基于卫星遥感的四川省PM2.5反演

成都理工大学地球科学学院 四川 成都 610059

一、引言

大气气溶胶指的是悬浮在大气中的微小颗粒,指的是环境空气中空气动力学当量直径从0.001um到几十毫米的颗粒物[1]。PM2.5就是大气气溶胶的一种,是指环境空气中空气动力学当量直径小于等于2.5微米的颗粒。对于太阳光有很强的散射和吸收,从而导致地面的能见度发生明显减弱,不仅如此,PM2.5对于人体的呼吸系统有着很大的危害,能增加心血管和哮喘等疾病的发生几率,威胁着人们的身心健康,探究PM2.5的时空分布特征显得尤为重要。

卫星遥感技术具有空间范围大、时空连续性强、更新时间短、成本低等优[2]。通过使用卫星遥感技术可以弥补地面监测技术的不足来实现对PM2.5大范围高效的监测[3]。其AOD产品在反演地面PM2.5的研究中被广泛使用,本文以AOD为主,研究四川地区AOD与PM2.5浓度之间的相关性。

二、研究数据与方法

(1)AOD数据。AOD数据是从LAAD下载的MODISC6版本产品。时间范围为2016年1月-2018年12月,产品影像空间分辨率为10km,获取相同时间内的四川省范围102个地面监测站点的PM2.5小时数据。

(2)建模方法及验证。本论文采用的线性模型建模,它的形式简单,容易建模,也是最直接找出唯一的自变量对应唯一的因变量的相关性的模型[4]。通过将AOD与PM2.5数据进行时空匹配,选取最佳模型,反演2017年的PM2.5与地面监测站点数据进行对比。获取2018年MODIS C6 AOD和地面监测所获得的PM2.5浓度,用IDL软件提取地面站点位置的DN值,再将得到的DN值和PM2.5的值利用EXCEL软件进行时间匹配。利用SPSS软件进行多种线性模型建模,通过比较决定系数,选出最佳模型。

(3)PM2.5反演及时空变化特征分析。利用2018年的AOD-PM2.5模型反演2016-2018年的历史PM2.5浓度,从不同时间尺度,来探究反演效果,并根据反演结果(图1)分析四川省的PM2.5时空分布特征。

三、结果分析

根据图1年均PM2.5浓度年均分布图,可以发现,这三年来,各年的PM2.5平均年浓度分布情况大致都是一样的,但是可以看到这三年来四川省年均PM2.5浓度整体是呈下降趋势的。2016年PM2.5浓度最高,年均浓度为34;2017年第二,年均浓度为33;2018年的PM2.5浓度最低,年均浓度为32。其中四川省中部地区如成都市、德阳市等PM2.5浓度变化明显,PM2.5浓度明显降低,而在四川省西北部地区如阿坝州、甘孜州和凉山州等人口稀疏、经济不发达及工业稀少的高原地区,PM2.5浓度的值普遍在一个很小的范围内上下浮动,没有什么较明显的变化。

图1 四川省年均AOD反演PM2.5分布图

四、结论

根据相关资料的调查,PM2.5浓度高的地方都是人口多、人口密度高的区域。随着人口数量的不断增多,给大气和环境带来破坏,如汽车尾气的排放、生活废弃的排放、生活废品的丢弃等都会直接或间接产生大气污染。气候条件也是影响大气污染的一个重要因素。大气污染物排放后,污染物会根据大气的垂直流动和水平流动来实现扩散。降雨对大气中的污染物有清洁作用,由于降雨量的降低,对大气中的清洁作用也减弱,从而使大气污染更为严重。通过上面分析可得,夏季的PM2.5浓度是四季中值最低的,夏季降雨量比较好可能也是导致PM2.5浓度较低的原因。

结果说明,四川省PM2.5分布与从地形条件,经济发展水平,工业化和城市化水平,人口密度,气候环境等因素密切相关。年均值浓度呈下降趋势,冬季PM2.5浓度呈上升趋势,而春季、夏季和秋季PM2.5浓度呈下降趋势。