无锡市国控环境空气自动监测站点周边裸土分布高分辨率遥感监测

张虎军，宋 挺，朱冰川，石浚哲，张军毅

江苏省无锡环境监测中心，江苏 无锡 214000

随着中国经济的快速发展，大气环境问题日益突出，特别是大气颗粒物作为形成雾霾天气的主要成因，严重威胁了人民的身体健康，也逐渐受到环境管理部门的重视[1]。从20世纪末开始，我国逐步开展PM10和PM2.5自动监测，目前已在全国339个地级及以上城市建立了环境空气自动监测站。扬尘源是影响空气颗粒物浓度的一个重要因素，主要包括露天放置的生活垃圾、裸土、建筑施工及拆迁工地等[2-3]，其中裸土风蚀尘在空气颗粒物来源中占了重要地位[4-5]，特别是分布在环境空气自动监测站周边的裸土风蚀源，对大气颗粒物监测数据有着较大影响。因此，准确掌握裸土信息，可以为有效开展城市扬尘整治工作、制定相关管理方案提供科学依据[6]，对于改善环境空气自动监测站大气颗粒物监测数据和空气污染防治与管控具有重要意义。

城市裸土扬尘源主要依赖于人工实地勘查，受制于交通条件、主观意识等因素的制约，调查结果往往有主观性强、不够系统全面等缺陷。卫星遥感作为一种宏观、快速和有效的监测手段，尤其是近年来高空间分辨率卫星载荷的快速发展，为城市裸土扬尘源调查提供了有效工具。提取裸土信息的方法包括人工目视解译、决策树分类[7]、监督/非监督分类[8]、指数法等方法，其中指数法因其快速简便的特点而受到较为广泛的应用。指数法的难点在于建筑用地和裸土之间相似的光谱特性而导致的两者之间的混淆，徐涵秋[9]基于不透水面特性创建了不透水面指数NDISI，该指数可较好地分离建筑用地和裸土信息。然而由于Landsat影像空间分辨率较低(热红外波段仅为100 m)，无法满足环境空气自动监测站周边小区域内较为精细的高空间分辨率裸土识别制图需求，而空间分辨率符合需求的影像通常缺失关键的波段用于指数的构建，因此，需引入降空间尺度技术来提高热红外波段的空间分辨率，从而实现高分辨率的裸土识别和制图。鉴于此，使用Emissivity Modulation算法[10](简称EM法)，以过境时间相近的哨兵2号(Sentinel-2)和Landsat8影像为数据源，将空间分辨率为100 m的Landsat8热红外波段细化为10 m空间分辨率，进而与Sentinel-2数据共同构建不透水面指数NDISI，并结合改进的归一化水体指数MNDWI、归一化土壤指数NDSI、地表温度LST等指标，使用决策树的方法对无锡市进行地物分类与裸土的高空间分辨率提取。

大气颗粒物监测数据是大气污染防治工作的重要基础和根本依据，当前主要由环境空气自动监测站进行高频率监测。本文使用GIS手段对无锡市区8个国控环境空气自动监测站点分别进行1、2、3 km缓冲区分析，结合无锡市地物分类和裸土的高空间分辨率提取结果，统计国控环境空气自动监测站点不同缓冲区范围内的裸土分布，并分析其对大气颗粒物自动监测数据的影响，以期为促进裸土扬尘源的科学管理与高效控制、环境管理部门对裸土扬尘源的小尺度精细化管理和针对性施策提供技术支持。

1 研究区域与数据源

1.1 研究区概况

无锡市位于江苏省东南，作为走廊连接长江与太湖，是太湖流域重要的交通枢纽。无锡下辖江阴、宜兴2个县级市，全市总面积4 787.61 km2(市区1 643.88 km2)，2014年末建城区面积522 km2，水域面积1 294 km2。无锡经济发达，有着较高的城市化水平，随着城市建设的不断推进，拆迁与施工区域较多，由此产生的扬尘对空气质量造成一定影响。无锡市区范围内目前建有8个国控环境空气自动监测站(雪浪、黄巷、漆塘、东亭、旺庄、荣巷、堰桥、曹张，图1)，测量指标包括SO2、O3、NO2、CO等气态污染物以及PM2.5、PM10等颗粒态污染物浓度，分布在无锡市5个行政区，其中滨湖区3个站点，梁溪区2个站点，惠山区、新区和锡山区各有1个站点。

图1 无锡市国控环境空气自动监测站分布示意图Fig.1 Location of the state-controlled automaticambient air monitoring stations in Wuxi City

1.2 数据源

本文使用Sentinel-2和Landsat8卫星影像作为遥感数据源，Sentinel-2包括Sentinel-2A和Sentinel-2B 2颗卫星，两者通过协同运行将重访周期缩短为5 d。Sentinel-2搭载的MSI多光谱成像仪有13个波段，包含可见光、近红外(VNIR)和短波红外(SWIR)，空间分辨率分别为10、20、60 m，幅宽达290 km。Landsat8包含了8个多光谱波段、1个全色波段和2个热红外波段，空间分辨率分别为30、15、100 m[11]。Sentinel-2和Landsat8卫星性能参数见表1。

表1 Sentinel-2与Landsat8影像波段的主要参数对比Table 1 Comparison of main parameters of Sentinel-2 and Landsat8 image bands

采用过境无锡区域、日期分别为2020年9月5日的sentinel-2B与2020年9月8日的Landsat8的两景影像，其中sentinel-2B影像数据质量较好，Landsat8影像部分区域有少量云层覆盖。文献调研表明，由欧洲航天局提供的大气校正模型Sen2cor(sentinel-2 Level-2A Atmospheric Correction Processor)相比于其他大气校正模型，其校正结果光谱曲线与地面实测光谱曲线拟合度、精度均较高[12]，因此本研究使用Sen2cor模型对sentinel-2影像进行大气校正。由于Landsat8只使用其热红外波段，故仅对TIRS载荷的B10波段进行辐射校正。

2 研究方法

本文研究的主要目的为实现裸土扬尘源的小尺度精细化管理和针对性施策，需对环境空气自动监测站点周边不同区域范围内的裸土面积与大气颗粒物监测结果进行分析。裸土面积基于遥感影像和指数法进行提取，指数法提取裸土的难点在于建筑用地和裸土光谱特性的混淆，需综合使用NDSI和NDISI算法对其进行分离，其中NDISI使用到热红外波段，而热红外波段往往空间分辨率较低，不能满足国控环境空气自动监测站点周边小尺度范围内高空间分辨率的裸土视图识别需求。因此，本文使用EM算法对Landsat8的热红外波段进行细化以提高其空间分辨率，并利用细化后的结果与Sentinel2多光谱波段建立NDISI进行裸土提取。针对以上研究思路和技术路线，主要的研究方法分别为NDSI与NDISI算法、热红外像元细化以及建立国控环境空气自动监测站点缓冲区。

2.1 NDSI与NDISI算法

本文使用归一化裸土指数NDSI参与无锡市的裸土提取，由于裸土的反射率在中红外波段最高，该指数通过将近红外和中红外波段进行归一化从而增强裸土特征，公式：

(1)

式中：MIR与NIR为中红外和近红外波段的反射率，分别对应sentinel-2数据的第11、第8波段。

由于人工建筑用地和裸土有相似的光谱信息表达，即中红外波段的反射率均大于近红外波段反射率，使NDSI同时增强了裸土和建筑用地，造成两者的信息混淆，而NDISI可对裸土和建筑用地进行有效分离，因此使用NDISI来去除裸土中的建筑用地。NDISI公式：

(2)

式中：TIR为热红外波段；MNDWI为改进型归一化水体指数，如式(3)所示：

(3)

式中：Green为绿光反射率，对应sentinel-2的第3波段。

通过对NDSI和NDISI的统计，获得其直方图和统计参数，并在直方图通过目视判读和人工调试获得最佳阈值，最终达到裸土提取并减少建筑用地干扰的目的。

2.2 热红外像元的细化

由式(2)所知，热红外波段参与了NDISI的构建，但因为sentinel-2影像没有热红外波段，故需使用Landsat8的热红外波段代替，同时由于Landsat8的热红外波段空间分辨率较低，虽可通过式(3)与sentinel-2数据(10 m)进行的波段运算起到一定的融合作用，提高其分辨率，但终因数据之间的空间分辨率差距较大导致效果较差。因此，本文使用较为简便的EM算法的亚像元分解技术，使用较高空间分辨率的sentinel-2数据估算比辐射率，再运用估算结果对Landsat8的热红外波段进行细化，从而实现Landsat8热红外波段空间分辨率的提高。

首先，将Landsat8影像第10波段的数字量化值通过辐射定标和普朗克公式转换为亮度温度Tb；然后，参照ASTER提供的常用地物比辐射率光谱库(http://speclib.jpl.nasa.gov)，利用sentinel-2影像求取分辨率为10 m的地表比辐射率。主要根据MNDWI和归一化植被指数NDVI来进行判定，当MNDWI>0时，判定为水体，比辐射率设定为0.996 83；当NDVI

ε=0.979-0.035ρred

(4)

式中：ρred为sentinel-2影像的红光通道反射率；ε为比辐射率。当NDVI>T2时，判定为纯植被像元，比辐射率设定为0.99；当T1≤NDVI≤T2时，判定为植被和裸土的混合像元，比辐射率设定见式(5)：

ε=0.986+0.004[(NDVI-T1)/(T2-T1)]2

(5)

本文使用覃志豪等[13]在没有明显的完全植被或裸土像元情况下，用T1=0.70和T2=0.05来进行的植被覆盖度的近似估计。

最后，通过比辐射率校正亮度温度，如式(6)所示：

T=Tb/[1+(λ10Tb/c2)lnε]

(6)

式中：T为细化后的亮度温度，单位为K；λ10为Landsat8影像第10波段的中心波长(10.9 μm);c2为第二辐射常数，c2=1.438×10-2m·K。

2.3 建立国控点缓冲区

缓冲区分析方法是以点、线、面等特定要素为中心，在其周围按照设定的单位距离建立一定宽度或者数量的缓冲带，形成缓冲区多边形实体，从而使得数据可以在二维空间中得到扩展的信息分析方法[14-15]。它是地理信息系统重要的空间分析功能之一，在交通、资源管理、林业和城市规划中有着广泛应用[14]。本研究使用GIS的缓冲区功能，以无锡市区的8个国控环境空气自动监测站点为中心，分别建立1、2、3 km的多重缓冲区，并依此开展缓冲区域内的裸土扬尘源分析。

3 结果与讨论

3.1 地表温度细化结果分析

由于地表温度细化结果直接用于NDISI的构建，在细化过程中的信息损失和偏离对最终结果将造成影响，因此，首先需要对EM算法的细化结果与原始地表温度进行比较与评价。将细化后的地表温度影像与未经细化而直接重采样至10 m分辨率的地面温度影像进行比较，结果见图2。

图2 热红外影像亚像元分解效果Fig.2 Result of thermal image sharpening

从图2可见，与细化前相比，细化后的地表温度影像在较好保持了原始影像的总体热特征同时，纹理和细节更加清晰；而直接重采样至10 m的地表温度影像，虽然像元大小也为10 m，但其纹理特征较为模糊，且无法清晰显示较为细碎的建设物等细节。这表明，经EM算法细化后，在显著提高空间分辨率的同时，原始影像的热特征分布也未出现明显的改变。

为更客观评价细化后的结果，引入最大值、最小值、均值、均方根误差(RMSE)这4个统计量对无锡市地表温度细化结果进行分析，结果如表2所示。其中均方根误差可以测量n维空间中2个测度向量的相似性，其计算公式：

(7)

式中：RMSE单位为K；N为像元个数；LSTp为细化后的影像像元值；LST为重采样但未细化的影像像元值。从表2可以看到，未细化与细化影像差异较小，RMSE为1.213 K，细化后的影像能较好地保持原始地表温度影像的热特征分布。总体上看，细化效果较好，使用细化后的地表温度代替热红外波段，可以有效提高不透水面的空间分辨率，有助于不透水面和之后的裸土提取。

表2 细化影像统计信息与均方根误差Table 2 Statistics of downscaled imaged and RMSE

3.2 无锡市裸土提取效果评价

裸土的提取结果基于指数的决策树分类实现(分类结果为裸土、不透水面、水体、云层和其他)。为了定量评价裸土提取的效果，本文使用与遥感数据时间较为接近的高空间分辨率谷歌影像，并随机选取了1 500个验证样本点对裸土提取结果进行精度验证(表3)。通过表3可以看到，裸土提取的总精度为94.13%，Kappa系数为0.924，表明使用的裸土提取算法取得了较好的提取效果，能够较为准确地实现10 m高空间分辨率的裸土提取。

表3 裸土信息提取结果精度验证表Table 3 Accuracy assessment of thebare soil extraction results

无锡全市及各县区提取得到的裸土面积见表4。从表4可见，全市裸土面积116.63 km2，无锡市区、宜兴市、江阴市裸土面积分别为45.16、46.77、24.70 km2，从裸土占区域面积比例看，全市总体裸土面积占比为2.52%，其中无锡市区占比最多(2.75%)，宜兴市占比最少(2.34%)。

3.3 无锡市区国控环境空气自动监测点周边裸土与颗粒物监测结果分析

为分析裸土风蚀源对大气颗粒物监测结果的影响，从而为裸土扬尘源管理的针对性施策提供技术支持，本文将无锡市区8个国控环境空气自动监测站点分别进行1、2、3 km的多重缓冲，与上文中无锡市土地分类结果叠加，得到国控环境空气自动监测站点1、2、3 km范围内的包括裸土在内的地物分类制图结果，如图3所示。

从图3可见，无锡市区8个国控站点缓冲区范围内裸土分布状况有明显差异，分别统计其1、2、3 km范围内的裸土面积，统计结果见表5。

图3 国控环境空气自动监测站点缓冲区地物分类结果Fig.3 Classification results of ground features in the buffer zone of thestate-controlled automatic ambient air monitoring stations

由表5可知，不同国控环境空气自动监测站点周边裸土面积差异较大，其中黄巷站点周边分布的裸土面积最大，1、2、3 km范围内面积分别为0.177、0.781 7、1.637 km2；漆塘站点周边分布的裸土面积最小，1、2、3 km范围内面积分别为0.028、0.089、0.362 km2。将统计得到的无锡市区8个国控环境空气自动监测站点周边1、2、3 km的裸土面积分别与2020年各站点监测得到的PM10和PM2.5浓度年均值进行相关性分析，结果分别见图4和图5。

表5 国控环境空气自动监测站点周边裸土提取面积Table 5 The bare soil extraction area around the state-controlled automatic ambient air monitoring stations

图4 国控环境空气自动监测站周边裸土面积与PM10浓度相关性分析Fig.4 Correlation analysis of the surrounding baresoil area and PM10 concentration of thestate-controlled automatic ambientair monitoring stations

图5 国控环境空气自动监测站周边裸土面积与PM2.5浓度相关性分析Fig.5 Correlation analysis of the surrounding baresoil area and PM2.5 concentration of thestate-controlled automatic ambientair monitoring stations

从图4可知，国控环境空气自动监测站点周边1、2、3 km裸土面积与PM10浓度均显著正相关，从线性相关系数来看，2 km和3 km缓冲区范围的裸土面积对PM10颗粒物浓度的影响差别不大，相关系数分别为0.785 2和0.783 5，1 km缓冲区范围的裸土面积对PM10浓度的影响相对较低，相关系数为0.763 6；从图5可知，国控环境空气自动监测站点周边裸土面积与PM2.5浓度相关性不显著，1、2、3 km缓冲区的相关系数分别为0.605 5、0.591 2和0.698 1，这可能是因为裸土风蚀尘所产生的颗粒物的粒径较大，从而对PM10浓度监测结果的影响要大于PM2.5。因此，需重点关注各站点周边2 km缓冲区范围内的裸土分布情况，特别是针对裸土面积较大的监测点位，建立监测点周边扬尘源问题清单，瞄准问题根源，对症施策。

4 结论

通过setntinel-2和landsat8遥感数据的联合使用对无锡市以及国控环境自动监测站点周边的裸土扬尘源进行了高空间分辨率提取和调查分析，结果表明：

1) 裸土提取结果较为精细和准确，整体精度达到94.13%，说明高空间分辨率的裸土制图结果是有效可行的，相比于传统的实地勘测具有较大优势。

2) 全市裸土面积116.63 km2，从裸土占区域面积比例看，全市总体裸土面积占比为2.52%，其中无锡市区占比最多(2.75%)，宜兴市占比最少(2.34%)。

3) 国控环境空气自动监测站点周边裸土面积对站点监测的大气颗粒物浓度有较大影响，其中对PM10浓度的影响明显大于PM2.5。相比于1 km和3 km，2 km缓冲区范围内的裸土面积对PM10浓度的影响最大。

裸土扬尘源污染治理是改善城市空气质量的重要内容，环境空气自动监测站点的大气颗粒物监测结果直接受其周边裸土面积影响，建议无锡市环境管理部门重点关注国控环境自动监测站点周边(特别是2 km缓冲区范围内)裸土面积的分布，对个别时段出现降尘量大、大气颗粒物高值的点位，可结合遥感影像分析结果进行现场排查，特别是建筑工地，施工区域等，开展现场督办，要求对裸露部分尽快进行全面覆盖，做好抑尘措施，防止扬尘污染。下一步可对国控环境空气自动监测站周边裸土扬尘源情况开展动态遥感监测，将遥感调查结果与实地勘测相结合，通过定期巡检推动防尘整治工作的有序开展。