乌海矿区AOD时空变化特征及影响因素

2020-07-28简小妹周伟袁涛

遥感信息 2020年3期

简小妹，周伟，2，3，袁涛，2，3

(1.中国地质大学(北京) 土地科学技术学院，北京 100083；2.自然资源部土地整治重点实验室，北京 100035；3.自然资源部矿区生态修复工程技术创新中心，北京 100083)

0 引言

气溶胶是指悬浮在大气中的直径在0.001～100 μm之间的固液态颗粒，是陆地-海洋-大气系统的重要组成部分[1-3]。它们通过散射和吸收太阳和热红外辐射直接影响气候，改变地球辐射平衡，间接影响大气环境、生态系统、空气质量和能见度，还影响人类身体健康，同时也是影响全球气候变化的不确定因素之一[4-5]。气溶胶光学厚度(aerosol optical depth，AOD)指在垂直方向上气溶胶消光系数的积分，是衡量大气气溶胶的重要参量之一，能够反映大气环境污染状况[6]。

为了观测大气气溶胶情况，目前已广泛利用各种技术从地面到卫星监测气溶胶光学性质。地基遥感如美国的自动监测气溶胶观测网(AERONET)、欧洲的激光雷达网络(EARLINET)和中国的太阳分光观测网(CSHNET)等，能够获取高精度气溶胶光学厚度，但由于站点位置稀疏且以点为主，不能反映区域范围内连续的空间特征。卫星遥感如MODIS、MISR、OMI和AVHRR等，能够大范围监测气溶胶分布特性，不受自然地理因素和经济因素限制，在环境监测和污染分布监测方面潜力巨大[7-8]。

目前有很多卫星使用多种方法反演气溶胶产品，常见的算法有：暗目标法[9]、深蓝算法[10]、偏振特性遥感法[11]等，但气溶胶光学厚度产品仍存在空间分辨率低的局限性。MODIS反演的AOD空间分辨率有10 km和3 km，MISR AOD空间分辨率为17.6 km。很多学者一直在不断地探索研究，以提高卫星遥感气溶胶分辨率。近年，Lyapustin等[12-14]采用多角度大气校正(multi-angle implementation of atmospheric correction，MAIAC)算法反演MODIS数据，将气溶胶产品空间分辨率提高至1 km，为研究小尺度区域提供了有效的数据支持。

国内外以MODIS气溶胶产品为主开展了大量的研究工作，包括气溶胶来源、气溶胶精度验证、气溶胶光学厚度时空分布特征等[15-17]。学者们在研究气溶胶光学厚度空间分布特征上，从研究尺度方面有全球[15]和全中国大尺度[1]；京津冀[18]、环渤海[19]、长三角[20]、珠三角地区[21]等区域尺度；南京市[22]、乌鲁木齐市[23]、池州市[24]等城市尺度；准东露天矿区[25]等小尺度。从研究气溶胶影响因素方面，气溶胶特征分布与风速、相对湿度、温度、气压等气象因素，GDP、人口密度等社会经济要素,以及NDVI、地形地貌等因素变化有关[26-27]。目前使用MAIAC数据对矿区小尺度区域进行长时间序列气溶胶时空变化的研究比较少。

本研究采用2003—2018年的MODIS C6 MAIAC气溶胶数据，统计分析乌海矿区AOD季度、年际的变化趋势和空间分布特征及其影响因素，为合理预防、控制及治理乌海矿区空气污染提供科学依据，对乌海甚至周边地区经济发展、社会稳定以及产业结构合理布局等方面具有重要现实意义。

1 研究数据及方法

1.1 研究区概况

乌海矿区位于内蒙古自治区西南部，东部靠近鄂尔多斯，南部与宁夏相隔一河，西部接壤乌兰布和沙漠与阿拉善草原，北部毗邻河套平原，地理坐标为106°35′56″E～107°07′36″E，39°01′45″N～39°54′55″N，总面积约1 754 km2。研究区地形地貌为“三山两谷一河”的特征，南北走向三山，中间两谷地，地势总体上呈东西高中间低。区域内矿产资源丰富，集中分布在西部乌达区以及中东部地区，以煤化工业为主，工业经济占乌海市GDP一半以上。乌海矿区矿产资源开发在带动经济快速发展过程中，也给生态环境带来了严重的影响，矿区开采作业，焦化、火电、化工等企业运行产生大量的二氧化硫、一氧化碳、颗粒物浓度、有毒有机物等导致空气污染严重，大气环境质量问题较为突出严峻。为响应国家打好“蓝天保卫战”，改善大气环境，乌海开展矿区扬尘污染集中治理，淘汰燃煤锅炉，划定高污染燃料禁燃区等，对大气环境进行综合整治，但效果并不显著。近几年，乌海市环境质量公报显示，乌海市空气质量综合评价未达到国家二级标准要求，PM10和PM2.5颗粒物年均浓度均超标，大气污染既影响了人民身体健康，也对社会经济发展造成了不良的影响[28]。

1.2 数据源及处理方法

MAIAC算法是利用MODIS L1B反射比进行1 km分辨率格网化后，反演地表反射率和AOD[13]。MAIAC产品包括云掩模、柱水蒸气、动态地-水-雪掩模，以及气溶胶光学厚度和粗、细模式级分体积浓度比。MAIAC算法是基于时间序列并结合25 km×25 km像元的固定块像元和图像级处理。本研究选用最新发布的Terra和Aqua MODIS C6多角度大气校正(MAIAC)MCD19A2空间分辨率为1 km的550 nm每日AOD数据，对每日产品数据进行重投影、裁剪预处理后，将其合成月、季、年数据进行时空变化分析。季节划分为春季(3—5月)，夏季(6—8月)，秋季(9—11月)，冬季(12—次年2月)。

归一化植被指数(normalized difference vegetation index，NDVI)数据来源于空间分辨率为250 m的MODIS MOD13Q1 16 d合成产品数据。平均风速、平均气温、降水量等数据来自国家气象信息中心中国气象数据网(http：//data.cma.cn/)，原煤产量和焦炭产量数据来源于内蒙古自治区统计局的内蒙古统计年鉴。

为保持与AOD数据空间分辨率一致，本研究对NDVI数据进行重投影、裁剪预处理后，对其进行重采样，将分辨率为250 m降低为1 km。对气象数据平均风速、平均气温和降水量选择反距离加权插值方法进行空间插值，得到连续分布的气象栅格图层。对人为因子原煤产量和焦炭产量转化成与AOD相同分辨率的栅格数据，并赋属性值。

1.3 方法

1)Theil-Sen median趋势分析和Mann-Kendall检验。Theil-Sen median趋势分析和Mann-Kendall 检验方法结合，能够判断一定时间内像元的空间变化趋势，反映长时间序列区域格局演变规律[29]。该方法对误差具有较强的抵抗能力，显著性水平也具有统计学意义，能客观地反映长时间序列AOD演化趋势，计算如式(1)所示。

(1)

2003≤i≤j≤2018

式中：SAOD是一元线性拟合方程斜率；AODi是第i年的AOD值；AODj是第j年的AOD值。SAOD>0时，表明AOD呈增加的变化趋势，反之，则表明AOD呈减少的变化趋势。

Mann-Kendall检验用来判断趋势的显著性。设定{AODi}，i=2003，2004，…，2018；定义Z统计量如式(2)所示，相关参数计算及描述如式(3)至式(5)所示。

(2)

(3)

(4)

(5)

式中：AODi和AODj分别表示像元第i和j年AOD值；n表示时间序列的长度；sgn是符号函数；统计量Z的取值范围是(-∞，+∞)。在给定显著性水平下，当|Z|>U1-a/2时，表明该研究序列在a水平上存在显著变化。本文将在a=0.05置信水平上AOD时间序列变化趋势判断为显著性。将气溶胶变化趋势分为5个等级：显著减少、轻度减少、基本不变、轻度增加、显著增加，进而分析气溶胶空间变化特征。

2)Pearson相关性。Pearson相关系数是分析AOD与不同影响因子的相关性，计算如式(6)所示。

(6)

2 结果分析

2.1 AOD空间分布特征

注：该图基于内蒙古自治区自然资源厅网站下载的审图号为蒙S(2017)027号的标准地图制作，底图无修改。图1 2003—2018年乌海矿区16年平均AOD值空间分布

1)年际空间分布。2003—2018年16年乌海矿区平均AOD分布如图1所示。乌海AOD高值呈三段式分布，分别分布在北中、中西、南3个方向，AOD>0.1。南方向高值AOD分布面积最大，北方向分布面积较小。AOD低值主要分布在西北方向。北中部和南部AOD高值区分布大面积沙地和低覆盖度草地，且东南部靠近毛乌素沙漠，裸露地表遇到大风天气容易引起沙尘，这可能导致该区域AOD值高的原因。中西部为重工业煤矿开采聚集地，乌达煤田常年煤火燃烧，工业生产活动产生的污染气体导致AOD值偏高。

2)季度空间分布。2003—2018年乌海矿区AOD四季均值分布情况，如图2所示。四季AOD分布有明显差异，总体上春季至冬季高值AOD呈现从北向南移动的分布格局。春季，乌海中北部AOD值较高，南部AOD值较低。乌海中北部靠近乌兰布和沙漠和库布齐沙漠沙漠，春季干燥多风，沙尘天气频繁爆发，沙尘传输导致乌海北部AOD保持在较高水平。夏季，AOD高值主要分布在中南部和西部，北部AOD高值明显减少。秋季，乌海大部分地区AOD值整体保持较高水平，中部仍维持高值AOD，北部高值AOD范围增大。北部为主要人口居住地和农业耕作区，作物秋收后地表裸露，减少植被对沙尘的阻碍作用以及开始烧煤供暖，从而使AOD值增高。冬季，AOD高值主要分布在乌海南部，北部AOD高值大面积减少。

注：该图基于内蒙古自治区自然资源厅网站下载的审图号为蒙S(2017)027号的标准地图制作，底图无修改。图2 2003—2018年乌海矿区16年季节平均AOD值空间分布

2.2 AOD时间变化特征

2003—2018年16年间，乌海矿区AOD年平均值在0.084 8～0.117 8之间，2013年最高为0.117 8，2016年最低为0.084 8，整体呈下降趋势，系数为-0.000 5。图3表明，研究区空气质量状况开始好转。以2009年和2013年为转折点，将AOD时间特征划分为3个阶段。第1阶段为2003—2009年，呈下降趋势，下降幅度为19.48%；第2阶段为2009—2013年，呈大幅度增长趋势，增长速率为33.27%；第3阶段为2013—2018年，呈下降趋势，下降速率为17.06%。

图3 2003—2018年乌海矿区气溶胶年际变化趋势

图4是2003—2018年16年来，以季度为单位的AOD时间变化特征。由图4可知，四季AOD值有明显的差别，秋季均值最高，为0.113。春季大风和沙尘暴频发，春季和冬季均值较高，均为0.108。夏季集中降雨，降水削减气溶胶浓度，夏季均值最低为0.077。春季AOD值整体呈下降趋势，2003—2009年没有明显的变化趋势，2009—2017年呈“草帽”型趋势。夏季AOD整体呈下降趋势，整体值较小，2004—2016年AOD值相对稳定，波动幅度较小。秋季AOD值整体偏高，有微弱的下降趋势，2007—2017年呈“W”型变化。冬季AOD值整体呈上升趋势。

图4 2003—2018年乌海矿区气溶胶季度变化趋势

2.3 AOD空间变化趋势

Theil-Sen median趋势分析和Mann-Kendall检验结合，能够反映2003—2018年乌海矿区AOD的变化趋势的空间分布特征。本文将SAOD≥0.000 5划分为增加区域，-0.000 5

表1 2003—2018年乌海矿区AOD变化分级标准

注：该图基于内蒙古自治区自然资源厅网站下载的审图号为蒙S(2017)027号的标准地图制作，底图无修改。图5 2003—2018年乌海矿区AOD变化趋势图

从图5可以看出，2003—2018年，乌海矿区AOD显著变化总体趋势，平均变化趋势系数为-0.000 88，总体呈减少趋势。AOD显著增加区域集中分布在乌海西北方向；轻度增加区域主要位于乌海西南方向；基本不变区域主要分布在南方向，面积占比最大；轻度减少区域主要分布在中部和北部，少部分分布在南方向；显著减少区域主要分布在西北方向，中部分散分布少部分，说明空气污染在该方向区域有减缓趋势，国家发改委批准的乌达煤田灭火项目实施成效好，煤火燃烧得到有效的控制，空气环境污染有明显的改善。

2.4 影响因子分析

1)大尺度影响因子分析。为了探究乌海矿区AOD的主要影响因子，本研究选取了原煤产量、焦炭产量、风速、气温、降水量和NDVI 6个指标。其中，原煤产量和焦炭产量作为人为影响因子；风速、气温、降水量气象因子和NDVI地形因子作为自然影响因子。运用SPSS软件计算AOD与各指标因子的Pearson相关性(表2)，分析影响研究区的主要因素。

表2 AOD与各影响因子的Pearson相关系数

①AOD与人为因子的相关性。AOD与原煤产量和焦炭产量呈正相关关系，相关系数分别为0.684(0.042)和0.707(0.033)，均通过了k<0.05的显著性检验，其中焦炭产量和AOD的相关系数是所有因子中最大的，这也说明焦炭生产污染物排放是导致乌海矿区AOD增加的主要原因。乌海矿区主要进行露天煤矿开采，煤炭开采、采装、排土及车辆运输的过程中会产生大量的粉煤灰和粉尘，排土场矸石自燃和煤矿采空区煤层自燃产生的CO、SO2、NOx等有害气体，导致大气中微小颗粒物浓度增加，致使AOD值增大。焦炭生产从装煤、出焦以及熄焦等过程中会产生和排放大量的粉尘、CO、SO2、烟尘等大气污染气体，导致气溶胶浓度增加。

②AOD与自然因子相关性。AOD与气象因子平均气温呈正相关关系，相关系数为0.048。乌海矿区年平均气温在8～11 ℃之间，气温高但空气对流作用不明显，中纬度地区的逆温环境不利于气溶胶颗粒的扩散[30]。

AOD与气象因子平均风速呈负相关关系，相关系数分别为-0.245，这说明风速能够起到稀释扩散气溶胶浓度的作用。风速较大时，空气流动加快，加速气溶胶扩散，能有效减少气溶胶浓度；风速较小或静风时，空气流动速度缓慢，气溶胶容易积聚。风速为2.5 m/s是污染物扩散的临界值，小于该值时污染物不易扩散。乌海地区年平均风速2.9 m/s，有利于空气污染物扩散。

降水量与AOD的相关系数为-0.036，呈负相关关系，这说明降水对气溶胶有清除冲刷削减的作用。乌海矿区年平均降水量为145.6 mm，降水对AOD有消减作用。

NDVI与AOD呈负相关关系，相关系数为-0.212，说明植被覆盖率低区域有加剧空气污染的作用。乌海矿区多为露天采矿区，大型露天煤矿开采和排土场排放损毁土地，破环生态系统调节功能，导致土地退化，荒漠面积大幅度增加，地表裸露，沙尘增加，导致AOD的增加。

自然因子均未通过k<0.05的显著性检验，说明这些气象因子和地表因子不是导致乌海矿区AOD增高的主要因素。

2)像元尺度影响因子分析。为探寻长时间序列AOD与各影响因子空间的分异特征，对逐像元AOD与各影响因子进行相关性分析，并通过显著性检验得到像元尺度AOD与各影响因子的相关性水平，如图6所示，确定各影响因子对AOD的影响程度及范围。

注：该图基于内蒙古自治区自然资源厅网站下载的审图号为蒙S(2017)027号的标准地图制作，底图无修改。图6 乌海矿区AOD与各影响因子相关性水平

①AOD与人为因子相关性。

AOD与原煤产量的正相关性范围较大，分散分布，极小面积存在负相关性。AOD与焦炭产量的正相关性大面积集中分布在中部地区，东北方向分布较小面积。强正相关性分布范围为煤矿采区和工业园区集中分布区域，煤炭开采产生的粉煤灰、运输过程引起的扬尘以及煤炭加工炼化产生的气体和烟尘等导致该区域气溶胶积聚。

②AOD与自然因子相关性。AOD与风速负相关性在南部和中部分布大面积，在西北方向分布较小面积的正相关性。南部地区地形平坦，且处于 “三山两谷地”的风口地区，风速较大，能够扩散AOD浓度。

AOD与气温正相关性的范围主要分布在中部地区，小面积负相关性分布在南部。正相关性区域地面空气气温升高，空气受热膨胀上升，排到大气中的污染物颗粒随着上升的气流被排送高空，从而增大污染物颗粒物浓度。

降水与AOD相关性水平大面积分布呈负相关性，南部集中分布强负相关性，降水降尘，削减气溶胶颗粒物浓度。

NDVI与AOD总体上大范围无显著相关性，正负显著相关性分散分布，负相关性分布面积比正相关性大。负相关性主要分布在中北部，该区域露天煤矿开采，地表植被覆盖度低，土地退化严重，风沙扬尘导致大气中的气溶胶颗粒物浓度增大。西北方向分布较小面积的正相关性，该区域主要分布大面积的耕地和草地，植被覆盖度高，能够有效减小气溶胶颗粒物浓度。