一种基于Landsat 8的城区空气质量监测方法*

冯海霞 冯海英 杨立才 王 琦 孟祥鲁 王艳峰

(1.山东大学控制科学与工程学院，山东 济南 250100；2.山东交通学院交通与物流工程学院，山东 济南 250023；3.北京工商大学传媒与设计学院，北京 102488；4.济南市公安局高速公路交通警察支队，山东 济南 250000)

中国城市空气的质量在明显好转，据生态环境部公布的2020年1月全国空气质量状况，全国337个地级及以上城市平均优良天数比例为69.5%，同比上升2.3百分点；101个城市空气质量达标，同比增加33个；PM2.5同比下降3%。然而，许多城市霾天气仍然占全年1/3以上，如2018年北京市霾天气有138 d，占比达37.8%，轻度、中度污染成为霾天气中的主要形式，霾的发生时间呈常年化趋势[1-2]。机动车的快速增加(2019年上半年全国机动车保有量达3.4亿辆)，导致大多数城市交通严重拥堵、尾气排放加剧，也促使车辆尾气污染替代燃煤成为很多城市PM2.5的第一贡献源。

城市空气质量的监测以地面监测站点数据为主，近年基于遥感反演估算霾浓度的方法快速发展，弥补了监测站点在空间连续性上的不足。研究者关注较多的大气污染物是PM2.5，以遥感卫星反演气溶胶光学厚度(AOD)为基础，国内外研究学者对全球、区域尺度气溶胶分布及其性质进行了观测研究：BRÉON[3]对气溶胶如何影响云和气候进行了探讨；HOLBEN等[4]、HSU等[5-6]、KAUFMAN等[7]、REMER等[8]、陶金花等[9]、汪洋等[10]等都对AOD的反演算法进行了研究。建立PM2.5与AOD之间的统计关系是目前基于AOD估算颗粒物浓度的重要研究方法。WANG等[11]、LIU等[12]、LEE等[13]、HU等[14]、付宏臣等[15]尝试将垂直分布、相对湿度、气象、季节和地理等影响因子引入PM2.5—AOD相关模型中；陈良富等[16-17]提出了地统计插值与卫星遥感联合反演地面PM2.5的方法以及基于时空回归克里金模型估算地面PM2.5的方法。

目前基于卫星遥感估算PM2.5浓度的方法尚存在空间分辨率较低(目前成熟的气溶胶产品的分辨率以10、3 km及0.05°为主)、PM2.5浓度较高时估算效果不理想、城区经常出现数据缺失等需改进的地方。为此不少国内外学者开展了进一步研究：如顾行发等[18]提出了一种污染天气下的PM2.5浓度卫星遥感估算方法；田信鹏等[19]、姜晓晨等[20]对利用美国陆地卫星计划卫星Landsat 8陆地成像仪(OLI)(30 m分辨率)反演高空间分辨率的AOD进行了尝试；王中挺等[21-22]、许华等[23]、卫亚星等[24]利用环境一号卫星(30 m分辨率)对AOD进行反演；王中挺等[25-26]分别利用高分一号(16 m分辨率)、高分四号卫星(50 m分辨率)实现AOD的反演；ZHA等[27]314-315、冯海英等[28]3013-3014、贺军亮等[29]等尝试不反演AOD，而通过不同波段的组合构建指数直接估算PM2.5浓度。

随人们生活质量的提高、智慧城市的快速发展、生态环境的改善，对污染物监测的分辨率、种类等都提出了更高的要求，本研究拟利用Landsat 8 OLI数据，构建适用于城区的高分辨率遥感监测新指数，以实现对空气质量指数(AQI)与PM2.5浓度的监测，提高城区空气质量监测的准确性。

1 方 法

根据地物的光谱特性选择合适的波段进行组合来反映地物的状况，在遥感监测中被广泛应用。目前已经定义了40多种植被指数，广泛应用在全球与区域土地覆盖、植被分类和环境变化、作物和牧草估产、干旱监测等方面。借鉴于植被指数构建的思想，根据霾的光学特性构建适合于霾浓度监测的遥感指数。

AQI来自于2012年3月发布的新空气质量评价标准，综合反映6项污染物(SO2、NO2、PM10、PM2.5、CO、O3)的监测结果。空气质量监测的污染物的粒径都较小，依据米式散射理论、霾颗粒的光谱特性[30]及霾对地物光谱的影响分析可知：颗粒物对多光谱波段(0.38～2.30 μm)影响最大的是短波波段，即波长越小，受污染物的影响越大，波段越长受污染物的影响越小，因此可选择对颗粒物影响最敏感的波段构建遥感监测指数。ZHA等[27]315基于中分辨率成像光谱仪(MODIS)选择了0.620～0.670 μm和0.545～0.565 μm波段构建归一化差值霾指数(NDHI)；冯海英等[28]3014选择了基于Landsat 8的红波段(0.630～0.680 μm)和近红外波段(0.845～0.885 μm)构建了监测PM2.5浓度的差值指数(DI)。

根据Landsat 8 OLI的波段设置(见表1)，对污染物影响最敏感的是Band 1波段，影响最小的是Band 7波段。深蓝波段是Landsat 8特有的波段，常用的MODIS传感器、环境一号卫星、中巴资源卫星、高分系列卫星等都未设置此波段。

表1 Landsat 8 OLI的多光谱波段

因此选择Band 1和Band 7波段，以其辐亮度差值构建差值霾指数(DHI)。

2 模型验证与分析

2.1 研究区

以北京市主城区为研究区，研究区的Landsat 8遥感影像及空气质量监测站点分布见图1。

2.2 数据与处理

2.2.1 数 据

(1) 遥感数据

以Landsat 8 OLI为数据源，影像过境时间是2016年3月1日。

(2) 空气质量数据

2016年3月1日，北京市天气晴，气温-2～10 ℃，无持续风向，风力≤3级；空气质量为中度污染，各空气质量参数的平均值如下：AQI为158，PM2.5为120 μg/m3。

图1 北京市遥感影像Fig.1 The remote sensing image of Beijing

2.2.2 数据预处理

用ENVI遥感图像处理软件对Landsat 8 OLI的7个波段数据进行辐射定标，将像元亮度值(DN)转换成为辐亮度。

Landsat 8过境时刻为10：53，因此选取监测站点11：00的监测数据与之对应，监测参数包括AQI与PM2.5。本研究使用了北京市29个监测站点的数据(共收集了北京市32个空气质量监测站点的数据，其中延庆镇和密云水库两个监测站点在研究区外，房山良乡监测站点的数据出现了AQI异常)。

利用ArcGIS软件，提取监测站点对应于Landsat 8 影像7个波段的辐亮度。

2.3 模型应用

Landsat 8 各波段的辐亮度与AQI、PM2.5的相关性分析结果见表2。由表2可知，7个波段中Band 1波段辐亮度与AQI、PM2.5的相关性最好；随波长增加，相关性呈现下降趋势。由相关性分析也可知对空气污染物最敏感的是Band 1波段，最不敏感的是Band 7波段。

表2 Landsat 8各波段辐亮度与AQI、PM2.5的相关系数

研究区的DHI分布见图2。

图2 北京市DHI分布Fig.2 DHI distribution of Beijing

2.4 精度分析

2.4.1 模型精度

以监测站点获取的AQI、PM2.5数据分别与DHI进行拟合，结果见图3。AQI、PM2.5与DHI拟合的二次多项式R2分别为0.580 4和0.714 4，各组数据都能通过显著性检验(P<0.05)，即构建的DHI可以适用于对城市空气质量参数的监测。

图3 AQI、PM2.5与DHI的拟合结果Fig.3 The fitting results of AQI and DHI,as well as PM2.5 and DHI

2.4.2 与其他指数的对比

将本论文构建的DHI与NDHI、DI进行对比，分别获得了研究区的NDHI和DI(NDHI和DI的计算方法分别见文献[27]、[28])，结果见图4。

图4 北京市NDHI、DI分布Fig.4 Distribution of DHI and DI in Beijing

将监测站点的PM2.5数据分别与相应的NDHI和DI进行拟合，拟合结果见图5。从图5可知，PM2.5与NDHI、DI拟合的R2远远小于DHI与PM2.5拟合的R2。分析其原因， NDHI是基于MODIS数据(1 km分辨率)构建，可能不适于高分辨率(30 m分辨率)数据；DI选择的是红波段作为敏感波段，其对污染物的敏感性低于本研究选择的深蓝波段。

2.5 研究区AQI、PM2.5分布

基于DHI，估算了研究区的AQI、PM2.5，其空间分布情况见图6。

从图6可以看出，研究区AQI、PM2.5存在部分高值区，以图6(b)为例，对部分高值区进行分析，见图7。图7(a)中高值区是北京首都机场附近，图7(b)中高值区较多，包括了北京南站、北京货运中心、北京市旧机动车交易中心、新发地交易中心等。这些高值区都是高反射区，即建筑物顶层较亮(反射率大)的区域，这些地物在Band 1波段辐亮度较高，造成了DHI较高，与污染物浓度的关系较弱，即DHI不适于高亮度地表的建筑物区域。

图5 PM2.5与NDHI、DI的拟合结果Fig.5 The fitting results of PM2.5 and NDHI,as well as PM2.5 and DI

图6 北京市AQI、PM2.5分布Fig.6 Distribution of AQI and PM2.5 in Beijing

图7 部分高值区Fig.7 Partial high value area

3 结 语

本研究针对城市空气质量遥感监测的需求和存在的问题，依据米式散射理论、霾颗粒的光学特性等，基于Landsat 8 OLI，选择了对污染物影响最敏感的Band 1波段和最不敏感的的Band 7波段，构建了DHI，可实现城区高分辨率的PM2.5、AQI监测(30 m分辨率)，比目前基于AOD反演估算PM2.5浓度的遥感监测模型在分辨率上有了较大的提高；DHI不仅适用于PM2.5浓度监测，还可适用于AQI的监测；与NDHI和DI相比，DHI准确性更高；DHI简单易用，在城区的空气质量监测中具有较高的应用潜力和推广价值。