吴宜航, 白鹤鸣, 程晋昕, 于之锋, 齐 冰, 杜荣光, 周 斌

(1.杭州师范大学遥感与地球科学研究院,浙江 杭州 311121; 2.内蒙古自治区气候中心,内蒙古 呼和浩特 010051;3.云南省气候中心,云南 昆明 650034; 4.杭州市气象局,浙江 杭州310051)



近十来年杭州市大气气溶胶光学厚度卫星反演研究

吴宜航1, 白鹤鸣2, 程晋昕3, 于之锋1, 齐 冰4, 杜荣光4, 周 斌1

(1.杭州师范大学遥感与地球科学研究院,浙江 杭州 311121; 2.内蒙古自治区气候中心,内蒙古 呼和浩特 010051;3.云南省气候中心,云南 昆明 650034; 4.杭州市气象局,浙江 杭州310051)

利用杭州市2003-2015年逐日MODIS数据,基于暗像元算法反演其500 m空间分辨率的气溶胶光学厚度(AOD)历史序列,并结合地基观测数据进行验证,在此基础上分析杭州市AOD时空分布特征.结果表明:AOD反演结果的平均绝对误差、相对误差分别为0.16%、33.08%,反演结果相对可靠;在2003-2015年期间,杭州市AOD年均值呈波动状态,但无明显增加或下降趋势,最大值出现在2008年,最小值出现在2013年;春、夏季AOD均值较高,大于秋、冬季,冬季AOD均值最低;AOD月均值在1-6月呈现增加趋势,并在6月达到峰值,随后在7-12月呈减小趋势;此外,杭州市AOD空间分布特征表现为东北部高、西南部低,其中,最高值区域主要分布于杭州市中心,次高值分布于江干区、余杭区东部、萧山区东部.

气溶胶光学厚度;MODIS;暗像元法;杭州市;变化趋势

气溶胶是悬浮在气体中的固体或液体颗粒,它们与气体载体共同组成多相体系,具有一定的稳定性,且沉降速度小,其直径多在10-3～102μm之间[1].气溶胶光学厚度(Aerosol Optical Depth,AOD)是气溶胶的消光系数沿辐射传播路径在垂直方向上的积分，是描述气溶胶特性、推算气溶胶含量、评价大气环境污染程度以及气溶胶辐射气候效应和校正空间遥感大气效应研究的一个关键因子[2].目前,可以采用地基遥感或者卫星遥感的方法来监测气溶胶光学厚度.传统地基观测结果较为精确,但只能获取气溶胶单点的信息,难以满足大范围区域的研究需要.卫星遥感探测速度快、周期短、宏观性强,可以获取整个研究区域气溶胶光学厚度的时空分布信息,从而对大气污染等治理提供有效的建议,进一步改善城市的空气质量.

Kaufman等[3]根据大量实验得出红、蓝波段与中红外波段地表反射率之间的关系,并应用于AOD的反演,即暗像元算法.Levy等[4]在此基础上,考虑了植被指数的影响,提出了改进的暗像元算法(即V5.2算法).基于暗像元算法或改进的暗像元算法探究AOD时空分布特征已有大量研究.王玲等[5]结合MODIS和AERONET资料确定杭州市气溶胶类型,使用V5.2算法,对杭州市AOD进行反演.任佳等[6]利用传统的暗像元法和V5.2 算法反演江浙皖地区气溶胶光学厚度的空间分布,并对两种算法所得结果进行比较与分析.肖钟湧等[7]利用V5.2算法对广州市进行了AOD反演,分析了广州AOD的时空变化特征.

NASA提供的MODIS气溶胶产品包括C5版本的10 km产品和C6版本的3 km产品,空间分辨率都较为粗糙,不能满足城市尺度的研究需求,鉴于此,利用MODIS原始数据,基于暗像元反演杭州市500 m空间分辨率的AOD,在精度验证的基础上,研究杭州市2003-2015年AOD的时空分布特征.

1 数据与方法

1.1 研究区概况

杭州市位于浙江省北部,东临杭州湾,是长三角经济群重要城市之一,是浙江省的政治、经济、文化和金融中心.杭州属亚热带季风性气候,四季分明,雨量充沛.其地形复杂多样,地势西高东低,杭州市西部属浙西丘陵区,东部属浙北平原,地势低平[8].

根据杭州市辖区行政区划,研究区范围为东经119.66°～120.72°,北纬29.84°～30.58°,市辖8个区(富阳区暂未计入).由于气溶胶与周边的大气环境有密切联系,且为研究方便,取杭州市边界经纬度最大范围矩形为研究区域(图1).

图1 研究区位置图Fig. 1 Location of study area

杭州市为浙江省的发达城市,然而,近年来随着城市规模不断扩张,工业、交通等污染物大量排放,大气污染状况不断加剧,空气质量日趋严重.通过杭州市近十来年大气气溶胶光学厚度的研究,分析其时空演变格局,对杭州市PM2.5等大气污染问题的研究具有重要的科学意义,可为进一步改善人民群众的生活环境提供有效指导意见.

1.2 数据来源与介绍

研究中使用的遥感数据为Terra/MODIS传感器的MOD02数据和地理定位数据(MOD03),均为2003-2015年的每天日间过境轨道数据.MOD02为反射率数据,分别提供3种不同的空间分辨率类型,包括MOD02QKM、MOD02HKM和MOD021KM,空间分辨率分别为250 m、500 m和1 km,由于MOD02QKM数据波段较少,暗像元算法应用受限,因此采用MOD02HKM数据.MOD03数据含有反演所需的太阳/卫星的方位角和天顶角等经纬度信息,空间分辨率为1 km.

AOD观测数据来自于AERONET气溶胶监测网和杭州市气象局,数据均由法国太阳直射光度计CE-318测量得到,其AOD观测精度可达0.01～0.02,足以作为真值用于检验卫星反演的AOD值[9].在研究区域范围内,选取AERONET气溶胶监测网中浙江农林大学(Hangzhou_ZFU,119.727 42°E,30.257 3°N)观测站点,其时间范围为2007年8月至2009年2月;由杭州市气象局提供的观测站点为杭州站(120.16°E,30.23°N)和临安站(119.42°E,30.13°N),二者观测时间范围均为2011年1月至2014年12月.

1.3 AOD反演方法

1.3.1 AOD遥感反演原理

假设下垫面为均匀朗伯面,大气垂直均匀变化,则陆地表观反射率ρ*可由下式计算:

其中θ是太阳天顶角,θ0是卫星天顶角,Φ为相对方位角(太阳方位角和卫星方位角的差),ρa为大气路径反射率(路径辐射),T(θ)和T(θ0)分别表示向下和向上整层的大气透过率(直射+漫射),ρ为地表反射率,s为大气的球面反照率,系数1/(1-ρs)代表地面与大气层多次散射的作用,方程右边第二项表示地表和大气共同产生的反射率.

ρa、T(θ)、T(θ0)和s都取决于单次散射比ω0、气溶胶光学厚度τ和气溶胶散射相函数P.所以卫星观测到的表观反射率ρ*既是气溶胶光学厚度τ的函数,又是地表反射率ρ的函数.因此当地表反射率ρ已知,且假定气溶胶模式(ω0、P),结合已知的卫星观测资料信息(ρ*、θ0、Φ),就可以得出气溶胶光学厚度.

1.3.2 AOD遥感反演方法

1.3.3 AOD遥感反演流程

在ENVI/IDL环境下,结合MCTK扩展包,编程实现MODIS数据的辐射定标、几何校正、镶嵌等预处理过程.在具体处理过程中,根据暗像元法反演原理,并考虑到云和水体的存在会导致AOD的反演结果出现较大误差,因此,非暗目标、云及水体像元在预处理过程中予以剔除,不参与反演过程.利用0.66μm波段的反射率进行云像元判定:ρ0.66<0.14即认定为云像元[13].水体去除采用周成虎等[14]提出的谱间关系法,即满足:MODIS第1通道加上第4通道大于第2通道加上第6通道判定为水体像元.

表1 查找表参数设置

研究中采用6S大气辐射传输模型建立查找表.根据杭州的地理纬度信息,选择3月-8月为中纬度夏季大气廓线、9月-次年2月为中纬度冬季大气廓线,气溶胶模式为大陆型气溶胶模式.具体参数设置见表1.

根据暗目标的判定条件,选取暗目标作为反演对象,将实际的表观反射率、太阳天顶角、卫星天顶角、相对方位角、地表反射率信息代入已经建立的查找表进行查找,反演气溶胶光学厚度.

2 结果与分析

2.1 精度验证

利用地基观测数据,结合Angstrom经验公式,计算得到550 nm波段的AOD观测值.根据观测站点的地理位置,提取反演影像观测站点周围3×3像元的平均值作为该站点的反演值,同时,观测数据选取卫星过境时间±0.5 h之内的平均值,通过对观测值与反演值的对比分析,进而进行反演结果精度验证,结果如图2所示.

图2 AOD反演值与观测值对比分析Fig. 2 Comparison analysis of AOD between inversion value and observation value

由图2可知,AOD反演结果和地基观测数据相关系数较高,都在0.7以上，说明数据之间的相关性良好.同时,根据图2中对角线(y=x),对比AOD反演值与实测数据可知,夏半年反演值普遍比冬半年高;且当AOD较大时,卫星反演值相对较小,此时低估了AOD.总体而言,AOD反演结果和地基观测数据有良好的相关性,其反演结果可以用来分析研究杭州市时空变化规律.

表2 各观测站点其AOD反演精度验证结果

Tab. 2 Result of accuracy validation of inversion AOD for observation sites

站点日期绝对误差相对误差/%浙江农林大学2007．8-2009．20．17737．03杭州站2011．1-2014．120．17141．29临安站2011．1-2014．120．14220．92平均值0．16333．08

图3 2003-2015年杭州市AOD年际变化 Fig. 3 Annual variation of AOD in Hangzhou city from 2003 to 2015

由表2所示精度验证结果可知,由暗像元法反演得到的杭州市AOD,研究区范围内3站点整体平均绝对误差为0.163,整体平均相对误差为33.08%.临安站点的反演效果最好,绝对误差为0.142,相对误差为20.92%.

2.2 杭州市AOD时空分布特征

根据杭州市2003-2015年逐日反演结果,计算不同时间尺度(年、季、月)下研究区域逐像元的AOD均值与杭州市整体AOD均值,并最终分析杭州市AOD的时间变化与空间分布特征.

2.2.1 AOD年际变化

2003-2015年杭州市整体AOD年均值变化趋势如图3所示,可见,近十来年杭州市AOD年均值呈波动状态,但整体无明显上升或下降趋势.在2003-2008年期间,除2004年较2003年有小幅下降外,其余年份AOD均呈现逐年上升趋势,并于2008年达到峰值.在2009-2010年期间，AOD年均值表现为下降趋势,于2010年出现谷值,但在2011年,AOD年均值急剧增加,出现另一峰值,随后呈下降趋势,并趋于平缓.在2003-2015年期间,2008年AOD年均值最大,2013年最小.

通过分析2003-2015年杭州市AOD逐年空间分布图(图4)可知,在整个研究时段内,AOD年均值总体表现为东北高西南低,与他人研究结果一致[15-16].这与该地区城市、地形、人口分布有关.杭州市东北地区与嘉兴海宁市毗邻,同属于杭嘉湖平原地区,该区域地势低平,经济发达,人口众多,交通网络密集,工厂企业遍布；而西部、南部地区主要为浙西丘陵区,多山地,植被茂密,经济等人为活动较少,AOD普遍较低.其中AOD最高值区域主要分布于杭州市中心,如上城区、下城区、拱墅区;次高值分布于江干区、余杭区东部、萧山区东部.与此同时,人口密度较大、工业产业密集的杭州市周边城市地区同样呈现出高值,如东南侧的绍兴市、钱塘江沿线的富阳区、桐庐县,以及位于杭州市西侧的临安市.

图4 2003-2015年杭州市年均AOD空间分布图Fig. 4 Spatial distribution of annual AOD of Hangzhou city from 2003 to 2015

由图4可知,近十来年杭州市区AOD年际空间变化特征表现为:2004、2005年较2003年高值区域面积(AOD高于0.9)相对变小,但从2005年起到2008年,AOD高值区不断扩大,江干区、余杭区东部以及萧山区东部AOD值增高明显.2009年到2010年,AOD高值区相对减少.但2011年AOD高值区面积明显扩大,同时,整个研究区AOD平均值均有不同程度的上升.2012年之后总体呈现下降趋势,此后,2013年到2015年变化较为平缓.

2.2.2 AOD季节变化

图5 2003-2015年杭州市AOD季节变化 Fig. 5 Seasonal variation of AOD in Hangzhou city from 2003 to 2015

计算2003-2015年杭州市AOD季节均值,其整体变化见图5,空间分布如图6所示.AOD整体季节平均值分别为0.776(春季)、0.793(夏季)、0.539(秋季)、0.316(冬季).由图5可知,春季和夏季的AOD均值较高,均大于0.75,远大于秋季和冬季,而冬季AOD均值最低.杭州市春季容易受到北方沙尘天气南下或是局地污染源的影响,大气中气溶胶粒子长时间滞留容易造成春季AOD 的增加[17].而夏季AOD高于春季可能是由于夏季湿度较高,吸湿性气溶胶粒子吸湿增长会使AOD增大,另外夏季光化学作用也会导致AOD增加[18].

图6 2003-2015年杭州市AOD季节变化空间分布Fig. 6 Spatial distribution of seasonal variation of AOD in Hangzhou city from 2003 to 2015

图7 2003-2015年杭州市AOD季节平均值历年变化Fig. 7 Annual change of seasonal AOD in Hangzhou city from 2003 to 2015

由图6可知,杭州市东北平原地区AOD季节均值较高,而西南丘陵地区较低,夏季AOD平均值与春季相比空间分布变化较小,东北平原地区AOD均在0.8以上,西南丘陵地区为0.5～0.8.但同春季相比,杭州市主城区AOD大于1的高值区域范围变大.秋季东北平原地区AOD值大多为0.5～0.8,西南丘陵地区大多为0.3～0.5,整个区域AOD值降低.而到了冬季,AOD均值更低,主要为0.2～0.4.

图7为杭州市AOD季节均值历年变化图,整体来看,近十来年历年春季和夏季AOD均值较为接近,且春、夏季AOD均大于秋、冬季,冬季最低.其中,2005、2008、2009、2011、2014以及2015年夏季AOD均值高于春季,其余年份相反.2012、2013年夏季AOD均值呈现下降趋势,但2014年上升至历年最高值,达0.896,2015年呈下降趋势,与春季平均值十分接近.近十来年秋季AOD均值变化较为平缓,2006年到2008年有一个小的高峰年,2013年最低,此后,秋季AOD平均值呈上升趋势.冬季AOD季节平均值最低,其最低值(0.255)出现在2005年,最高值(0.377)出现于2007年.

整体而言,2003年AOD平均值春季≈夏季>秋季>冬季,到2015年AOD平均值变化为夏季≈春季>秋季>冬季,总体趋势一致.由图7和图8可知,相比于2003年春季和夏季,2015年春季与夏季AOD平均值显著下降,春季平均值从0.808下降到0.71,夏季AOD平均值从0.799下降为0.72;杭州市中心、东北部与萧山东部地区AOD平均值明显降低,且杭州市范围内AOD平均值整体降低,大于1.1的高值区域明显缩小;秋季研究区范围内AOD平均值由0.519变化为0.581,小幅上升;2015年冬季AOD平均值由0.35变化为0.285,下降了0.065,杭州市AOD平均值整体下降.

图8 2003与2015年杭州市AOD四季分布图Fig. 8 Seasonal distribution of AOD in Hangzhou city in 2003 and 2015

图9 2003-2015年杭州市AOD月均值变化Fig. 9 The monthly mean variation of AOD in Hangzhou city from 2003 to 2015

2.2.3 AOD月变化

图9为近十来年杭州市AOD月均值,由该图可知,AOD月均值以6月份最大,12月份最小,且6月份以前AOD呈上升趋势,之后呈现下降趋势.

图10为各月AOD月均值空间分布图,整个研究区范围内,从1月到6月AOD月平均值高值区面积一直在增加,6月为最大值,7月到12月呈现不断下降趋势,12月最小.同一时期,杭州市东北地区AOD平均值均高于西南地区,且AOD平均值浮动范围较大.

图10 2003-2015年杭州市AOD月空间分布图Fig. 10 The monthly spatial distribution of AOD in Hangzhou city from 2003 to 2015

图11 2003-2015年杭州市AOD月平均值逐月时间序列Fig. 11 The time series of average monthly AOD in Hangzhou city from 2003 to 2015

近十来年杭州市逐月AOD时间序列如图11所示,其年内逐月峰值一般出现于5月份或者6月份,最低值一般出现于12月份或1月份,年内多呈现两头低中间高的趋势.其中,2008年6月与2014年6月峰值明显高于其他年份,AOD月平均值均大于1,分别为1.174和1.101.2005年12月与2010年12月AOD值明显低于其他年份,AOD月平均值均小于0.2,分别为0.185和0.175.

3 结 论

本文根据MODIS数据,基于暗像元法,反演杭州市逐日AOD,得到研究区域2003-2015年500 m空间分辨率的AOD逐日序列,利用浙江农林大学、杭州站、临安站地基观测数据进行精度验证,最后对杭州市AOD时空分布特征进行分析.结果表明:

1)利用地面太阳光度计观测数据对反演得到的杭州市AOD进行精度验证,3站点平均绝对误差为0.163,平均相对误差为33.08%.临安站点的反演效果最好,绝对误差为0.142,相对误差为20.92%.且AOD反演结果和地基观测数据相关系数均在0.7以上,说明AOD反演结果和地基观测数据有良好的相关性,精度较为可靠.

2)从AOD时间变化特征看，在2003-2015年期间,杭州市AOD年均值呈波动状态,但无明显增加或下降趋势,2008年AOD年均值最高,2013年AOD年均值最低;春季和夏季的AOD均值较高,均大于0.75,远大于秋季和冬季,而冬季AOD均值最低;月际变化特征为1-6月AOD呈上升趋势,并在6月达到最大值,随后呈下降趋势,12月最小.

3)从AOD空间分布特征看，杭州市AOD东北地区高西南地区低,其中,最高值区域主要分布于杭州市中心(上城区、下城区、拱墅区),次高值分布于江干区、余杭区东部、萧山区东部.逐年空间分布上,高值区面积表现为先增高后减小的趋势.季节空间分布上,春夏季高值区面积大于秋冬季.月度空间分布上,1-6月AOD月平均值在0.6以上的面积一直在增加,6月最大,7月至12月不断下降,12月最小.

[1] HINDS W C. Aerosol technology: properties, behavior, and measurement of airborne particles[M]. New York: John Wiley & Sons,2012.

[2] 李栋.MODIS遥感中国东部海区气溶胶光学厚度与现场测量数据的对比分析[D].青岛：中国海洋大学,2010.

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

[4] LEVY R C, REMER L A, MATTOO S, et al. A new algorithm for retrieving aerosol properties over land from MODIS spectral reflectance[J/OL]. Journal of Geographical Research, 2006: 20070017450[2016-02-20].https://ntrs.nasa.gov/search.jsp?R=20070017450.

[5] 王玲,田庆久,李姗姗.利用MODIS资料反演杭州市500米分辨率气溶胶光学厚度[J].遥感信息,2010(3):50-54.

[6] 任佳,王振会,孙林,等.基于MODIS数据反演江浙皖地区气溶胶光学厚度[J].环境科学与技术,2010,33(8):167-171.

[7] 肖钟湧,江洪,陈健,等.利用MODIS遥感数据反演广州市气溶胶光学厚度[J].中国环境科学,2010,30(5):577-584.

[8] 齐冰.杭州地区霾特征及气溶胶物理特性观测研究[D].南京:南京信息工程大学,2013.

[9] 李晓静,张鹏,张兴赢,等.中国区域MODIS陆上气溶胶光学厚度产品检验[J].应用气象学报,2009,20(2):147-156.

[10] KAUFMAN Y J, TANRE D, GORDON H R, et al. Passive remote sensing of tropospheric aerosol and atmospheric correction for the aerosol effect[J]. Journal of Geophysical Research: Atmospheres,1997,102(D14):16815-16830.

[11] KAUFMAN Y J, TANRE D, REMER L A, et al. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer[J]. Journal of Geophysical Research: Atmospheres,1997,102(D14):17051-17061.

[12] 刘玉洁.MODIS遥感信息处理原理与算法[M].北京:科学出版社,2001.

[13] 杨珊荣.MODIS数据云检测算法及云补偿方法研究[D].福州：福建师范大学,2009.

[14] 周成虎,骆剑承.遥感影像地学理解与分析[M].北京:科学出版社,2003:75-78.

[15] 朱于红,张自力,田平,等.基于卫星遥感的浙北平原气溶胶光学特性长期变化分析[J].环境科学学报,2015,35(2):352-362.

[16] 周寅.长三角地区大气气溶胶光学厚度遥感及时空变化规律研究[D].南京:南京信息工程大学,2014.

[17] 齐冰,杜荣光,于之锋,等.杭州市大气气溶胶光学厚度研究[J].中国环境科学,2014,34(3):588-595.

[18] 段婧,毛节泰.长江三角洲大气气溶胶光学厚度分布和变化趋势研究[J].环境科学学报,2007,27(4):537-543.

On the Inversion of Aerosol Optical Depth of Hangzhou Based on the Satellite in the Past Decade

WU Yihang1, BAI Heming2, CHENG Jinxin3, YU Zhifeng1, QI Bing4, DU Rongguang4, ZHOU Bin1

(1. Institute of Remote Sensing and Earth Sciences, Hangzhou Normal University, Hangzhou 311121, China; 2. Climate Center of Inner Mongolia Autonomous Region, Hohhot 010051, China; 3.Yunnan Climate Center, Kunming 650034, China;4. Hangzhou Meteorological Bureau, Hangzhou 310051, China)

Based on the daily MODIS data from 2003 to 2015 in Hangzhou, a historical sequence of aerosol optical depth(AOD) with 500 m spatial resolution was inverted by using dense dark vegetation method. Combining with the ground observation data, the temporal and spatial distribution characteristics of AOD in Hangzhou were analyzed.The results showed that the absolute and relative error of AOD inversion results were 0.16%, 33.08% on average, respectively. The annual average of AOD had a relatively slight fluctuation during 2003-2015 in Hangzhou, with the maximum in 2008 and the minimum in 2013. The seasonal mean of AOD in spring and summer were higher than the value in autumn and winter, the seasonal average of AOD in winter was the lowest. The monthly mean of AOD showed an increasing trend from January to June and the peaking point was observed in June, while the value dropped down in the next six months. In addition, it was found that the distribution of AOD was featured by high value in northeast and low in southwest. The highest was mainly located in the centre of the city, while the secondary high value area were in Jianggan District and east of Yuhang District and Xiaoshan District.

aerosol optical depth; MODIS; dense dark vegetation method; Hangzhou; variation trends

2016-03-06

浙江省自然科学基金项目(LY16D010006);杭州市科技发展计划项目(20130533B09).

周 斌(1972-),男,教授,博士,主要从事颗粒物光学性质的理论模拟和计算、二类水色水体遥感等研究.E-mail:hznu_bzhou@126.com

10.3969/j.issn.1674-232X.2016.06.018

P407.1

A

1674-232X(2016)06-0659-09