大气臭氧总量卫星反演产品地基验证的空间异质性特征

吕春光，王玉萍，张悦，耿君，史云飞

(1.临沂大学 资源环境学院，山东 临沂 276000；2.山东省水土保持与环境保育重点实验室，山东 临沂 276000；3.合肥工业大学 土木与水利工程学院，合肥 230009)

0 引言

臭氧作为一种地球大气中重要的痕量气体，在全球气候变化和地表生态效应中都扮演着重要的角色[1]。作为表征大气臭氧状况的重要指标，大气臭氧总量可由搭载在地基和卫星平台上的各类传感器进行观测，在相应的反演算法支持下，形成臭氧总量产品[2]。其中，地基观测方式通常利用Dobson或Brewer紫外分光光度计等测量仪器，在一定空间范围上，实现大气臭氧总量的观测[3-5]。地基仪器易于维护和标定，其观测结果具有较高的稳定性和延续性，便于对其他观测结果进行验证，但在大范围上表现臭氧总量的空间分布状况时，受限于观测站点的布局和数量等条件[6]。相比而言，卫星观测臭氧总量具有大范围同步优势，可快速得到覆盖全球的臭氧总量数据，已成为有效监测全球大气臭氧时空分布和变化的重要手段[7]。然而，由于受到卫星传感器寿命、遥感反演算法适用性以及气象资料准确性等因素的影响，特定时间和区域的卫星反演臭氧总量会存在不同程度的观测误差[8]。因此，研究如何利用区域内地基观测等可靠性强的数据资料，对卫星遥感臭氧总量产品进行对比验证，掌握比对过程中存在的各类误差来源、影响因素及其空间变异性，一直是遥感研究领域的热点，具有重要的研究意义和实际价值。

在利用地基观测数据对卫星反演臭氧总量产品验证方面，国内外相关学者已针对各类不同的卫星传感器，进行了大量的研究工作。根据反演产品的连续性和稳定性，选用的星载仪器以紫外高光谱传感器为主，包括TOMS、GOME、OMI、SCIAMACHY、TOU以及SBUV/2等，而用以进行比对的地基站点，其空间分布范围广泛，多采用Dobson或Brewer臭氧总量观测仪，具有较长的观测历史和数据积累，便于对数据进行筛选以及特征规律分析[9-18]。上述的比对研究，多采用卫星过境与地基观测时间和空间距离接近、观测角度偏差较小的样本数据集，在保证充足数据量的情况下，对不同纬度不同区域的臭氧总量的线性相关性、年季和月季变化特征进行细致深入的论述。在分析测量误差方面，则多关注臭氧总量偏差随时间的长期变化趋势，侧重于从时序特征中提取辅助信息，围绕太阳角度偏差、近地面状况、观测仪器灵敏度以及反演算法的设定参数等因素评估其对臭氧总量估算的影响[19-20]。值得注意的是，卫星传感器对地观测臭氧总量的像元范围可能在十几公里至上百公里，而地基观测有效范围仅限于站点附近，如此的观测空间尺度差异，可能会使得像元内部的空间响应效应、大气及地表状况的空间可变性对卫星-地基臭氧总量观测偏差产生影响，从而导致较为显著的空间异质性特征。空间异质性是各类地物在空间分布中普遍存在的特征，也是生态环境领域较为关注的研究问题。在对其长期的研究过程中，形成了半变异函数、空间自相关系数以及热点分析等丰富的研究方法，以揭示研究目标的空间异质性情况[21-25]。然而，在当前的相关研究中，针对大气臭氧总量卫星反演产品在地基验证过程中存在空间异质性特征的研究还不多见。

综合上述情况，本研究尝试选取多个典型的、具有较长臭氧总量观测数据积累的地基站点及周边范围为研究区，开展对卫星-地基臭氧总量观测结果的空间变化趋势分析，以揭示其空间异质性特征。首先，以地基站点为基准点，构建其与各个样本卫星观测中心点的空间距离维度和空间方位维度，并在对应卫星观测点位标记臭氧总量的观测偏差；其次，结合探空站气象资料，评估并识别风速风向因素对站点观测结果空间变异的效应；在此基础上，通过统计分析方法对各研究区观测偏差的空间距离变异进行表达，并结合卫星和地基臭氧总量观测结果相关性随距离指标变化关系，分析其在空间距离维度上表现出的空间变化整体情况；进一步，借助空间聚类分析方法，对观测偏差在空间距离和方位上表现出的梯度性和缀块性进行表达，以揭示臭氧总量观测的空间异质性差异及与基站类型等影响因素的关联关系。该研究将有助于提升在生态环境领域中应用大气臭氧总量卫星遥感产品的适用性，亦可为构建大气臭氧总量遥感观测的修正模型提供参考依据。

1 数据与研究区

1.1 数据资料

本研究使用的卫星反演臭氧总量产品来自于太阳紫外后向散射仪SBUV(solar backscatter ultraviolet instrument)/2。该卫星传感器采用太阳同步轨道天底观测方式，空间分辨率为170 km，具有12个光谱分辨率为1 nm的探测通道，其光谱覆盖范围在252～340 nm。搭载在NOAA19卫星的SBUV/2臭氧总量反演数据集，即SBUV2N19L2，采用类似TOMS算法的双通道反演算法[26]。该算法经历了几十年的发展和订正，是目前世界上使用最广泛的臭氧总量卫星反演算法。在研究过程中，根据选定的地基臭氧总量样本的观测时间和空间位置，来确定SBUV2N19L2数据集中所需的具体像元。

臭氧总量地基观测数据主要来自于世界臭氧与紫外辐射数据中心(World Ozone and Ultraviolet Radiation Data Centre，WOUDC)。WOUDC包含全球超过400个站点和80年的连续臭氧监测数据，可提供逐日/逐小时臭氧总量以及通过激光雷达、探空仪器等手段得到的臭氧廓线等丰富资料[27]。为了便于各地基站点同时期观测的横向比较，保证空间异质性分析的有效性，在研究中选取连续观测时段内具有较为密集观测样本的逐小时臭氧总量观测数据。根据选用的NOAA19 SBUV/2过境情况，进行综合比较和筛选，最终确定了在2009—2010年内五个地基观测站共计2 824组不同观测时间的臭氧总量数据(表1)。

1.2 研究区概况

如表1所示，选取的五个典型地基观测站分别是Aosta站、Churchill站、HongKong站、Kislovodsk站和Toronto站。根据站点所处的城市规模以及其周边环境状况，可将其分为都市型、城镇型和乡村型三种类型。其中，Aosta站、Kislovodsk站和Toronto站具有相近的纬度，均位于43.66°N～45.74°N。具体地，Aosta站和Kislovodsk站周边多为度假胜地，附近没有重要的大气污染物源，冬季干燥，夏季温暖，属于典型的城镇型站点。而Toronto站，位于国际著名大都市附近，人们的日常生活和工业活动会产生不同程度的对流层臭氧污染。Churchill站临近高纬度地区(58.74°N)，它的观测仪器布设在加拿大哈德逊湾西缘的村镇附近，气候寒冷，人类活动极少，是乡村型站点的代表。HongKong站位于22.21°N的热带低纬度地区，与Toronto站类似，临近人口密集、生产活动频繁的香港大都市区，是典型的都市型观测站。

表1 地基观测站信息

2 研究方法

2.1 数据预处理

分别提取2009—2010年内的NOAA19 SBUV/2卫星遥感臭氧总量产品以及WOUDC地基站点臭氧总量观测资料，并在对应空间和时间范围内对两类数据进行匹配和筛选，共得到3 522组有效的比对样本。它们具体包括：Aosta站613组、Churchill站1 043组、HongKong站547组、Kislovodsk站667组和Toronto站652组。在数据处理过程中，通过相对偏差对卫星反演和地基观测的差异进行表达。

在预处理过程中，也同时记录与之相关的辅助信息，包括卫星-地基太阳天顶角及其偏差、大气质量、二氧化硫浓度、气温、地基仪器类型和观测模式等参数值(表2)。

表2 相关辅助信息统计

此外，风速和风向等气象观测条件的显著变化，可改变特定探测时间上地基观测站点与卫星观测像元所在实际空间范围内的臭氧总量分布格局，进而对各个空间范围内的卫星观测偏差变化特征施加作用。为了能够合理评价风速和风向影响，增强空间异质性分析的有效性，实验选用了WOUDC现有的HongKong站和Churchill站同期臭氧探空数据178组，提取并统计了在臭氧总量中占主要比重的平流层臭氧峰值范围上的平均风速和平均风向数据。

进一步为了表达风速风向情况、观测偏差值与观测空间位置之间的特定关系，定义可变距离百分比(percentage of drifting distance，pdd)如式(1)、式(2)所示。

(1)

(2)

式中：D表示地基站点至卫星观测像元中心的空间距离，单位为km；ws表示平流层臭氧峰值范围内的平均风速，单位为m/s；t表示卫星与地基站观测时间点间隔，单位为s；α表示地基站点位和卫星观测像元中心点形成的方位角φ(0°～360°)，与平流层臭氧峰值范围内平均风向wd(0°～360°)之间形成的夹角。当风速ws在方位角φ上的分量与地面站-卫星像元中心同方向时，cos(α)≥0，pdd表现风速风向对观测点位之间实际空间距离的“缩近”作用；而当反向时，cos(α)<0，pdd则表现对实际空间距离的“拉伸”程度。

2.2 统计方法

在以往的研究中，线性相关性分析是对卫星反演值和地面站观测值进行比对最常用的方法，可发掘其特征规律以及构建转换模型。因此，在本研究中，首先对观测样本值进行相关性分析，以揭示观测值随空间距离偏离的基本情况。进一步，为了分析与卫星像元构成不同空间比例关系的样本值整体偏离情况，借助半变异函数以空间距离因子为自变量的函数表达方式，构建空间距离变异曲线，从而形成更具适用性的评价指标。空间距离变异曲线可与相关性分析形成应证关系，进而用于表明观测偏差随观测点空间距离偏移之间的内在关系。该曲线通过各空间范围内的样本计算平均相对偏差(mean relative deviation in the distance，mrdd)，如式(3)所示。

(3)

式中：rd为相对偏差；i为样本编号；N为一定空间距离范围内的观测样本数量。空间距离范围可由定义的空间距离因子d表示，如式(4)所示。

(4)

式中：D的含义同式(1)；Rpixel为卫星传感器像元的半径，此处对于SBUV2传感器为85 km。在观测活动中，d为介于0～1的值表示地基站点位于对应卫星传感器像元内部，而当d大于1时，表明地基观测站点位于观测像元范围之外。

2.3 热点分析方法

(5)

式中：rdj是要素j的统计值，即卫星臭氧总量观测值与地基站点的第j组观测的相对偏差；ωi，j是要素i和j之间的空间权重；n为要素总数；μ为所有要素统计值的均值；S为要素统计值的标准差。

根据上述热点分析原理并应用相关分析工具，可构建关于rd的密度表面，表现其在各个空间方向上的不均匀程度，可视为由各距离上mrdd构成的空间变异曲线在二维空间平面上的拓展。

3 结果与讨论

3.1 相关性分析

图1展示了上述五个典型研究区的地基站与SBUV/2最邻近像元在各对应观测时间的臭氧总量的线性相关性，其中臭氧总量个数以多布森单位(Dobson unit,DU)表示。如图1所示，通过对空间距离因子d≤1(图1(a))、d≤2(图1(b))、d≤3.5(图1(c))以及d≤7(图1(d))的样本点统计情况，可以发现，在地基站位于卫星探测像元内部以及外部较大空间范围上，普遍具有较为良好的线性拟合关系。其中，Churchill站的相关性整体最高，R2介于0.853～0.915，Toronto站和Aosta站的相关性略低于Churchill站，分别为0.799～0.924以及0.754～0.924。另外，Kislovodsk站点的相关性则稳定在0.800～0.857，而HongKong站的相关性最低，为0.353～0.504。为了进一步揭示臭氧总量相关关系在地基-卫星探测点空间距离变化过程中所表现出的特征和趋势，对各个空间距离因子的线性相关性的拟合优度R2进行了加密计算，并在此基础上展现其变化趋势的整体性以及各研究区所体现的差异性。

图1 地基站臭氧总量与各个空间距离范围内卫星观测值的相关性

如图2(a)所示，各个研究区拟合优度的曲线形态及阈值范围差异主要表现为：Churchill站的拟合程度最高，R2均值可达0.89，且在整个空间范围上缓慢下降趋势明显。相比而言，Toronto站、Kislovodsk和Aosta站的拟合优度阈值波动范围略低于Churchill站，分布在0.77～0.93之间，其拟合优度较大幅度的升降变化多出现在d<2的空间范围。而HongKong站阈值与其他站点相比明显偏低，介于0.35～0.53之间，且变化幅度较大，这可能是由于站点处于低纬度热带，光照时间相对较长，大气较为活跃，使得风速风向等气象因素对结果的影响较大；并且该区域臭氧总量阈值范围小，对流层范围特别是近地基臭氧浓度的变化对卫星观测结果影响更为显著，因而其在各距离范围上表现出相对较低的线性相关程度。

图2 臭氧总量观测值拟合优度随空间距离因子的变化趋势

3.2 风速风向对观测偏差的影响

臭氧探空数据的统计结果表明，在平流层各观测样本臭氧峰值范围的高度区间，风速介于0.9～42 m/s，平均风速约为13.3 m/s，HongKong站和Churchill站由于纬度带差异，两地风速随时间呈现较显著的负相关，且具有典型的季节性变化。研究区内盛行东风(风向在45°～135°)和西风(风向在225°～315°)，所占时间比重达到81%，且两个观测站风向具有较明显的正相关特征。根据风速风向数据，结合地基站与卫星像元中心路径，可进一步计算得到可变距离百分比(ppd)。由统计可知，ppd的均值在8.27附近，中位数为0.49，标准差约为37.9。如表3所示，ppd值域范围在0～333.0之间，其中，小于1的样本比重超过70%。ppd大于5的比重约为11.2%，结合均值和中位数来看，在该阈值范围内，风速风向对地基-卫星观测空间距离产生的扰动更为显著。

表3 ppd值域分布情况 %

如图3(a)所示，ppd指数在观测rd增序区间上呈现出向rd高值区集聚的分布形态。当rd>4.45时，ppd>5的样本出现频次增加，数值升高明显，可视为ppd指数的高频分布区间。以上情况表明，风速风向与臭氧观测偏差具有特定的响应关系，特别在观测偏差较大的区间上，具有显著效应。

研究表明，风速风向如对地基站与卫星的观测结果施加作用，需要卫星与地基观测具备必要的时间差。图3(b)所示为地基站与卫星观测时间差的增序区间上ppd指数的变化情况。在时间差负值范围(卫星观测时间早于地基站观测)以及时间差正值范围上，ppd高值均集中于时间差区间的两端。同时，在区间中部，即时间差大于-9.4且小于6.5范围内，形成了ppd指数均不超过5的稳定区间。

图3 风速风向指数与臭氧总量观测指标的关系

综上所述，由于在时间差绝对值小于6.5的范围，ppd处于稳定的低值区间。因此，采用该标准可分离风速风向对观测偏差的作用，进而修正拟合优度以及观测偏差等指标的空间变异曲线。如图2(b)所示，在基于风速风向修正后的各研究区拟合优度中，HongKong站与Kislovodsk站出现了显著的升高。其中，Kislovodsk站整体接近拟合优度最高的Churchill站，而HongKong站曲线阈值升至0.53以上。可以看到，修正后的HongKong站拟合优度仍然处于较低水平，这与站点区域的纬度带和周边环境关系密切。为了进一步有效识别因站点类型因素影响的观测偏差空间异质性特征，对各研究区观测偏差空间变异曲线进行绘制并对结果加以修正，具体论述请见3.3节。

3.3 观测偏差空间变化的区域性特征

图4展示了在采用时间差指标进行风速风向效应修正前后，各研究区臭氧总量观测偏差随着空间距离因子的变化情况。如图5(b)所示，乡村型Churchill站mrdd值在修正前后变化较小，整个空间距离的均值和标准差曲线都处于较低水平，极小值为2.73%和2.45%(修正后)，其出现位置接近，分别在d=1.67和d=1.70处。作为都市型站点的HongKong站和Toronto站，修正前在整个空间距离上均值曲线分别大于5.3%和4%，表现出较高的相对偏差(图4(c)和图4(e))。修正后，HongKong站的均值曲线的下降较明显，曲线平均值由5.79%降至4.46%，而标准差曲线值亦显著减小，这可能是由于其所处低纬度热带地区，大气层间流动作用更为显著所致。作为城镇型观测站，Aosta站在修正前后其均值和标准差之间较为接近，均值的整体变动范围略高于乡村型站点(图4(a))。而同为城镇型观测站的Kislovodsk站，在修正后均值和标准差曲线均出现下降，其平均值分别由4.02%和3.86%降至3.91%和3.20%。

从整体上看，各研究区修正后的空间距离变化曲线的阈值范围均有不同程度的降低(图4(a)～图4(f))。在d<2的区间内，mrdd均值曲线的整体阈值由乡村型->城镇型->都市型而逐渐增大，表明其对地基观测站点的类型具有指向性；而在d>3.5的范围，各个研究区mrdd均值和标准差均有整体升高的趋势。前人研究结果表明，在HongKong和Toronto等都市型站点，由于近地面人类生产和生活活动频繁，使得对流层范围的臭氧浓度显著升高，卫星自顶向下观测，易受太阳角度和反演算法的影响，对对流层臭氧浓度变化的敏感性较弱[29]。在这种情况下，对HongKong站和Toronto站为中心的区域进行卫星观测，可能会使得臭氧总量观测结果偏差增大(见图4(c)和图4(e)均值)。

图4 臭氧总量相对偏差随空间距离因子的变化趋势

如图4所示，研究区mrdd空间距离因子均值曲线主要表现了一定空间距离上的偏差整体大小，而标准差曲线可用于表现在具体空间范围上观测偏差分布的离散程度。如需对研究区域观测偏差空间格局进行分析，表现空间平面内的距离性和方向性，则可通过热点分析的密度分布图予以展现。

3.4 热点分析结果

如图5所示，对各研究区域以地基站为中心，利用观测偏差样本数据表现的d<7(约600 km空间范围)空间范围热点分布情况进行分析。可以发现，对于上述五个研究区，在整个空间上，观测偏差均出现不同程度的空间缀块和梯度变化，表现出显著的空间异质性特征。以Churchill站为代表的乡村型研究区，由地面基站至较大的空间范围上，观测样本的空间梯度变化在所选研究区中最为明显，低值区分布范围广，集中于地面基站附近，而高值斑块面积较小且整体性好，分布在离中心较远的区域。相比之下，在城镇型Aosta站和Kislovodsk站附近区域，高值斑块的数量较少，但覆盖范围有明显的增加，在站点中心较近区域某些方位的高值有增加趋势。以HongKong站和Toronto站为代表的都市型站点，其观测偏差在空间上则表现出更为强烈的缀块性，即高值斑块的破碎程度加强，数量显著增加，站点中心附近的高值在面积和强度上也较城镇型站点区域有所加强。

图5 各研究区空间异质性分布状况

总体而言，地基站点由乡村型-城镇型-都市型的类型转换，可使得卫星反演臭氧总量观测偏差值的空间梯度性弱化，高值斑块破碎化加强，并向SBUV/2的观测像元尺度内(d<1)漂移，空间异质性程度得到加强。

在卫星传感器和地基仪器观测臭氧总量的观测过程中，存在诸多因素，如辐射传输模型、臭氧垂向分布、大气温度状况、下垫面状况、数值内插误差、太阳天顶角、观测天顶角、杂散光以及仪器误差等，都可能对臭氧总量估算结果产生影响[30]。不难发现，上述因素若对卫星-地基观测偏差的空间分布格局产生影响必须满足两个条件：影响因子在空间上具有较为明显的动态变化范围；卫星-地基观测时影响因子及其差异与观测偏差之间随着空间位置变化能够具有显著的相关性。在通常情况下，辐射传输模型、数值内插误差、杂散光以及仪器误差等类型的影响因素可作为系统性误差，对空间距离因子变化并不敏感。

此外，如臭氧廓线、地表反射率等部分指标，由于地基站点观测各种限制原因，较难得到同步观测值的大量样本，但可通过其他参量对其产生的观测偏差影响进行粗略估计和定性分析。综合上述考虑，根据观测季节和观测时间划分时段，选取太阳天顶角及偏差、大气质量、二氧化硫浓度、气温、地基仪器类型和观测模式等几个因素(表2)，来进行其与空间异质性的相关性分析。

分析结果表明，随空间距离和空间方位的变化，上述单一影响因素与观测偏差之间不存在显著的线性相关性(拟合优度均低于0.3)。另一方面，根据各研究区的空间异质性情况，其表现出的梯度性和缀块性又与气温、纬度、对流层臭氧以及下垫面状况等相关影响因素所确定的基站类型之间具有很强的指向性。由此可见，依照长时间序列不同观测条件的样本数据所得到的卫星-地基臭氧总量观测偏差空间分布状况，可能是上述多个影响因素对特定时间和空间臭氧总量观测的综合作用结果，从而形成了针对不同类型研究区固有的空间异质性格局。

4 结束语

本文以NOAA-19 SBUV/2卫星臭氧总量产品和WOUDC地基逐小时臭氧总量观测数据为基础，通过相关性分析、空间统计分析和热点分析等方法，选取典型研究区开展了大气臭氧总量卫星反演产品地基验证的空间异质性研究。主要有以下结论。

1)对于卫星臭氧总量反演产品，在利用地基站点观测数据进行验证过程中，二者之间的臭氧总量观测存在复杂的空间异质性特征，这使得观测偏差并非随卫星观测中心点与地基站点之间空间距离因子的增大而呈现出简单的递增变化趋势。

2)风速和风向气象条件在观测相对偏差大于4.45%的区间范围上对臭氧总量观测偏差具有不可忽略的效应，其在低纬度热带地区施加的影响更加显著。风速和风向的影响作用较依赖于观测时间差的大小，可利用时间差绝对值小于6.5分钟指标确定非风速风向影响的稳定区间。在此基础上，根据地基站点纬度带及其周边环境等因素确定的站点类型，对卫星-地基观测臭氧总量的线性相关关系以及相对偏差，在空间距离上体现出较明显的关联性和分选性。其中，在d<2的范围内，观测相对偏差与站点类型的关联度最强。随着空间距离因子的增大，特别是在d>3.5的范围内，能够表现出总体上升趋势。总体上，各个研究区空间距离变异曲线的阈值范围和波动形态，是观测偏差空间变化区域差异显著性的反映。

3)通过热点分析所得Gi*统计值范围在0～0.018之间。根据其在空间距离维度和空间方位维度上的分布形态，可以发现，乡村型站点区域的空间梯度性最强，而都市型站点区域具有的斑块破碎化程度最高。指向不同地基站点类型的观测偏差空间分布格局，受控于卫星传感器的空间响应、观测像元内部和外部气象条件以及下垫面性质的均匀程度等因素，是气温和对流层臭氧浓度等对空间敏感的各类影响因素综合作用的结果。

在未来有必要针对TOMS、OMI以及TOU等多种类型的紫外卫星传感器，开展大气臭氧总量地基验证过程的空间异质性研究，以便更全面地掌握其观测偏差在空间上的变异规律。同时，在后续的研究中，可选取更多类型的高光谱卫星传感器大气臭氧产品，通过与多种地面臭氧观测数据的比对，尝试对对流层臭氧总量观测结果的空间异质性情况进行研究。