自贡市城区MAIAC AOD和PM2.5时空特征及气象因素分析

王玲玲，陈 婷，邹长武，罗 伟

（1.自贡市气象局，四川 自贡 643000；2.高原与盆地暴雨旱涝灾害四川省重点实验室，成都 610072；3.成都信息工程大学，成都 610103）

随着工业的发展，能源消耗、机动车和人口数量日益增加，加之气候和地理等自然条件限制，给大气环境质量带来了巨大压力［1-3］。有研究指出气溶胶粒子是影响空气质量的重要因素［1］，具有高散射率的PM2.5在降低空气能见度方面能力较粗颗粒物更强［2］，是形成霾天气的重要原因［3］。由于排放源的不同与季节变化，各站点的PM2.5浓度［ρ（PM2.5）］也存在一定差异并随季节变化而变化［4］。而颗粒物浓度变化与污染源分布、外源输送、本地气象条件均密切相关，在污染源排放总量一定的情况下其浓度主要取决于气象条件［5］。目前对ρ（PM2.5）监测方法的研究多是基于空气质量监测站点实测数据和地基遥感LST［6］，地面监测结果较精确，但由于现有的地面监测站能提供的ρ（PM2.5）数据仅限于有限区域的部分点位，分布不均匀且数量较少［7，8］，加之人力和物力的限制，迫切需要开展广域、准确的ρ（PM2.5）监测。与常规地面监测、地基遥感手段相比，卫星遥感技术覆盖区域更广，可快速收集地表时间和空间动态变化的信息，实现不同区域尺度、全方位动态监测。虽然遥感监测气溶胶光学厚度（Aerosol optical depth，AOD）反演计算复杂、精度较低，与ρ（PM2.5）的相关系数仍存在不稳定性，且易受到时空及其他因素的影响［9］，有时得到的结果离用于ρ（PM2.5）监测的实际应用还有一定差距，但可弥补地面监测范围的不足。为实现广大无地面监测站覆盖地区的ρ（PM2.5）监测，研究者纷纷开展了基于遥感数据的ρ（PM2.5）监测方法研究，主要包括ρ（PM2.5）与MODIS AOD的线性相关性研究，已有研究表明AOD与ρ（PM2.5）相关性较高［10，11］，且有研究发现四川盆地是中国重要的气溶胶光学厚度大值区之一［12］。

四川省自贡市是一个老工业城市，据统计近几年自贡市秋冬季空气质量明显下降，引起社会公众的普遍关注，其细颗粒物ρ（PM2.5）增幅位于四川省甚至全国前列，并且污染源复杂［12，13］。近年来根据空气质量自动监测资料可知，PM2.5已成为该区域的主要空气污染物，且对人体健康和大气空气质量危害更为突出，2017年上半年NO2、SO2平均浓度增幅居全省前列，同比分别增加20.8%、32.5%，且没有明显改善的趋势。近年来，美国航空航天局（NASA）发布了1 km分辨率的气溶胶产品，该产品提供的AOD产品数据采用新的多角度大气校正（Multi-angle implementation of atmospheric correction，MAIAC）算法［14，15］，因此，本研究结合MAIAC AOD和气象要素等因素定性分析自贡市ρ（PM2.5）时空分布特征及其大气污染物来源及扩散的成因，以期为掌握自贡市环境空气质量状况及采取大气污染防治措施提供一定的参考。

1 数据与方法

1.1 空气质量监测数据

根据国家空气质量联网监测管理平台（http：∕∕221.10.170.172：8000∕）提供的监测点信息，选取自贡市城区2014—2019年4个国控监测站点ρ（PM2.5）逐小时和日均值数据；站点位置分别为代表文化区的檀木林站、商业交通居民混合的青杠林路站、居住区的春华路站和近郊地区的大塘山站，按照不同时间尺度对自贡城区ρ（PM2.5）时空变化特征进行分析。

1.2 气象要素监测数据

气象要素对空气污染物的聚集、传输和扩散有显著影响［5］。获取自贡市国家气象观测站采集数据后，通过手工录入2014—2019年逐日和逐小时气温、气压、相对湿度、降水量、风向和风速6项气象要素数据，分别计算得到所需气象要素的月均值、季均值，便于与ρ（PM2.5）进行相关性分析。

1.3 MAIAC AOD数据

MODIS卫星观测系统的气溶胶产品分别使用多角度算法、暗像元算法、深蓝算法的1、3、10 km 3种分辨率产品［9］。美国航空航天局（NASA）数据中心（https：∕∕ladsweb.modaps.eosdis.nasa.gov∕search∕）的MCD19A2数据是结合MODIS上午星（Terra）和下午星（Aqua）经过MAIAC反演的陆地AOD产品，空间分辨率为1 km，时间分辨率为1 d。MAIAC通过时间序列分析和影像处理法对亮地表区（如沙漠）和暗地表区（植被覆盖区）进行大气校正和气溶胶反演［14］，在 暗 地 表 区MAIAC AOD与 传 统的MODIS AOD算法的反演精度相似，在亮地表区MAIAC AOD精度更高，且其分辨率和有效观测范围有很大的提升［15，16］。该AOD产品数据集包含0.47 μm和0.55 μm的多种参数，主要有气溶胶光学厚度、陆地和云层上的水蒸气柱、海洋精细模式分数，同时提供卫星观测角度及气溶胶模型指数［17］。

研究选取2014—2019年数据格式为HDF的MCD19A2产品数据，共1 825期，使用IDL语言调用MRT（Modis reprojection tools）软件将数据转为TIFF格式，提取陆地气溶胶光学厚度AOD_0.55 μm的有效波段后进行投影转换为地理坐标（WGS_1984_UTM）。由于AOD_0.55 μm波段像元的比例因子为0.001，且提取的波段填充值-28 672远超出其有效范围-100～5 000，可能会对计算结果产生影响，因此，利用ENVI软件分别进行像元值缩小1 000倍和填充值赋值为0的操作，通过掩膜和波段合成的方法提取自贡市城区月度、季度和年际AOD均值。

2 结果与分析

2.1 自贡市城区AOD和ρ（PM2.5）的时空特征

各站点ρ（PM2.5）随时间变化存在一定差异，因此按照季、月和小时分别进行自贡市城区时间变化特征分析。季节按照候平均气温划分，3—5月为春季，6—8月为夏季，9—11月为秋季，12月至次年2月为冬季［13］。

2.1.1 AOD特征AOD为大气层顶到地面整个垂直柱内气溶胶对太阳光反射和吸收的积分无量纲［18］。已有研究表明，AOD与ρ（PM2.5）相关性较高［19］，因此采用均值合成的方法得到自贡市城区2014—2019年AOD年均空间分布特征。年均气溶胶大值区主要在研究区中部偏东偏南部，2014年、2017年大部分区域以及2015年中部偏东区域气溶胶污染相对严重，2016年污染较轻，仅在偏东南地区污染较为严重，2018年和2019年污染有所减轻，整体有显著改善（图1），因此自贡市城区的污染状况开始出现逐年减轻的良好势头。

图1 2014—2019年自贡市城区AOD年均值变化趋势

2.1.2ρ（PM2.5）特征监测站点分别代表近郊地区、居住区、商业交通居民混合区和文化区，同一时间ρ（PM2.5）却表现不同。因此，基于ArcGIS中运用径向基函数（Radial basis function，RBF）的三角网格补洞方法进行空间插值并重分类，分别获取自贡市城区各个站点4个季节和12个月的空间分布特征。

自贡市城区2014—2019年ρ（PM2.5）四季分布呈春秋冬季高、夏季低的分布特征，其中冬季空气污染最严重，均值为110.3 μg∕m3，且高浓度覆盖区域面积广（图2）。四季ρ（PM2.5）均稳定表现出大安近郊区工业较为密集的大塘山站和高新区交通运输和人口活动频繁的春华路站水平较高。

图2 2014—2019年自贡城区ρ（PM2.5）季均值变化趋势（单位：μg/m3）

2014—2019年ρ（PM2.5）月均值表现为1月最高，12月和2月次之，6—9月较低，10月开始升高（图3）。空间差异表现为工业密集的大塘山站和高新区的春华路站ρ（PM2.5）多高于另外2个站，仅11月贡井区青杠林路站高于其余3个站，该站点位于商业交通居民混合区，人为活动较频繁。

图3 2014—2019年自贡市城区ρ（PM2.5）月均值变化趋势（单位：μg/m3）

自贡市位于四川盆地南部，其地势由西北向东南呈阶梯状逐渐降低，而盆地南部地形呈南高北低，流场和风场易形成气旋式涡旋，使污染物难以远距离扩散输送而在自贡市城区附近汇集，从而导致空气污染严重，同时与自贡市接壤的其他城市的部分地区也会受到影响［12，20］。2014—2019年自贡市城区AOD年均值表现为2014年大部分地区、2015年中部偏东地区和2017年大部分地区气溶胶污染相对较为严重，2016年污染较轻，2018年和2019年有显著改善；同期ρ（PM2.5）季和月分布呈冬季最高、高浓度范围最广，其次是春季、秋季，夏季最低的分布特征。ρ（PM2.5）季、月空间分布多表现为大塘山站和春华路站较高，而檀木林站低的分布特征，由此可知工业生产总值较高、交通运输频繁、人口较为密集的大安区、高新区ρ（PM2.5）较高［21，22］。

2.2 ρ（PM2.5）与气象因素的季节相关性

在污染源一定的情况下，ρ（PM2.5）取决于研究区气象条件等外在因素，气象条件随时间变化时细颗粒物的稀释与扩散状态也在不断变化，且同一污染源在不同气象条件下空气污染物质量浓度相差较大［23，24］。

采用Spearman法［25，26］将自贡市城区4个国控监测点ρ（PM2.5）2014—2019年的季均值分别与同期气压、气温、相对湿度、风速和降水量的季均值进行相关性分析，结果见表1。ρ（PM2.5）与四季的降水量均呈极显著负相关（P＜0.01），其中在秋季、冬季的负相关性高于春季和夏季；ρ（PM2.5）与春季、秋季、冬季的风速均呈极显著负相关（P＜0.01），说明随着地面风速的增大，ρ（PM2.5）的扩散越明显，而夏季这种特征不明显；由于较高相对湿度是降水的重要指标之一，因此排除降水影响的相对湿度与ρ（PM2.5）在冬季和夏季相关性较高，而春季和秋季这种特征较不明显。ρ（PM2.5）在春季、夏季、冬季与地面气压有一定的负相关性，在秋季为一定的正相关性；ρ（PM2.5）与气温在春季、夏季、冬季呈正相关，在秋季呈负相关，说明在春季、夏季、冬季随着气温升高，气压降低，ρ（PM2.5）将增大。由此可知，当近地面风速较小，研究区处于低气压控制状态下，大气层相对稳定，就会导致垂直方向上无明显扩散，水汽、污染物便在近地层积累；若此时大气低层相对湿度较高时，空气中的颗粒物可能会吸湿增长，则会进一步加剧污染程度。

表1 ρ（PM2.5）与各气象因素的季节相关性

当风速较小、扩散作用不明显时，有些区域ρ（PM2.5）与风向的关系亦很密切，且风向可以确定污染物的输入与输出［27］。由于自贡市城区ρ（PM2.5）夏季相较于春季、秋季、冬季低，其中冬季空气污染最严重，因此计算2014—2019年非夏季地面风向对应的ρ（PM2.5）均值，平均风向值采用16个风向值统一表示。由非夏季地面风向频率分布（图4）可知，地面风向均以东北为主，非夏季东北方向气流占13.0%。而ρ（PM2.5）超标时（≥75 μg∕m3）多为偏东北风和东南风（图5），上风方向重庆市、内江市和泸州市等工业城市的颗粒物会输送至四川盆地南部，加之地形阻挡使得颗粒物堆积而导致空气污染严重；当风向为偏西北风时地面多受干冷空气影响，且上风向工业城市较少，有利于大气污染物的扩散和清除，因此，ρ（PM2.5）基本能达到二级标准浓度限值。

图4 非夏季地面风向频率分布

图5 非夏季ρ（PM2.5）均值与地面风向关系

各个站点污染浓度分布不仅与监测点位及地形特点、气候条件、城市结构等原因有关，还与风向及周围其他城市污染源的贡献密切相关［28］。自贡市城区常年盛行东北风，总体地势由西北向东南呈阶梯状逐渐降低，水平方向污染物的扩散受到山脉的阻挡，当不利的气象扩散条件出现时，上风向输送来的污染物无法得到及时的扩散［12］，尤其是近郊大安区大塘山站和高新春华路站主要受到上风向内江市、泸州市等的工业生产大气污染源近距离传输影响，连续堆积后导致ρ（PM2.5）浓度处于较高水平。

3 结论

1）自贡市城区ρ（PM2.5）呈春秋冬季高、夏季低的特征；月均浓度大值期主要在1月、2月和12月，6—9月浓度较低。ρ（PM2.5）空间分布特征不仅与监测点位及地形特点、气候条件等有关，还与风向及周围其他污染源的贡献密切相关，整体表现为工业生产总值较高、交通运输频繁、人口较为密集以及受上风向污染源传输影响的大安区、高新区ρ（PM2.5）水平明显较高。

2）AOD年均大值区主要在研究区中部偏东偏南部，2014年、2017年大部分区域以及2015年中部偏东区域气溶胶污染相对严重，2016年污染较轻，2018年和2019年污染有显著改善。

3）自贡市城区ρ（PM2.5）与四季的降雨量、春秋冬季的风速、夏冬季的相对湿度表现出较高的负相关性，且在春夏冬季随气温升高和气压降低而增大。自贡市城区盛行东北风，非夏季东北风占13.0%；ρ（PM2.5）超标多为偏东北风和东南风，表明上风向污染源输入将会使ρ（PM2.5）明显超标，当偏西北风时，污染浓度较低，基本能达到二级标准浓度限值。