北京市Himawari-8 AOD与PM2.5质量浓度相关性分析

王安娜,靖娟利,罗福林

(桂林理工大学 a.测绘地理信息学院;b.广西空间信息与测绘重点实验室,广西 桂林 541006)

0 引 言

大气气溶胶是指悬浮于大气中动力学直径为0.001～100 μm 的固态或液态微粒物的总称,影响气候的辐射平衡和大气环境质量[1]。空气动力学直径小于等于2.5 μm的颗粒物(PM2.5)可引发各种呼吸道疾病,危害人体健康,且导致大气能见度降低,引发雾霾天气[2-5]。目前,我国建立了空气质量监测网络来监测地面PM2.5浓度,但由于地面监测站点空间分布不均衡且覆盖范围的局限性,不能有效反映PM2.5的空间分布情况,而卫星遥感以其成本低、范围广、周期短、长期动态监测等优势,能够弥补地面监测站的不足。基于卫星遥感获得的气溶胶光学厚度能够合理反映近地面PM2.5质量浓度的情况。

国内外学者对此进行了大量的研究: 谢志英等[6]引入气温、 气压、 相对湿度等气象参数, 利用MODIS气溶胶光学厚度(AOD)产品对北京市PM10进行多元回归分析, 结果表明引入气象参数可以有效提高二者的相关性; Chu等[7]利用MODIS AOD 产品对局部、 区域和全球大气污染状况进行了研究, 结果表明卫星遥感获得的AOD 产品可有效监测大气污染情况; 亢红霞等[8]介绍了AOD 和PM2.5的数据源和估算的方法, 分析总结了AOD 与PM2.5遥感估算的模型，并对未来PM2.5研究的发展方向进行了展望; Koelemeijer等[9]利用MODIS AOD产品结合边界层高度和相对湿度对欧洲2003年的颗粒物进行分析, 结果表明订正后的相关性显著提高,r为0.5(PM10)和0.6(PM2.5); 赵晓亮等[10]采用暗目标法利用MODIS L1B 1 km数据反演AOD数据, 结果表明加入气象因子订正后的AOD与PM2.5的相关性有明显提高,R2为0.659 1; Stafoggia等[11]结合土地利用变量和气象参数,利用MODIS AOD可以有效地反演意大利PM10质量浓度,证实了MODIS产品可用于颗粒物质量浓度的监测;Xie等[12]利用混合效应模型对北京进行MODIS AOD反演PM2.5,结果显示混合效应模型的预测性能高。以上研究表明卫星遥感适用于估算近地面颗粒物质量浓度。

现阶段大多数颗粒物质量浓度的研究主要是采用MODIS AOD产品,然而MODIS时间分辨率相对葵花8号(Himawari-8)气象卫星较低,而且国内利用Himawari-8 AOD产品对颗粒物质量浓度的研究相对较少[13-14]。因此,本文以北京市为研究区域,利用Himawari-8提供的逐小时AOD产品,并结合气象资料及地面监测的PM2.5质量浓度数据,分析北京市2016年AOD-PM2.5的相关性,以证实Himawari-8 AOD产品在监测PM2.5污染方面的应用价值。

1 研究区概况及数据

1.1 研究区域概况

北京市地处华北平原西北边缘,地理位置位于东经115.7°—117.4°、北纬39.4°—41.6°,辖16个县级行政区。研究区属于典型的温带大陆性季风气候,夏季潮湿炎热,冬季寒冷干燥。地势总体为西北高，东南低。北京市属于工业城市,人口稠密、交通拥挤、污染物排放量较大,容易受中国北方沙尘天气的影响,是PM2.5质量浓度较高的城市。

1.2 研究数据

1.2.1 Himawari-8 AOD数据 Himawari-8是由日本宇宙航空研究开发机构设计制造的向日葵系列卫星之一, 于2014年10月7日发射, 并于2015年7月7日投入使用[15]。 Himawari-8可以提供500 nm的小时AOD数据和Angstrom指数。 Himawari-8 AOD数据的置信水平可分为“非常好”、 “好”、 “一般”和“差”, 本文主要以“非常好”置信水平的Himawari-8 AOD数据作为研究对象, 确保北京市的空间数据质量[13]。 由于Himawari-8 投入使用时间较短, 在国际上Himawari-8 AOD数据的精度验证研究较少, 因此本文采用全球自动观测网(AERONET)AOD 产品对其数据进行质量评估。AERONET是由美国国家航空航天局(NASA)和PHOTONS共同建立的气溶胶地基监测网络, 可提供3个等级的气溶胶光学厚度产品。 AERONET AOD 的观测误差为0.01～0.02, 可将其作为卫星数据精度验证的真实值[16]。 本文采用 1.5级别的AERONET AOD 产品对Himawari-8 AOD数据进行质量评估。

1.2.2 地基测量PM2.5数据 北京市35个PM2.5地基监测站的空间分布如图1 所示。2016年北京地区每小时地面测量PM2.5数据主要来自中国环境监测中心(CEMC)官网(http://beijingair.sinaapp.com/)。 近地面PM2.5质量浓度根据《中国环境保护标准》(HJ 618—2011)进行校准和质量控制[17]。

1.2.3 气象参数 气象数据来源于欧洲中期天气预报中心(ECMWF)的再分析数据集(ERA-Interim)。 ECMWF使用数据同化系统和预测模型来重新分析观测数据集, 提供UTC 0、 6、 12和18时的气象数据[18]。 本研究收集UTC 6时相对湿度(relative humidity, RH)和边界层高度(boundary layer height, BLH)数据, 其空间分辨率为0.125°×0.125°。 表1为本研究应用的数据集的详细信息。

1.2.4 数据匹配 为了减少时空差异的影响和更好地验证分析,需要对研究数据进行时间和空间的匹配[13]。

(1)Himawari-8 AOD与AERONET AOD的时空匹配原则:时间跨度为卫星过境时间的前后半小时;空间上以AERONET AOD站点为中心,半径选取20 km求取卫星观测AOD均值。

(2)PM2.5、Himawari-8 AOD及气象参数匹配原则:空间上以PM2.5地基站点为中心,选取5 km半径范围内AOD及气象参数的均值作为研究对象。时间上选取了2016年1—12月的AOD和气象参数的日均值数据对PM2.5与AOD的相关性进行分析。

2 研究方法

2.1 垂直订正

AOD表征大气消光系数在垂直方向上的积分。 因此, 研究AOD-PM2.5的相关性需要对卫星反演的AOD进行垂直订正, 将其转化为近地面气溶胶消光系数[19]。 研究表明, BLH可以作为AOD对应的气溶胶标高对AOD进行垂直订正, 其订正方程为[20]

RAOD=AOD/BLH，

(1)

图1 北京市PM2.5和AERONET AOD监测站空间分布Fig.1 PM2.5 and AERONET AOD monitoring stations distribution in Beijing (北京市中心城区包括东城区、西城区、海淀区、朝阳区、丰台区、石景山区)

表1 本研究中应用的数据集合Table 1 Datasets application in this study

式中:RAOD为近地面气溶胶消光系数;AOD表示Himawari-8卫星的气溶胶光学厚度产品数据;BLH表示气象参数边界层高度。

2.2 湿度订正

大气气溶胶具有吸湿特性, 随着相对湿度的变化, 气溶胶中各组分会发生改变,致使大气颗粒物的质量浓度和粒径等参数发生变化[21]。 地面PM2.5监测站应用微量振荡天平法(TEOM)来获取地面PM2.5质量浓度值。 该方法将颗粒加热到50 ℃后获得“干”的每小时地面PM2.5质量浓度值, 因此通过相对湿度订正将监测站获取的“干”PM2.5质量浓度转化为“湿”的PM2.5质量浓度, 进而分析AOD与PM2.5的相关性。 其订正方程为[20]

(2)

式中:RPM2.5表示湿度订正后的PM2.5质量浓度值;PM2.5是原始干燥近地面的PM2.5质量浓度值;RH表示相对湿度。

2.3 相对湿度分区订正

根据北京市相对湿度分布特征,一般RH>85%视为降水天气，不参与研究,将相对湿度分为0

(3)

3 结果与讨论

3.1 Himawari-8 AOD 验证分析

为了验证Himawari-8 AOD数据在北京地区的适用性,选取北京市3个AERONET AOD站点的监测值作为真值,对Himawari-8 AOD数据进行精度评价。3个站点分别为Beijing(39.977°N, 116.381°E)、 Beijing_CAMS (39.933°N, 116.317°E)和Beijing_PKU(39.992°N, 116.310°E)。

选取2016年1—12 月Himawari-8 AOD 数据与相应时段的全自动太阳光度计(CE318)监测结果进行相关分析。 从图2可知(Himawari-8 AOD 为Himawari-8反演的气溶胶光学厚度, CE318 AOD 为CE318 测量的气溶胶光学厚度), 3个监测站点的拟合优度R2分别为0.759 0(Beijing)、 0.791 9(Beijing_CAMS)和0.811 4(Beijing_PKU), 均通过了统计学上0.01水平的显著性检验,表明Himawari-8AOD能有效表征气溶胶光学厚度的变化,可应用于北京市气溶胶相关方面的研究。

3.2 AOD-PM2.5相关性

利用2016年北京市Himawari-8 AOD产品,结合同期地面监测PM2.5质量浓度ρ(PM2.5)进行相关分析,来验证Himawari-8 AOD产品估算近地面颗粒物的适用性。

从图3可知,AOD-PM2.5线性相关模型的拟合优度R2为0.384 2,通过P<0.01显著性检验,证明由AOD估算近地面PM2.5质量浓度的可行性。但由于AOD表征大气消光系数在垂直方向上的积分, 而PM2.5质量浓度是近地面的数据, 在物理意义上二者具有差异,因此需要结合边界层高度和相对湿度对AOD和PM2.5进行订正,以提高PM2.5监测结果的精度。

3.3 垂直湿度订正AOD-PM2.5相关性

从图4a可知, 垂直订正后的AOD-PM2.5的相关性有明显提高,R2由0.384 2增加到0.483 2,P<0.01, 这也证实了AOD-PM2.5相关性受BLH的影响。 当引入RH对PM2.5分别进行湿度订正和垂直-湿度订正时,AOD-PM2.5相关性有明显下降(图4b、 4c)。原因可能有:湿度校正的模型参量有很多种,选择参量不同,结果也会有所不同;美国地区气溶胶粒子的化学组分与北京市有较大的差异,其吸湿增长特性差异较大,导致IMPROVE 的吸湿增长因子在北京市的适用性较差[21]。此外,订正后图4中存在明显的离散点,分析发现离散点的PM2.5与AOD值都偏大,离散点主要位于北京市市辖区,这可能与中心城区人为活动有一定关系。统计分析发现,图4a 中离散点主要分布在2016年1、11和12月,离散点PM2.5质量浓度在150 ～510 μg/m3变化,AOD值处在0.4～0.9,供暖期间大气污染物PM2.5质量浓度比较高[23]。进一步分析得知,明显的离散点的边界层高度值介于129.139 1～490.109 3 m,相关研究表明边界层高度反映了大气的垂直扩散能力,近地面污染物浓度随着边界层高度的增大而降低, 主要是因为颗粒物随大气湍流向上扩散; 而当边界层高度较低时颗粒物不断积累, 致其浓度增大[24]。 图4b 和4c中离散点主要分布在2016年1、 2、 8、 11月, 离散点的相对湿度为85%～90%, AOD在0.4～0.6, 相对湿度与AOD呈正相关, 当相对湿度较大时, 大气中的水分会增大气溶胶颗粒物的尺度[25]。 相对湿度较大可能受大气环流影响。

图2 北京市不同站点Himawari-8与CE318观测的AOD的散点拟合结果Fig.2 Results of scatter fitting of AOD observed by Himawari-8 and CE318 in different stations of Beijing

图3 Himawari-8 AOD与地面PM2.5质量浓度相关性Fig.3 Correlation between Himawari-8 AOD and ground PM2.5 mass concentration

图4 AOD与PM2.5质量浓度相关性Fig.4 Correlation between AOD and PM2.5mass concentration

相关研究表明, 当相对湿度<60%时, 气溶胶粒子的质量浓度对气溶胶的散射现象起主要影响,此时气溶胶粒子处于一种“干燥”的状态；当相对湿度>60%时,相对湿度成为了影响气溶胶散射现象的主导力量,此时气溶胶粒子的质量浓度、粒径等性质也会随之发生变化[22，26]。

因此, 本文尝试在垂直订正的基础上对相对湿度进行分区订正, 探讨AOD-PM2.5的相关性的差异性[24]。从图5(AOD/BLH为近地面气溶胶消光系数;ρ(PM2.5)为近地面PM2.5质量浓度值)可知,相对湿度处于45%

图5 近地面PM2.5质量浓度与相对湿度分区AOD线性拟合Fig.5 Linear fitting of near surface PM2.5 mass concentration and AOD with redative humidity partition

4 结 论

(1)本文以北京市的3个AERONET AOD站点数据作为参考真值, 对Himawari-8 AOD数据进行精度评估。 结果显示两者表现出显著的相关性, 说明Himawari-8 AOD数据能满足研究精度要求。

(2)Himawari-8 AOD-PM2.5订正前相关性较弱,R2为0.384 2。 利用BLH对AOD垂直订正后AOD-PM2.5的相关性有明显提升; 而引入RH对PM2.5进行湿度订正, 二者相关性降低。 根据气溶胶吸湿增长特征, 对PM2.5相对湿度进行分区,能有效提高AOD-PM2.5的相关性。

(3)由于气象资料时间分辨率的制约,在时间分辨率匹配时BLH与RH不能与AOD进行完全准确的匹配,从而对AOD-PM2.5的相关性有一定影响。此外,PM2.5与AOD不仅受气象因素、人为因素的影响,还受到地形地貌等地理因素的影响,未来的研究工作可侧重于分析二者与影响因子的关系。