留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

北京地区PM10浓度空间分布特征的综合变分分析

程兴宏 徐祥德 陈尊裕 丁国安 李成才 翁永辉

引用本文:
Citation:

北京地区PM10浓度空间分布特征的综合变分分析

Integrated Analysis on Spatial Distribution Characteristics of PM10 Concentration Based on Variational Processing Method in Beijing

  • 摘要: 利用2003年10月北京地区PM10浓度流动观测资料和同期MODIS AOD(Aerosol Optical Depth)高分辨率遥感资料,采用卫星遥感地面观测变分订正处理方法,综合分析了北京地区PM10浓度的空间分布特征以及机动车排放的影响效应。动态观测试验结果表明:北京城区大部分为轻污染区, 北京近郊区PM10浓度高值区沿环路呈环状分布,其中北京西南部、南部和东北部污染较严重,北京城郊街区PM10的空间分布受机动车排放的影响较大。MODIS卫星遥感资料分析表明:北京城区及近郊区AOD值较远郊区高得多,AOD空间分布场中存在虚假高值区,AOD非均匀分布特征不明显。采取点面结合综合观测研究思路,运用卫星遥感地面观测综合变分分析方法,可以取得客观订正的显著效果。经地面实测PM10浓度变分订正后的AOD变分场可以较高分辨率信息描述北京地区AOD的非均匀分布特征,弥补地面PM10浓度观测的缺陷。
  • 图 1  “两轴”垂直剖面观测试验动态采样点示意图

    Fig.1  Location of ambulatory sampling points in the vertical section observation experiment

    图 2  Dust Trak采样仪与TEOM采样仪PM10浓度的对比标定

    Fig.2  Scatter diagrams for PM10 concentration sampled by Dust Trak and TEOM

    图 3  2003年10月15—16日北京地区动态采样点(每天约120个)PM10浓度与AOD的相关分析

    Fig.3  Scatter diagrams for PM10 concentration sampled at ambulatory sampling points and AOD value on Oct 15—16, 2003

    图 4  2003年9月10日和10月14—16日09 : 30—11 : 00北京地区地面动态观测PM10浓度(单位: mg·m-3)的空间分布特征

    Fig.4  Spatial distribution characteristics of PM10 concentration sampled at ambulatory sampling points on Sep 10, Oct 14—16, 2003(unit: mg·m-3)

    图 5  2003年9月10日和10月15日北京地区变分订正前后MODIS AOD空间分布场

    (a)9月10日订正前,(b)9月10日订正后,(c)10月15日订正前,(d)10月15日订正后

    Fig.5  Spatial distribution characteristics of original AOD retrieval data and AOD value processed by variational method in Beijing on Sep 10 and Oct 15, 2003

    (a)original AOD retrieval data on Sep 10,(b)AOD variational value on Sep 10,(c)original AOD retrieval data on Oct 15,(d)AOD variational value on Oct 15

    表 1  2003年9月10日和10月13—16日北京市南郊观象台各时次云量

    Table 1.  Hourly cloud amount observed in Beijing South Observatory during 09 : 00—12 : 00, on Sep 10 and Oct 13—16, 2003

    下载: 导出CSV

    表 2  2003年9月10日, 10月14—16日北京地区实测PM10浓度超标情况

    Table 2.  Superscale of PM10 concentration observed in Beijing on Sep 10 and Oct 14—16, 2003

    下载: 导出CSV
  • [1] Fuji T, Hayashi S, Hogg J C, et al.Particulate matter induces cytokine expression in human bronchial epithelial cells.American Journal of Respiratory Cell and Molecular Biology, 2001, 25(3):265-271. doi: 10.1165/ajrcmb.25.3.4445
    [2] 魏复盛, 胡伟, 滕恩江, 等.空气污染与儿童呼吸系统患病率的相关分析.中国环境科学, 2000, 20(3):220-224. 
    [3] 纪飞, 苏文颖, 秦瑜.对流层光化学过程中的气粒转化研究.大气科学, 2001, 25(2):269-276. 
    [4] 徐祥德.城市化环境大气污染模型动力学问题.应用气象学报, 2002, 13(增刊):1-12. 
    [5] Colvile R N, Hutchinson E J, Mindell J S, et al.The transport sector as a source of air pollution.Atmos Environ, 2001, 35:1537-1565. doi: 10.1016/S1352-2310(00)00551-3
    [6] Chan L Y, Chan C Y, Qin Y.The effect of commuting microenvironment on commuter exposures to vehicular emission in Hong Kong.Atmos Environ, 1999, 33:1777-1787. doi: 10.1016/S1352-2310(98)00338-0
    [7] Cantanho A D A.Wintertime and summertime Sao Paulo aerosol source apportionment study.Atmos Environ, 2001, 35:4889-4902. doi: 10.1016/S1352-2310(01)00357-0
    [8] 吕萍, 袁九毅, 张文煜, 等.一个研究街道峡谷流场及浓度场特征的三维数值模式.四川环境, 2003, 2:64-66. 
    [9] 贺克斌, 何东全, 唐仲洲.我国汽车排放污染现状与发展.环境科学, 1996, 17(4):80-83. 
    [10] http:∥www.cei.gov.cn/auto/doc/QCdaily/200411151693.htm.
    [11] 蔡旭晖, 张睿, 宋宇, 等.北京地区大气PM10和SO2的背景浓度分析.气候与环境研究, 2004, 9(3):445-453. 
    [12] 赵越, 潘钧, 张红远, 等.北京地区大气中可吸入颗粒物的污染现状分析.环境科学研究, 2004, 17(1):67-69. 
    [13] 毛节泰, 李成才, 张军华, 等.MODIS卫星遥感北京地区气溶胶光学厚度及其与地面光度计遥感的对比.应用气象学报, 2002, 13(增刊):127-135. 
    [14] 周秀骥, 徐祥德.2000年春季沙尘暴动力学特征.中国科学(D辑), 2002, 32(4):327-334. 
    [15] 徐祥德, 周秀骥, 翁永辉, 等.星载MODIS资料与地面光度计探测气溶胶变分场.科学通报, 2003, 15:1680-1685. 
    [16] 徐祥德, 许健民, 王继志, 等.大气遥感再分析场构造技术与原理.北京:气象出版社, 2003:58-91.
    [17] 李成才, 毛节泰, 刘启汉.利用MODIS资料遥感香港地区高分辨率气溶胶光学厚度.大气科学, 2005, 29(3):335-342. 
    [18] 李成才, 毛节泰, 刘启汉, 等.利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染.大气科学, 2003, 27(5):869-879. 
    [19] 魏凤英.现代气候统计诊断与预测技术.北京:气象出版社, 1999:35-37.
    [20] Lee Yuet Lai, Sequeira R.Water-soluble aerosol and visibility degradation in Hong Kong during autumn and early winter, 1998.Environmental Pollution, 2002, 116:225-233. doi: 10.1016/S0269-7491(01)00135-X
    [21] 王淑英, 张小玲.北京地区PM10污染的气象特征.应用气象学报, 2002, 13(增刊):177-184. 
    [22] 王雪松, 李金龙.北京地区夏季PM10污染的数值模拟研究.北京大学学报(自然科学版), 2003, 39(3):419-427. 
  • [1] 严文莲,  周德平,  王扬峰,  杨军,  李子华.  沈阳冬夏季可吸入颗粒物浓度及尺度谱分布特征 . 应用气象学报, 2008, 19(4): 435-443.
    [2] 李晓静,  张鹏,  张兴赢,  孙凌,  齐瑾,  张艳.  中国区域MODIS陆上气溶胶光学厚度产品检验 . 应用气象学报, 2009, 20(2): 147-156.
    [3] 高玲,  张里阳,  李俊,  陈林,  孙凌,  李晓静.  利用AVHRR数据反演陆地气溶胶光学厚度 . 应用气象学报, 2014, 25(1): 42-51.
    [4] 胡秀清,  张玉香,  张广顺,  黄意玢,  王永宽.  中国遥感卫星辐射校正场气溶胶光学特性观测研究 . 应用气象学报, 2001, 12(3): 257-266.
    [5] 何涛,  赵凤生.  一种反演气溶胶光学厚度的改进方法 . 应用气象学报, 2011, 22(6): 663-672.
    [6] 杨溯,  石广玉,  王标,  杨红龙,  赵剑琦,  秦世广.  气溶胶光学厚度谱特征判断粒子大小方法初探 . 应用气象学报, 2011, 22(2): 152-157.
    [7] 李成才,  毛节泰,  刘启汉(Alexis Kai-Hon Lau).  用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征 . 应用气象学报, 2003, 14(1): 1-7.
    [8] 胡婷,  孙照渤,  张海东.  我国380nm波长气溶胶光学厚度分布特征和演变趋势 . 应用气象学报, 2008, 19(5): 513-521.
    [9] 郭玉娣,  刘彬贤,  梁冬坡.  变分方法在渤海海域ASCAT风场订正中的应用 . 应用气象学报, 2019, 30(3): 376-384. DOI: 10.11898/1001-7313.20190310
    [10] 许黎,  柳中明,  石广玉.  台湾地区大气气溶胶光学特性的测量与分析 . 应用气象学报, 1997, 8(2): 252-253.
    [11] 颜鹏,  刘桂清,  周秀骥,  王京丽,  汤洁,  刘强,  王振发,  周怀刚.  上甸子秋冬季雾霾期间气溶胶光学特性 . 应用气象学报, 2010, 21(3): 257-265.
    [12] 杨先逸,  车慧正,  陈权亮,  梁苑新.  天空辐射计观测反演北京城区气溶胶光学特性 . 应用气象学报, 2020, 31(3): 373-384. DOI: 10.11898/1001-7313.20200311
    [13] 梁苑新,  车慧正,  王宏,  彭玥,  张养梅,  陶法.  北京一次污染过程气溶胶光学特性及辐射效应 . 应用气象学报, 2020, 31(5): 583-594. DOI: 10.11898/1001-7313.20200506
    [14] 杨艳蓉,  李柏,  张沛源.  多普勒雷达资料四维变分同化 . 应用气象学报, 2004, 15(1): 95-110.
    [15] 廖洞贤.  一个全球变网格多层原始方程差分模式的设计 . 应用气象学报, 1997, 8(1): 1-10.
    [16] 闵锦忠,  沈桐立,  陈海山,  孙麟平.  卫星云图资料反演的质量控制及变分同化数值试验 . 应用气象学报, 2000, 11(4): 410-418.
    [17] 廖洞贤.  再论全球变网格多层原始方程差分模式的设计 . 应用气象学报, 1999, 10(2): 141-150.
    [18] 王曼,  李华宏,  段旭,  刘建宇,  符睿,  陈新梅.  WRF模式三维变分中背景误差协方差估计 . 应用气象学报, 2011, 22(4): 482-492.
    [19] 李华宏,  薛纪善,  王曼,  杨明.  多普勒雷达风廓线的反演及变分同化试验 . 应用气象学报, 2007, 18(1): 50-57.
    [20] 王瑞春,  龚建东,  张林.  GRAPES变分同化系统中动力平衡约束的统计求解 . 应用气象学报, 2012, 23(2): 129-138.
  • 加载中
图(5) / 表(2)
计量
  • 文章访问数:  5859
  • HTML全文浏览量:  517
  • PDF下载量:  1454
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-11-21
  • 修回日期:  2006-10-18
  • 刊出日期:  2007-04-30

北京地区PM10浓度空间分布特征的综合变分分析

  • 1. 中国气象科学研究院, 北京 100081
  • 2. 中国科学院研究生院, 北京 100039
  • 3. Department of Civil and Structural Engineering, Hong Kong Polytechnic University, Hung Hom, Hong Kong
  • 4. 北京大学大气科学系, 北京 100871

摘要: 利用2003年10月北京地区PM10浓度流动观测资料和同期MODIS AOD(Aerosol Optical Depth)高分辨率遥感资料,采用卫星遥感地面观测变分订正处理方法,综合分析了北京地区PM10浓度的空间分布特征以及机动车排放的影响效应。动态观测试验结果表明:北京城区大部分为轻污染区, 北京近郊区PM10浓度高值区沿环路呈环状分布,其中北京西南部、南部和东北部污染较严重,北京城郊街区PM10的空间分布受机动车排放的影响较大。MODIS卫星遥感资料分析表明:北京城区及近郊区AOD值较远郊区高得多,AOD空间分布场中存在虚假高值区,AOD非均匀分布特征不明显。采取点面结合综合观测研究思路,运用卫星遥感地面观测综合变分分析方法,可以取得客观订正的显著效果。经地面实测PM10浓度变分订正后的AOD变分场可以较高分辨率信息描述北京地区AOD的非均匀分布特征,弥补地面PM10浓度观测的缺陷。

English Abstract

    • 城市气溶胶污染问题日趋严重, 尤其是最近几年PM10已成为我国各大中型城市的首要污染物, 其带来的直接和间接危害已严重影响人们的生存环境。PM10在环境空气中持续时间较长, 对人体健康和大气能见度影响都很大。PM10对人类呼吸系统、心肺功能等的危害性已经被国内外大量流行病学和毒理学研究所证实[1-2]。另外, PM10在酸沉降、气候强迫、大气化学过程等方面具有重要作用[3]

      由于城市在土地利用和人类活动方面的聚集性, 在目前机动车燃油和排污控制水平下, 城市交通现代化在高度密集的城区必然会带来严重的污染问题[4]。Colvile等[5]研究指出, 各种交通(道路、航空、铁路、水运)造成的大气污染对城市光化学烟雾、酸雨形成、臭氧洞扩大、气候变化产生了较大影响。Chan等[6]研究指出, 机动车排放污染逐渐成为发达城市大气污染的主要源。Cantanho[7]对巴西圣保罗的PM10源强分布作了研究, 得出的结论为PM10的重要来源是汽车尾气。机动车排放污染物尤其是微尺度街道峡谷内的机动车排放污染物是我国各大城市空气污染的主要来源之一[8-9]。资料显示, 近几年北京的机动车保有量一直呈几何数字递增; 截至2003年底, 北京市机动车保有量突破212万辆, 较10年前增长了近200%, 其中大部分为私人小汽车, 达到100万辆; 预计5年以后, 即2008年北京市的汽车保有量将达到350万辆[10]。随着北京现代化进程的加快和机动车保有量的快速增长, 由汽车尾气排放形成的PM10已成为城市空气污染的重要来源。因此, 加强北京城市尤其是街区机动车排放PM10污染观测研究显得尤为重要。

      蔡旭晖等[11]分析北京城区污染物的输送扩散作用对郊外清洁对照点(定陵站)浓度监测结果的影响表明, 清洁对照点受北京城区污染物的影响较大。赵越等[12]研究表明, 北京地区PM10的污染绝非仅限于市区范围。毛节泰等[13]应用MODIS卫星遥感北京地区气溶胶光学厚度及其与地面光度计遥感的对比研究结果表明, 卫星遥感的气溶胶资料不仅对全球和区域气候研究而且对城市污染分析提供了丰富的资料。为全面了解北京城郊PM10的空间分布特征, 本文采用北京南北—东西向垂直剖面PM10浓度动态观测资料与试验期间MODIS卫星1 km高分辨率AOD资料, 运用点-面结合综合观测研究思路, 利用卫星遥感-地面观测变分订正技术, 分析了北京城郊PM10浓度空间分布特征及其受机动车排放的影响。

    • 考虑到PM10质量浓度的季节与日变化特征, 以及北京地区MODIS/Terra卫星的过境时间(每天10:30左右, 北京时, 下同), 本文主要选取10月份晴空09:30—11:30作为采样时段。2003年9月10日和10月13—16日(均为晴空)分别在北京城区和郊区进行了环路和“两轴”垂直剖面PM10浓度的流动观测。环路观测试验采用3台车载气溶胶观测仪分别在二、三、四环多点动态采样(图略)。“两轴”垂直剖面观测试验采用两台车载气溶胶观测仪流动采样, 具体采样路线为每天上午2台车载气溶胶观测仪器由中国气象局出发, 09:30前分别到达南北中轴线和南四环的交界处以及建国门外大街和东四环交界处, 09:30开始分别沿中轴线向北和沿建国门外大街向西横穿北京全城。由于交通堵塞情况不同, 有时不到11:00即到达北四环和西四环, 那么再分别向北五环和西五环延伸, 直到11:30结束, 最后返回中国气象局。图 1为“两轴”垂直剖面观测路线示意图和采样点分布图, 图中双实线为北京城市环型公路, 实心点为PM10动态采样点。

      图  1  “两轴”垂直剖面观测试验动态采样点示意图

      Figure 1.  Location of ambulatory sampling points in the vertical section observation experiment

    • 试验采用Dust Trak Model 8520便携式气溶胶分析测量仪。该仪器是基于由Ga-As激光二极管产生的红外光的光散射原理来进行测量的。测量气溶胶直径0~10 μm颗粒, 量程为0.001~100 mg·m-3, 分辨率为±0.001 mg·m-3, 零漂为在10 s时间常数下, 24 h为0.001 mg·m-3, 采样频率为每分钟1次, 采样精度为1 μg·m-3。仪器所获取资料可储存在资料存储器内, 该资料可用计算机导出。车载Dust Trak仪器进气口距地面约1.5 m高度处。在观测过程中使用便携式GPS记录每一个采样点的经、纬度与观测时间, 观测结束后通过采样时间反查得到各个采样点的PM10质量浓度数据, 该数据是1 min平均值, 可以代表采样点附近约500 m范围内的平均值。

    • 所有仪器在观测试验前均进行了标定, 并且对几台仪器进行了平行比对。本文使用美国联邦参考方法(FRM)规定的标准重力采样仪(TEOM 1400a)对Dust Trak采样仪进行了再次标定, 标定结果如图 2所示。建立了线性相关模型来订正Dust Trak采样仪PM10浓度:y=0.308x +0.0739(相关系数为0.78, 达到99%信度水平), 其中x代表Dust Trak所测PM10浓度, y代表Dust Track订正到TEOM PM10浓度。

      图  2  Dust Trak采样仪与TEOM采样仪PM10浓度的对比标定

      Figure 2.  Scatter diagrams for PM10 concentration sampled by Dust Trak and TEOM

    • 本文使用2003年9月10日和10月13—16日5 d(均为晴空)地面车载PM10多点动态观测资料, 同期MODIS/Terra 1 km高分辨率气溶胶光学厚度反演资料, 北京市观象台5 d上午的云量及逐时湿度观测资料。表 1给出了上述采样时段北京上空09:00—12:00各时次云量。从表中可以看出, 除13日有少量卷云外, 其他采样时段天空均无云, 因此本文选用了2003年9月10日和10月14—16日4 d为最佳分析时段。

      表 1  2003年9月10日和10月13—16日北京市南郊观象台各时次云量

      Table 1.  Hourly cloud amount observed in Beijing South Observatory during 09 : 00—12 : 00, on Sep 10 and Oct 13—16, 2003

      本文采用的变分订正处理方案, 已在城市热岛、沙尘暴过程大气要素场、北京周边地区气溶胶变分分析等诸多方面取得了客观订正的显著效果[14-16], 该变分订正技术原理与方法参考文献[16]。徐祥德等[15]采用Terra卫星MODIS遥感与地面光度计变分处理的气溶胶分布特征初次揭示了北京周边地区(河北、山东等省)气溶胶及其污染排放影响特征, 研究结果表明, 卫星MODIS遥感气溶胶资料经地面光度计观测场变分处理可取得显著的效果, 揭示了北京周边地区气溶胶及污染源排放的区域性影响特征。

    • 李成才等[17]利用中国香港地区的地面PM10浓度监测数据和MODIS AOD的比较以及我国一些城市发布的空气污染指数(API)资料与MODIS AOD的比较都具有较高相关的事实, 发现这一分辨率比较高的气溶胶产品对于研究城市地区的空气污染具有显著的可行性。

      由于MODIS气溶胶光学厚度产品与地面可吸入颗粒物PM10质量浓度各自具有比较明确的物理意义, 因此比较AOD产品与PM10质量浓度的相关性显得尤为重要。李成才等[18]对2001年北京地区太阳光度计观测的气溶胶光学厚度和NASA发布的MODIS气溶胶产品进行了比较, 验证了这一卫星遥感产品的可靠性; 并且比较了2001年MODIS AOD产品和由API计算的每日平均PM10质量浓度, 得到了比较高的相关系数, 证实该气溶胶产品可用于污染分析, 并指出AOD数据在同一季节里可以反映地面污染物浓度的变化。

    • 本文分析了试验期间(每天约120个采样点)PM10质量浓度与AOD产品的相关性, 图 3为10月15日和16日的分析结果。由该图可以看出, PM10浓度与AOD两者相关较显著, 相关系数为0.49, 达到99.9%信度水平。本文根据魏凤英[19]关于两个物理变量间线性相关显著性的统计检验方法———t检验法, 计算了这两天动态观测的PM10质量浓度与相应于观测点上AOD值间的线性相关的统计量t值, 达到0.001显著性水平, 这两天PM10浓度与对应的AOD值间的线性相关较显著, 另外3天两者的相关性亦较显著。因此利用地面实测PM10与卫星遥感AOD较好的相关性进行变分订正是可行的。

      图  3  2003年10月15—16日北京地区动态采样点(每天约120个)PM10浓度与AOD的相关分析

      Figure 3.  Scatter diagrams for PM10 concentration sampled at ambulatory sampling points and AOD value on Oct 15—16, 2003

    • 气溶胶粒子的光学特性和有效半径, 实际上对相对湿度等天气因素非常敏感, 即使气溶胶化学组分不变, 相对湿度的变化也将导致气溶胶光学特性的改变。Lee等[20]采用一种线性多变量的模型订正相对湿度对气溶胶的影响。李成才等[17]采用简化的线性订正方法来订正相对湿度的影响效应。其中DDC分别表示订正前后的AOD值, f为相对湿度。

      (1)

      本文采用式(1)订正了4天北京地区MODIS AOD产品, 使其更接近于地面PM10实测值, 其中相对湿度采用南郊观象台5个时次(08:00—12:00)的平均值。

    • 由于动态试验过程中实测PM10浓度是1 min平均值, 可以代表采样点附近约500 m范围内的平均PM10浓度, 而且每天约有120个采样点。图 4为PM10浓度实测值的空间分布, 图中实心圆圈大小和不同灰度表示PM10浓度的高低。

      图  4  2003年9月10日和10月14—16日09 : 30—11 : 00北京地区地面动态观测PM10浓度(单位: mg·m-3)的空间分布特征

      Figure 4.  Spatial distribution characteristics of PM10 concentration sampled at ambulatory sampling points on Sep 10, Oct 14—16, 2003(unit: mg·m-3)

      图 4可以看出, 北京城郊西南部、南部和东北部PM10污染较重, 而且高值区位置较稳定, 有时南部污染会向市区扩散, 影响到市区的空气质量; 城区古建筑群区及绿化园区污染较轻, 属于PM10浓度低值区; 轻重污染区相对孤立, 并非成片污染, 而且城区及近郊区PM10浓度沿环路呈环状分布, 进而表明北京城郊街区PM10的空间分布受机动车排放的影响较大。由于观测条件限制, 从图 4中无法看出远郊区PM10的空间分布状况。

      结合表 1表 2可以发现, 天气晴好, 扩散条件较好时, 北京地区PM10总体区域平均浓度较低, 大部分地区PM10浓度低于国家二级空气质量标准日平均值(0.15 mg·m-3), 污染较轻。试验期间部分地区超标但所占比例较小, 除9月10日、10月15日PM10总体区域平均浓度超标比例大于10%外, 其他两天PM10总体区域平均浓度超标比例均小于5%。

      表 2  2003年9月10日, 10月14—16日北京地区实测PM10浓度超标情况

      Table 2.  Superscale of PM10 concentration observed in Beijing on Sep 10 and Oct 14—16, 2003

    • 图 5a5c为变分订正前重污染日(相对其他两天而言)9月10日和10月15日北京地区MODIS AOD的空间分布。其中10月15日北京西北部卫星遥感资料缺测(图 5c5d左上角中空白区域)。

      图  5  2003年9月10日和10月15日北京地区变分订正前后MODIS AOD空间分布场

      Figure 5.  Spatial distribution characteristics of original AOD retrieval data and AOD value processed by variational method in Beijing on Sep 10 and Oct 15, 2003

      对比分析图 5a5c可发现, 变分订正前北京城区及近郊区AOD值比远郊区高得多, 高值区比低值区平均高出0.11, 两者最大差值为0.2。整个城区及近郊区AOD值均较高, AOD值在0.12~0.24之间, 无法看出该区域AOD的非均匀分布特征。但从该图可以得到远郊区AOD的分布特征, 即西北部AOD值较低, 西南和东南部AOD值相对较高, 总体上远郊区AOD值较低, 大部分地区AOD值低于0.1。试验期间上述AOD高低值区位置和强度相对稳定。

      经地面PM10浓度实测场变分订正后的MODIS光学厚度变分场(如图 5b5d所示), 可以发现, 变分订正后的AOD变分场在一定程度上反映了北京城郊, 尤其是远郊区AOD的空间分布特征, 弥补了远郊区地面PM10浓度观测的局限性。变分订正前MODIS AOD分布场中的虚假高值区(北京城区及近郊区AOD高达0.12~0.24的“高污染区”)被消除, 尤其是城区古建筑群区及绿化园区AOD值明显降低, 低值区范围明显扩大, 城区大部分地区AOD值低于0.12, 为轻污染区。变分订正后AOD分布场与地面PM10实测值的非均匀分布特征较一致。北京城郊街区AOD的非均匀分布特征更为突出, 高低值区位置和强度相对稳定, 近郊区AOD的环状分布较明显, 远郊区AOD的非均匀分布特征也更为清晰。

      比较同一采样时段AOD变分场与地面PM10浓度实测场可以看出, 两者分布特征相似, 北京城区和近郊区高低值区位置和范围较一致。即城郊西南部、南部和东北部属于重污染区, 而城区古建筑群区以及绿化园区属于轻污染区。10月14日和16日变分订正前后AOD的空间分布特征类似上述分析结果。

    • 考虑上述变分订正的客观性检验问题, 本文采用逐点剔除法。即在计算变分订正函数过程中逐日(10月14—16日)“剔除”40个地面动态观测点数据(东西南北方位各10个点)及9月10日“剔除” 12个动态采样点记录(东西南北方位各3个点), 共有132个检验样本。完成上述变分计算后, 将获取的MODIS AOD变分订正场插值到相应的“剔除点”上, 并与地面对应的PM10观测真值进行误差分析。分析结果表明两者平均偏差为0.0204。另外, 本文分析了上述剔除点上PM10观测真值与AOD变分订正值的相关性及其显著性检验, 结果表明两者的相关系数为0.51, 达到0.001显著性水平, 认为上述剔除点上PM10观测真值与AOD变分订正值的相关性较显著。上述检验结果表明采用变分订正方案, 既发挥了MODIS卫星遥感信息高分辨率的优点, 又构成了与地面PM10浓度实测“真值”最佳“逼近”的订正函数, 此类订正函数使未参加统计的132个“剔除点”亦具有较佳的分析效果。上述逐点剔除法结果表明, 采取点-面结合综合观测研究思路, 运用卫星遥感-地面观测变分订正处理技术, 可以取得客观订正的显著效果。

      本文采用试验期间地面车载PM10动态大样本观测记录(每日约110个样本, 共4 d)及对应AOD高分辨率大样本遥感数据进行逐日变分分析, 分析结果比较接近; 采用逐点剔除法(未参加上述变分订正的检验样本共132个独立样本)检验可靠性, 分析结果具有显著的客观订正效果。由于没有地面PM10的其他观测资料可以验证, 本文与前人有关研究结果作了比较。赵越等[12]研究发现, 北京近郊区南部和西南部PM10浓度最高, 东部次之, 城区也较高, 北部和东北部较低, PM10浓度由北至南逐步加重。王淑英等[21]研究指出石景山区古城、崇文区前门、朝阳区农展馆等PM10浓度较高, 而远郊定陵PM10浓度较低。王雪松等[22]模拟结果表明, 石景山区以及朝阳区西部和海淀区东部是PM10浓度高值区。本文的分析结果与上述研究结果较一致。

    • 1) 北京城区大部分为轻污染区, 尤其是古建筑群区及绿化园区污染较轻, 属于PM10浓度低值区; 北京近郊区PM10浓度高值区沿环路呈环状分布, 其中北京西南部、南部和东北部污染较严重。北京城郊街区PM10的空间分布受机动车排放污染的影响较大。

      2) 变分订正前北京城区及近郊区MODIS AOD值较远郊区高得多, AOD空间分布场存在虚假高值区, 无法得到城郊AOD的非均匀分布特征。远郊区西北部AOD值较低, 西南和东南部AOD值相对较高。

      3) 采取点-面结合综合观测研究思路, 运用卫星遥感-地面观测变分订正处理技术, 可以取得客观订正的显著效果。经地面实测场变分处理后的MODIS光学厚度变分场可以较高分辨率信息描述北京城区和郊区, 尤其是远郊区AOD的非均匀分布特征, 弥补了远郊区地面PM10浓度观测的缺陷。

      4) 变分订正后AOD分布场与地面PM10实测值的非均匀分布特征较一致。变分订正前MODIS AOD分布场中的虚假高值区被消除, 北京地区AOD的非均匀分布特征更为突出, 高低值区位置和强度相对稳定, 北京近郊区AOD的环状分布较明显。

      由于试验资料有限, 本文初步探讨了点-面结合的综合观测研究方法和变分订正处理技术在城市大气污染研究中的应用, 得出的初步结论有待以后进一步验证。

参考文献 (22)

目录

    /

    返回文章
    返回