孫 爽,李令軍,趙文吉*,王麗麗,邱 昀,姜 磊,張立坤

基于熱異常遙感的冀南城市群工業(yè)能耗及大氣污染

孫 爽1,李令軍2*,趙文吉1*,王麗麗1,邱 昀2,姜 磊2,張立坤2

(1.首都師范大學資源環(huán)境與旅游學院,北京 100048；2.北京市環(huán)境保護監(jiān)測中心 100048)

選取冀南城市群為研究區(qū),基于2012~2016年VIIRS衛(wèi)星數(shù)據(jù)熱異常點產(chǎn)品,結合工業(yè)能源消耗量、工業(yè)廢氣排放量以及空氣質量數(shù)據(jù),利用統(tǒng)計分析和空間分析探討熱異常點輻射強度的變化規(guī)律及其與工業(yè)能源消耗、污染物排放之間的關系.結果表明,熱異常點的輻射強度可以表征工業(yè)能源消耗量,并間接反映工業(yè)生產(chǎn)規(guī)模與污染排放水平.輻射強度越大,工業(yè)生產(chǎn)規(guī)模越大.輻射強度與工業(yè)SO2排放量呈較高的正相關,與NO排放量呈中度線性相關.PM10、SO2及NO2濃度與工業(yè)能源消耗和熱異常點輻射強度灰色關聯(lián)度均較高.工業(yè)生產(chǎn)活動產(chǎn)生的污染物中,顆粒物對大氣污染的貢獻最高,其次為SO2. 2012~2016年,邯鄲、石家莊以及廊坊的工業(yè)生產(chǎn)空間分布呈逐年收縮聚集的趨勢,保定和滄州的工業(yè)生產(chǎn)分別出現(xiàn)向南、向西遷移趨勢.

熱異常；大氣污染；工業(yè)污染排放；綜合能源消耗量；冀南城市群

關于工業(yè)能源消耗對大氣污染的影響已有很多研究,大多數(shù)專家學者基于統(tǒng)計年鑒中的數(shù)據(jù)[1-2],利用統(tǒng)計分析[3-4],生命周期清單分析[5-6],投入產(chǎn)出模型[7-8],灰色關聯(lián)模型[9-10]等不同的方法,研究工業(yè)能源消耗與污染排放之間的關系;也有學者結合實地調(diào)查數(shù)據(jù)進行相關研究[11].基于統(tǒng)計和實地調(diào)查數(shù)據(jù)的研究,數(shù)據(jù)時效性差,主觀性強,往往誤差較大,而遙感監(jiān)測恰能彌補這些不足.基于熱異常遙感的大氣污染研究在生物質燃燒遙感監(jiān)測[12]、污染過程分析[13]、評估對空氣質量的影響[14]以及秸稈焚燒排放清單制作[15]等方面已有廣泛的研究.此外,遙感熱異常識別在工業(yè)提取方面得到了很好的應用.Zhou等[16]利用Landsat-8熱紅外傳感器監(jiān)測工廠活動;孫佳琪等[17]利用VIIRS夜間熱異常點提取了京津冀地區(qū)工業(yè)熱源并做了分類探討,精度為83.71%; Liu等[18]利用夜間熱異常點制作了全球工業(yè)清單,驗證后分類精度達到77%.已有研究均選取夜間熱異常點進行分析,減少了其他熱異常以及建筑物反射太陽光等因素的干擾[19-20].但基于熱異常遙感的工業(yè)污染排放水平的研究未見報道.

河北產(chǎn)業(yè)結構偏重,能源以燃煤為主,耗能多,污染重[21-22].尤其是在冀南城市群,鋼鐵、水泥、石化以及建材等重化工業(yè)密集[23-24].在2012~2016年間各城市工業(yè)總產(chǎn)值占GDP的比例均超過40%,工業(yè)排放對區(qū)域內(nèi)大氣污染的貢獻較大.

本文以河北省南部城市群為主要研究區(qū),以遙感數(shù)據(jù)提取的熱異常點為主要數(shù)據(jù)源,研究其與工業(yè)能耗的定量關系,以此表征工業(yè)能耗并結合產(chǎn)業(yè)結構間接反映生產(chǎn)規(guī)模,探討工業(yè)活動的污染排放水平及其對區(qū)域空氣質量的影響.

1 研究方法

1.1 研究區(qū)概況

選取廊坊、保定、石家莊、滄州、衡水、邢臺以及邯鄲7個城市作為研究范圍.研究區(qū)地勢西高東低,東部平原區(qū)面積占77%;區(qū)域內(nèi)重工業(yè)集中,工業(yè)總產(chǎn)值對區(qū)域經(jīng)濟貢獻大.由于華北平原半封閉地形條件以及冀南城市群以工業(yè)為主的產(chǎn)業(yè)結構,7個城市在京津冀乃至全國范圍空氣質量都較差[25].區(qū)域內(nèi)大氣污染沿太行山前呈現(xiàn)面域擴展、轉移和復合加重態(tài)勢[26].

1.2 數(shù)據(jù)來源

熱異常數(shù)據(jù)來自Suomi-NPP VIIRS VNP14IMGTDL產(chǎn)品集,該產(chǎn)品利用VIIRS傳感器375m分辨率的多光譜數(shù)據(jù)4和5紅外通道提取熱異常,可識別溫度為400~1200K,在中國東部地區(qū)錯分誤差1.2%[27].Suomi-NPP衛(wèi)星每日夜間1:00和下午13:00左右各過境一次,本文選取夜間1:00的熱異常點數(shù)據(jù)作為研究數(shù)據(jù),相較于白天多種類型熱異常點混合以及受太陽輻射的干擾,夜間熱異常點可以更好的反映工業(yè)生產(chǎn)活動[17].

反映區(qū)域空氣質量狀況的NO2柱濃度來自荷蘭皇家氣象研究所(TEMIS)提供的OMI NO2月均數(shù)據(jù)數(shù)據(jù)集[28](http://www.temis.nl/airpollution/no2. html),數(shù)據(jù)的單位1015molec/cm2,空間分辨率0.125°′0.125°,產(chǎn)品的不確定性為15%.數(shù)據(jù)時間跨度為2012年1月~2016年12月.大氣污染物質量濃度數(shù)據(jù)來自全國空氣質量實時發(fā)布平臺公布的逐時濃度數(shù)據(jù)(http://106.37.208.233: 20035/),數(shù)據(jù)時間跨度為2014年5月~2016年12月.

各行業(yè)各類工業(yè)能源消費、產(chǎn)品產(chǎn)量、工業(yè)污染物排放量以及工企業(yè)綜合能源消耗量等數(shù)據(jù)均來自各地市相應年份的統(tǒng)計年鑒.

1.3 研究方法

1.3.1 工業(yè)熱異常點提取 根據(jù)維恩位移定律,常溫地物(約300K)熱輻射能量的峰值位于熱紅外波段,隨著溫度升高,熱輻射的峰值向波長較短的波段移動[29],工業(yè)燃燒以及生物質燃燒等現(xiàn)象(500~ 2500K)的熱輻射的峰值波長位于中紅外波段[17,30],通過遙感數(shù)據(jù)可以提取明顯異于常溫地物的對象及熱異常對象.

基于VIIRS多光譜數(shù)據(jù)進行熱異常提取的方法中,去除云以及水體等干擾因素后,當滿足如下條件:

{BT4>320K且QF4=0(夜晚) (1)

BT4=367K且QF4=9(白天和夜晚) (2)

且BT5>290K且QF5=0(白天)且1+2>0.7(白天)} (3)

當4通道亮度溫度達到367K飽和時,則需滿足條件:

{ΔBT45<0并且 (4)

BT5>325K且QF5=0(白天) (5)

BT5>310K且QF5=0(夜晚)} (6)

此時,所反演出的溫度即為熱異常,VIIRS熱異常點的溫度一般大于500K[17].

式中: BT4和BT5分別為4和5通道的亮度溫度;QF4和QF5為4和5通道的質量標志;ΔBT45為4通道和5通道的亮溫差,1和2分別表示1和2通道的反射率.

冀南城市群約76.6%為平原地區(qū),生物質燃燒主要為秸稈焚燒,具有空間分布相對分散,時間分布具有明顯的季節(jié)性的特點.工業(yè)燃燒在一定時間范圍內(nèi),以工廠為中心成聚集態(tài)勢且同一位置出現(xiàn)頻次高[18].尤其在深夜,少有生物質及其他人為燃燒源,熱異常點主要反映工業(yè)能源消耗.

選取夜間熱異常點作為研究對象,以研究區(qū)內(nèi)的耕地做掩膜,剔除耕地范圍內(nèi)空間分布分散且數(shù)量少的熱異常點,結合GoogleEarth高分辨率影像對比驗證(圖1),篩選后得到的熱異常點基本可以表征工業(yè)生產(chǎn).

1.3.2 灰色關聯(lián)分析 通過灰色關聯(lián)分析確定系統(tǒng)因素間的影響程度,根據(jù)序列曲線幾何形狀的相似程度來判斷其聯(lián)系是否緊密灰色關聯(lián)度越大,兩因素變化態(tài)勢越一致[31-33].計算公式如下:

關聯(lián)度的計算公式:

由于大氣中NO2、SO2等污染物來源復雜,污染物濃度與熱異常點輻射強度、工業(yè)能源消耗量很難建立直接的相關關系,利用灰色關聯(lián)模型分析,能夠更準確的表征污染物濃度與熱異常輻射強度及工業(yè)能源消耗量之間的相近程度.

1.3.3 空間分析 (1)核密度分析:是使用核函數(shù)將各個點或線擬合為光滑錐狀表面,并計算其在周圍鄰域中的密度[34].假設存在熱異常點12,…,x,則任意熱異常點聚集區(qū)x處的核密度估計為:

本研究將熱異常點根據(jù)空間分布和輻射強度的大小,獲得熱異常點空間分布密度,以反映研究區(qū)內(nèi)熱排放的整體情況.

(2)加權標準距離:用來度量分布的緊密度,可以提供一個表示要素相對于中心的分散程度的值[35].加權標準距離如下:

以熱異常點輻射強度為權重,統(tǒng)計各城市每年的熱異常點數(shù)量,通過標準距離范圍年際間的變化,得到熱異常點空間變化情況.

2 分析與討論

2.1 熱異常輻射強度與工業(yè)耗能關系

2.1.1 熱異常與工業(yè)能源消費變化規(guī)律 如圖2所示,熱異常點的年輻射強度:邯鄲>石家莊>廊坊>邢臺>保定>滄州>衡水,工業(yè)能源消耗量:邯鄲>石家莊>邢臺>滄州>保定>廊坊>衡水,熱異常點的輻射強度與工業(yè)能源消耗存在明顯正相關關系.2012~ 2016年間,邯鄲、邢臺、廊坊、石家莊以及衡水的工業(yè)能源消耗呈現(xiàn)減少的趨勢,而滄州呈現(xiàn)增加的趨勢;熱異常點輻射強度的變化規(guī)律與工業(yè)能源相一致,當工業(yè)能源消耗量降低時,熱異常點的輻射強度相應也會減弱.

邯鄲是冀南城市群中重工業(yè)分布最集中的城市,主要為鋼鐵及水泥行業(yè),武安市、涉縣以及峰峰礦區(qū)等都是重要的工業(yè)集中區(qū)[36-37],工業(yè)能源消耗明顯高于其他城市;石家莊化工、醫(yī)藥以及裝備工業(yè)發(fā)達[38],工業(yè)生產(chǎn)規(guī)模僅次于邯鄲;而衡水主要以輕工業(yè)為主,重工業(yè)企業(yè)分布少,能源消耗量低[39],熱異常點輻射強度也明顯偏低.2013年國務院發(fā)布《大氣污染防治行動計劃》提出優(yōu)化產(chǎn)業(yè)結構、調(diào)整能源結構等措施[40].到2017年,河北省規(guī)模以上工業(yè)煤炭消費累計壓減4537萬t,累計壓減煉鋼產(chǎn)能7192萬t、煉鐵產(chǎn)能6508萬t[41],所以主要工業(yè)城市能源消耗呈現(xiàn)逐年減少的趨勢,熱異常點的輻射強度整體上也呈現(xiàn)逐年減少的趨勢.

如圖3,邯鄲、滄州以及廊坊標準距離圓不斷收縮,工企業(yè)分布呈現(xiàn)聚集趨勢,形成沿冀南城市群的東北-西南方向的工企業(yè)收縮軸,這受河北省化解過剩產(chǎn)能、能源結構調(diào)整的影響[42]. 7個城市中,滄州的工企業(yè)最分散,邯鄲的最密集.工業(yè)分布越密集城市空氣質量越差.

對于工企業(yè)分布中心遷移,滄州、保定也分別呈現(xiàn)出向東、向南逐年遷移的趨勢.滄州的城市規(guī)劃中,將渤海新區(qū)、臨港工業(yè)區(qū)以及黃驊市設立為沿海重點發(fā)展區(qū)域[43];保定的城市規(guī)劃中,以定州為次中心城市,利用毗鄰石家莊的有利政策,形成以能源、煤化工等為主的產(chǎn)業(yè)基地[44].這與2個城市的工業(yè)中心遷移的方向是一致的.

圖3 2012~2016年冀南城市群熱異常點標準距離

熱異常點的數(shù)量可以表征工業(yè)源的空間分布以及變化遷移特征,輻射強度的大小可以表征工業(yè)生產(chǎn)規(guī)模以及能耗情況.

2.1.2 熱異常與工業(yè)能源消耗相關關系 河北省2012~2016年煤炭能源消費總量占總能源消費的比例分別為88.86%、88.69%、88.46%、86.55%和85.01%,而工業(yè)能源消費占總能源消費比例的80%左右[45],工業(yè)為主要能源消費行業(yè),且煤炭占主導地位.

將2012~2016年各城市熱異常點的年輻射強度與工業(yè)煤炭消耗量、綜合能源消耗量進行一元線性回歸分析,相關系數(shù)2分別為0.86和0.66(圖4a,圖4b),呈現(xiàn)高度線性相關.其中邯鄲在7個城市中工業(yè)能源消費最多,生產(chǎn)規(guī)模最大,熱異常點的輻射強度最強,工業(yè)大氣污染排放對大氣污染濃度的貢獻最大.

在工業(yè)生產(chǎn)中,能源利用率越高,排放的熱能越少[46],探測到的熱異常點輻射強度相對越低.利用單位工業(yè)GDP能耗對能源消耗量校正以提高數(shù)據(jù)的擬合程度,相關系數(shù)2分別提高到0.93和0.92(圖4c,圖4d),對于工業(yè)企業(yè)分布較多的邯鄲和石家莊校正效果明顯,說明2個城市的工業(yè)能源利用效率比較低.

回歸分析結果表明:熱異常點輻射強度可以表征工業(yè)能源的消費量以及工業(yè)生產(chǎn)規(guī)模,在冀南城市群工業(yè)能源主要為煤炭,煤炭燃燒產(chǎn)生的顆粒物[47]、SO2及其他含硫化合物對大氣污染的貢獻要高于其他污染源[48].

圖4 工業(yè)能源消耗量與熱異常點輻射強度線性回歸

2.2 熱異常與大氣污染相關關系

2.2.1 熱異常與區(qū)域污染關系 對熱異常點做核密度分析,得到不同地區(qū)熱異常點輻射強度的分布(圖5),邯鄲的涉縣、復興區(qū)、武安以及峰峰礦區(qū)、石家莊的平山縣、井陘礦區(qū)以及藁城縣、保定定州市以及廊坊的安次區(qū)和霸州市,熱異常點輻射強度大,分布密集.

邯鋼集團位于復興區(qū)、新興鑄管以及縱橫鋼廠都位于武安;峰峰礦區(qū)是全國聞名的煤炭、鋼鐵、建材工業(yè)基地;敬業(yè)鋼廠與金隅水泥分別位于平山和贊皇縣,井陘礦區(qū)以冶金、機械、建材、化工四大產(chǎn)業(yè)為主導;邯鄲的鋼鐵行業(yè)對京津冀地區(qū)PM2.5濃度貢獻占所有地市鋼鐵行業(yè)貢獻的的21.7%,石家莊占12.9%[49],廊坊的安次區(qū)非金屬/礦物制品、金屬制品工企業(yè)較多,能源消耗量大,氣態(tài)污染物SO2、CO、NO排放量較大[50],霸州最大的傳統(tǒng)優(yōu)勢產(chǎn)業(yè)也為鋼鐵產(chǎn)業(yè)[51].幾個熱異常點輻射強度大的地區(qū),鋼鐵行業(yè)污染排放較大.

由河北省生態(tài)環(huán)境廳公布的數(shù)據(jù)統(tǒng)計峰峰礦區(qū)、井陘礦區(qū)、武安市、磁縣、藁城縣、平山縣、贊皇縣等在2014~2016年間,多次位于河北所有縣空氣質量排名的后10名[52],與熱異常點的集中區(qū)一致.熱異常點的輻射強度可以反映大氣污染程度,即熱異常點輻射強度越大的區(qū)域,污染排放量大,相應空氣污染也越嚴重.熱異常點做核密度:冀南城市群工業(yè)源大氣污染排放主要集中在邯鄲-邢臺-石家莊-保定沿山一帶.

將熱異常點的輻射強度、工業(yè)能源消耗與空氣質量指標中的SO2、NO2和PM10質量濃度做灰色關聯(lián)度分析,得到熱異常點輻射強度和工業(yè)能源消耗與各項指標的關聯(lián)度.通?；疑P聯(lián)度大于0.6,即表示分析變量之間的相關程度顯著[53],表1結果顯示,熱異常點輻射強度、工業(yè)能源消耗與空氣污染有顯著的關系.

圖5 熱異常點核密度分析

各污染物濃度與能源消費相關指標的灰色關聯(lián)度從大到小依次為:工業(yè)綜合能源消耗量>工業(yè)煤炭消耗量>熱異常點輻射強度,工業(yè)綜合能源消耗量對空氣中污染物濃度的影響最為顯著.3種污染物指標中,PM10與能源消耗相關指標的關聯(lián)度最高,其次分別為SO2與NO2.

京津冀地區(qū)工業(yè)污染排放中,鋼鐵冶金行業(yè)貢獻最大,其次為水泥、煉焦和化工行業(yè)[54-55],對大氣中顆粒物濃度的貢獻最大.

熱異常點輻射強度可以反映空氣質量狀況,熱異常點輻射強度越強,工業(yè)能源消耗量越大,大氣中污染物的濃度越高,空氣質量越差.

表1 冀南城市群工業(yè)能源消耗與空氣質量灰色關聯(lián)度

2.2.2 熱異常與工業(yè)大氣污染排放分析 將2012~2016年河北省各城市工業(yè)SO2排放量與熱異常點年輻射強度做一元線性回歸分析,校正前后相關系數(shù)2分別為0.67,0.70(表1),呈現(xiàn)高度線性相關.即熱異常點的輻射強度越強相應工業(yè)SO2的排放量越大.

將2012~2016年的OMI NO2求年均值、工業(yè)NO排放量與相應的熱異常點輻射強度做一元線性回歸分析,相關系數(shù)2分別為0.31,0.66 (表 2),呈中度線性相關和高度線性相關.熱異常點的輻射強度與NO的排放量具有較好的相關性,區(qū)域內(nèi)熱異常點輻射強度越強,工業(yè)NO的排放量越多.

表2 熱異常點輻射強度與污染物排放量線性回歸結果

2.2.3 能耗-大氣污染-熱排城市類型分析 對PM10、SO2以及NO2污染物濃度、熱異常點輻射強度以及工業(yè)綜合能源消耗量進行歸一化處理,再將三者做三角統(tǒng)計分析,將各因素所占比例設定為對不同類型城市的影響程度(圖6).根據(jù)各因素所占比例在三角統(tǒng)計圖中的分布,將0~0.25劃分為低等級, 0.25~0.75為中等級,0.75~1為高等級,可將冀南各城市大致劃分為5類,各類型的城市劃分如表3所示.

低能耗-高污染-低熱排型城市,工業(yè)能源消耗少,工業(yè)污染對大氣中污染物濃度的貢獻較小;中能耗-中污染-低熱排型城市,單位工業(yè)GDP能耗低,但工業(yè)大氣污染物的排放量較大;低能耗-中污染-中熱排型城市,工業(yè)能源消耗量較大且單位工業(yè)GDP能耗較低;中能耗-中污染-中熱排型城市,能源消耗量大, 單位工業(yè)GDP能耗較高,污染排放較大;低能耗-低污染-高熱排型城市,該類城市中相對能源消耗和大氣污染,熱量排放明顯偏大,熱異常點輻射強度強,能源消耗量大且單位工業(yè)GDP能耗高.由表4可知,邯鄲、邢臺以及石家莊工業(yè)單位GDP能耗較高,與這3個城市重工業(yè)比重大密切相關;衡水工業(yè)單位GDP能耗逐年下降的趨勢,在幾個城市中處于最低水平,主要緣于衡水第二產(chǎn)業(yè)以輕工業(yè)為主,工業(yè)能源消耗較少.

圖6 污染物濃度、熱異常點輻射強度以及工業(yè)能源消耗量對城市的影響所占比例

表3 能耗-污染-熱排城市類型劃分

表4 各城市單位工業(yè)GDP能耗(t標準煤/萬元)

熱異常的輻射強度可直接反映工業(yè)能源消耗狀況,能源消耗量越大、利用效率越低,探測到的熱異常輻射強度越強,污染物的排放量也越多;而能源利用效率高或重工業(yè)少的城市,探測到熱異常點數(shù)量少,工業(yè)污染排放對大氣污染的貢獻較小.

3 結論

3.1 工業(yè)生產(chǎn)過程中能源消耗釋放出的熱量越多,熱異常點的輻射強度越強,熱異常點的輻射強度可以表征工業(yè)能源消耗量以及工業(yè)生產(chǎn)規(guī)模.研究區(qū)內(nèi),邯鄲的工業(yè)生產(chǎn)規(guī)模最大,石家莊次之,衡水、滄州重工業(yè)分布少,工業(yè)能源消耗量少.冬季工業(yè)能源的消費量要明顯低于其他季節(jié),環(huán)保政策起到了一定的作用.

3.2 2012~2016年,沿冀南地區(qū)東北-西南軸的邯鄲、石家莊以及廊坊的工業(yè)企業(yè)呈逐年收縮聚集的趨勢,保定和滄州的工業(yè)中心分別向南、向西遷移.

3.3 熱異常點輻射強的地區(qū),重工業(yè)企業(yè)集中,區(qū)域內(nèi)空氣質量越差.其輻射強度與工業(yè)SO2排放量呈現(xiàn)較高的相關性,與NO排放量呈中度線性相關,工業(yè)生產(chǎn)規(guī)模越大,能源消耗越多,污染物的排放量越大.

3.4 空氣質量指標中的PM10、SO2以及NO2與工業(yè)能源消耗相關指標的灰色關聯(lián)度均呈現(xiàn)較高水平,其中熱異常點輻射強度與PM10、SO2以及NO2的關聯(lián)度依次為0.75,0.73,0.67,熱異常點輻射強度所表征的能源消耗與大氣污染有顯著關系.

3.5 不同污染物關聯(lián)度PM10>SO2>NO2,工業(yè)生產(chǎn)活動產(chǎn)生的污染物中顆粒物對大氣污染的貢獻最高,其次為SO2,這些都主要由煤炭等燃料燃燒產(chǎn)生.

[1] Lu C, Li W. A comprehensive city-level GHGs inventory accounting quantitative estimation with an empirical case of Baoding [J]. Science of The Total Environment, 2019,651(9):601-613.

[2] Zhang S H, Ren T H, Zhou W J, et al. Assessing air pollution abatement co-benefits of energy efficiency improvement in cement industry: A city level analysis [J]. Journal of Cleaner Production, 2018,185(2):761-771.

[3] 趙 輝,鄭有飛,吳曉云,等.江蘇省大氣復合污染特征與相關氣象驅動 [J]. 中國環(huán)境科學, 2018,38(8):2830-2839. Zhao H, Zheng Y F, Wu X Y, et al. Atmospheric compound pollution characteristics and the effects of meteorological factors in Jiangsu Province [J]. China Environmental Science, 2018,38(8):2830-2839.

[4] 孫 爽,李令軍,趙文吉,等.京津冀大氣污染變化規(guī)律及其與植被指數(shù)相關性分析[J]. 環(huán)境科學, 2019,40(4):1585-1593. Sun S, Li L J, Zhao W J, et al. Variation in pollutant concentrations and correlation analysis with the vegetation index in Beijing- Tianjin-Hebei [J] Environmental Science, 2019,40(4):1585-1593.

[5] 張莉沙.中國鋼鐵產(chǎn)業(yè)環(huán)境影響評價及其低碳發(fā)展研究 [D]. 長沙:湖南大學, 2012. Zhang L S. Environmental impact assessment of China’s iron and steel industry and its low-carbon development research [D]. Changsha: Hunan University, 2012.

[6] 張 捷,趙秀娟.碳減排目標下的廣東省產(chǎn)業(yè)結構優(yōu)化研究-基于投入產(chǎn)出模型和多目標規(guī)劃模型的模擬分析 [J]. 中國工業(yè)經(jīng)濟, 2015,(6):68-80. Zhang J, Zhao X J. The optimization of Guangdong province’s industrial structure under the objective of carbon emissions reduction asimulating analysis based on input-output model and multi-objective programming model [J]. China Industrial Economic, 2015(6):68-80.

[7] 陳 莎,孫中梅,李素梅,等.動態(tài)生命周期評價的研究與應用現(xiàn)狀 [J]. 中國環(huán)境科學, 2018,38(12):4764-4771. Chen S, Sun Z M, Li S M, et al. Research and application status of dynamic life cycle assessment [J]. China Environmental Science, 2018,38(12):4764-4771.

[8] 杜慶坤.京津冀地區(qū)產(chǎn)業(yè)發(fā)展對大氣污染影響研究 [D]. 北京:中國地質大學, 2017. Du Q K. Research on the impact of industrial development on Air Pollution in Beijing-Tianjin-Hebei region [D]. Beijing: China University of Geosciences (Beijing), 2017.

[9] 劉 丹.西安市環(huán)境空氣質量與能源結構的相關性研究 [D]. 西安:西安科技大學, 2018. Liu D. Correlation analysis of air quality and energy constitution in Xi’an [D]. Xi’an: Xi’an University of Science and Technology, 2018.

[10] 任歡歡.2014~2017年我國經(jīng)濟區(qū)及省會城市經(jīng)濟發(fā)展與環(huán)境空氣質量關系研究 [D]. 蘭州:蘭州大學, 2018. Ren H H. Study on the relationship between economic development and ambient air quality in China's economic zones and capital cities from 2014 to 2017 [D]. Lanzhou: Lanzhou University, 2018.

[11] 閆 蕊.高經(jīng)濟增長及能源消耗趨勢下的上海市工業(yè)污染排放量預測研究 [D]. 無錫:江南大學, 2013. Yan R. Prediction of industrial pollution discharge in Shanghai with the trend of high economic growth and energy consumption [D]. Wuxi: Jiangnan University, 2013.

[12] 張 思,劉志紅,佟洪金,等.基于遙感數(shù)據(jù)的秸稈焚燒源排放清單及時空分布特征 [J/OL]. 環(huán)境科學研究, 1-15.[2019-04-21]. https://doi.org/10.13198/j.issn.1001-6929.2019.01.24. Zhang S, Liu Z H, Tong H J, et al. Emission inventory of crop straw field burning and its temporal and spatial allocation based on remote sensing data [J/OL]. Research of Environmental Sciences, [2019-04- 21]. https://doi.org/10.13198/j.issn.1001-6929.2019.01.24.

[13] 程良曉,范 萌,陳良富,等.秋季秸稈焚燒對京津冀地區(qū)霾污染過程的影響分析 [J]. 中國環(huán)境科學, 2017,37(8):2801-2812. Cheng L X, Fan M, Chen L F, et al. Effects on the haze pollution from autumn crop residue burning over the Jing-Jin-Ji Region [J]. China Environmental Science, 2017,37(8):2801-2812.

[14] 段 然,李令軍,姜 磊,等.基于Himawari-8衛(wèi)星的中國東北秸稈焚燒監(jiān)測及其對空氣質量的影響研究 [J]. 環(huán)境污染與防治, 2018,40(3):274-277. Duan R, Li L J, Jiang L, et al. Monitoring of straw burning in northeast China based on Himawari-8satellite and study of its influence on air quality [J]. Environmental Pollution & Control, 2018,40(3):274-277.

[15] 吳立新,呂 鑫,秦 凱,等.秸稈焚燒期間徐州市空氣污染物時空分布特征分析 [J]. 地理與地理信息科學, 2014,30(1):18-22+31. Wu L X, Lv X, Qin K, et al. On spatio-temporal features of air pollutants in Xuzhou city during straw burning period [J]. Geography and Geo-Information Science, 2014,30(1):18-22+31.

[16] Zhou Y, Zhao F, Wang S X, et al, A method for monitoring iron and steel factory economic activity based on satellites [J]. Sustainability, 2018,10(6):1935-1956.

[17] 孫佳琪,劉永學,董雁佇,等.基于Suomi-NPP VIIRS夜間熱異常產(chǎn)品的城市工業(yè)熱源分類-以京津冀地區(qū)為例 [J]. 地理與地理信息科學, 2018,34(3):13-19. Sun J Q, Liu Y X, Dong Y Z, et al. Classification of urban industrial heat sources based on Suomi-NPP VIIRS nighttime thermal anomaly products: A case study of the Beijing-Tianjin-Hebei region [J]. Geography and Geo-Information Science, 2018,34(3):13-19.

[18] Liu Y, Hu C, Zhan W, et al. Identifying industrial heat sources using time-series of the VIIRS nightfire product with an object-oriented approach [J]. Remote Sensing of Environment, 2018,204(10):347- 365.

[19] Xia H, Chen Y, Quan J, et al. A simple method based on the thermal anomaly index to detect industrial heat sources [J]. International Journal of Applied Earth Observation and Geoinformation, 2018,73(8): 627-637.

[20] Elvidge C, Zhizhin M, Baugh K, et al. Methods for global survey of natural gas flaring from Visible Infrared Imaging Radiometer Suite Data [J]. Energies, 2016,9(1):14.

[21] 杜 穎.河北省經(jīng)濟增長與大氣污染關系研究 [D]. 北京:中國地質大學(北京), 2016. Du Y. Study on the relationship between economic growth and air pollution in Hebei province [D]. Beijing: China University of Geosciences (Beijing), 2016.

[22] 崔立明,趙春麗,周春瑤.京津冀地區(qū)重點耗煤行業(yè)大氣污染物排放清單研究[J]. 中國環(huán)境管理, 2018,10(3):27-31. Cui L M, Zhao C L, Zhou C Y. Study on Beijing-Tianjin-Hebei Region key coal consuming industry emission inventory [J]. Chinese Journal of Environmental Management, 2018,10(3):27-31.

[23] 王慧麗,雷 宇,陳瀟君,等.京津冀燃煤工業(yè)和生活鍋爐的技術分布與大氣污染物排放特征 [J]. 環(huán)境科學研究, 2015,28(10):1510- 1517. Wang H L, Lei Y, Chen X J, et al. Technology distribution and air pollutant emissions from coal-fired boilers for industrial and resident- al use in Beijing-Tianjin-Hebei area [J]. Research of Environmental Sciences, 2015,28(10):1510-1517.

[24] 伯 鑫,徐 峻,杜曉惠,等.京津冀地區(qū)鋼鐵企業(yè)大氣污染影響評估[J]. 中國環(huán)境科學, 2017,37(5):1684-1692. Bo X, Xu J, Du X H, et al. Impacts assessment of steel plants on air quality over Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2017,37(5):1684-1692.

[25] 王曉彥,王 帥,朱莉莉,等.2014~2016年京津冀沿山城市空氣質量首要污染物特征分析 [J]. 環(huán)境科學, 2018,39(10):4422-4429. Wang X Y, Wang S, Zhu L L, et al. Characteristics of primary pollutants of air quality in cities along the Taihang Mountains in Beijing-Tianjin-Hebei Region during 2014~2016 [J]. Environmental Science, 2018,39(10):4422-4429.

[26] 楊 旭.京津冀地區(qū)空氣污染特征與氣象成因及其預報研究 [D]. 蘭州:蘭州大學, 2017. Yang X. Research on characteristics of air pollution and its meteorological reasons and forecasting method in Beijing-Tianjin- Hebei Region [D]. Lanzhou: Lanzhou University, 2017.

[27] Schroeder W, Oliva P, Giglio L, et al. The New VIIRS 375m active fire detection data product: Algorithm description and initial assessment [J]. Remote Sensing of Environment, 2014,(5):85-96.

[28] Boersma K F, Eskes H J, Dirksen R J, et al. An improved tropospheric NO2column retrieval algorithm for the Ozone Monitoring Instrument [J]. Atmos. Meas. Tech, 2011,(4):1905-1928.

[29] 王 橋,厲 青,陳良富.大氣環(huán)境衛(wèi)星遙感技術及其應用 [M]. 北京:科學出版社, 2011. Wang Q, Li Q, Chen L F. Atmospheric environment satellite remote sensing technology and its application [M]. Beijing: Science Press, 2011.

[30] 胡慶華,李 兵.基于MODIS衛(wèi)星數(shù)據(jù)的黑龍江省生物質燃燒火點時空分布 [J]. 草業(yè)科學, 2018,35(8):2049-2057. Hu Q H, Li B. Spatial and temporal distribution of biomass burning fire spot in Heilongjiang province based on MODIS satellite data [J]. Pratacultural Science, 2018,35(8):2049-2057.

[31] 彭 玏,趙媛媛,趙吉麟,等.京津冀大氣污染傳輸通道區(qū)大氣污染時空格局研究[J]. 中國環(huán)境科學, 2019,39(2):449-458. Peng L Zhao Y Y, Zhao J L, et al. Spatiotemporal patterns of air pollution in air pollution transmission channel of Beijing-Tianjin- Hebei from 2000 to 2015 [J]. China Environmental Science, 2019, 39(2):449-458.

[32] 蔣姝睿,王 玥,王 萌,等.區(qū)域視角下中國工業(yè)行業(yè)與工業(yè)污染關系 [J]. 中國環(huán)境科學, 2017,37(11):4380-4387. Jiang Z R, Wang Y, Wang M, et al. Industrial sectors and pollution in China based on the regional perspective [J]. China Environmental Science, 2017,37(11):4380-4387.

[33] 劉思峰,黨耀國,方志耕.灰色系統(tǒng)理論及其應用[M]. 3版.北京:科學出版社, 2010. Liu S F, Dang Y G, Fang Z G. Grey system theory and its applications (3rd Edition) [M]. Beijing: Science Press, 2010.

[34] 魏延生.基于POI和滴滴出行數(shù)據(jù)的人們打車需求分析 [D]. 北京:中國科學院大學(中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所), 2018. Wei Y S. Study on Demand of Taxi Based on Didi and POI Data -Taking Beijing Central Region as an example [D]. Beijing: Northeast Institute of Geography and Agroecology, Chinese Academy of Science, 2018.

[35] 王 磊.自適應親和傳播聚類算法的研究與應用 [D]. 西安:陜西師范大學, 2011. Wang L. Research and Application of Adaptive Affinity Propagation Clustering Algorithm [D]. Xi’an: Shanxi Nornal University, 2018.

[36] 許亞宣,李小敏,于華通,等.邯鄲市大氣復合污染特征的監(jiān)測研究 [J]. 環(huán)境科學學報, 2015,(9):2710-2722. Xu Y X, Li X M, Yu H T, et al. Characteristics of air pollution complex in Handan [J]. Acta Scientiae Circumstantiae, 2015,35(9): 2710-2722.

[37] 趙 樂.邯鄲市近年來大氣污染特征變化研究 [D]. 邯鄲:河北工程大學, 2018. Zhao L. The Change of Air Pollution Characteristics in Recent Years in Handan, China [D]. Handan: Hebei University of Engineering, 2018.

[38] 王開月.石家莊工業(yè)結構優(yōu)化階段性特征及對經(jīng)濟的影響 [D]. 石家莊:河北經(jīng)貿(mào)大學, 2015. Wang K Y. Phase characteristics of industrial structure and its impact on the economy in Shijiazhuang [D]. Shijiazhuang: Hebei University of Economics and Business, 2015.

[39] 尹健偉,高媛媛.衡水市規(guī)模工業(yè)支柱行業(yè)篩選及評價—基于”三經(jīng)普”數(shù)據(jù)的分析 [J]. 衡水學院學報, 2017,19(1):54-58. Yin J W, Gao Y Y. Screening and evaluating of the pillar industries in Hengshui city- based on the Third National Economic Census [J]. Journal of Hengshui University, 2017,19(1):54-58.

[40] 國務院.大氣污染防治行動計劃[EB/OL]. http://www.gov.cn/ zhengce/content/2013-09/13/content4561.htm/2019-01-29. State Council. Air Pollution Prevention Action Plan [EB/OL]. http: //www.gov.cn/zhengce/content/2013-09/13/content4561.htm/2019-01-29.

[41] 河北日報.河北省超額完成國家“大氣十條”目標任務[EB/OL]. http://www.gov.cn/xinwen/2018-01/06/content5253866.htm/2018-01-06. Hebei Daily. Hebei Province overfulfills the national "Action Plan of Air Pollution Prevention and Control" target mission [EB/OL]. http://www.gov.cn/xinwen/2018-01/06/content_5253866.htm/2018-01-06.

[42] 王建峰,韓素卿.河北省調(diào)整產(chǎn)業(yè)結構、化解過剩產(chǎn)能的路徑選擇 [J]. 河北經(jīng)貿(mào)大學學報, 2018,39(1):104-108. Wang J F, Han S Q. The path choice of adjusting industrial structure and resolving excess capacity in Hebei Province [J]. Journal of Hebei University of Economics and Business, 2018,39(1):104-108.

[43] 滄州市城鄉(xiāng)規(guī)劃局.滄州市城市總體規(guī)劃(2008-2020年)說明書[EB/OL]. http://www.doc88.com/p-3307343003994.html/2019-01-29. Cangzhou Urban and Rural Planning Bureau. Cangzhou city master plan (2008-2020) [EB/OL]. http://www.doc88.com/p-3307343003994. html/2019-01-29.

[44] 保定市人民政府.《保定市城市總體規(guī)劃(2011-2020年)》(摘要) [EB/OL]. http://www.bd.gov.cn/content-173-9449.html/2013-04-11. Baoding Municipal People's Government. Baoding city master plan (2011-2020) (Abstract) [EB/OL]. http://www.bd.gov.cn/content-173- 9449.html/2013-04-11.

[45] 河北省統(tǒng)計局.《河北經(jīng)濟年鑒-2017》[M]. 北京:中國統(tǒng)計出版社, 2018. Hebei Provincial Bureau of Statistics. Hebei economic yearbook- 2017 [M]. Beijing: China Statistics Press, 2018.

[46] 劉嘉慧,趙小鋒,林劍藝.基于地表能量平衡的廈門島城市功能區(qū)人為熱排放分析 [J]. 地球信息科學學報, 2018,20(7):1026-1036. Liu J H, Zhao X F, Lin J Y. Analysis of anthropogenic heat discharge of urban functional regions based on surface energy balance in Xiamen Island [J]. Journal of Geo-information Science, 2018,20(7):1026- 1036.

[47] 賀晉瑜,燕 麗,雷 宇,等.京津冀地區(qū)燃煤鍋爐PM2.5減排潛力分析 [J]. 中國環(huán)境科學, 2017,37(4):1247-1253. He J Y, Yan L, Lei Y, et al. PM2.5emissions reduction potential from coal-fired boilers in Beijing-Tianjin-Hebei area [J]. China Environmental Science, 2017,37(4):1247-1253.

[48] 張銀龍.華北地區(qū)大氣污染下的產(chǎn)業(yè)結構分析及區(qū)域聯(lián)防機制研究 [D]. 鄭州:河南大學, 2015. Zhang Y L. The analysis of industrial structure and zone joint prevention in North China [D]. Zhengzhou: Henan University, 2015.

[49] 段文嬌,郎建壘,程水源,等.京津冀地區(qū)鋼鐵行業(yè)污染物排放清單及對PM2.5影響[J]. 環(huán)境科學, 2018,39(4):1445-1454. Duan W J, Lang J L, Cheng S Y. Air pollutant emission inventory from iron and steel industry in the Beijing-Tianjin-Hebei region and its impact on PM2.5[J]. Environmental Science, 2018,39(4):1445-1454.

[50] 李瑞芃,吳 琳,毛洪鈞,等.廊坊市區(qū)主要大氣污染源排放清單的建立 [J]. 環(huán)境科學學報, 2016,(10):3527-3534. Li R P, Wu L, Mao H J, et al. Establishment of an air pollutant emission inventory for Langfang urban area [J]. Acta Scientiae Circumstantiae, 2016,36(10):3527-3534.

[51] 趙 晴,杜禎宇,胡 駿,等.廊坊市大氣污染特征與污染物排放源研究 [J]. 環(huán)境科學學報, 2017,37(2):436-445. Zhao Q, Du Z Y, Hu J, et al. Air pollution characteristics and emission sources in Langfang City [J]. Acta Scientiae Circumstantiae, 2017,37(2):436-445.

[52] 河北省生態(tài)環(huán)境廳.環(huán)境質量發(fā)布 [EB/OL]. http://hbepd.hebei.gov. cn/hjzw/hjjcyyj/hjzlzkyb/2019-01-29. Hebei Provincial Department of Ecological Environment. Environmental quality release [EB/OL]. http://hbepd.hebei.gov.cn/ hjzw/hjjcyyj/hjzlzkyb/2019-01-29.

[53] 康曉風,王 光,張明華,等.京津冀地區(qū)經(jīng)濟發(fā)展與PM10濃度變化的灰色關聯(lián)分析 [J]. 中國環(huán)境監(jiān)測, 2015,31(5):1-6. Kang X F, Wang G, Zhang M H, et al. The grey relational analysis about economic development and change of PM10’s concentration in Beijing-Tianjin-Hebei region [J]. Environmental Monitoring in China, 2015,31(5):1-6.

[54] 吳文景,常 興,邢 佳,等.京津冀地區(qū)主要排放源減排對PM2.5污染改善貢獻評估 [J]. 環(huán)境科學, 2017,38(3):867-875. Assessment of PM2.5pollution mitigation due to emission reduction from main emission sources in the Bejing-Tianjin-Hebei Region [J]. Environmental Science, 2017,38(3):867-875.

[55] 王彥超,蔣春來,賀晉瑜,等.京津冀及周邊地區(qū)水泥工業(yè)大氣污染控制分析[J]. 中國環(huán)境科學, 2018,38(10):3683-3688. Wang Y C, Jiang C L, He J Y, et al. Analysis of air pollutants control in cement industry in and around Beijing-Tianjin-Hebei region. [J]. China Environmental Science, 2018,38(10):3683-3688.

致謝：感謝楊振宇教授和Richard P. Greene教授對本文英文內(nèi)容寫作提供的幫助.

Industrial pollution emissions based on thermal anomaly remote sensing monitoring: A case study of Southern Hebei urban agglomerations, China.

SUN Shuang1, LI Ling-jun2*, ZHAO Wen-ji1*, WANG Li-li1, QIU Yun2, JIANG Lei2, ZHANG Li-kun2

(1.School of Resources, Environment & Tourism, Capital Normal University, Beijing 100048, China；2.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China)., 2019,39(7)：3120~3129

The urban agglomerations of southern Hebei were selected as the study area. Statistical and spatial analysis methods were applied to a variety of datasets including VIIRS thermal anomaly products from 2012~2016, industrial energy consumption, industrial exhaust emissions and air quality data. The variation law of radiation intensity of thermal anomaly was the main principle examined with the data on industrial energy consumption and pollution emissions. The fire radiative power of thermal anomalies can characterize industrial energy consumption and indirectly reflect industrial production scale and pollution emission levels. The greater the fire radiative power, the larger the scale of industrial production. Radiation intensity was highly correlated with industrial SO2emissions and moderately linear with NOemissions. The grey correlations between pollutant’s concentration and industrial energy consumption, pollutant concentration and thermal anomaly radiation intensity were both higher. Among the pollutants produced by industrial production activities, particulate matter had the highest contribution to atmospheric pollution, followed by SO2. In the 2012~2016 period, the spatial distribution of industrial production in Handan, Shijiazhuang and Langfang showed a trend toward shrinking year by year. The industrial production of Baoding and Cangzhou showed a trend of migration to the south and west.

thermal anomaly；air pollution；industrial pollution emissions；comprehensive energy consumption；southern Hebei urban agglomerations

X51

A

1000-6923(2019)07-3120-10

孫 爽(1993-),女,黑龍江伊春人,首都師范大學碩士研究生,主要從事大氣環(huán)境遙感監(jiān)測研究.發(fā)表論文1篇.

2018-11-22

國家重點研發(fā)計劃項目(2018YFC0706004,2018YFC0706000)

* 責任作者, 李令軍, 教授級高工, lilj2000@126.com; 趙文吉, 教授, zhwenji1215@163.com