冯仁诺

(成都市铁路中学， 四川成都 610081)



遥感与实时监测结合的城市空气污染分析研究

冯仁诺

(成都市铁路中学， 四川成都 610081)

城市空气污染已经成为居民生活环境的首要问题，利用遥感与实时监测相结合的空气污染分析具有重要的意义。文章利用MODIS数据的宏观特点结合环保部门实时监测数据，实现了两类研究方法相结合的分析研究。该方法避免了单一的站点监测信息的空间表达缺失性，同时补充了遥感数据监测和预报的精确性。

遥感；空气污染物；空气质量监测

城市空气污染已经成为威胁城镇居民健康的头号污染。随着工业化和城镇化的发展，城市空气污染指数飙升，逐步发展成为环境污染中亟需解决的问题。在过去10年里，以PM2.5和臭氧为主要污染物，CO、SO2等多种污染物并存的大气复合污染问题日益突显。如何监测空气质量、控制与预测空气污染程度成为了重要的研究课题[1]。近年来，国内外许多学者依据不同的用途、不同的建模方法与不同的空间尺度等提出了不同的空气污染模型[2]。对于如何将遥感技术运用到大气污染的监测中，国内外学者己做了大量的研究工作[3]。周斌等人运用光在传输过程中会被大气中的气体分子选择性地吸收这一特性，使用差分光学吸收光谱法测量大气污染气体[4]。Chu等人利用NASA的MODIS 10 km分辨率的气溶胶光学厚度产品证实了其在监测全球、区域和局部大气污染方面的应用,有很显著监测效果[5]，Hutchison利用卫星图像动态监测大气光学厚度，通过多时相对比反演大气质量[6]。

近年来随着高分辨率、多光谱卫星遥感的发展，实时有效地对城市进行大气污染监测变为了可能，卫星遥感对城市大气污染的宏观分析相对于地面监测站所进行的单点监测而言更具备宏观的优势[7]，利用遥感技术与实时监测技术相结合，及时而有效地监测和预测大气污染己成为一项有着现实意义的课题。

1　遥感与实时监测数据

遥感影像具备光谱波段丰富的特点，遥感的不同波段数据可以用来反演不同的地球地物数据，其本身又具备空间大尺度的监测特点，常常被用来作为各项环境研究对象的监测分析数据[8]。但是遥感卫星的运转时间的限制，对同一研究区域不能够获取全部时段的数据资源。而空气污染监测站虽然具备较好的时间连续性，但是由于地理环境的约束，不能在地表所有的地方都安装监测设备，只能安装部分代表性的节点，故对空气污染的空间表征性不能做到连续而只能进行插值模拟。利用遥感技术与实时监测技术相结合是解决两者之间对实际污染状况解释缺陷的补充。由于MODIS卫星遥感数据的免费性和公开性，其数据越来越多地被应用于环境监测领域。MODIS传感器它采用暗目标法[9]等原理在陆地上空反演气溶胶光学厚度[10]，全球经纬度投影MODIS真彩图瓦片地图分级及对应相关参数如表1所示。除MODIS数据外，Landsat系列卫星遥感影像也是作为遥感的主要数据来源，Landsat的TM影像具备多个波段的数据特性，不同波段的合成可以为地物反演提供支持。

表1　全球经纬度投影MODIS真彩图瓦片地图分级及对应相关参数

空气污染的实时监测数据获取来源为中华人民共和国环境保护部的在线数据中心(http://datacenter.mep.gov.cn/report/air_daily)，该数据中心提供的是各大中城市的AQI指数。AQI 指数(Air Quality Index，简称AQI)是作为定量描述空气质量状况的无量纲指数，空气质量指数大小分为六级，相对应空气质量的6个类别，指数越大、级别越高说明污染的情况越严重，对人体的健康危害也就越大[11]。在城市区域，由于人为颗粒物排放较多，为雾转化为霾提供了有力条件，霾常常与雾同时或相继发生，因此笼统上称为雾霾[12]。AQI指数的判断标准是空气中负氧离子含量，其主要污染物为PM2.5，通常利用AQI指数可以较为真实的表达城市空气的质量。本文选择了地理空间数据云(http://www.gscloud.cn/)所提供的Landsat数据，通过使用该平台的高级检索可以较为清楚的获得某个确定地区确定时间的遥感数据。

2　数据分析

本文将地理空间数据云下载获得的北京市区 Landsat7数据中的全波段数据与对应时次来自环保部门对应地面站点的AQI监测数据进行对比，通过利用数据的432波段进行RGB通道的彩色合成，生成如图1(a)所示，较为清晰的彩色影像。再利用457波段进行RGB合成，生成的图像能够清晰地显示云雾的阴影如图1(b)所示。该影像能够较好地反映出当天北京地区的天空条件及具备较少的云雾，并且根据图2所示的中华人民共和国环境保护部的在线数据中心的数据显示，北京当天的AQI指数较低约为50，空气质量良好。通过可见光波段的数据处理以及组合方式的调整，能够简单的对一个地区的地物进行体现。

3　结论

北京市区在2016年2月12日到2016年3月12日期间，空气污染指数随着春季寒流的影响，具有较大的变化。其中最低值在2月13日左右达到50以下，而最高值可达350以上。文章中所使用的TM影像的过境时间有限，所以对于同一个地区的TM影像数据获取的时效性会受到较大的干扰。

通过彩色遥感影像可以获得相关地区的空气云雾量，通过该影像数据与实时监测结合数据相互结合的方法，可以很好地反映灰空气污染的程度，并且在时效性和空间整体性都具备较好的表现。而基于遥感数据的空气污染研究等，其空间上的宏观性信息的获取能够为空气污染监测、预警、防控等，尤其是全国范围内的空气污染治理效果评价提供重要支撑。下一步可以根据MODIS卫星的基础数据，该卫星遥感获得的基础数据是气溶胶光学厚度，是整层大气颗粒物含量的光学参数。通过相关卫星遥感影像的反演，可进一步获得气溶胶光学厚度具体参数。而MODIS数据本身时效性较好，可以进一步开展该遥感数据与实际监测数据相结合的空气污染分析研究。

(a) 432波段RGB合成图象

(b) 457波段RGB合成图象图1　2016年2月15日当天TM影像

图2　历时30 d北京市区空气污染指数曲线图

[1]贾瑾. 基于空气质量数据解析大气复合污染时空特征及过程序列[D].浙江大学,2014.

[2]胡子梅. 基于卫星遥感和地面监测数据的上海市气溶胶污染研究[D].华东师范大学,2014.

[3]傅为. 基于MODIS气溶胶光学厚度反演的PM10浓度监测[D].中南大学,2009.

[4]周斌,刘文清,齐峰,等. 差分光学吸收光谱法测量大气污染气体的研究[J]. 环境科学研究,2001(5):23-26.

[5]Min Wu, Wei Zhang, Xuejun Wang, Dinggui Luo. Application of MODIS satellite data in monitoring water quality parameters of Chaohu Lake in China[J]. Environmental Monitoring and Assessment, 2009： 1481-1484.

[6]Keith D. Hutchison. Applications of MODIS satellite data and products for monitoring air quality in the state of Texas[J]. Atmospheric Environment, 2003： 3717.

[7]李成才,毛节泰,刘启汉,等. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]. 中国科学： D辑:地球科学,2005(S1):177-186.

[8]覃先林,易浩若. 基于MODIS数据的林火识别方法研究[J]. 火灾科学,2004(2):83-89.

[9]Yoram J, Kaufman, Claudia Sendra. Algorithm for automatic atmospheric corrections to visible and near-IR satellite imagery[J]. International Journal of Remote Sensing, 1988: 98.

[10]R·Richter, D·Schlapfer, A·Muller. An automatic atmospheric correction algorithm for visible/NIR imagery[J]. International Journal of Remote Sensing, 2006: 2710.

[11]吴兑. 近十年中国灰霾天气研究综述[J]. 环境科学学报,2012(2):257-269.

[12]陈圆圆. 基于遥感与模式技术的华东地区可吸入颗粒物预报方法研究[D].华东师范大学,2013.

TU993.2

A

[定稿日期]2016-03-21