基于简化气溶胶光学厚度的京津冀地区空气质量监测研究

基于简化气溶胶光学厚度的京津冀地区空气质量监测研究

1京津冀空气/污染关系研究气溶胶是指漂浮在空气中的液体或固体颗粒，大小为10。利用遥感卫星反演气溶胶特性能够弥补地面监测站覆盖范围有限且成本高的不足,目前主要通过反演气溶胶光学厚度(Aerosolu3000Opticalu3000Depth,AOD)实现其特性的研究。以反演AOD的常用算法有针对MODIS传感器的暗像元法环保部2014年发布的《大气污染防治工作简报》中指出,2013年京津冀地区空气污染属全国最重,京津冀13个城市中,7个城市排在全国污染最重前10位,部分城市空气重度及重度以上污染天数占全年天数40%左右。京津冀地区污染物成因为本地积累及区域输送,加上不利于扩散的区域气象本文采用SARA算法反演京津冀地区秋、冬两季污染天气条件下的AOD,利用气溶胶自动观测网(Aerosolu3000Roboticu3000Network,AERONET)地面数据验证反演精度,并结合京津冀地区重要城市空气质量监测站点细颗粒物(PM2sara反演的三次散射反照率和不对称因子实验采用SARA算法对京津冀及临近地区污染过程的气溶胶进行反演。SARA算法反演AOD的三个前提假设为:地表为朗伯体;单次散射近似;单次散射反照率与不对称因子在反演区域无变化。前两条是算法成立的必要依据,而第三条是为确保反演结果在区域范围内均具有较高精度。因SARA在反演时,需以地面站点的单次散射反照率与不对称因子作为参数输入,若反演区域的单次散射反照率与不对称因子和基准站差异较大,则反演精度较低,这是SARA算法的一大特点,在反演前应予以考虑。依据大气辐射传输方程,卫星接收到的大气表观反射率如公式(1)所示当反射条件以单次散射近似时,气溶胶的反射率也可以近似表达为公式(2)其中,ρ满足上述假设条件情况下,由公式(1)、公式(2)联立可以得到公式(3),即SARA算法因T(θ3研究区和数据来源SARA算法在香港、北京地区做验证时,所选数据均为无云(特别是地面AERONET站点无云)的数据进行反演,而本次实验所选污染过程为2013年1月7日—18日、10月2日—18日,实验中既有晴天又有(雾)霾,能较好地代表冬、秋季节不同污染条件下的气溶胶特性。除去AERONET地面站点无验证数据及云量大的日期,部分数据含有少量云,在反演过程中予以剔除。研究区范围为北纬35°~44°,东经113°~120°,包括了北京市、天津市、河北省全境及相邻省部分区域,如图1所示。实验中反演及验证选取MODIS传感器的MOD02HKM、MOD03、MOD04/MYD04、MOD09GA产品以及AERONET在Beijing、Beijing_RADI、XiangHe三个站点的数据。AERONET数据分为L1.0、L1.5、L2.0三个等级,L2.0为经过云剔除并人工检验其正确性的数据,L1.5是对数据做了云剔除,L1.0为初级监测数据。实验中,Beijing站点为L2.0数据,Beijing_RADI、XiangHe均为L1.5数据。SARA算法中用Beijing站点反演的单次散射反照率及不对称因子作为输入参数,使用Beijing_RADI、XiangHe两个站点的监测值验证所反演AOD的精度。Beijing_RADI与XiangHe站点分别位于城区与乡村,代表两种下垫面类型。PM4u3000的结果和讨论4.1u3000研究结果利用卫星数据反演AOD时,通常将AERONET地面站点监测数据视为真实值验证反演结果。实验利用相关系数(R)验证地面监测数据与卫星反演的AOD之间的相关关系,用均方根误差(RMSE)验证反演值区别于真实值的大小,RMSE的计算见公式(4)。R取值分布于-1与1之间,R为正且值越接近1时,表明两变量间的相关性越大,反之则表明不相关或呈负相关;RMSE取值分布于0与1之间,值越小表明两变量间差异越小,反之差异越大。实验结果依据Angstrom从图2中散点分布可以看出实验期间AOD变化幅度较大,包括干洁及污染天空,反映了实验期间复杂的天空条件。从图2分析可知,SARA反演得到的AOD与Beijing_RADI站点监测值相关性高,R=0.937,RMSE=0.115,XiangHe站点处R=0.866,RMSE=0.262,两者均呈显著线性相关,且Beijing_RADI相关性高于XiangHe。分析其原因,主要由于两个站点分别位于城区与乡村,气溶胶模式有区别。城市地区人为排放的气溶胶比重大,主要为细颗粒气溶胶,而乡村除区域输送外,主要为自然产生气溶胶,一般为粗颗粒气溶胶,两者的差异导致了气溶胶的单次散射反照率与不对称因子的区别。利用SARA算法反演AOD时,单次散射反照率5%与不对称因子2%的误差会分别带来反演结果-2%~2%与2%~4%的差异4.2u3000颗粒物来源与相关关系研究表明,京津冀地区污染过程主要以细模态气溶胶为主进行相关性检验前,剔除了空气质量监测站点相对应的遥感影像中有云的数据。由图3可以看出,SARA反演的AOD在北京东四、北京定陵、石家庄、邯郸站点与PM实验利用HYSPLIT(Hybridu3000Singleu3000ParticleLagrangianu3000Integratedu3000Trajectoryu3000Model)模型分析了北京、天津、石家庄3个城市在2013年10月7日的颗粒物来源(见图4),从图中可以看出北京、石家庄区域输送的颗粒物主要来自我国北方陆地区域,而天津部分颗粒物来自渤海,故其气溶胶成分与北京、石家庄等地有所区别。这也解释了图3中天津、秦皇岛两地相关性较差的原因。除了单个站点时间序列的相关分析,本文也对一次反演中所有站点PM对比图5a和图5b可以看出,在不考虑天津、秦皇岛两处站点并进行相关性分析时,R图6为2013年10月7日不同分辨率的AOD对比,图6a为MOD04_L2气溶胶产品(Terra),图6b为MYD04_3K气溶胶产品(Aqua),分辨率分别为10km、3km,图6c为SARA反演的AOD,分辨率为500m。通过对比可以看出,SARA反演的AOD具有更详尽的气溶胶空间分布,整体上与MYD04_3K产品的一致性更高;对比图6a与图6b,发现两者反演结果在右下角区域差异非常大;而图6b与图6c在该区域的气溶胶空间分布及反演结果非常接近。5气溶胶特性分析本文采用SARA算法对区域尺度污染过程的AOD进行了反演,时间集中于(雾)霾易发的秋、冬季节的两次污染事件。通过地面数据的验证以及AOD与PM1)SARA算法对于京津冀地区干洁及污染天空条件下的AOD反演精度均较高。说明该算法对不同污染浓度条件的适用性较好,这一点与Bilal等2)对区域尺度的AOD反演适用性好。京津冀及周边地区地形变化大,下垫面情况复杂,但污染具有明显的区域特性,实验中除近海城市AOD与细颗粒物相关性不显著,其他地方均呈显著线性