基于Android与遥感数据的PM2.5监测系统设计与实现

司一丹1，3, 张胜敏2， 王玉璟3, 卢延新4, 郑逢斌3

(1.中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室，北京 100101； 2.开封大学 信息工程学院，河南 开封 475002； 3.河南大学 计算机与信息工程学院，河南 开封 475004； 4.西安工业大学 计算机科学与工程学院，陕西 西安 710032)

摘要：针对传统的地面监测手段无法给出区域尺度PM2.5的精细分布.基于多源卫星遥感数据，结合Android平台，设计了一个大气污染监测系统，为普通用户提供高分辨率PM2.5分布.利用My Server服务器实现了卫星遥感产品生产功能，手机端则提供监测结果的动态展示功能，采用Android消息推送机制实现了污染超标时的实时提醒功能.经过在北京地区的实验测试，并将多源卫星反演结果与地面站点的监测结果进行对比，证明了系统具有高可行性和高有效性等优点.

关键词：空气污染监测；卫星遥感； Android平台；PM2.5； 消息推送

收稿日期:2015-06-01；

修订日期：2015-07-28

基金项目：国家自然科学基金资助项目(41471367)

作者简介：司一丹(1991—)，女，河南郑州人，中国科学院研究生，主要从事空间数据处理方面的研究，E-mail:siyidan2014@126.com.

文章编号:1671-6833(2015)05-0101-05

中图分类号：TP39

文献标志码：A

doi:10.3969/j.issn.1671-6833.2015.05.022

Abstract:The traditional ground-based monitoring network is too coarse to meet people’s need to know the air pollution over current location and sounding areas. Based on multi-satellite data and Android platform, an air-pollution monitoring system is designed to provide high-resolution PM2.5 concentrations information. The remote sensing results are generated through My Server and dynamically displayed by smartphone. When the pollutant concentrations exceed the standard value, the real-time alert function is activated by android message pushing mechanism. Through the experiment in Beijing areas and the comparison between satellite-retrieval and ground-based monitoring, our app has been validated with high feasibility and availability.

0引言

PM2.5，又称为细颗粒物，是环境空气中动力学直径小于等于2.5 μm的颗粒物，能较长时间地悬浮于空气中[1].自2013年起，我国环保部门已经初步建立了地面监测站点网络.但由于监测仪器较为昂贵，站点分布相对分散，导致常规的地面观测只能获取监测站点附近的PM2.5浓度信息.相对于地基监测，卫星遥感数据具有大面积覆盖、准实时获取、动态更新、成本低等特点[2].目前，很多对地观测卫星都具备了对大气污染的监测能力，如美国NASA/EOS发射的Terra、Aqua和国产高分系列卫星.随着大气定量遥感算法的不断发展，相关的大气遥感产品和业务系统也正逐步应用到环保等行业部门中，如基于组件式的区域霾监测系统，用于获取我国霾污染的分布和强度等信息[3]；基于J2EE的火点遥感监测系统，能够利用卫星数据统计并分析不同省市秸秆燃烧及污染情况[4].

相对于行业部门的应用，普通大众对于了解自身周围PM2.5浓度的需求更加迫切，而传统的地基监测和桌面应用系统通常无法满足上述要求.当前，基于Android平台开发的应用软件因其使用方便、快捷等特点，越来越受到公众的青睐，很多学者也尝试利用其开发一些日常应用程序.如顾聪等设计了一种基于Android平台的室内LBS系统，使用户在室内环境下也能享受普适计算带来的便利[5]；郭志涛等开发了基于Android平台的智能医疗系统，解决了传统方式达不到实时性传输数据的问题[6].目前国内尚无利用Android平台开发的卫星遥感监测系统.由于受单一卫星数据源固定的过境时间、重返周期、空间分辨率等因素限制，导致了卫星数据获取不及时、数据量不够丰富的问题，因此，笔者尝试将Android平台与多源卫星数据结合，设计并实现一种大气污染监测系统.

1系统架构设计

系统的总体结构包括服务器端和手机端，两部分之间通过网络实现交互.

(1) 服务器端:包括My Server和Android Push Notification Server(Android消息推送服务器，简称APNS)两个服务器.My Server采用开源的Tomcat服务器，用于处理客户端请求和卫星原始数据，并将得到的PM2.5遥感产品保存到数据库中；APNS采用的是androidpn-server-tomcat版本，主要负责向手机终端推送提示消息.

(2) 手机端:采用Android平台，通过WIFI、3G等方式经过中间Internet通道与服务器进行通信，接收并显示服务器返回的PM2.5浓度信息.手机端架构由应用层、应用框架层、系统运行库层和Linux内核层4个层次组成[6]，如图1所示.

图1手机端架构图

Fig.1Framework of mobile terminal

应用层用来存放已开发完成的程序，如日历、通讯录、浏览器等，笔者开发的PM2.5监测系统的手机端模块也在该层上运行；应用框架层是Android平台为应用程序的开发而提供的API框架，本系统的开发需要调用该层的视图系统、位置管理器、活动管理器等组件；系统运行库层包括组件库和虚拟机，组件库是连接应用程序框架层和Linux内核层的重要部分，虚拟机为每个Android应用程序提供一个运行环境；Linux内核层作为软硬件之间的抽象层，本系统的底层依赖于内核层提供的Android诸如系统安全、内存管理、显示驱动、网络协议等核心服务.

2系统功能设计

2.1服务器设计

2.1.1My Server设计

卫星遥感能够获取的最常用的大气参数是气溶胶光学厚度(AOD: Aerosol Optical Depth)，代表了整层大气内气溶胶颗粒物对可见光的衰减.研究表明，在给定的条件下卫星观测的气溶胶光学厚度与近地面颗粒物浓度之间存在稳定的关系.但AOD-PM2.5相关性也受颗粒物的垂直分布和相对湿度等因素的影响[7].

根据多源卫星时间分辨率的不同，将新获得的卫星原始数据作为处理系统的数据源，采用应用最为广泛的NASA暗像元算法[8]，通过解决云识别、气溶胶模式和地表噪声去除这3个问题，反演得到整层的AOD[9].在此基础上，借助地面或大气化学模式等辅助数据提供的气溶胶垂直分布和相对湿度、风速等环境气象参数，进行AOD的垂直和吸湿校正，最终得到公众关注的近地面PM2.5浓度[7].

为了减少网络传输时间和传输错误率，本系统直接把卫星数据处理系统(以下简称为处理系统)部署在My Server上.服务器通过发送命令，把产品数据添加到数据库中.数据库中每条记录包括经度Lon、纬度Lat、日期、对应地点名、PM2.5浓度值和卫星来源等字段.其中，每个经纬度对作为主键，唯一区别于其他记录.当手机端发起请求时，服务器按照Lon、Lat、请求时间的先后顺序在数据库中进行查询，选择与查询条件对应的卫星数据记录，若该请求时间没有卫星过境，则查找距请求时间最近的记录；其次根据预先设定的标准，对记录中PM2.5浓度值进行判断；最终将不同的判断结果发送给消息推送服务器.上述流程如图2所示.

图2My Server端流程图

Fig.2Flow chart of My Server

2.1.2APNS设计

现有很多成熟的推送方式可以实现服务器端消息推送和手机端接收消息功能.考虑到网络带宽和成本等多方面因素，笔者采用Androidpn来实现消息的推送[10].客户端首先通过XMPPConnection类与服务器建立持久连接，然后进行用户注册和登录认证，最后根据身份信息接收服务器发送的具体通知.

在本系统中，当用户发出PM2.5浓度查询请求后，该系统手机端首先进行消息推送注册，并向APNS请求获得一个唯一区别于其他应用程序的device token，手机端将从APNS 上获取的device token发送给My Server，My Server将浓度值和提示消息发送给APNS，APNS在自身已注册推送服务的device列表中查找对应的device token，并把浓度值以XML形式显示在拥有相应device的应用程序上，把提示消息以通知栏Push消息形式发送给相应的device.

2.2手机端设计

手机端主要实现显示My Server返回的位置信息、该位置信息对应的PM2.5浓度以及接收APNS消息等功能.系统通过百度地图Android定位SDK实现定位功能，当手机端发起定位请求时，定位SDK会根据当前应用的定位因素(GPS、基站、WIFI信号)的实际情况来生成定位依据进行定位.具体流程如图3所示.

图3定位流程图

Fig.3Flow chart of location

利用GeoPoint类的point对象获取用户当前的经纬度坐标，并将该点在地图上进行标记，此外，为确保用户能够实时查看当前位置PM2.5浓度信息，对经纬度坐标设计一个监听器接口，并将监测到的位置信息以及PM2.5浓度信息显示在地图上.本系统基于多源卫星数据可以满足不同用户的多元化需求，基于高空间分辨率的卫星产品，用户可以将地图放大到一定程度，查看一定区域内的PM2.5浓度情况.当超过不同污染程度的规定值时，系统会通过震动或响铃的方式及时报警并推送消息，手机端负责接收该消息并显示在通知栏中.

3系统测试

3.1卫星数据

采用Terra/Auqa、Suomi NPP、HJ和GF-1多个卫星的数据作为该系统的数据源，统称为多源卫星数据，具体参数如表1所示.Terra和GF-1过境时间均为每日地方时上午10∶30，Aqua和Suomi NPP上搭载的可见光/红外辐射成像仪VIIRS的过境时间均为下午13∶30，HJ-CCD过境时间为上午6∶00.

表1　多源卫星参数信息

为了验证该数据源的有效性，笔者选择2015年3月16日多源卫星获取的产品数据，通过处理系统的转换，得到当天PM2.5的卫星遥感监测图，并与传统地面站点的监测结果进行对比，如图4所示.

如图4所示，地面监测站点的数量有限且相对分散，而卫星监测PM2.5分布的信息量较为丰富，例如，门头沟区仅有一个监测站点，而方框A区域及整个中部大部分区域的PM2.5分布情况较为复杂，单纯依靠东南方向的站点来判断门头沟区的污染情况会造成很大的偏差；怀柔区中部方框B所示区域也出现上述问题；方框C代表顺义区中部地区，站点监测到的PM2.5浓度在150～250 μg/m3范围内(如图4 (a))，而在图4 (b)中卫星监测此区域的浓度处在>250 μg/m3范围内.

3.2应用实例

为了验证本系统的可行性，笔者对服务器端和客户端进行相应的部署和配置，并在北京地区进行测试.具体配置参数为：服务器端运行在Windows平台下，数据库与My Server服务器位于同一个PC上，并将My Server和APNS部署在Tomcat上；客户端采用支持Android 4.4版本的小米手机.

打开APP，查看所处位置及周围一定区域PM2.5污染情况.如图5(a)，当前位置的PM2.5浓度高达267 μg/m3，根据我国空气质量标准，已属于严重污染，则系统提醒用户当前位置污染严重，注意采取保护措施(图5(b))；如图5(c)所示，查看当前位置及四周相距1.1 km各个地点的污染情况.不难发现位于道路一侧的中科院地理所位置相比于其他四个地方的污染值要高，紧邻森林公园的的国奥村则相对较低，而采用传统地面站点的监测这五个地方的PM2.5浓度均为168 μg/m3，进而证明了卫星遥感可以提供更加精细的大气污染信息.

图4　2015年3月16日PM2.5站点监测与卫星遥感监测结果对比

图5　2015年3月16日北京地区测试效果图

4结论

主要介绍了PM2.5监测系统的设计思想、整体结构、核心功能及结果展示，利用My Server和APNS两个服务器，分别实现了卫星遥感产品生产、处理客户端请求和消息推送等功能.相较于目前的空气监测和预报方式，该系统使用户能够主动地了解到所处位置及周围区域的空气质量情况.但由于卫星数据接收时间延迟的限制，目前还无法完全实现实时查看空气质量的请求，未来将考虑与中科院遥感所位于密云、三亚、喀什的三个卫星实时接收系统相结合，并同化地面监测、大气化学模式数据进一步丰富数据源，弥补有云时无法反演的问题，从而加快该系统的业务化和应用化.

参考文献：

[1]杨洪斌，邹旭东，汪宏宇,等. 大气环境中PM2.5的研究进展与展望[J]. 气象与环境学报，2012，28(3): 77-82.

[2]谭衢霖，邵芸. 遥感技术在环境污染监测中的应用[J]. 遥感技术与应用，2000，4(15):246-251.

[3]李莘莘，陈良富，王中挺,等. 基于组件的区域霾监测系统及其反演算法[J].计算机工程，2009，35(16): 23-24, 28.

[4]贺宝华，陈良富，李莘莘,等. 基于J2EE的秸秆火点监测系统设计[J].微计算机信息，2010，26(314): 38-39.

[5]顾聪，陈益强，刘军发,等. 基于Android凭平台的室内LBS系统设计与实现[J]. 计算机工程与设计，2012，33(1): 396-401.

[6]郭志涛，郭忠，王振. 基于Android平台的智能医疗系统的设计与实现[J]. 郑州大学学报:工学版，2016,35(6): 60-63.

[7]WANG Zi-feng, CHEN Liang-fu, TAO Jin-hua, et al. Satellite-based estimation of regional particulate matter(PM) in vertical-and RH correcting method[J].Remote Sensing of Environment,2010,114(1):50-63.

[8]KAUFMAN Y J, WALD A E, REMER L A, et al．The MODIS 2.1um channel—correlation with visible reflectance for use in remote sensing of aerosol[J]．IEEE Transactions on Geoscience and Remote Sensing, 1997,35(5)：1286-1298.

[9]李莘莘，陈良富，陶金花,等. 城市与冬季北方亮目标地区气溶胶光学厚度反演[J].中国科学，2012，42(8):1253-1263.

[10]付莎. 基于XMPP协议企业级IM的研究与实现[D]. 西南交通大学信息学院，2009.

Design and Implementation of PM2.5 Monitoring Application

Based on Android and Remote Sensing Data

SI Yi-dan1，3, ZHANG Sheng-min2,WANG Yu-jing3, LU Yan-xin4, ZHENG Feng-bin3

(1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences, Beijing 100101, China; 2.Information Engineering College, Kaifeng University, Kaifeng 475002, China; 3.Computer and Information Engineering College, Henan University, Kaifeng 475004, China; 4.Computer Science and Engineering College, Xi’an Technological University, Xi’an 710032, China)

Key words: air pollution monitoring; satellite remote sensing; Android; PM2.5; message pushing.