厚度表示为AOD*。

2　结果与分析

2.1南京市可吸入颗粒物PM10浓度分析

图2是南京市PM10浓度月平均、季节平均和年平均的变化趋势图。从图2(a)可知，PM10质量浓度的月均值以每年11月、12月或1月最高，最高值可达220.0 μg/m3，7月、8月为全年最低，最低值为69.0 μg/m3。季节性的变化表现为冬、春季的PM10质量浓度最高，最高值为191.5 μg/m3，其次是秋季，而夏季最低，最低值为88.2 μg/m3(图2(b))，这与魏玉香等人分析南京地区PM2.5浓度季节性变化的结果是吻合的[16]，主要原因是夏秋季的风速低，不易产生扬尘，空气中颗粒物浓度低，而且夏季气温高，大气层结不稳定，有利于空气中颗粒物的扩散，起到了稀释的作用。此外，夏季南京地区植被茂盛，对颗粒物有一定的吸纳作用。年际变化表现为2001年和2002年质量浓度较高，分别为145.9 μg/m3和154.6 μg/m3，2003—2012年间PM10质量浓度逐渐降低，在108.7～119.3 μg/m3之间，但年平均值都高于国家II级标准70 μg/m3[2]。总体来看，空气中PM10浓度有逐年下降的趋势(图2(c))。

图2　南京市2001—2012年PM10浓度变化趋势

样本数大气压风速气温相对湿度水汽压能见度MLHAODAOD*原始26840.083**-0.267**-0.103**-0.240**-0.301**-0.385**-0.0320.261**0.462**处理后1660.249**-0.428**-0.322**-0.407**-0.509**-0.534**-0.0110.452**0.695**

注：**表示达到0.01显著水平，*表示达到0.05显著水平。

2.2PM10浓度的定量估算模型

2.2.1基于气象要素的估算模型

大气PM10浓度变化往往受气象要素的影响，因此，将2001年1月1日—2012年12月31日12年间PM10浓度与大气压P、风速W、气温T、相对湿度RH、水汽压e、混合层高度MLH、能见度V、气溶胶光学厚度AOD以及订正后的气溶胶光学厚度AOD*进行相关分析(表2)，结果发现，原始的PM10浓度与各要素的相关性很低，虽然大部分要素的相关性达到极显著水平(P<0.01)，但相关系数都很小。考察所有原始数据发现，同一个PM10浓度值总是对应多个不同的气象要素值，很难真实地反映气象要素对PM10浓度的影响。因此，本文将同一PM10浓度所对应的气象要素值进行了平均，在此基础上再作相关分析，结果发现PM10浓度与各气象要素的相关性有很大的提高，除大气混合层高度外，其他要素的相关性都达到极显著水平。

通过PM10浓度与气象要素的相关分析发现，除了混合层高度外，PM10浓度与所有要素都存在极显著的相关性，其中以大气能见度的相关性最高，其次是水汽压、AOD和风速。在这些气象要素中，地面实际水汽压是可以由气温和相对湿度计算得到，而AOD与大气能见度也之间存在换算关系。因此，本文选择2001—2010年间大气能见度、水汽压和风速3个要素，并对同一PM10浓度所对应的气象要素值取平均，通过多元线性回归方法，构建出PM10浓度的估算模型。用2011—2012年的数据对模型进行验证，所得结果见表3。从表3可见，建模的样本数N为163，绝对系数R2为0.510，均方根误差(RMSE)为48.46 μg/m3；预测样本数N为93，平均偏差为-9.28 μg/m3，均方根误差为48.62 μg/m3，预测值与实测值之比的中值(比值中值)接近为1，平均相对误差为26.04%，说明所建模型精度较高，预测的稳定性较好。图3(a)是模型预测值与实测值的散点图，两者的样点较好地分布在1∶1的直线附近。张云海等[8]在根据逐步回归法建立的沈阳市分季节PM10浓度模型中，变量除了气象要素外，还引入了当日颗粒物浓度，其春、夏、秋、冬4个模型预报的准确率依次为58.1%，68.6%，70.2%和64.1%，即相对误差为41.9%，31.4%，29.8%和35.9%，其预报精度低于本文模型的结果，由于模型中的当日颗粒物浓度未知，对模型预报PM10浓度也存在困难。本文所建的基于气象要素的PM10浓度估算模型，通过大气能见度、水汽压和风速3个要素就可以估算当天的PM10浓度，对PM10浓度的预报有一定的参考价值。

2.2.2基于AOD的估算模型

气溶胶光学厚度AOD反映了大气颗粒物在垂直方向对光的消减程度。由表2可见，AOD与PM10浓度有显著的相关性，特别是经湿度订正和垂直订正后AOD*的相关性有很大的提高。因此，将2001—2010年间TERRA卫星、AUQA卫星以及两者AOD的平均值，通过对AOD的订正，并对同一PM10浓度所对应的不同AOD*值取平均，通过一元线性回归方法，分别构建了基于3种AOD数据的PM10浓度的估算模型，并用2011—2012年的数据对模型进行验证，所得模型结果参数见表3。从表3可见，TERRA和AQUA卫星平均AOD建立的模型精度最高、预测误差最小，TERRA卫星其次，AQUA卫星最差。可能是TERRA和AQUA卫星平均AOD与PM10的日均值在时间上更匹配，能更好地反映PM10浓度的变化，而单一的TERRA或AQUA卫星AOD是某时刻的瞬时值，与PM10的日均值在时间匹配上相差较大。图3(b)、图3(c)和图3(d)分别是3个模型预测值与实测值的散点图，大部分样点对都分布在1∶1的直线附近，它们的比值中值都接近为1。3个模型预测的均方根误差在40.79～45.99 μg/m3，相对误差为26.11%～31.44%之间。总体来说，3个模型的精度较好。以上3个模型是从大气颗粒物光学特性的角度构建，因此利用卫星反演的气溶胶光学厚度资料，就可以估算卫星过境时刻PM10浓度，对南京市PM10的卫星遥感监测具有一定的作用。

表3　南京地区PM10浓度定量估算模型

注：W为风速，e为水汽压，V为能见度，AOD*为订正后的气溶胶光学厚度。

(a)气象要素模型

(b)TERRA模型

(c)AQUA模型

(d)TERRA+AQUA平均AOD的模型

3　结论与讨论

(1)通过对南京市PM10浓度的分析，PM10浓度在每年11月、12月或1月最高，7月、8月最低，季节性变化表现为冬、春季浓度最高，秋季其次，夏季最低，PM10浓度有逐年下降的趋势。自2003年以来，PM10质量浓度年均值在108.7～119.3 μg/m3之间，均高于国家II级标准(70 μg/m3)。

(2)南京市PM10浓度与大气压、风速、气温、相对湿度、水汽压、能见度、气溶胶光学厚度有较好的相关性，相关性达到0.01显著水平，与大气混合层高度相关性较低，未能达到显著水平。选择相关系数较高的能见度、水汽压和风速3个气象要素，以及订正后的气溶胶光学厚度，分别建立基于气象要素和AOD的PM10浓度估算模型，模型预测精度较好，对PM10浓度的预测预报具有一定的参考价值。

本文的研究结果对我国其他城市空气质量研究提供了很好的思路和方法，但所建立的模型能否推广到其他地区尚不确定，其适用性和稳定性尚需要进一步的验证。

[1]周灵君，夏思佳，姜伟立. 建立江苏省PM2.5环境空气质量

标准的需求探讨[J].环境工程技术学报，2011，1(3)：243-248.

[2]中国环境保护部.城市空气质量日报和预报技术规定(征求意见稿，环办函[2008]672号)[S].2008:1-12.

[3]中国环境保护部.环境空气质量指数(AQI)技术规定(试行)(HJ633—2012)[S].北京：中国环境科学出版社，2012：1-12.

[4]田良，鲁然英，邢文听，等.2001—2004 年我国城市空气质量研究[J].干旱区资源与环境，2005，19(7):101-105.

[5]康娜，辛金元，蔺永耀，等.北京山前典型细粒子污染过程的气象条件分析[J].环境科学研究，2009，22(9):1013-1020.

[6]邵平，王莉莉，安俊琳，等.河北张家口市大气污染观测研究[J].环境科学，2012，33(8):2538-2550.

[7]涂丽娟，徐仲，张慧清. 西安市PM10污染预报仿真模型研究[J].计算机仿真，2008，25(12)：110-113.

[8]张云海，孙财涛，杨洪斌.基于逐步回归分析方法的PM10浓度预报模型[J].环境科学与技术，2009，32(5)：100-102.

[9]陈焕盛，王自发，吴其重，等.空气质量多模式系统在广州应用及对PM10预报效果评估[J].气候与环境研究，2013，18(4)：427-435.

[10]Liu Y, Sarnat J, Kilaru V, et al. Estimating ground-level PM2.5in the eastern United States using satellite remote sensing[J]. Environmental Science and Technology,2005,39:3269-3278.

[11]Liu Y, Franklin M, Kahn R, et al. Using aerosol optical thickness to predict ground-level PM2.5concentrationsin the St. Louis area: A comparison between MISR and MODIS[J]. Remote Sensing of Environment, 2007,107:33-44.

[12]Zifeng Wang, Liangfu Chen, Jinhua Tao, et al. Satellite-based estimation of regional particulate matter (PM) in Beijing using vertical-and-RH correcting method[J]. Remote Sensing of Environment, 2010,114:50-63.

[13]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(25)：869-884.

[14]高大伟，徐宏辉，郁珍艳，等. MODIS气溶胶光学厚度在临安大气颗粒物监测中的应用[J].环境科学研究，2012，25(7):739-744.

[15]程水源，席德立，张宝宁，等.大气混合层高度的确定与计算方法研究[J].中国环境科学，1997，17(6)：512-516.

[16]魏玉香，银燕，杨卫芬，等.南京地区PM2.5污染特征及其影响因素分析[J].环境科学与管理，2009，34(9)：29-34.

Study on Estimated Model of PM10Concentration in Nanjing City

GONG Shaoqi1CHEN Guili1ZHANG Xiru1LI Yichao2LI Xue2

(1.SchoolofGeographyandRemoteSensing,NanjingUniversityofInformationScienceandTechnologyNanjing210044)

Taking Nanjing city as an example, using air pollution index API, meteorological data and aerosol optical depth AOD retrieved by MODIS images of TERRA and AQUA satellite, the variations of PM10concentration are analyzed, the relationship of PM10concentration and meteorological factors is discovered and the elementary estimated models of PM10concentration are deduced based on the meteorological factors and AOD. The results show that the primary pollutant is PM10, the air quality grade is fine and the air quality trends to better in Nanjing, that PM10concentration is the highest in every January, November and December while it is the lowest in every July and August, that is the highest in Winter or Spring, second in Autumn and lowest in Summer, and it trends to decrease, but the annual average is still above the second level in national standard, that PM10concentration has a good relationship with atmospheric pressure, wind speed, surface atmospheric temperature, relative humidity, water vapor pressure, visibility, AOD except for atmospheric mixed layer height. For PM10concentration estimated model based on meteorological factors, its determined coefficient (R2) is 0.510 and the mean relative error (MRE) is 26.04%. For that based on AOD, the model deduced from the average AOD of TERRA and AQUA is the best, in which R2 is 0.482 and the MRE is 26.11%. Two models will play an instructive role in PM10concentration monitoring.

PM10concentrationaerosol optical depthmeteorological parametersestimated model

国家自然科学基金(40801145)，教育部人文社会科学青年基金项目(16YJCZH02)，江苏高校优势学科建设工程资助项目，南京师范大学虚拟地理环境教育部重点实验室开放基金资助项目，江苏省高校大学生实践创新训练计划项目(20131398 2015Y)。

龚绍琦, 男，1979年生，博士，副教授，硕士生导师，主要从事资源与环境遥感研究。

2015-08-10)