天宮二號數據大氣細顆粒物遙感反演

李芮,陳健,崔嘉文

(南京信息工程大學 遙感與測繪工程學院,南京 210044)

0 引言

近年來我國經濟和社會快速發展,城市環境問題愈發突出,大氣污染事件頻發,引發了政府和社會的廣泛關注。大氣顆粒物(particulate matter,PM)是影響大氣環境質量的主要污染物之一,對人類健康和社會發展等有重要影響[1]。其中,動力學直徑小于2.5 μm(PM2.5)的細顆粒物包含了大量有毒物質和細菌,嚴重影響人類生命健康,且PM2.5來源復雜,時空變化大、化學成分復雜,對氣候變化也產生影響[2]。2013年我國頒布大氣污染防治十條措施以來,至2017年,全國顆粒物濃度大幅度下降,但仍然處于較高水平,同時近地表臭氧濃度日益增加,因此我國生態環境部指出將持續推進PM2.5污染和臭氧的協同治理。因此,PM2.5濃度的監測和空間分布研究有利于大氣污染的綜合治理,對保護人類健康、改善生態環境及社會可持續發展具有重要的意義。

如今我國已經建立了2 026個空氣質量國控監測點,對PM2.5等大氣污染物進行長期觀測。站點監測具有高時間分辨率的優點,但存在空間覆蓋率低、站點分布不均等問題[3-4]。因此,利用遙感技術手段開展氣溶膠光學厚度(aerosol optical depth,AOD)、PM2.5等反演成為了大氣環境遙感的重要研究方向。目前,已有很多國內外學者利用遙感方法反演近地表大氣顆粒物濃度[5]。遙感衛星數據具有范圍廣、時間快、動態性、成本低等優點,能夠獲得具有空間連續性的顆粒物濃度,很大程度上彌補了傳統地面監測的不足。以往許多學者基于MODIS(moderate-resolution imaging spectroradiometer)、GOCI(geostationary ocean color imager)、Himawari-8等衛星數據進行相關顆粒物反演與空間分布研究[6-9]。在缺乏濕度、垂直訂正等參數的條件下,機器學習方法訓練的AOD與PM2.5關系模型具有較高精度[10],被廣泛用于PM2.5的反演研究之中。如Chen等[11]利用MODIS AOD產品和氣象數據,開發了魯棒性較好的每日隨機森林PM2.5預測模型,Bagheri[12]利用衛星AOD和氣象數據,開發了預測PM2.5濃度的神經網絡模型并獲得了較高的精度。但由于這些衛星數據的分辨率較低,其AOD產品因冬季像元少而存在缺失值,在城市污染監測和細顆粒物空間分異性研究中存在一定局限性,無法滿足較小區域空氣質量研究和精細化尺度研究的需求。分辨率較高的Landsat TM/OLI數據等由于其幅寬較小,無法在短時間內進行大規模監測,不能較好分析城市地區的污染特征。此外,國產高分系列衛星(GF)具有空間分辨率高、范圍大的優點,也被應用于氣溶膠及顆粒物反演研究,如賈亮亮等[13]利用GF-1 WFV數據,結合深藍算法和暗像元算法獲得了高精度的AOD結果,嚴瑩婷等[14]利用GF-4 PMS數據反演了高精度的PM2.5結果。因此,使用百米級空間分辨率、較大幅寬的遙感數據對城市大氣污染進行遙感反演研究,可以更加精細地監測與分析城市污染的空間分布。

天宮二號(TG-2)搭載的寬波段成像儀(wide band imager,WBI)具有獨特的特點,空間分辨率為100 m,幅寬為300 km,并實現了“圖譜合一”,能夠同時獲取影像信息和地物光譜信息。在氣溶膠遙感研究中,相對于MODIS、Himawari-8、GOCI靜止衛星等遙感數據,TG-2/WBI獲取了空間分辨率更高的數據影像,能夠更加精細地描述區域內氣溶膠空間分布,非常適合區域大氣細顆粒物濃度反演。本文利用TG-2/WBI數據,結合MODIS地表反射率產品、能見度和相對濕度數據,對AOD和PM2.5濃度進行了遙感反演和精度驗證,并初步分析了研究區域AOD和PM2.5的空間分布特征,探討了國產WBI數據在氣溶膠和細顆粒物的遙感反演和動態監測方面的可行性。

1 研究材料

1.1 天宮二號數據

天宮二號于2016年9月由中國載人航天工程發射升空,獲取了大量的遙感數據。天宮二號搭載了新一代寬波段成像光譜儀,該傳感器波段寬、視場寬,實現了“圖譜合一”的功能,是國內外第一臺在可見近紅外、短波紅外及熱紅外波段實現大視場全推掃成像,并具有組合集成功能的成像儀,獲取的多光譜影像具有高時空分辨率的特點,適用于陸地、大氣探測和湖泊、海洋等氣候觀測。在可見近紅外波段,TG-2/WBI的光譜范圍為0.403～0.970 μm,分為14個通道,其空間分辨率為100 m,適用于PM2.5的遙感反演及空間分布的研究。

由于天宮二號于2019年7月停止服務,服務期限較短,獲取的研究區影像數量有限,通過篩選研究區域云覆蓋較低的影像,本研究最終選取了魯豫皖地區的3景典型TG-2/WBI數據開展研究,獲取時間分別為2017年3月18日、2017年12月2日、2017年3月14日。第1幅圖像主要覆蓋山東北部(38°N,118°E),包括東營、德州、濟南、淄博和濰坊;第2幅圖像覆蓋河南省北部和河北省南部(36°N,114°E),主要位于太行山東部;第3幅圖像位于魯豫皖地區的邊界(34.5°N,116°E)。為了簡明描述,本文研究區域簡稱為魯北地區、豫北地區和魯豫皖邊界地區。所有數據均由載人航天空間應用數據推廣服務平臺提供(http://www.msadc.cn),下載數據已經過幾何訂正。本文對TG-2數據進行輻射定標,以獲得真實輻亮度值,選用藍波段(波長:0.480～0.500)數據進行AOD反演。

1.2 MODIS產品

目前MODIS傳感器搭載在Terra衛星和Aqua衛星上,其數據波譜范圍為0.4～14 μm,光譜通道分為36個。MOD09A1是MODIS地表反射率8 d合成產品,本研究利用MOD09A1來構建一套新的TG-2/WBI地表反射率數據庫,并利用MOD04_3KM數據對TG-2/WBI數據的AOD結果進行比較和驗證。

1.3 氣象數據

本研究使用的能見度數據來自于中國氣象數據網(http://data.cma.cn/site/index.html),提取研究區域內各城市的能見度數據。使用的相對濕度來自于NCEP/NCAR再分析數據集,下載于美國data.gov網站,數據的分辨率為2.5°。本研究選取與成像時間相對應的能見度及相對濕度數據。

1.4 地面站點 PM2.5數據

從空氣質量在線監測分析平臺上(https://www.aqistudy.cn/)收集衛星過境時研究區域內各城市的實測PM2.5空氣質量數據。本研究使用魯北地區東營、滄州、濱州等10個地區的數據,豫北地區邯鄲、安陽、焦作等11個地區的數據,魯豫皖邊界地區亳州、濮陽、淮北等10個地區的數據。

2 研究方法

首先,基于TG-2/WBI數據,采用深藍算法對研究區域進行AOD反演,并利用能見度數據和NCEP相對濕度數據分別進行垂直訂正與濕度訂正。然后,利用回歸分析方法對PM2.5濃度進行反演。最后,利用MOD04和站點實測數據分別進行AOD和PM2.5反演結果的精度驗證。

2.1 AOD反演

假設地球表面是朗伯體且大氣的水平條件是均一的,此時衛星傳感器能獲得的表觀反射率ρTOA如式(1)所示。

(1)

式中:μS為太陽天頂角的余弦;μV為觀測天頂角的余弦;φ為相對方位角;ρ0為大氣層輻射項的等效反射率;R0為朗伯體的地表反射率;S為大氣整層向下路徑的半球反射率;T為大氣透過率。從式(1)中可以看出ρ0、S和T具有大氣狀況的特征信息,R體現了地球表面反射的特征[15],因此ρTOA是大氣特征信息與地表反射信息的耦合,為獲取準確的AOD反演結果,需要先完成地氣解耦的處理。

目前,常用暗像元法和深藍算法進行AOD遙感反演。暗像元法在高反射率地區的地氣解耦中效果不佳,而深藍算法能夠去除地表貢獻的影響[16],在地表類型廣泛的地區效果更好。研究區土地利用類型復雜、地表反射率較高,本文使用深藍算法實現研究區域的AOD反演。具體反演過程如下。

1)計算表觀反射率?；赥G-2/WBI數據,計算表觀反射率ρ,如式(2)所示。

(2)

式中:L為各像元的輻亮度值;D為平均日地距離的訂正因子;Esun為太陽輻照度;θS為太陽天頂角。

2)構建地表反射率庫。TG-2沒有地表反射率產品,故使用MOD09A1構建TG-2地表反射率庫。TG-2(B12)和MOD09A1(B3)藍光波段波長范圍分別為480～500 nm和459～479 nm,使用波段轉換減小光譜響應差異。選取ENVI波譜數據庫中53種典型地物光譜數據,對二者藍光波段地表反射率進行轉換,并建立線性回歸模型,采用交叉輻射訂正進行光譜轉換,波段轉換如式(3)所示,光譜轉換如式(4)所示。

(3)

RTG-2_B12=1.006 1·RMODIS_B3+0.004

(4)

式中:λ1、λ2為波長積分的上限、下限;λ為波長;W(λ)為光譜響應函數;P(λ)為典型波譜庫中地物反射率;RTG-2_B12和RMODIS_B3分別為TG-2和MODIS藍光波段反射率。

圖1為TG-2與MODIS藍光波段地表反射率的回歸模型圖。從圖1可知決定系數R2為0.996 7,擬合度非常高,說明該光譜轉換公式能夠適用于實驗區域。

圖1 TG-2與MODIS藍光波段地表反射率散點圖

3)角度數據準備。由于深藍算法需要逐像元計算AOD的值,因此需要確定每個像元的角度參數:觀測天頂角、觀測方位角、太陽天頂角、太陽方位角。TG-2影像每個像元的角度各不相同,基于推掃式成像的特點,本文重新計算角度參數。以星下點為中心,觀測天頂角為0°,在衛星飛行的垂直方向上,觀測天頂角最大值約為21°,前后向觀測方位角之間的差值為180°。根據前向觀測方位角、成像時間、像元位置,通過逐像元計算的方法,可以得到4個角度參數。

4)數據重采樣。為避免空間分辨率不一致導致的誤差問題,對研究區域的TG-2/WBI數據、MOD09A1地表反射率產品、4個角度參數進行重采樣和裁切處理,以獲得研究地區同一分辨率200 m下的數據。

5)6S模型構建查找表。本研究通過6S輻射傳輸模型計算并構建查找表,得到ρ0、S和T,獲取研究區域內所有像元的AOD。在6S模型中,TG-2數據沒有預設參數,因此根據TG-2/WBI特性和研究區域實際情況,所需參數自定義如下?？紤]到天頂角與方位角對表觀反射率的敏感性不同[17],因此衛星天頂角的間隔設為4°,太陽天頂角的間隔設為1°,相對方位角為衛星方位角與太陽方位角的差,間隔設為12°。氣溶膠類型的選擇對AOD反演精度具有重要影響,MODIS在陸地氣溶膠反演時,主要針對AERONET站點數據進行聚類分析,將氣溶膠類型劃分為沙塵型、生物質燃燒型、背景/農村大陸型、海洋型、重污染型。由于站點分布稀疏,忽略了城市的具體特征,不能較好展示氣溶膠類型的空間分異性。魯北地區瀕臨渤海,受海洋季風影響,研究時刻的主導風向為北風,由海洋吹向內陸,故氣溶膠類型選擇海洋型;豫北地區和魯豫皖邊界地區位于內陸,受大陸季風影響,故氣溶膠類型選擇大陸型。研究區處于中緯度地區,大氣參數選擇中緯度冬季。光譜參數選擇自定義并輸入TG-2藍光波段,以2.5 nm間隔設置光譜響應函數值。下墊面特性均設置為朗伯體表面,地表反射率則選擇已構建的TG-2/WBI地表反射率庫。

為驗證選取氣溶膠類型的合理性,本文針對城市型、大陸型、海洋型氣溶膠類型進行反演實驗,將氣溶膠類型均設為城市氣溶膠,與本研究方案進行對比(圖2)。結果表明,利用城市氣溶膠反演的AOD偏高,與以往研究結果一致[18],本文的氣溶膠方案更接近真實值,更適用于研究區域AOD反演。

圖2 不同類型氣溶膠反演結果對比圖

6)AOD反演及驗證。完成上述預處理后,使用深藍算法分別對研究區域進行AOD反演,最終得到2017年3月18日魯北地區、2017年12月2日豫北地區、2017年3月14日魯豫皖邊界地區的AOD反演結果。由于缺乏可用的AOD數據,使用MOD04_3KM產品進行分析驗證TG-2數據AOD遙感反演產品的準確性,以證明該AOD產品的準確性能夠支持PM2.5濃度的反演。

2.2 PM2.5濃度反演

本研究建立TG-2數據AOD反演產品與地面實測PM2.5數據之間的回歸關系模型,探討二者之間的相關性?？紤]到模型的建立和驗證,選擇2/3的數據用于建模,1/3的數據用于模型驗證。根據關系模型,估算研究區大氣中的PM2.5質量濃度,并分析其空間分布,為PM2.5監測與治理提供有效支撐。

本文利用衛星反演的AOD表示大氣垂直柱中所有氣溶膠粒子的消光能力之和,而實測PM2.5是干燥條件下的地面測量值[19]。若要保證PM2.5濃度反演的準確性,需要考慮氣溶膠垂直分布對AOD的影響。又由于氣溶膠粒子吸濕特性,氣溶膠粒徑分布和化學性質發生變化,導致AOD值發生變化,因此對AOD進行濕度訂正有利于提高PM2.5的反演精度。

1)垂直訂正。假設氣溶膠在垂直方向上呈指數分布,總的大氣AOD與近地面氣溶膠消光系數的關系如式(5)所示[20]。

(5)

式中:τ是總的大氣AOD;β是近地面氣溶膠消光系數;Z是垂直高度;H是氣溶膠標高。

本研究利用Peterson模型進行反算,作為H實際值[21]。Peterson模型更準確地描述了氣溶膠的垂直光學厚度與水平能見度之間的關系,并考慮了大氣分子的瑞利散射和臭氧在水平方向的吸收,為PM2.5濃度監測及與臭氧的協同治理起到一定的作用。Peterson模型如式(6)所示[22]。

(6)

根據式(5),近地面氣溶膠消光系數可以表示為τ與H的商[23]。

2)濕度訂正。氣溶膠的吸濕性對PM2.5反演有重要的影響,PM2.5和AOD的關系對濕度變化十分敏感。因此,本研究采用濕度訂正來改善二者之間的相關性。濕度影響因子f(RH)能夠更好修正水溶性粒子吸濕膨脹對地面消光的影響[24],可表示為式(7)。

(7)

式中:RH為相對濕度。將近地面氣溶膠消光系數除以f(RH)以完成相對濕度訂正[25]。

3 結果與討論

3.1 AOD 反演結果

通過計算表觀反射率,構建地表反射率庫,使用深藍算法對研究區域的3幅TG-2影像進行AOD反演,結果如圖3所示。

圖3 200 m分辨率下研究區域的AOD結果

從圖3可以看出,魯北地區AOD分布主要表現為東北沿海地區較高,豫北地區AOD分布主要表現為東部較高西部較低,魯豫皖邊界地區AOD分布主要表現為個別地區高于周圍地區。該分布主要由土地利用類型、地形地貌和社會排放等因素所導致。魯北沿海地區自然資源豐富,土地利用以工業用地為主,空氣污染較嚴重,西部內陸地區以農田和林地為主,空氣質量較好,AOD值較小。豫北地區身處內陸,東部平原城市和工業發展較快,AOD較高,西部山區人口稀疏,AOD較低。魯豫皖邊界地區的個別城市地勢平坦、交通便利,商業經濟蓬勃發展,社會排放遠高于周圍地區,因此AOD值較高。此外,沿海地區更易受到海洋季風的影響,水溶性氣溶膠粒子隨濕度增大而膨脹,使AOD值較高于內陸。

為了驗證AOD反演結果,本研究選擇NASA正式發布的MOD04_3KM進行驗證分析(圖4)。圖4顯示了魯北地區MODIS-AOD和TG-AOD反演結果的相關程度,R2為0.91,表明TG-AOD數據與MODIS-AOD具有相對較小的離散度和較高的一致性。綜上,TG-2/WBI數據為研究區域提供了良好的AOD反演結果,該結果證明使用本文的研究方法對TG-2/WBI數據進行AOD反演是完全可行的,為進一步開展新型國產衛星氣溶膠相關研究分析及業務應用奠定了基礎。

圖4 TG-2數據反演結果與MOD04_3KM產品的對比

3.2 PM2.5 反演結果

1)PM2.5濃度估算及空間分布。研究區域3幅影像的PM2.5反演結果如圖5所示。魯北地區的PM2.5濃度呈現東北區域較高的分布,主要受地理位置和土地利用類型的影響。魯北沿海地區擁有豐富的石油、天然氣等自然資源,大部分地區建有大型油田、礦山等,資源開發排放了大量顆粒物,空氣污染嚴重。西部內陸地區的土地利用類型多為農田和林地,植被覆蓋度較高,工業用地較少,污染排放較低,PM2.5濃度較低。因此魯北地區的PM2.5濃度呈現以東北區域為中心的“污染島”狀。

圖5 200 m分辨率下PM2.5反演結果

豫北地區PM2.5結果主要表現為東部較高西部較低,主要受地形地貌影響。豫北地區以太行山為分界,海拔高度向東西兩側逐漸減小,太行山西側以山地、丘陵為主,林業、草地資源較為豐富,生態環境較好,不易形成明顯的污染現象;東側則以平原為主,地勢平坦,人口聚集,礦產資源豐富,資源開發極易造成較大的粉塵和煙塵污染。又由于山麓的阻擋,東部地區的顆粒污染物不易往西部擴散,因此豫北東側的PM2.5污染相對于西側較嚴重。

魯豫皖邊界地區PM2.5結果展現了以個別地區明顯高于周圍地區的“污染島”現象,如地勢平坦、礦產資源豐富的菏澤市牡丹區和菏澤市曹縣,以及經濟、交通和信息發達的商丘梁工業園區。由于這些地區采礦業、冶金業的發展產生了大量顆粒物,人口聚集產生較多的人為污染排放,在靜穩天氣下短時間難以擴散,導致大氣污染物集聚,而形成的類似于島狀的大氣污染現象。

本研究使用站點實測數據對反演得到的PM2.5濃度進行驗證分析(圖6)。衛星遙感獲取的PM2.5濃度結果與實測PM2.5數據具有較高的一致性,R2為0.902。與站點數據相比,反演結果略低,但擬合程度較高,因此基于TG-2/WBI數據,利用線性回歸模型對研究區域的PM2.5濃度進行反演和估算是完全可行的,所獲得的PM2.5產品能夠準確展現研究區域的污染分布狀況,這對PM2.5污染的監測以及我國進一步對PM2.5和臭氧之間的關系及協同治理研究提供了一種新的研究手段。

圖6 PM2.5反演模型精度驗證結果

2)氣溶膠垂直分布和相對濕度的影響。通過比較AOD反演結果與PM2.5反演結果,發現PM2.5與AOD的空間分布一致,總體呈正相關。然而,在一些AOD較高的區域,反演獲得的PM2.5濃度相對較低,這主要是因為氣溶膠具有吸濕特性,其化學成分、粒徑分布和光學特性等隨著相對濕度的變化而變化,導致了AOD反演結果和PM2.5實測結果的關系在時空上差異較大[26]。為了分析氣溶膠垂直分布和相對濕度的影響,在站點PM2.5與反演的AOD、近地面氣溶膠消光系數、垂直和濕度訂正后的AOD之間分別建立了回歸模型,結果如圖7所示,其中各子圖序號中的“a”“b”“c”分別代表魯北、豫北和魯豫皖邊界地區;各子圖序號中的“1”“2”“3”分別表示站點PM2.5和反演的AOD、近地面氣溶膠消光系數、垂直和濕度訂正后的AOD。

圖7 PM2.5-AOD相關性散點圖

從圖7可以看出,魯北、豫北和魯豫皖邊界地區的站點PM2.5和AOD反演結果之間的擬合度都很低,R2分別為0.139、0.201和0.170,無法直接用于PM2.5濃度的反演和污染監測。經過垂直訂正后,R2有了明顯提高,分別為0.351、0.301和0.451,這表明利用能見度進行垂直訂正獲得近地面氣溶膠消光系數,有效提高了與PM2.5實測濃度的相關性。最后經過濕度訂正后,PM2.5與AOD之間的R2進一步提高至0.672、0.695和0.470,這是由于AOD是在真實環境下反演得到的,PM2.5濃度一般是在干燥條件下測定的,利用相對濕度獲得了干顆粒物的消光系數信息,因此AOD與PM2.5的相關性大幅度提高。從宏觀角度上,基于高分辨率的TG-2/WBI數據,通過遙感技術反演AOD并進行垂直濕度訂正,建立PM2.5與AOD的關系模型具有較高的擬合度,以準確獲得具有空間連續性的PM2.5結果,能夠有效彌補地面監測站點分布不均的不足,實現了國產衛星進行PM2.5遙感反演的可能性,為區域大氣顆粒物污染的監測和防控提供了一種手段,對魯豫皖地區大氣污染綜合治理具有實際意義。

4 結束語

結合MODIS產品,本文使用TG-2/WBI數據反演了魯豫皖地區的AOD和PM2.5,然后使用MOD04和地面站點數據驗證反演的準確性。主要結論如下。

1)本文基于MOD09A1地表反射率產品,構建TG-2地表反射率庫,對TG-2/WBI數據進行AOD反演是完全可行的,反演結果與MOD04 AOD產品的擬合度高達0.91。與傳統遙感數據相比,TG-2/WBI數據分辨率高、幅寬大,非常適合區域AOD的反演。

2)使用TG-2 AOD結果進行垂直和濕度訂正后,反演的PM2.5值與站點數據的擬合度達到0.902。使用PM2.5-AOD關系模型實現TG-2/WBI數據區域細顆粒物的反演具有較高的可行性,彌補了地面監測的不足,為區域PM2.5污染監測提供了新的研究手段。

3)研究區域的AOD和PM2.5結果均呈現出“污染島”狀的空間分布,表明在靜穩的天氣條件下,由于地理位置、土地利用、社會排放等,城市氣溶膠污染呈現島狀,這對研究城市污染排放、擴散等規律具有重要意義。