北京市氣溶膠光學厚度與空氣污染指數(shù)關系研究

洪 超，麻金繼

（安徽師范大學 國土資源與旅游學院，安徽 蕪湖 241003）

0 引言

近年來，大氣污染成為中國在快速工業(yè)化過程中所面臨的一個難題.在中國大陸，城市大氣中的主要污染物為可吸入氣溶膠顆粒物.大氣氣溶膠是指懸浮在大氣當中大小為10-5-10 μm大小的液態(tài)或固態(tài)粒子,是地-氣系統(tǒng)的重要組成部分[1].隨著衛(wèi)星遙感技術(shù)的興起，通過遙感技術(shù)有效的檢測和預測大氣污染成為一項迫切的任務[2].

迄今為止，將衛(wèi)星遙感資料運用于大氣污染的研究領域，國內(nèi)外學者取得一系列成果.李成才等對2001年在北京地區(qū)利用太陽光度計觀測的氣溶膠光學厚度和NASA發(fā)布的MODIS氣溶膠產(chǎn)品進行了比較，驗證了這一衛(wèi)星遙感產(chǎn)品的可靠性[3]，并證明了氣溶膠光學厚度具有明顯的時空變化特征[4].他們還利用香港地區(qū)的地面可吸入顆粒物濃度檢測數(shù)據(jù)和MODIS氣溶膠光學厚度的比較發(fā)現(xiàn)MODIS氣溶膠光學厚度產(chǎn)品對于研究城市地區(qū)的空氣污染具有可行性[5].王皓以南京市為研究區(qū)，建立MODIS反演的氣溶膠光學厚度AOD與空氣污染指數(shù)API的關系，試圖以氣溶膠光學厚度AOD來反映大氣污染狀況[6].劉勇在此基礎上，考慮了氣象因子的影響，探討空氣污染指數(shù)和氣溶膠光學厚度的關系，發(fā)現(xiàn)得到更好的效果，更能真實地反映地面空氣的污染狀況[7].國外Chu等[8]利用NASA的10 km的Level 2氣溶膠光學厚度產(chǎn)品研究MODIS資料在監(jiān)測全球、區(qū)域和局地大氣污染方面的應用，證實其存在很顯著的應用價值；Wang等[9]利用在美國阿拉巴馬州的一個城市多個站點的地面和衛(wèi)星資料研究表明PM2.5質(zhì)量濃度與AOD相關系數(shù)在0.7以上，表明主要污染物分布在混合層內(nèi)而且AOD可以被定量用于空氣質(zhì)量的評估.Xu等[10]利用衛(wèi)星資料、地面觀測和數(shù)值模擬技術(shù)分析了造成北京市空氣污染的一個重要原因是來自南部周邊城市的區(qū)域輸送.

從以上前人學者所取得的科研成果可以看出通過建立氣溶膠光學厚度和空氣污染指數(shù)的關系模型來反映大氣污染狀況具有理論依據(jù)和研究意義，但必要條件是研究區(qū)域的某天首要污染物為可吸入顆粒物，才能對API和AOD進行統(tǒng)計分析.筆者以北京市為研究區(qū)域，利用2008-2009年的API數(shù)據(jù)，結(jié)合實測AOD數(shù)據(jù)建立回歸模型，研究兩者的相關性，對大氣質(zhì)量進行評價分析.

1 數(shù)據(jù)的收集與處理

空氣污染指數(shù)數(shù)據(jù)來自中國環(huán)境監(jiān)測總站網(wǎng)上公布的北京市空氣質(zhì)量日報資料，并從中選擇每日的首要污染物為可吸入顆粒物的情況.氣溶膠光學厚度為全球氣溶膠監(jiān)測網(wǎng)AERONET（Aerosol Robotic Network）北京站點（116.38E，39.98N）的觀測數(shù)據(jù)，AERONET是美國和歐洲采用太陽分光光度計在全球布設了400多個用來監(jiān)測大氣氣溶膠的地基站點[11].太陽分光光度計（CE-318）是法國CIMEL公司制造的能夠自動跟蹤掃描的儀器. 該儀器具有 9 個濾波片，中心波長 340，380，440，500，670，870，936，1020，1064 nm，其中 936 nm是水汽的強吸收波段.它可以自動跟蹤太陽進行太陽直接輻射測量、太陽等天頂角天空掃描、太陽主平面掃描和極化通道天空掃描.CE-318測得的太陽直接輻射數(shù)據(jù)可用來反演計算大氣透過率、消光光學厚度、氣溶膠光學厚度、大氣水汽柱總量和臭氧總量.天空掃描數(shù)據(jù)可以反演大氣氣溶膠粒子尺度譜分布及氣溶膠相函數(shù).目前，利用多波段光度計遙感氣溶膠光學厚度是氣溶膠遙感手段中最準確的方法.AERONET提供了大量的數(shù)據(jù)進行氣溶膠光學特性參數(shù)的研究和衛(wèi)星反演結(jié)果的驗證.根據(jù)有值的API數(shù)據(jù)日期相對應選擇該天北京氣溶膠地基觀測站點的氣溶膠24 h平均濃度，在把一些無效數(shù)據(jù)剔除后得到了2008-2009年間的254組數(shù)據(jù)進行研究，如圖1所示，由圖中可以看出，兩組數(shù)據(jù)的變化趨勢以及出現(xiàn)極值的時間具有較好的一致性，可見AOD和API之間存在著一定的相關性.

為了更好的說明AOD和API之間的相關性，在分析過程中將得到的254組數(shù)據(jù)按照API的數(shù)值進行重新排序，在每4個數(shù)據(jù)中隨機選擇一個來進行模型的檢驗.在分季節(jié)進行研究時，季節(jié)的劃分如下：春季為3-5月、夏季為6-8月、秋季為9-11月、冬季為12-2月，整個研究過程中的用于分析建模和檢驗的數(shù)據(jù)如表1所示.

表1 不同時段的建模和檢驗數(shù)據(jù)

圖1 API與AOD分布對比圖

2 API和AOD的回歸性分析模型

2.1 全年的回歸性分析模型

將建模用的254組數(shù)據(jù)中的AOD作為自變量，API作為因變量進行回歸分析，回歸分析的類型包括線性、對數(shù)函數(shù)、一元二次方程、冪函數(shù)和指數(shù)函數(shù)，具體分析結(jié)果如表2所示，從表中可以看出，總的來說，相關系數(shù)r的值并不理想，在這幾個模型中，冪函數(shù)模型的效果最好，最差的為線性函數(shù)模型，因此選擇最佳的冪函數(shù)模型y=107.62x0.2779，圖2為擬合的冪函數(shù)模型.

表2 API和AOD的全年回歸分析模型

圖2 全年API與AOD的冪函數(shù)模型

2.2 不同季節(jié)的回歸性分析模型

由于北京市不同季節(jié)的氣候具有較大的差異，降水的分布和溫度的變化具有明顯的季節(jié)差異，因此使得不同季節(jié)間的大氣情況各不相同，各個季節(jié)之間不同的大氣污染狀況和氣溶膠光學厚度的分布情況使得有必要對不同的季節(jié)進行逐個分析.筆者將建模所用的254組數(shù)據(jù)按前文的季節(jié)劃分方法分為4個季節(jié)，所用的建模數(shù)據(jù)和檢驗數(shù)據(jù)如表1所示，分別對不同季節(jié)的建模數(shù)據(jù)進行回歸性分析，分析的類型包括線性、對數(shù)函數(shù)、一元二次方程、冪函數(shù)和指數(shù)函數(shù)，并根據(jù)相關系數(shù)r的大小來選擇各個時段的最佳模型.

在所得出的4個季節(jié)不同回歸分析類型的結(jié)果中，可以發(fā)現(xiàn)不同季節(jié)的API和AOD的回歸分析模型存在著明顯的不同，根據(jù)相關系數(shù)r的大小來判斷模型的優(yōu)劣，在春季的5個模型中，相關系數(shù)最好的為冪函數(shù)模型，相關系數(shù)為0.599 3，一元二次方程次之，最差的為線性模型，因此選用冪函數(shù)模型作為春季的模型；從夏季的回歸分析模型中可以看出冪函數(shù)模型和對數(shù)函數(shù)模型明顯好于其他3個模型，其中冪函數(shù)模型的相關性系數(shù)為0.456 6，相對于其它模型較好，選擇冪函數(shù)模型作為夏季的分析模型，通過對比可以看出夏季模型較之春季模型相關性系數(shù)稍差；對于秋季的回歸分析模型來說，冪指數(shù)模型和指數(shù)模型的效果較之另外3種模型較為不理想，在線性模型、對數(shù)模型和一元二次方程模型中，對數(shù)模型最為理想，相關性系數(shù)為0.552 1，相對于夏季模型來說還比較理想，但比春季模型稍差；在冬季的5個模型中冪函數(shù)模型的相關系數(shù)達到0.626 4，明顯優(yōu)于其他4種模型，最差的為線性模型，相關性系數(shù)也達到0.492 0，因此選擇冪函數(shù)模型作為冬季的最佳模型.圖3到圖6分別給出了不同季節(jié)的最佳擬合模型.

圖3 春季API與AOD的冪函數(shù)模型

圖4 夏季API與AOD的冪函數(shù)模型

圖5 秋季API與AOD的對數(shù)函數(shù)模型

圖6 冬季API與AOD的冪函數(shù)模型

利用相關系數(shù)r的大小作為最佳模型的選擇標準，分別確定了確定的全年回歸分析和不同季節(jié)回歸分析的最佳模型，如表3所示，從中可以發(fā)現(xiàn)春季、夏季和冬季的模型均為冪函數(shù)模型，而秋季模型則為對數(shù)函數(shù)模型，同時也能夠清晰的發(fā)現(xiàn)在所有模型中冬季的模型效果最好，接下來依次為春季模型、秋季模型、全年模型，效果最不理想的為夏季模型.

在把分季節(jié)的回歸分析模型和全年的分析模型比較后可以發(fā)現(xiàn)，春季模型和冬季模型相對于原來的全年的模型有明顯的改善，秋季模型雖然改善不是很明顯，但其相關性系數(shù)也有一定程度的提高，但夏季模型的相關性系數(shù)卻有少許的降低，這是由于北京的氣候為典型的暖溫帶半濕潤大陸性季風氣候，夏季高溫多雨，導致收集到的有效數(shù)據(jù)不多，建模數(shù)據(jù)相對較少，不確定性較大的原因引起的.

表3 不同時段的AOD和API的擬合模型

3 回歸分析模型的檢驗

大氣的污染狀況是由多種因素共同作用的結(jié)果，因此大氣的污染狀況是在不停的變化著的，且變化周期較短，這就給監(jiān)測帶來了很大的困難，在現(xiàn)有技術(shù)水平下，為了更加直觀地反映大氣的污染狀況，通常將其劃分為一定的等級，如大氣的優(yōu)、良、輕微污染等來進行大氣環(huán)境的監(jiān)測和預報，這就使得所使用的大氣污染指數(shù)也具有一定的等級性，中國所使用的空氣質(zhì)量周報是以50為間隔進行分級的.由于本文建模的最終目的是用于對大氣質(zhì)量進行評價的，因此在對前文所建立的模型進行精度檢驗是應充分考慮大氣污染指數(shù)的等級性這一特點.

由于API的等級性，在檢驗模型時對模擬和預測的結(jié)果設定一個閾值，所謂閾值也就是模擬結(jié)果與實際結(jié)果之間的絕對誤差，當閾值為1時即絕對誤差為 （-1,1），檢驗的具體過程為：首先把建模數(shù)據(jù)中的AOD值代入不同時間段內(nèi)的最佳擬合模型中，將得到的API值與實際的API值進行對比得出模型的擬合精度，然后用同樣的方法代入待檢驗的數(shù)據(jù)得到預測的精度，在整個檢驗過程中，閾值選取5，15，25，35，45，55，具體結(jié)果如表4所示.

表4 不同時段的模型檢驗和預測精度

續(xù)表4 不同時段的模型檢驗和預測精度

由表4可以看出，當閾值取5時，無論是全年的回歸分析模型還是分季節(jié)的模型其擬合精度和預測精度都較低，最高的只有26.67%，而當閾值取55時，全年的回歸分析模型和分季節(jié)的模型中擬合精度和預測精度都已經(jīng)很接近100%，其中春季、夏季和秋季的精度均達到100%，考慮到API本身是以50為間隔進行分級來進行大氣狀況的預報的，再依據(jù)表4中的預測精度選取閾值為25時的模擬精度和預測精度，表5給出了全年和分季節(jié)的最佳模型和閾值為25時的模擬精度和預測精度，從中可以發(fā)現(xiàn)除了春季外，其他時段的預測精度均達到了70%以上，最低的春季也達到66.67%，可見預測精度還是較為理想的.

表5 不同時段的AOD和API的擬合模型及其精度

4 結(jié)論

通過利用北京市2008-2009年間總共254組有效API數(shù)據(jù)和AOD數(shù)據(jù)，研究了兩者之間的回歸分析關系，并建立了兩者之間的回歸關系模型從而實現(xiàn)了利用遙感手段來對城市空氣污染狀況進行監(jiān)測的目的.氣溶膠光學厚度和城市空氣污染指數(shù)之間具有一定的相關性，在一定程度上能夠反映出大氣的污染情況.比較全年和不同季節(jié)下的空氣污染指數(shù)和氣溶膠光學厚度的模型可以看出，春季和冬季的模型效果最為理想，相關系數(shù)分別為0.599 3和0.626 4，從預測精度上看，當閾值取25時除春季外預測精度都達到了70%以上，春季為66.67%，可見利用氣溶膠光學厚度值對于空氣污染等級的預報具有較好的效果.

在研究氣溶膠光學厚度與空氣污染指數(shù)之間的關系時，當日的大氣首要污染物必須為可吸入顆粒物，當首要污染物為其他氣體時氣溶膠光學厚度則對其不敏感，另外由于氣溶膠地基觀測站點相對較少，因此當研究區(qū)域沒有地基觀測站點時，必須通過其他方式獲取氣溶膠光學厚度，在以后的研究中可以考慮借助衛(wèi)星遙感影像數(shù)據(jù)反演氣溶膠光學厚度，結(jié)合地基觀測AOD數(shù)據(jù)進行統(tǒng)計分析，相信能取得更好的效果.

[1]李成才,毛節(jié)泰,劉啟漢.MODIS衛(wèi)星遙感氣溶膠產(chǎn)品在北京市大氣污染研究中的應用 [J].中國科學 （D輯）：地球科學，2005，35（S1）：177-186.

[2]李成才.MODIS遙感氣溶膠光學厚度及應用于區(qū)域環(huán)境大氣污染研究[D].北京：北京大學，2002.

[3]李成才，毛節(jié)泰，劉啟漢，等.利用MODIS光學厚度遙感產(chǎn)品研究北京及周邊地區(qū)的大氣污染[J].大氣科學，2003，27（5）：869-880.

[4]李成才，毛節(jié)泰，劉啟漢.用MODIS遙感資料分析四川盆地氣溶膠光學厚度時空分布特征[J].應用氣象學報，2003，14（1）：1-7.

[5]LauKai-HonAlexis，LIChengcai，MAOJietai，etal.ANewWayofUsingMODISDatatoStudyAirPollutionOverthePearRiverDelta[J].ProceedingsoftheSPIE，2003，4891：105-114.

[6]王皓.南京市區(qū)空氣污染指數(shù)與MODIS氣溶膠光學厚度的回歸分析[D].南京:南京師范大學，2006.

[7]劉勇.MODIS氣溶膠光學厚度與南京主城區(qū)空氣污染指數(shù)的關系研究[D].南京:南京師范大學，2007.

[8]CHUDA，KAUFMANYJ，ZIBORDIG，etal.GlobalMonitoringofAirPollutionoverLandfromtheEarthObservingSystem-terraModerateResolutionImagingSpectroradiometer（MODIS）[J].GeophysRes，2003，108（D21）：3179-3205.

[9]WANGJ，CHRISTOPHERSA.IntercomparisonBetweenSatellite-derivedAerosolOpticalThicknessandPM2.5Mass：Implicationsfor AirQualittStudies[J].GeophysicalResearchLetters，2003，30（21）：1605-1614.

[10]徐祥德，周麗，周秀驥.城市環(huán)境大氣重污染過程周邊源影響域[J].中國科學（D輯），2004，34（10）：958-966.

[11]王中挺，陳良富，張瑩，等.利用MODIS數(shù)據(jù)監(jiān)測北京地區(qū)氣溶膠[J].遙感技術(shù)與應用，2008，23（3）：284-288.