洁莹

(湖北科技学院资源环境科学与工程学院，湖北 咸宁 437100)

基于遥感影像的PM2.5浓度与大气气溶胶光学厚度间模型建立的探索
——以鄂南地区为例

刘彦文周霞王凯慧周洁莹

(湖北科技学院资源环境科学与工程学院，湖北 咸宁 437100)

利用MODIS遥感影像反演方法来探索鄂南地区大气气溶胶光学厚度AOD与PM2.5浓度关系模型，首先对MODIS影像在ENVI中进行发射率、反射率几何校正及合成，角度数据的处理、云检测、气溶胶反演等过程，并利用ArcGIS处理有关数据，可得到该地区的气溶胶光学厚度。其次对鄂南地区国控点监测站的PM2.5浓度进行实时监测，定量分析鄂南地区PM2.5的浓度分布。最后在得到气溶胶光学厚度及PM2.5浓度后，利用SPSS对其进行建模分析，并得到三次关系模型y=17.53+67.55x-14.25x2+0.82x3，经验证模型在已有数据下具有较高的拟合度。本文的研究结果可以为改善鄂南地区环境承载压力提供科学的有益参考。

MODIS；气溶胶光学厚度；PM2.5；反演

目前对气溶胶分布及辐射性质的研究也较多，大气气溶胶的地域性研究是前沿和热点。鄂南地区是一个传统的旅游地区。在工业不断发展的近20年内，该地区环境也遭到破坏，PM2.5达到轻度污染或中度污染，本文运用3S技术及时进行研究，其所得结果该地区发展决策可以提供有益参考。

1 研究区概况

鄂南泛指现在的咸宁市(包括咸安区、赤壁市、嘉鱼县、通山县、通城县、崇阳县)、黄石市(包括大冶市、阳新县)、石首市、鄂州市、武汉江夏区等，因这些县市区位于湖北省南部，故称之为“鄂南”。本文为了空间上的连续性，以便使得反演效果更加准确，鄂南地区定义时增加了荆州市和岳阳市。鄂南地区是一个传统的旅游地区，气候温和，降水充沛，日照充足，四季分明，无霜期长。在工业不断发展的近20年内，该地区环境遭到破坏，PM2.5达到轻度污染甚至中度污染。图1为2016年3月份鄂南地区PM2.5浓度平均值直方图(数据来源：中国空气质量在线监测分析平台https：//www.aqistudy.cn/)。

根据PM2.5检测网的空气质量新标准，24小时平均值标准值分布：优0—35、良35-75、轻度污染75-115、中度污染115-150、重度污染150-250、严重污染350及以上(单位μg/m3)。由图1可见，在2016年3月份当中，鄂南地区达到优秀的有1天，达到良好的有17天，轻度污染的有9天，中度污染的有4天。

2 研究方法

2.1 气溶胶遥感监测方法

气溶胶遥感监测方法主要有天空辐射计反演、MODIS遥感影像反演等[1，2]。本文所采用的是利用MODIS遥感影像反演AOD产品。MODIS中分辨率成像光谱仪有36个离散光谱波段，光谱范围宽从可见光(0.4μm)到热红外(14.4μm)全光谱覆盖。由于多波段数据可同时提供反映陆地表面状况、气溶胶、大气中水汽、云边界、云特征、生物地理、化学、地表温度、云顶温度、大气温度、臭氧、云顶高度等特征信息，可用于对陆地表面、生物圈、固态地球、大气进行长期全球观测[3]。MODIS反演气溶胶厚度的反演算法是建立在地表平面是均匀朗伯表面、大气是垂直均匀变化的条件之上的，已知下垫面反射率，并根据不同地区大气气溶胶特性确定了当地的气溶胶模型，就可以得到气溶胶光学厚度，反之，若已知气溶胶光学厚度和其相应的大气参数，同样可以反演得到下垫面反射率。

2.2 6S模型与暗像元法

6S模式是在假设无云大气的情况下，考虑分子、气溶胶的散射，水汽、二氧化碳、臭氧和氧气的吸收以及非均一地面和双向反射率的问题[4]。在太阳辐射进行时，由于受大气的影响，一些反射率较小暗像元的亮度值会相对增加，这是由于部分太阳辐射在到达地物之前就已经被大气散射到太空中，并且传感器已经将其接受。但是这一部分的太阳辐射并不携带任何有关于目标物的信息，所以应该将这部分太阳辐射除去。利用黑暗像元计算出程辐射，并代入适当的大气纠正模型，获得相应的参数后，通过计算就得到了地物真实的发射率。

图1 2016年3月份鄂南地区PM2.5浓度均值直方图

2.3 研究路线

记录所选地区时间样本的平均气温、湿度、PM2.5的浓度等空气监测数据，对其进行对比分析，找出主导因子。同时下载中等分辨率成像光谱仪遥感影像，通过光线消减作用不同辨别鄂南地区PM2.5覆盖情况，得出气溶胶光学厚度、传播路径及分布情况，之后对二者进行相关性分析，生成所选时间日期的AOD与PM2.5关系，探索建立基于遥感影像的PM2.5浓度与大气气溶胶光学厚度间的模型。

3 AOD与PM2.5关系模型

3.1 MODIS数据反演AOD

首先是MODIS数据发射率、反射率几何校正，以及发射率与反射率合成及裁剪。将下载的HDF数据投影处理为UTM格式，输出发射率影像控制点文件并对其做去除双眼皮处理即可得到发射率几何校正结果，输出的控制点文件将用于之后的角度数据几何校正，同样对反射率影像进行几何校正。利用校正好的发射率影像和反射率影像，选择鄂南地区矢量文件对其进行裁剪，期间需要注意文件顺序，反射率在上，发射率在下，之后进行合成，得到合成裁剪结果。其次是角度数据处理，在这一过程中，需要完成角度数据的合成、重采样、几何校正及裁剪。将四个角度数据：卫星天顶角、卫星方位角、太阳天顶角、太阳方位角合成一个文件，由于本文采用的是MODIS L1B 1KM的数据，其中包括了角度信息，但是角度数据集的行列号与科学数据集的行列号不同，则要用校正发射率的GCP控制点文件来校正角度数据集。由于HDF中的角度数据是扩大了100倍的，所以要利用Band Math工具对其进行计算，同时将鄂南地区裁剪出来。第三步是云的检测及处理，云的存在降低了数据的质量，对地表状况的监测造成影响，检测云并去除云，以及去除奇异像元是非常有必要的[5]，对提高数据的质量有着积极的意义。云检测工具是用IDL编写的扩展工具modis_cloud，该工具实现对反射率和发射率合成文件进行去云处理。最后，气溶胶反演是用IDL编写的工具modis_aerosol_inversion完成，该步骤的关键是用暗像元法反演地表的真实反射率，以及用查找表进行气溶胶浓度的查找。用鄂南区域矢量范围裁剪后得到鄂南地区气溶胶反演效果如图2所示。

图2 鄂南地区气溶胶反演结果

3.2 PM2.5和AOD数据处理

由于查找表LUT对于3月到9月的数据进行气溶胶反演效果较好，所以为达到更好地效果，本文选取时间为2016年3月3日、3月5日、3月15日三天上午11时的PM2.5数据以及MODIS影像做气溶胶反演。在ENVI中反演得到气溶胶光学厚度值，为了得到每个监测点的具体气溶胶光学厚度，可在ArcMap中建立泰森多边形，该过程需要利用到ArcMap中的分析工具得到区域泰森多边形后，再将鄂南地区裁剪出来。根据ENVI气溶胶反演得到的光学厚度，以及鄂南地区空气质量监测点的位置，可求得每个多边形的范围值，从而求平均值得到每个监测点的气溶胶光学厚度值。表1是该地区三个时段空气质量检测站点监测PM2.5(单位μg/m3)和反演AOD处理结果。

表1 鄂南地区监测PM2.5和反演AOD数据

3.3 AOD与PM2.5关系模型建立

利用ENVI处理MODIS影像得到气溶胶光学厚度AOD数据，结合实时监测及天气网站资料补充得到PM2.5浓度，将二者数据展绘为关系散点图，从图可以看出PM2.5与AOD是有一定关系的。为了得到适合的模型，可以在SPSS中进行多个模型分析后来选取最合适的模型。本文运用线性模型、二次关系模型、三次关系模型、指数关系模型、对数关系模型、幂函数关系模型进行分析，结果如表2所示。

模型的拟合度是用R和R2来表示的，自变量的显著性是根据各个自变量系数后面的Sig值判断，如果小于0.05可以说在95%的显著性水平下显著，小于0.01就可以说在99%的显著性水平下显著。所以根据以上模型可知，本次AOD与PM2.5关系模型拟合度最高的是三次关系模型，其R2=0.029，Sig=0.000，所以是在99%的显著性水平下显著。可以得出三次关系模型AOD与PM2.5浓度的关系式为：Y=17.53+67.55x-14.25x2+0.82x3。其中，自变量x为AOD，因变量Y为PM2.5值。

表2 AOD与PM2.5模型分析结果

3.4 模型验证

在2016年3月份中选取2天时间的影像数据进行验证，本文选3月11日和3月19日两天。通过气溶胶反演得到其AOD值，根据三次关系模型，得知其PM2.5值，并与实际PM2.5值进行比较，验证模型是否有效，验证结果如表3所示。

4 结 论

针对2016年3月3日、3月5日和3月15日的MODIS影像所做气溶胶反演AOD产品，以及实时监测PM2.5浓度数据建立三次关系模型，其模型拟合度相对较高，在99%的显著性水平下显著。在对3月11日及3月19日MODIS影像进行反演后得到的AOD产品做PM2.5浓度值的预测，其预测值与实际值相对误差不大，可见该三次关系模型相对成立。三次关系模型显示AOD与PM2.5浓度之间有对应相关关系，监测过程中在实时得到PM2.5浓度值之后，可以根据关系式得到气溶胶光学厚度，从而对该地区的环境监测做出一定贡献，并对环境治理提供数据支持。本文国控点监测站位置相对比较集中，除了在有关天气网站上得到已知国控点的PM2.5值外，没有再多采集一些实时数据，后续将收集更多监测数据，使空间上能覆盖到整个鄂南地区，以便构建更加精细的泰森多边形，继续提升结果可靠度。

表3 AOD与PM2.5模型检测结果

[1]Holben B N，Eck T F，Slutsker I，et al.AERONET-A federatedinstrument network and data archives for aerosol characterization[J].Remote Sensing of Environment，1998，66(1)：1-16.

[2]张小强.基于MODIS数据的城市地区气溶胶光学厚度遥感反演研究[D].兰州大学，2009.

[3]衣立.基于MODIS卫星资料海雾反演及适用性分析[D].中国海洋大学，2011.

[4]王岩，范文义，杨爱玲.6S辐射传输模型在校正哈尔滨市遥感图像中的应用[J].测绘与空间地理信息，2008，(02)：16-19.

[5]卓义，于凤鸣，刘桂香，崔庆东.基于IDL语言的MODIS数据反演模块的实现[J].测绘科学，2009，34(S1)：212-214.

ExplorationofPM2.5andAerosolOpticalDepthBasedonRemoteSensingImageTakenSouthHubeasanExample

LIU Yanwen ZHOU Xia WANG Kaihui ZHOU Jieying

(School of Resources and Environment Science and Engineering，Hubei University of Science and Technology，Xianning，Hubei 437100)

The use of MODIS imagery inversion method to explore E'nan atmospheric aerosol optical depth and PM2.5concentration relational model.Firstly，the MODIS image is processed in ENVI，including the reflectivity geometric correction and synthesis，processing angle data，cloud detection and aerosol inversion process，obtaining aerosol optical thickness in ArcGIS. Secondly，the PM2.5concentration in the monitoring stations of the state control point of E'nan is monitored in real time and quantitative analysis is processed to get the concentration distribution of PM2.5here. Finally，after obtaining the optical thickness of aerosol and the concentration of PM2.5，SPSS was used to model and analyze it，and Cubic regression model isy=17.53+67.55x-14.25x2+0.82x3.This model has been confirmed by available data，and the goodness of fit index is fairly good. The results of this paper can provide some scientific reference for improving the environmental carrying capacity E'nan area.

MODIS；Aerosol Optical Depths；PM2.5；Inversion

刘彦文，讲师，主要从事测绘与制图、地理信息系统与遥感方面的教学与科研工作

周霞，讲师，主要从事地理信息科学方面的科研与教学工作

文献格式：刘彦文 等.基于遥感影像的PM2.5浓度与大气气溶胶光学厚度间模型建立的探索[J].环境与可持续发展，2017，42(6)：153-156.

X831

A

1673-288X(2017)06-0153-04