基于多源遥感数据的我国PM_(25)变化趋势与影响因素研究

汪璐

摘 要：针对地面监测PM2.5浓度存在以点带面问题，还应借助遥感技术加强大气颗粒物浓度分析。以2014-2016年我国PM2.5浓度数据为研究对象，采取多源遥感数据进行分析和整理，可以发现PM2.5浓度总体呈北高、南低趋势，并且具有一定空间集聚效应，全年呈U型分布趋势，将受到自然气候因素和社会生产生活排放污染气体的影响。

关键词：多源遥感数据;PM2.5变化趋势;生产生活排放

1多源遥感数据的获取及分析

在研究我国PM2.5变化趋势及影响因素时，采用的数据包含PM2.5浓度及气象因子监测数据、AOD反演数据集、NO2＼SO2＼O3＼CO浓度数据集。其中，PM2.5浓度及气象来自我国环境监测总站平台CNEMC，可以通过登录平台完成中国各地气象站点小时监测数据下载。AOD反演数据集为Terra和Aqua卫星搭载MODIS传感器遥测反演得到的，可以通过美国航天航空宇航局NASA数据中心网站下载，另外需要采用全球气溶胶自动观测网AERONET地面站中中国各站L2.0级AOD数据进行反演，并采用L1.5级数据作为城区大气细颗粒PM2.5代表[1]。NO2＼SO2＼O3＼CO浓度数据来源于EOSPM-Q卫星搭载的COME、SCIAMACHY、AIRS等大气探测仪，可以通过国家地球系统科学数据共享平台下载逐月浓度数据集。采用静态空间数据源完成各种时序数据的分析，能够得到2014-2016各年的均值。将AOD栅格值当成是特征变量，可以通过各自AOD反演天数获得均值。在对PM2.5变化趋势展开分析时，对152个城市的数据进行选取，并划分为东北、华北、华东、华中、华南、西南和西北七个区域，采用I指数展开空间自相关分析，确定PM2.5浓度在时空上的变化趋势[2]。在对PM2.5影响因素展开分析时，引入DEM模型对气象因子和社会生产生活引发的带起成分变化带来的影响展开综合分析。

2我国PM2.5变化趋势与影响因素

2.1变化趋势分析

2.1.1空间变化趋势

从空间分布情况来看，2016年PM2.5浓度最高的包含华北、华中和华东地区，最低的为东北、西北、西南和华南地区。从2014到2016年之间，PM2.5浓度下降幅度最大的为华中地区，其次分别为华北、西南、华东、西北地区，东北地区下降幅度最小。进一步分析空间PM2.5浓度演绎规律，需要将PM2.5浓度等级进行划分，将0-50μg/m3评判为优，51-100μg/m3为良，101-150μg/m3为轻度污染，151-200μg/m3为中度污染，200μg/m3以上为重度污染。从各城市间的联动情况来看，呈现出PM2.5浓度等级高和等级低地区相邻的状况，如石家庄、保定等城市属于PM2.5浓度高的城市，在空间中将发生集聚效应，产生相互影响，导致城市PM2.5浓度进一步升高。从地理分布上来看，PM2.5浓度高的城市主要集中在华北、华中和华东地区，引发了一定聚集效应，造成区域华北、华中和华东地区浓度等级较高。

2.1.2时间变化趋势

从我国PM2.5浓度时间变化趋势上来看，总体上呈下降趋势，从2014年的59.7μg/m3下降至49.3μg/m3。将各年当成是周期，对各月PM2.5浓度进行分析，可以发现PM2.5浓度变化带有明显季节性。具体来讲，就是每年3-9月PM2.5浓度低于10月-次年2月，秋、冬季节污染严重，春、秋季节污染较少，月均值整体呈U形分布趋势。从日均值变化情况来看，2017年152个城市日均值最高的时段在321-341d之间，最高能够达到158μg/m3左右，第二个峰值在10-30d出现，能够达到122μg/m3左右，最低值集中分布在141-221d之间，日均值多次接近20μg/m3。出现时间变化，与气候和社会生产生活因素有关。在秋、冬季节，气温总体较低，同时降水较少，空气中PM2.5不容易扩散。而北方城市也将通过燃煤等方式满足供暖需求，导致空气受到进一步污染。

2.2影响因素分析

2.2.1气象影响分析

结合上述分析，对各种气象因子给PM2.5浓度带来的影响展开分析，可以发现华北地区由于冷空气活动被太行山等山脉阻挡和削弱，导致区域空气流动性小，污染物容易聚集形成雾霾，造成了沿着山脉分布的北京、保定、石家庄等地区构成了高PM2.5浓度条带。而华南地区尽管在空间分布上与华北、华中等PM2.5浓度高的地区相邻，但是由于多数城市位于南亚热带，年均气温在10-27℃之间，有助于垂直对流的形成，能够使污染物的扩散得到加快。从总体上来看，PM2.5浓度呈现北方高、南低的整体格局的形成，与从北向南的气候带划分存在一致性。此外，PM2.5浓度还将受到各地降水的影响，华南地区为热带季风和南亚热带气候，年平均降水量较大，多数地区能够达到1400-200mm，也成为了导致PM2.5浓度相对较低的重要因素。

2.2.2社会影响分析

在社会生产生活过程中，将排放AOD、SO2、NO2、CO等各种污染物，导致空气污染进一步加重。在PM2.5浓度年均值空间分布上，与AOD均值大小基本一致。而在污染物排放与PM2.5浓度变化之间，存在密切关联。从总体上来看，我国华东、华中华北地区PM2.5浓度较高，与区域SO2、NO2、CO年均值变化保持了较高的一致性，但与O3大小无明显联系。相比较而言，AOD与NO2浓度与PM2.5浓度变化的相关系数较高，其次则为SO2和CO，P值普遍小于0.01，说明氮氧化物和揚尘因素对PM2.5浓度产生了较大影响，而SO2和CO的排放也将导致PM2.5浓度增加，而这些物质主要来自于农业和工业生产。在人类密集的区域，空气中的氮硫化物浓度较高，在雾霾区将发生化学反应产生硫酸盐，造成PM2.5浓度增加。在自然区域，随着植被减少，扬尘逐渐增加，也给PM2.5浓度变化带来了一定影响。因此从这一角度来看，在PM2.5浓度较高的区域，首先还应通过加强氮氧化物和沙尘气溶胶等污染物的排放控制进行雾霾治理。

结论：

综上所述，通过对多源遥感数据进行分析，能够把握我国PM2.5浓度变化趋势和影响因素，为雾霾的治理指明方向。从分析结果来看，空间上PM2.5浓度变化呈北高、南低趋势，时间上带有春、夏低，秋、冬高的特点，与气候因素和社会生产生活排放污染气体多少有密切关系，还应结合各地区实际情况采取相应治理措施，以便使PM2.5浓度得到不断降低。

参考文献：

[1]项程程，柴曼.辽宁城市PM_（2.5）时空变化聚类及其气象影响特征[J].气象与环境学报，2019，35（01）：35-44.

[2]封哲，陈兴峰，赵少帅，等.京津冀PM_（2.5）高时空分辨率遥感监测[J].河南科技学院学报（自然科学版），2018，46（03）：66-71.