衛星差分植被指數與地面環境監測顆粒物污染指數ipm10的關系

現在，隨著城市建設和經濟的快速發展，生態環境問題日益明顯，嚴重危害了人民生活、健康和社會發展。可吸入顆粒物作為大氣污染的首要污染物之一,正越來越受到人們的關注。我國目前很多城市都不同程度的存在可吸入顆粒物污染,不少城市的污染相當嚴重。顆粒物的主要來源是:機動車尾氣、煤灰、二次硫酸鹽、生物質燃燒,自然源、海鹽、土壤、公路邊灰塵等。它對人體健康、能見度、溫度以及酸雨都有很大的影響,因此,研究可吸入顆粒物的污染分布及其影響范圍對城市規劃和污染治理具有十分重要的意義。運用常規的布設污染監測站點方法監測大氣污染既費時又費錢,常為人力,物力所局限。而且常規監測方法測點少,分布不均,難以對整個城市的污染空間分布進行分析。而衛星遙感技術卻是一種動態監測和分析大氣環境的極為有效的手段。衛星遙感可在瞬間獲取大區域地表和大氣信息,便于動態監測,是環境遙感的研究熱點之一。但由于在遙感信息中,大氣污染信息十分微弱,提取非常困難,人們大多采用間接的方法來對大氣污染進行遙感監測。Templemeryer,Benjamin等最早根據污染地區地物反射率發生變化、邊界模糊的情況來對大氣污染情況進行估計;范心圻等根據城市熱島情況對城市大氣污染進行宏觀估計;Fujii,Hisao等根據樹葉中SO2含量與遙感數據中植被指數的關系估計大氣污染的情況;施玉琪等利用植被指數和大氣污染綜合指數之間的關系,推求了大氣污染的范圍和影響強度;張韜等利用遙感技術結合地物波譜進行了葉表面內大氣污染元素的含量測定,分析研究了呼和浩特市的大氣污染狀況;王雪梅等首次從TM衛星數據直接定量提取區域大氣污染氣體累加濃度信息,并對珠江口大氣污染狀況有較客觀、形象的再現;鄧孺孺、田國良等在此基礎上對長江三角洲地區的1984和1997年的污染進行了探測。以上研究均取得了較好分析效果。但由于以上研究大多采用高分辨率衛星進行監測分析,該衛星的分析精度雖較高,但美中不足的是動態程度差,故難以滿足業務應用要求。因此,為了達到動態和定量分析可吸入顆粒物污染分布特征目的,本文利用動態程度高的NOAA衛星可見光和近紅外波段,采用雙通道組合運算技術,結合實測地面污染指數樣本點資料,在地理信息系統平臺上,初步分析和研究了上海城市可吸入顆粒物污染的空間分布,為城市建設和規劃提供了重要的基礎信息。1數據介紹1.1衛星數據1.1.1污染物反演資料使用NOAA氣象衛星的可見光和近紅外波段資料為顆粒污染物反演資料。NOAA衛星是一種極軌氣象衛星,它的改進甚高分辨率輻射計(AVHRR)能提供5個通道的影像和數據,其各波段的波譜響應以及空間分辨率如表1。1.1.2綠色分布數據所采用的綠地分布資料來自于對資源一號衛星資料的信息解譯和分類提取。1.2污染監測數據采用的地面污染資料為上海市環境監測中心每天通過網絡傳給上海市氣象局的上海10個環境監測站的污染10μm顆粒物(PM10)資料。1.3氣象資料采用源自《上海氣候》的上海市風向、風速的氣候統計資料。1.4綠色社會統計綠地統計資料為上海市綠化管理局提供的2001年上海市各行政區的建成區綠化覆蓋率和人均公共綠地面積資料。2監控原理和方法2.1太陽輻射和空氣對于潔凈大氣,利用NOAA衛星位于大氣窗區的可見光通道和近紅外通道,可以遙感到來自地球表面的太陽輻射的反射輻射,受大氣中污染物粒子的吸收和散射影響較小(在此未考慮大氣中的水滴粒子影響)。而當大氣中存在大量氣溶膠時,太陽輻射的吸收和散射作用隨之增大。但是氣溶膠對太陽輻射的吸收、散射影響程度和它的粒子半徑、密度有關。粒徑和密度較大的粒子,如沙塵粒子,對太陽輻射的反射作用顯著,可以利用衛星遙感的方法直接進行監測。范一大等利用可見光、近紅外和遠紅外通道多光譜合成遙感數字圖像進行沙塵暴的監測和沙塵信息的提取;羅敬寧等利用1.6μm的波段建立可比沙塵強度指數,進行多源遙感數據的沙塵暴強度監測,取得了明顯的效果。而城市大氣中的可吸入顆粒物,由于其粒子半徑、密度相對較小,在可見光和近紅外波段,它對太陽輻射的吸收和散射可以忽略不計。但是,它對大氣透過率卻有一定影響。當大氣中的可吸入顆粒污染物增加時,衛星可見光和近紅外通道的大氣透過率都會下降,而近紅外通道的下降比可見光通道快。因此,本文根據顆粒污染物對可見光和近紅外通道大氣透過率下降的影響差異,利用NOAA衛星的雙通道組合技術,構造差值植被指數(IDV),并通過建立衛星與污染實測值之間的相關關系來達到衛星污染測值的反演和計算。2.2學習方法2.2.1衛星數據的預處理(1)次式區域分析實例NOAA衛星的AVHRR資料經定標、定位以及太陽高度角、臨邊變暗訂正后,采用二次多項式方法進行衛星圖象與上海市行政區劃矢量專題圖件的配準和雙線性插值放大,然后與上海地區二值圖像(0,1)進行邏輯乘,截取上海市區域子圖,形成區域分析圖象。(2)模式分類方法為了提高分類精度,本文選擇分類誤差較小的最大似然分類方法對綠地進行訓練分類。最大似然分類法的多變量正態密度函數公式為Ρ(x/ωi)=1(2π)n/2|Ci|1/2=exp[-1/2(x-mi)Τc-1i(x-mi)](i=1,2,┄┄,m)(1)其中mi為均值矢量,ci為協方差矩陣,Ci表示矩陣的行列式。c-1i為ci的逆矩陣。P(x/ωi)為條件概率密度函數,ωi為模式類別,n為模式矢量的維數,x為分類模式。最大似然判別函數集為di(x)=p(x/ωi)p(ωi)(i=1,2,┄┄,m)(2)即di(x)=p(ωi)(2π)n/2|Ci|1/2=exp[-1/2(x-mi)Τc-1i(x-mi)](i=1,2,┄┄,m)(3)其中p(ωi)為先驗概率。值得注意的是,該分類方法對只有少量樣本時,不一定能得到最佳效果。2.2.2aea衛星圖像上的點坐標根據地面環境監測站的地理坐標,在配準并經截取后的NOAA衛星圖像上,找出污染監測點對應的各點坐標。同時,為了減小定位誤差,取該點周邊的3×3的模板進行鄰域加權,以加權值代表對應污染監測站點的光譜特征值。2.2.3反演衛星污染量(1)noaa衛星的反射率根據顆粒污染物對可見光和近紅外通道大氣透過率的影響差異,構造差值植被指數(IDV):ΙDV=Rch2-Rch1(4)式中,Rch1和Rch2是NOAA衛星的可見光通道和近紅外通道的反射率。式(4)中所構造的差值植被指數不僅突出了顆粒物污染的光譜信息,還部分消除了太陽高度角、衛星掃描角以及大氣程輻射的影響。(2)與地面監測點顆粒物污染指數相關關系利用回歸統計方法,找出地面污染監測值和對應衛星近紅外和可見光通道的光譜差值(即差值植被指數)之間的關系。即選取晴天無云的NOAA衛星資料,建立相應各點差值植被指數與地面監測點顆粒物污染指數IPM10相關關系。例2003年4月16日和7月24日衛星圖象的相關公式分別為ΙΡΜ10=-0.9678ΙDV+73.753(R2=0.5802)(5)ΙΡΜ10=-1.5601ΙDV+44.506(R2=0.9382)(6)以上兩式均通過顯著性檢驗。其對應的相關關系見圖1、圖2。由圖1和圖2可見,差值植被指數IDV和顆粒物污染IPM10之間的線性關系非常明顯,表明了差值植被指數與可吸入顆粒污染物的相關性。(3)城市表面顆粒污染物的分布由公式(5)和公式(6)分別計算出衛星對應日期的顆粒污染物指數值,從而得到上海城市面上的顆粒污染物分布圖。將此污染分布圖輸入到地理信息系統中,進行格式轉換,圖像配準,條件截取,以及邊界圖層疊加后,從而得到了中心城區的污染分布圖。3gis支持下顆粒污染物的分布特征和綠色空間灰塵的機理分析3.1空間分析模型為了能客觀、有效地動態分析污染分布和綠地降塵作用情況,本文以NOAA衛星、資源一號衛星資料為主、污染監測、氣象、綠化統計資料以及土地利用、行政邊界(包括鄉、線界)專題圖件為輔,建立空間分析和邏輯判別模式。模式采用邏輯判別和復合分析法。其主導思想是將NOAA衛星的顆粒污染物反演圖像、綠地信息圖象作為主要因子,結合污染監測、氣象、綠化統計資料以及土地利用專題圖件、行政邊界,通過對各區顆粒污染物進行等級分類基礎上,逐象元進行污染和綠化關系的邏輯判別和綜合分析。空間分析模型為:F=f(Ν,G,S,W,Q,V)(7)其中F為綜合分析結果,N為NOAA衛星可吸入顆粒污染物反演圖像,G為資源衛星綠地圖像,S為土地利用專題圖件,W為污染監測要素,Q為氣象要素,V為綠化統計要素。分析模式采用美國的arc/info地理信息系統,并在grid平臺上建立,該模塊為具有柵格運算功能的空間分析和判別能力的地理信息系統。3.2污染分布特征及綠化機3.2.1綠地降塵作用的研究意義經過了長期和有效的治理,上海市目前的空氣質量已經大為改善,基本達到優良,但是研究可吸入顆粒物污染的分布特征,探求綠地的降塵作用,對于城市規劃和環境治理,對于進一步提高上海市的空氣質量,有著十分重要的意義。根據GIS多要素綜合分析,發現可吸入顆粒物污染分布具有如下特征。(1)上海中心城區的污染物分布主要受污染環境和基質類型的影響污染高值區主要由高能源廠房、高層建筑密集,人口集中地以及交通繁忙地帶組成。(2)夏季污染高值區判定例如春季和夏季上海市中心城區顆粒物污染分布特征略有不同,這可能由于上海夏季盛行夏季風,風向以東南偏東風為主,污染顆粒物順著盛行風方向往市區西北方向轉移,夏季污染高值區的范圍比春季大,而且污染高值區具有向西北方向漂移特征。(3)城市綠地具有良好的防塵效果，可以改善污染綠化多以及大面積綠地周邊地區和其他地區比較,污染程度明顯較輕。3.2.2降低風速,過濾空氣城市綠地(包括樹木和草地),對灰塵和粉塵具有明顯的阻擋、過濾和吸附作用,故而減輕大氣的污染程度。樹木之所以能減塵,一方面由于樹木的枝冠茂密,具有強大的降低風速的作用,隨著風速的降低,空氣中攜帶的大粒灰塵便下降地面;另一方面由于葉子表面不平,多茸毛,有的還能分泌粘性的油脂和汁漿,當空氣中的塵埃經過樹林時,便會附著于葉面及枝干的下凹部分,因而起到了過濾作用。草地的減塵作用也是明顯的,因為草皮的莖葉不僅和樹葉一樣具有吸附空氣中灰塵的作用,而且可以固定地面上的塵土,不使飛揚。4顆粒污染的分布本文選取晴天無云的4月16日和7月24日的NOAA衛星資料,分別代表春季和夏季的情況。根據前述方法讀取各地面污染監測站點所對應的可見光和近紅外通道的光譜值,利用回歸統計方法,建立地面污染監測值和對應差值植被指數之間的相關關系,并對整個上海地區顆粒污染值進行反演,得到上海地區的顆粒污染分布圖。同時在GIS下,統一取污染值間隔為3,將各行政區按顆粒物污染強度劃分為一級、二級、三級污染區和清潔區。通過計算各區的總象素以及區內每個污染區的象素,求算出各行政區的每個污染區和清潔區的面積比。進而,通過Arc/info的Grid模塊中邏輯運算功能,對顆粒污染物、綠化圖像、土地利用、以及氣象、綠地統計等因子進行多要素綜合分析。4.1立、工業發達區分析表明:無論是春季還是夏季,上海中心城區的顆粒物污染分布狀況基本一致(圖3、圖4),呈現由沿黃浦江的市中心向外逐漸減輕的趨勢,顆粒物污染的高值區主要分布在黃浦江以北楊浦區、虹口區、黃浦區和盧灣區的沿江部分。其中黃浦江以北呈條狀的楊浦區一帶的滬東工業區,廠房林立、工業發達,主要以發電廠、棉紡廠、鋼鐵廠、制皂廠等組成,形成顆粒物污染的高值區;而虹口區是人口、高樓和廠房的密集區,黃浦區和盧灣區的沿江部分也是人口集中地和商業區,在這些地區也分別形成了顆粒物污染的高值區。根據分析,以上污染分布主要是由污染源以及下墊面性質引起的。除了高熱量和高能量的工業區由于其煙囪散發的污染物外,市中心建筑密集,人口密度大,交通繁忙,而綠化面積相對較小,故顆粒物污染相對較嚴重;而由市中心往外,建筑物密度稀疏、人口密度減小,相反植被面積加大,顆粒物污染逐漸減輕。另由分析發現,春季和夏季上海市中心城區顆粒物污染分布規律和特征基本一致,但分布范圍卻有所差異,主要表現在夏季污染高值區的范圍比春季大,而且總體趨勢向西北方向漂移。這可能是由于上海夏季盛行夏季風,風向以東南偏東風為主,污染顆粒物順著盛行風方向往市區西北方向轉移,該現象還有待于今后的更多樣本進行驗證。4.2不同區內綠地的面積比根據分析,可以發現顆粒物污染的分布特征和綠地的分布狀況基本一致(圖3、圖4、圖5)。上海中心城區由于綠地面積較小,導致顆粒物污染相對比較嚴重,由市中心往外,綠地面積逐漸增大,相應的顆粒物污染也逐漸減弱;顆粒物污染的高值區主要分布在楊浦區、虹口、黃浦區、盧灣區的沿江綠地稀少的區域;在靜安區、盧灣區和黃浦區交界處新建成的延中綠地,由于其面積達到23萬m2,起到了很好的降塵效果,從圖3、圖4中可以看出在延中綠地的附近存在一個顆粒物污染的低值區。以上結果證明了綠地吸附灰塵、凈化空氣的作用,說明了城市綠化對于保護和改善城市生態環境的重要性。另由各行政區的污染區和清潔區的面積比可見(表2、表3),上海市內各行政區顆粒物污染相對嚴重區域的面積比與其建成區綠化覆蓋率和人均綠地公共面積密切相關。總體來說,建成區綠化覆蓋率高、人均綠地公共面積大的區,其各級污染區所占的比例較低,而清潔區所占的比例高;反之,則是污染區比例高,清潔區比例低。如徐匯區和長寧區綠化覆蓋率高(20%以上),人均綠地公共面積也大(3m2/人以上),從表中可以看出這兩個區的污染區比例小,而清潔區的比例大,特別是春季其清潔區的比例分別達到了62.94%和77.96%;黃浦區綠化覆蓋率低,人均綠地公共面積也小,污染區比例接近100%。靜安區綠化覆蓋率高