李卓建 趙尚民 郭鵬程

(太原理工大學(xué)礦業(yè)工程學(xué)院，山西 太原 030024)

隨著我國城市化進程不斷加快，大中型城市大氣環(huán)境問題日益嚴峻，以PM2.5為首要污染物的情況逐漸增多[1]。對城市PM2.5時空分布特征進行研究有助于了解城市污染變遷，為城市大氣污染防治提供科學(xué)依據(jù)[2-3]。顧康康等[4]通過對合肥市主城區(qū)PM2.5的監(jiān)測數(shù)據(jù)進行空間插值分析，認為城市用地開發(fā)強度與PM2.5濃度有一定的相關(guān)性；聶晨暉等[5]以中分辨率成像光譜儀(MODIS)反演的氣溶膠光學(xué)厚度(AOD)與PM2.5濃度間的線性關(guān)系模型進行杭州地區(qū)PM2.5時空變化特征分析，發(fā)現(xiàn)PM2.5的空間分布與城鎮(zhèn)化格局相似；趙曉亮等[6]采用暗目標法反演了阜新市AOD數(shù)據(jù)，并與PM2.5濃度進行相關(guān)性分析，認為大氣AOD對阜新市PM2.5時空分布預(yù)測具有良好的指示作用。

目前普遍認為土地利用狀況影響著城市PM2.5的時空分布格局，且大氣AOD對城市PM2.5的時空分布預(yù)測也有較強的適用性，但結(jié)合AOD和土地利用數(shù)據(jù)來分析城市PM2.5時空分布狀況的相關(guān)研究仍然尚少。因此，本研究以太原市城區(qū)為研究對象，利用太原市8個環(huán)境監(jiān)測站點24 h連續(xù)監(jiān)測數(shù)據(jù)，結(jié)合AOD數(shù)據(jù)和城區(qū)土地利用數(shù)據(jù)，建立PM2.5的隨機分析模型和季節(jié)線性回歸模型，預(yù)測太原市城區(qū)近地面PM2.5時空分布特征，以期為太原市城區(qū)大氣改善提供科學(xué)依據(jù)。

1 研究區(qū)概況

太原市為山西省政治、經(jīng)濟和文化交流的中心，涵蓋山西省重要的工業(yè)基地，在三面環(huán)山的地形條件下，大量被排放的空氣污染物不易向外擴散輸送而逐漸堆積，容易引發(fā)嚴重的空氣污染問題[7]。因此，有必要了解太原市城區(qū)的PM2.5時空變化特征，改善大氣環(huán)境質(zhì)量。

采用保留交叉驗證的方式構(gòu)建隨機分析模型，將8個PM2.5濃度監(jiān)測站的監(jiān)測數(shù)據(jù)分為兩組，用6個監(jiān)測站點的數(shù)據(jù)進行模型訓(xùn)練，以兩個監(jiān)測站點分別代表城市中心以及城郊進行模型驗證，研究區(qū)位置及PM2.5監(jiān)測站點空間分布見圖1。

圖1 研究區(qū)位置及PM2.5監(jiān)測站點空間分布Fig.1 Location of study area and spatial distribution of PM2.5 monitoring stations

2 數(shù)據(jù)與方法

2.1 研究數(shù)據(jù)及預(yù)處理

研究選取的遙感數(shù)據(jù)為MODIS02 L1B 1 km數(shù)據(jù)，下載地址為美國國家航空航天局(NASA)網(wǎng)站(https://ladsweb.modaps.eosdis.nasa.gov/)。采用暗像元方法和6S輻射傳輸模型對太原市城區(qū)的AOD進行遙感反演，并對缺失較少的反演結(jié)果進行克里金插值處理，獲得完整的250 m×250 m分辨率大氣氣溶膠分布。

PM2.5數(shù)據(jù)來自太原市2017年1月1日至12月31日實時采集的小時空氣質(zhì)量數(shù)據(jù)，季節(jié)平均濃度通過PM2.5小時數(shù)據(jù)平均得到，其中3—5月歸為春季，6—8月歸為夏季，9—11月歸為秋季，12、1—2月歸為冬季。

土地利用數(shù)據(jù)來源于全國生態(tài)遙感監(jiān)測的土地利用覆蓋分類數(shù)據(jù)，可分為耕地、林地、草地、水域、城鎮(zhèn)用地、工礦建設(shè)用地、未利用土地7大類。

2.2 研究方法

2.2.1 確定最優(yōu)緩沖區(qū)變量

通常不同半徑緩沖區(qū)的土地利用變量與PM2.5濃度有著不同的相關(guān)性[8]，為了找出各個有效AOD時間段內(nèi)的PM2.5濃度對應(yīng)土地利用變量的最優(yōu)緩沖區(qū)，本研究采用具有變化半徑的緩沖區(qū)統(tǒng)計方法，從緩沖區(qū)半徑100 m開始，以50 m為步長不斷遞增到5 km，計算各緩沖區(qū)半徑下各土地利用變量與PM2.5濃度的相關(guān)系數(shù)。在各個土地利用變量中選取相關(guān)性最強的緩沖區(qū)為最優(yōu)緩沖區(qū)，其中用顯著性水平在p<0.1的最優(yōu)緩沖區(qū)土地利用變量來構(gòu)建當(dāng)日的模型。

2.2.2 PM2.5的隨機分析模型

隨機分析模型是用來針對氣溶膠標高、大氣相對濕度等隨時間變化的影響因子而設(shè)計，能夠表征AOD和PM2.5濃度隨時間變化的情況，提升模型的擬合精度[9-10]。引入土地利用變量，可以加強PM2.5分布預(yù)測在空間上的表現(xiàn)力，減小模型的擬合誤差[11-12]，隨機分析模型見式(1)：

(1)

式中：Pij為第i個站點在第j天衛(wèi)星過境時間所對應(yīng)的PM2.5質(zhì)量濃度，μg/m3；aj為第j天AOD數(shù)據(jù)對應(yīng)的斜率；Aij為第i個站點在第j天的AOD；n為可以進入回歸模型中的土地利用變量項數(shù)；bkj為第j天第k項土地利用變量所對應(yīng)的站點斜率；Xkij為第i個站點在第j天中第k項土地利用變量在最佳緩沖區(qū)內(nèi)的占比；cj為第j天的回歸模型截距項；εij是第i個站點在第j天的誤差項。

考慮到模型系數(shù)的合理性，工礦建設(shè)用地以及城鎮(zhèn)用地與PM2.5濃度的關(guān)系為正相關(guān)，而林地和草地則為負相關(guān)[13]。對于符合這種系數(shù)條件的土地利用變量可被用來構(gòu)建當(dāng)天的模型，反之則取消該變量進入當(dāng)天模型構(gòu)建。

2.2.3 PM2.5的季節(jié)線性回歸模型

由于AOD數(shù)據(jù)缺失，PM2.5隨機分析模型預(yù)測結(jié)果在時間分布的分析上存在不足，但可在一定程度上反映PM2.5的空間分布狀況[14-15]。因此可根據(jù)隨機分析模型預(yù)測的站點季度PM2.5平均值與實際站點季度PM2.5平均值建立線性回歸模型(見式(2))，由每個季度回歸模型的斜率項和截距項來獲取PM2.5的季節(jié)分布狀況。

Pil-T=el×Pil-P+dl+εil

(2)

式中：Pil-T為第i個站點在第l季度的PM2.5質(zhì)量濃度實測數(shù)據(jù)平均值，μg/m3；Pil-P為第i個站點在第l季度的預(yù)測數(shù)據(jù)平均值，μg/m3；el、dl分別為第l季度模型預(yù)測的斜率項和截距項；εil為第i個站點在第l季度的誤差項。

太原市城區(qū)近地面PM2.5時空分布特征研究的整體技術(shù)路線見圖2。

圖2 技術(shù)路線Fig.2 Technical route

3 結(jié)果與分析

3.1 PM2.5隨機分析模型擬合及驗證結(jié)果

由最優(yōu)緩沖區(qū)統(tǒng)計變量構(gòu)建模型的PM2.5質(zhì)量濃度，擬合及驗證結(jié)果見圖3。由圖3(a)可知，模型訓(xùn)練集PM2.5質(zhì)量濃度預(yù)測值與實際值間的R2為0.926，模型標準誤差(RMSE)為9.39 μg/m3，由圖3(b)可知，模型驗證集PM2.5質(zhì)量濃度預(yù)測值與實際值間的R2為0.858，RMSE為11.73 μg/m3，預(yù)測值與實際值的吻合度均較高，由此可以體現(xiàn)利用土地利用數(shù)據(jù)以及AOD的分布模式能夠較為合理地獲取太原市城區(qū)PM2.5的空間分布特征，同時也反映了該模型在太原市城區(qū)具有較高適用性。

圖3 PM2.5質(zhì)量濃度預(yù)測值與實際值間的相關(guān)關(guān)系Fig.3 Correlation between the predicted PM2.5 mass concentration and the measured value

3.2 PM2.5季節(jié)線性回歸模型擬合結(jié)果

結(jié)合圖4和表1可見，PM2.5季節(jié)線性回歸模型擬合結(jié)果的R2為0.890，RMSE為7.69 μg/m3，預(yù)測值與實際值間呈現(xiàn)顯著的相關(guān)性。其中，夏季預(yù)測結(jié)果較好，RMSE僅為4.01 μg/m3，而冬季的RMSE最大，高達10.70 μg/m3，這可能與冬季AOD缺失較多有關(guān)，造成該季節(jié)對城區(qū)PM2.5空間表達能力相對較差。

表1 PM2.5季節(jié)線性回歸模型擬合結(jié)果Table 1 Fitting results of PM2.5 seasonal linear regression model

圖4 季節(jié)線性回歸模型擬合結(jié)果Fig.4 Fitting results of the seasonal linear regression model

3.3 模型應(yīng)用分析

3.3.1 太原市城區(qū)PM2.5季節(jié)分布

根據(jù)季節(jié)線性回歸模型所得到的季節(jié)預(yù)測結(jié)果(見圖5)，太原市城區(qū)春、夏、秋、冬季的PM2.5質(zhì)量濃度平均值分別為45.1、41.3、64.0、93.1 μg/m3，即冬季>秋季>春季>夏季。從整體分布上看，太原市城區(qū)中部、南部和東南部PM2.5明顯偏高，城區(qū)南部污染季節(jié)性差異明顯。城區(qū)中部位于6大區(qū)的交界地帶，該區(qū)域人口集中、道路分布密集、商業(yè)活動頻繁，大量的人為活動可能造成了其污染水平相對較高；城區(qū)東南部位于小店區(qū)以北，地勢較低，大氣污染不易擴散，對PM2.5污染影響也較為顯著；城區(qū)南部位于晉源區(qū)以及小店區(qū)以南，在夏季污染相對較低，而在冬季污染相對嚴重，這可能與季節(jié)性的風(fēng)向差異有關(guān)。

圖5 2017年太原市城區(qū)PM2.5季均值分布Fig.5 Seasonal mean distribution of PM2.5 in urban areas of Taiyuan in 2017

3.3.2 太原市城區(qū)PM2.5季節(jié)變化

由太原市城區(qū)PM2.5季節(jié)分布可以得到其季節(jié)變化模式，結(jié)果如圖6所示，春-夏、夏-秋、秋-冬、冬-春的PM2.5季節(jié)變化平均值分別為-3.8、22.7、29.1、-48.0 μg/m3。在春-夏季節(jié)變換過程中，城市中部大面積區(qū)域PM2.5濃度有所下降，而在城區(qū)西北以及東側(cè)小片區(qū)域有所上升，這可能是由于春季進入夏季，寒冷濕潤的氣候條件逐漸轉(zhuǎn)向高溫燥熱，加快了城區(qū)中部以及城區(qū)南部盆地的大氣環(huán)境顆粒物向四周的擴散速度，造成局部城郊山區(qū)地帶有一定的污染上升趨勢。夏-秋季變換過程中則是全面PM2.5濃度上升，上升幅度幾乎均在20 μg/m3以上，這可能是受到秋季燃煤供暖的影響，同時氣溫轉(zhuǎn)涼也促進了PM2.5的聚集程度。秋-冬季變換過程中PM2.5濃度升高更為劇烈，冬季整體供暖造成PM2.5濃度明顯高于其他季節(jié)，這在城區(qū)南部最為明顯，上升幅度超過40 μg/m3，該地區(qū)位于晉源區(qū)以及小店區(qū)以南，地勢較低，耕地覆蓋面廣，裸露土地所占比例高[16]，受到季風(fēng)環(huán)流的作用效果明顯，冬季在西伯利亞冷空氣的作用影響下，城區(qū)盛行偏北氣流，可能造成城區(qū)南部整體污染更為顯著。冬-春季變換過程中，整體PM2.5污染均呈現(xiàn)大幅度下降趨勢，其中城區(qū)南部下降最為明顯，其他區(qū)域PM2.5也有20～60 μg/m3的下降。

圖6 2017年太原市城區(qū)PM2.5季節(jié)分布變化Fig.6 Seasonal distribution of PM2.5 in urban areas of Taiyuan in 2017

3.4 模型預(yù)測不確定性分析

研究結(jié)合了MODIS AOD數(shù)據(jù)和最優(yōu)緩沖區(qū)土地利用數(shù)據(jù)，預(yù)測了PM2.5濃度在城區(qū)更為精細的季節(jié)變化模式，但同時也存在幾點不足，AOD數(shù)據(jù)以及監(jiān)測站點空間分布的不確定性可能在客觀上對模型的預(yù)測結(jié)果有所影響，主要分為以下兩個方面：(1)從AOD數(shù)據(jù)來看，研究利用遙感反演得到的1 km分辨率AOD數(shù)據(jù)插值形成完整的250 m×250 m分辨率大氣氣溶膠分布，可能會給PM2.5濃度的空間預(yù)測結(jié)果帶來不確定性；(2)從地面PM2.5監(jiān)測站點的空間分布來看，其主要分布于城市中心以及城郊區(qū)域，在城區(qū)西部以及東北部的大量林地區(qū)域卻少有分布，這樣可能導(dǎo)致隨機分析模型在估計PM2.5濃度空間分布時存在估計誤差。此外，這些林地區(qū)域由于植被季節(jié)變化的原因，可能會在不同季節(jié)對AOD的信號產(chǎn)生不同影響，因而可能造成季節(jié)PM2.5濃度空間分布估算存在著不確定性。

在后續(xù)的工作中，可以應(yīng)用更高分辨率的AOD產(chǎn)品來減小不確定因素的影響，提高PM2.5濃度的反演精度。

4 結(jié) 論

建立了PM2.5隨機分析模型和季節(jié)線性回歸模型，并用于太原市城區(qū)2017年的PM2.5時空分布預(yù)測中，獲得如下結(jié)論：(1)PM2.5隨機分析模型對PM2.5擬合結(jié)果R2為0.926，典型區(qū)域站點驗證結(jié)果R2高達0.858，RMSE為11.73 μg/m3，說明該隨機分析模型對于太原市城區(qū)PM2.5時空分布預(yù)測具備較好的適用性；(2)PM2.5季節(jié)線性回歸模型的整體R2為0.890，RMSE為7.69 μg/m3，太原市城區(qū)PM2.5的季節(jié)分布特征整體表現(xiàn)為冬季>秋季>春季>夏季，PM2.5高值區(qū)域多分布于城區(qū)中部、南部和東南部地帶；(3)在春-夏季節(jié)變換過程中，只有局部山區(qū)PM2.5有小幅上升趨勢，其他區(qū)域均呈現(xiàn)輕微減弱現(xiàn)象，夏-秋、秋-冬季節(jié)轉(zhuǎn)換中PM2.5逐級升高，其中城區(qū)南部上升趨勢最為明顯，而在冬-春季節(jié)轉(zhuǎn)換中PM2.5明顯下降。