基于GF-4数据的杭州城区大气AOD监测研究

应 航，周 斌，于之锋，齐 冰，杜荣光，邓叶青

(1. 杭州师范大学遥感与地球科学研究院，浙江 杭州311121； 2. 浙江省城市湿地与区域变化研究重点实验室，浙江 杭州311121； 3. 杭州市气象局，浙江 杭州310051)

0 引言

气溶胶是指悬浮在大气中沉降速度小、直径为10-3—20 μm的液态或固态粒子[1]，通过吸收、散射太阳辐射等方式直接、间接或半直接影响全球的气候变化[2].随着空气中气溶胶可吸入颗粒的粒径变小，进入呼吸道的内部则越深，通常粒径小于10 μm的颗粒物称为可吸入颗粒物，这些粒子会直接进入呼吸道，粒径6 μm左右的颗粒物可进入呼吸道的深部，粒径2 μm以下会深入细支气管和肺泡，能够直接危害人体健康[3-4].

气溶胶光学厚度(Aerosol Optical Depth，AOD)代表整层大气气溶胶颗粒物对可见光的衰减，是垂直方向上消光系数的积分[5].随着卫星遥感技术不断发展，大范围、高分辨率的气溶胶动态实时监测得以实现[6].目前国内外卫星遥感气溶胶光学厚度所使用的卫星数据主要是极轨卫星数据，如AVHRR(Advanced Very High Resolution Radiometer)、POLDER(Polarization and Directionality of the Earth’s Reflectances)、TOMS (Total Ozone Mapping Spectrometer)等.但由于这些传感器在同一个地点观测值较少，空间分辨率基本上都属于公里级别，难以达到有效监测城市上空AOD动态变化特征.当前气溶胶业务化产品时空分辨率较低，无法有效实现精细尺度AOD反演研究.由于气溶胶的分布随时空变化剧烈，因此利用高时空分辨率的高分四号(GF-4)静止轨道卫星进行精细尺度的大气AOD监测研究具有重要意义[7].

目前利用卫星遥感反演气溶胶光学厚度的方法主要有:1)单通道算法(Single-Channel Algorithm)[8-9]；2)暗目标算法(Dense Dark Vegetation，DDV)，又称为浓密植被法[10-13]；3)深蓝算法(Deep Blue Algorithm，DB)[14-15]；4)结构函数算法[16-19].本文结合GF-4多光谱波段以及研究区地表特性，采用王艳莉等人的方法[20]，对杭州8城区大气AOD进行反演并进行精度评估，研究杭州8城区大气AOD精细时空变化特征，对杭州8城区大气AOD变化因素进行分析.

1 反演原理与方法

1.1 基本原理

气溶胶主要是通过吸收、散射和反射等作用来影响卫星所接收到的信号，而在大气顶层卫星所接收到的反射率是综合了大气信息和地表信息的混合信息，通过将地表信息进行分离，从而剔除掉噪声信息，进行气溶胶光学厚度的反演[21].假设地表为朗伯体且大气水平均一时，卫星传感器接收到的表观反射率L(μs,μV,φ)可用下式表示[22]：

(1)

式中：μs=cosθs;μv=cosθv;θs和θv分别为太阳天顶角和传感器观测天顶角；φ为相对方位角；Lo(μs,μV,φ)为观测方向的大气程辐射；γ为朗伯体地表反射率；S为大气下界半球反照率；T(μs)和T(μv) 分别为太阳-地表和地表-传感器路径的大气透过率；μsF0为大气顶层与太阳光垂直方向的辐射通量密度.

对上式进行归一化可以得到GF-4卫星接收到的表观反射率ρTOA的表达式为：

(2)

式中：ρTOA代表表观发射率；ρs为地表的二向反射率；ρo为大气的程辐射.由公式(2)可知，S、ρs和ρo是未知量；ρ0、S和T等参数是气溶胶模式的函数，仅与大气环境状况有关.实际反演中，通过假设不同气溶胶模式和观测几何信息，利用辐射传输模型计算AOD与ρ0、S和T之间的关系，建立查找表.

1.2 反演方法

暗目标算法(DDV)也被称作浓密植被法，是假定浓密植被地区红、蓝波段的地表反射率较低，利用经验获得红、蓝波段的反射率后，从卫星观测到的表观反射率中去除地表贡献，进而得到气溶胶光学厚度[23].同时，在暗目标区域红蓝波段不仅有较小的反射率，而且存在着良好的线性关系：

(3)

本文根据王艳莉等人[7]的研究通过设立归一化植被指数(Normalized Difference Vegetation Index, NDVI)的阈值来进行暗像元的识别.利用MODIS(Moderate-resolution Imaging Spectroradiometer，MODIS)地表反射率产品统计出研究区暗目标的百分比pDDV，然后对GF-4卫星数据进行重采样，使其与MOD09A1的空间分辨率相同，计算GF-4数据的NDVI值，根据获得的pDDV确定暗目标NDVI 的阈值[1].确定“高分四号”数据中暗像元的分布后，将从地面观测的光谱数据中获得的红光波段和蓝光波段的地表反射率代入式(2)，并结合式(3)从卫星观测得到的红蓝波段的表观反射率中去除掉地表贡献，求解出暗像元区域的气溶胶光学厚度[20].

而在地表反射率较大的区域如城市、干旱半干旱区域以及冰雪覆盖等地区，红蓝波段的反射率通常不满足经验关系，不能直接使用暗目标算法.本文在反演亮目标区域的气溶胶光学厚度时，使用MODIS09数据建立地表反射率数据库获得亮目标的地表反射率，通过AOD与气溶胶参数和卫星几何参数之间的关系建立查找表，通过查找表获得亮目标区域的气溶胶光学厚度[20].

2 研究区与数据资料

2.1 研究区概况

图1 研究区位置图Fig.1 Location of study area

杭州市经纬度范围为东经119.66°E—120.72°E，北纬29.84°N—30.58°N，位于中国东南沿海北部，浙江省北部，东临杭州湾.气候属于亚热带季风气候，四季分明，雨量充沛.夏季气候炎热、湿润；冬季寒冷、干燥.据《杭州市环境质量报告》统计，2016—2019年杭州市的霾日数维持在100 d左右，约占全年天数的25%以上，强度较大.

本文选取杭州市8个辖区作为主要的研究区域，进行气溶胶光学厚度的反演研究.杭州8区(图1)主要包括西湖区、拱墅区、江干区、下城区、上城区、滨江区、萧山区、余杭区，总面积为3 068 km2，是杭州市的发展的“主引擎”.

2.2 卫星数据

表1 GF-4PMS传感器参数

高分四号卫星(GF-4)于2015年12月29日发射入轨,是我国地球同步轨道高分辨率对地观测光学遥感卫星，设计寿命达8年，该卫星搭载了一台可见光和近红外50 m/中波红外400 m分辨率、幅宽大于400 km的凝视相机，使用面阵凝视成像系统,可实现可见光近红外波段与中波红外波段同时成像[25].本文剔除部分质量不佳的数据后获得完整覆盖研究区、能够有效进行AOD反演的数据共36景.GF-4卫星PMS传感器的详细参数如表1所示.

2.3 MOD09A1地表反射率数据

地表反射率库是基于MODIS陆地地表反射率MOD09A1产品建立的.MODIS地表反射率产品主要通过对MODIS的表观反射率完成气体吸收、气溶胶散射和吸收以及地表变化、薄卷积云污染等方面处理得到的[26].为了消除云覆盖和地表反射率的短期变化，选择MODIS的8 d合成产品得到地表反射率.通过选择每月杭州市MODIS09A1影像中每个像元的最小值作为月地表反射率数据库的值，达到消除云像元和地表污染的目的[20].

2.4 MOD04标准气溶胶产品

利用MODIS气溶胶标准产品MOD04_3K对气溶胶反演结果进行精度验证.MOD04_3K是NASA发布的Level 2级气溶胶产品，可用来获取全球海洋和陆地环境的大气气溶胶光学特性(如：光学厚度和大小分布)和质量浓度.Remer等(2013)将MOD04_3K气溶胶产品与AERONET站点数据进行对比，发现实测数据与陆地气溶胶标准产品相关性为0.8[27]，具有较高的一致性.同时，国内很多研究表明，MOD04_3K气溶胶产品位于误差范围内，MOD04_3K气溶胶产品可以用来验证气溶胶反演的精度[28].

2.5 地面观测数据

本实验获取了杭州市区(120°10′E,30°14′N)和萧山区(120°17′E，30°11′N)两个气象监测站点的地基数据进行对比验证.监测站内采用法国CIMEL公司生产的CE-318型自动跟踪扫描太阳光度计，滤光片中心波长分别为340、380、440、500、670、870、936、1020、1640 nm，各波长带宽10 nm.因为 936 nm 波段具有较强的水汽吸收,所以主要用来反演大气中的水汽含量;其余波段主要是利用太阳直射辐射的测量值,采用统一的反演算法计算得出 AOD[29].

3 气溶胶反演与精度验证

3.1 查找表

查找表利用6S(Second Simulation of the Satellite Signal in the Solar Spectrum)辐射传输模型构建，使用IDL调用6S软件，设定参数进行计算生成查找表文件[30].相关参数的设置包括GF-4 PMS成像时的太阳天顶角和方位角、传感器天顶角和方位角；550 nm处气溶胶光学厚度分别设置为：0.0、0.1、0.25、0.5、1.0、1.5和2；气溶胶类型选择大陆型气溶胶；研究区平均海拔高度设置为0.05 km.

3.2 反演结果与精度验证

3.2.1 反演结果

反演得到研究日内杭州市城区大气AOD的空间分布状况，以2016年9月2日反演结果为例(图2).总体上来说杭州地区气溶胶光学厚度高值区主要位于北部以及东部人口密集、工农业活动比较强烈的地区.因为杭州市东北地区与嘉兴海宁市毗邻，同属于杭嘉湖平原地区，该区域地势低平，经济发达，人口众多，交通网络密集，工厂企业遍布；而西部、南部地区主要为浙西丘陵，多山地，植被茂密，对气溶胶颗粒的吸附作用较强，经济等人为活动较少，AOD普遍较低.

将GF-4卫星数据反演结果与MODIS陆地气溶胶标准产品进行对比分析，根据GF-4卫星数据的过境时间，选取相近时间、同地区的标准气溶胶产品(获取时间为UTC 02:15:00)如图3所示.在空间分布上由于MOD04_3K的获取时间与GF-4PMS数据(获取时间为2016年9月2日11:12:26)不同，因此存在一定的差异.同时，GF-4卫星数据空间分辨率为50 m，能够实现城市地区气溶胶的连续反演，甚至在建筑物和道路混杂的高反射区域也能实现气溶胶的反演.MOD04气溶胶产品空间分辨率为3 km，空间连续性较差无法实现城市上空精细尺度AOD反演.

(a)GF-4

(b)MOD_043K

图3 杭州城区GF-4 PMS反演结果与MOD04_3K产品对比Fig.3 Comparison between GF-4 PMS retrieved AOD of Hangzhou City and MOD04_3K

3.2.2 精度验证

图4分别显示2016年9月2日和2016年9月3日的GF-4 AOD反演值与MODIS标准气溶胶产品之间的随机散点图.图(a)所示2016年9月2日精度验证结果的相关性系数r=0.7，均方根误差RMSE=0.16.图中样点基本位于MOD04_3K产品误差线(图中绿色)以外，GF-4气溶胶反演值相对于MODIS反演值偏大.图(b)显示2016年9月3日精度验证结果的相关系数r=0.74，均方根误差RMSE=0.16.整体上有将近一半的样本点位于误差线以内，当AOD>0.2且AOD<0.4时，有一半以上的样本点位于误差线以内，GF-4反演的AOD值高于MODIS气溶胶产品的值；当AOD>0.4时,有部分样本点位于误差线以外；当AOD>0.6以后，误差线以内的点变得很少.

(a)2016年9月2日

(b)2016年9月3日

获取杭州市区(120°10′E,30°14′N)、萧山区(120°17′E，30°11′N)两个气象监测站点的地基数据进行对比验证.在光谱尺度上，由于卫星遥感反演结果为550 nm处气溶胶光学厚度，而地基站点没有观测这一波长的气溶胶光学厚度，因此需要Angstrom指数关系，利用地面站点数据中440 nm与870 nm波长对应的气溶胶光学厚度计算550 nm波长处的气溶胶光学厚度[31].

τα(λ)=βλ-α

(3)

式中,α被称作Angstrom指数,β为大气浑浊度系数,λ为波长.

为了减少大气的不稳定状况，选择地面站点3×3窗口内的反演结果进行平均；同时将卫星过境前后

图5 GF-4AOD反演结果与地面实测结果对比Fig.5 Comparison between GF-4 AOD and ground measurements

1 h的地面观测平均.如图5所示，卫星反演结果与地表实测数据具有较好的相关性，相关系数达0.9以上.

4 大气污染物与AOD变化的关系

气溶胶态的大气污染物常被称为大气颗粒物(PM)，其中影响最大同时关注最多的是PM2.5(动力学直径小于等于2.5 μm的颗粒物)，因为PM2.5的粒径很小，容易吸附有害物质进入肺部，引起各种疾病.细颗粒物是气溶胶大气污染的主要组成物质，研究细颗粒物与气溶胶之间的关系有助于分析AOD的时空分布特征.本文采用的PM2.5质量浓度数据来自PM2.5实时监控网(http://www.pm2.5china.net)的杭州地区研究日的小时平均浓度数据.数据处理结果如图6所示.

研究表明，PM2.5随人类活动和大气物理化学特征的昼夜变化而呈现明显的周期变化[32].PM2.5浓度日变化趋势与出行高峰时间具有一定的关系，出行早高峰时，此时车辆排放大量的二氧化氮、氮氧化物和细颗粒物，随着温度的升高，排放气体之间产生化学反应，使得PM2.5浓度不断上升，稍滞后出行早高峰[33].如图6所示，各研究日日间PM2.5第一个高峰出现在中午时分，主要是因为汽车排放尾气的积累，在中午高温条件下产生化学反应，PM2.5浓度到达高峰值；达到高峰值后，随着空气对流，扩散能力增强，PM2.5浓度开始下降，在下午时分出现浓度低值；之后大气气温降低、混合层厚度减小，晚高峰车流量增加，厨房油烟排放量剧增，使得PM2.5浓度再次增加[32].研究日PM2.5浓度值在夜间出现第二个高峰，且大于白天PM2.5高峰值.该特征与气温有关.夜间地面气温低于高空气温，大气中出现逆温层，阻碍空气中的垂直对流运动，不利于大气污染扩散，因此夜间大气污染较为严重.

对研究日不同时间点的AOD均值进行统计，对比研究AOD与PM2.5浓度变化关系.如图7所示，研究日内不同时间点AOD均值峰值基本出现在中午时分，这与PM2.5浓度白天变化情况保持一致.2016年9月2日当天气溶胶光学厚度平均值的峰值主要出现在13时左右，2016年9月3日气溶胶光学厚度平均值呈现先下降后上升再下降的波动趋势，AOD的值总体上在中午时分维持在较大水平处，2016年12月31日气溶胶光学厚度的平均值也在中午时分达到峰值.2017年7月26日由于数据量较少，最大值出现时间难以判断，但从AOD增长趋势可以判断，最大值也应该在中午时分出现.由此可知各研究日的AOD平均值高值主要分布于中午时分，究其原因可能是由于早上人为活动剧烈产生大量污染物，气溶胶污染产生积累，在中午时分达到峰值.

(a)2016年9月2日

(b)2016年9月3日

(c)2016年12月31日

(d)2017年7月26日

5 结论

(1)由于城市地区地表反射率高、地表类型复杂，传统的气溶胶反演算法难以实现AOD的有效反演.本文根据王艳莉等研究的一种暗目标算法结合地表反射率数据库的气溶胶光学厚度反演方法，对杭州城市地区的气溶胶光学厚度进行反演.反演结果显示，基于高空间分辨率的高分四号卫星数据能够连续反演杭州城市地区的AOD，包括建筑和道路混杂的高亮区域.总体上来说杭州地区气溶胶光学厚度高值区主要位于东部以及北部人口密集、工农业活动比较强烈的地区；而低值区主要位于西南部山地丘陵地区，该地区植被茂密，经济等人为活动较弱，AOD普遍较低.

(2)通过地面实测数据和MODIS气溶胶产品对GF-4AOD进行验证，相关系数分别为0.9和0.7，说明GF-4反演结果在一定程度上能够反映大气污染的真实分布，结合GF-4卫星数据高时空分辨率的特点，能够有效实现城市大气气溶胶光学厚度的动态监测.

(3)气溶胶态的大气污染物常被称为大气颗粒物(PM)，细颗粒物浓度日变化情况与人类活动时间具有一定的关系.研究显示，AOD反演结果日内变化趋势与大气颗粒物基本保持一致，均在中午时分达到峰值，究其原因可能与上午人为活动剧烈造成污染物积累有关.