删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于OMI数据的兰州地区吸收性气溶胶指数时空分布特征研究

本站小编 Free考研考试/2021-12-31

李逢帅1, 巨天珍1, 贾维平2, 常锋3, 程虎4, 谢顺涛1
1. 西北师范大学地理与环境科学学院, 兰州 730070;
2. 武威市环境监测站, 武威 733000;
3. 张掖市环境保护局, 张掖 734000;
4. 兰州市环境监测站, 兰州 730000
收稿日期: 2018-05-30; 修回日期: 2018-09-05; 录用日期: 2018-09-05
基金项目: 甘肃省重点研发计划(No.17YF1FA120);兰州市科技计划项目(No.2017-RC-69)
作者简介: 李逢帅(1994-), 男, E-mail:15665766960@163.com
通讯作者(责任作者): 巨天珍, E-mail:jujutz@163.com

摘要: 基于OMAERUV遥感数据产品,对兰州地区2008-2017年紫外吸收性气溶胶指数(ultraviolet aerosol index,UVAI)的时空分布进行了分析,并对其变化相关因素进行了探讨,结果表明:兰州地区2008-2017年UVAI整体呈上升趋势,年均值增幅为7.0%,2008-2010年UVAI出现了最大增长率53.1%,2011-2015年UVAI出现了最大降低速率18.5%,2016-2017年UVAI在2015年的基础上继续下降,2017年有所上升.2008-2017年兰州地区UVAI的空间分布特征为中间高、东西两侧低.10年来研究区UVAI最高值一直为永登县和皋兰县结合部及相邻区域,也是吸收性气溶胶的污染源中心.每年的最高值出现在1-2、11-12月,10年中最大的UVAI值出现在2017年的12月,每年的最低值出现在6-7月,10年中最低的UVAI值出现在2017年6月,四季UVAI值水平为:冬季>春季>秋季>夏季.影响因素中UVAI与自然要素中的风向、温度和降水关系密切,兰州各地区的人口密度也与UVAI的变化具有相关性;基于PM2.5的UVAI指示的空气质量等级分析,兰州地区空气质量以良为主.针对兰州地区UVAI的时空分布特点、吸收性气溶胶外源和内源污染源情况,提出了在永登县北部区域建设防护林带、减少人为活动强度等建议.
关键词:OMI时空分布兰州地区UVAI相关分析空气质量指数
Temporal and spatial distribution of absorbing aerosols index in Lanzhou based on remote sensing data
LI Fengshuai1, JU Tianzhen1 , JIA Weiping2, CHANG Feng3, CHENG Hu4, XIE Shuntao1
1. Geographical and Environmental Department, Northwest Normal University, Lanzhou 730070;
2. The Environmental Monitoring Station of Wuwei City, Wuwei 733000;
3. The Environmental Protection Bureau of Zhangye City, Zhangye 734000;
4. The Environmental Monitoring Station of Lanzhou City, Lanzhou 730000
Received 30 May 2018; received in revised from 5 September 2018; accepted 5 September 2018
Supported by the Gansu Province Key Research and Development Program(No.17YF1FA120) and the Lanzhou Science and Technology Project(No.2017-RC-69)
Biography: LI Fengshuai(1994—), male, E-mail:15665766960@163.com
*Corresponding author: JU Tianzhen, E-mail:jujutz@163.com
Abstract: Based on OMAERUV remote sensing data products, this study analyzed the spatial-temporal distribution of ultraviolet aerosol index (UVAI) in Lanzhou area from 2008 to 2017, and the influencing factors were discussed. Results showed those:from 2008 to 2017, the overall UVAI trend an increased with an annual average increase of 7.0% per year. The maximum annual average increase of UVAI was from 2008 to 2010 was 53.1%.The maximum annual reduction of UVAI was 18.5% from 2011 to 2015. From 2016 to 2017, the UVAI continued to decline and increased again in 2017. The spatial distribution of UVAI in this area showd a characteristic that UVAI in the middle area was high while it in the sides was low. In the past 10 years, the highest values UVAI in the study area was in the joint department of Yongdeng County and Gaolan County, which was also the center of the absorbent aerosols pollution sources. The highest value of UVAI occurs in January to February and November to December each year, and highest value of UVAI over the past 10 years appeared in December 2017. The lowest value of UVAI in each year appears in June to July and the lowest value of UVAI in the past ten years appeared in June 2017. The UVAI in the four seasons was in the order:Winter > Spring > Autumn > Summer. UVAI is closely related to wind direction, temperature and precipitation and the population density. The PM2.5-based UVAI data showed that the air quality was good in general. According to the spatial-temporal distribution characteristics of UVAI in Lanzhou and the sources of external and endogenous pollution of absorbent aerosols, this study proposes to construct protective forest belts in northern Yongdeng County to reduce the intensity of human activities.
Keywords: OMIspatial-temporal distributionLanzhou regionUVAIcorrelation analysisAQI
1 引言(Introduction)近年来, 全球气候和环境问题逐渐成为人们关注的焦点, 城市的大气污染是中国面临的最大挑战之一, 掌握城市大气污染动态对污染物的减排与环保达标监管具有重要意义.气溶胶作为气候和环境问题的不确定因素, 成为大气科学界所关注的问题(IPCC, 2007).随着人类科技的发展, 工业化、城市化进程的加快, 能源的巨大消耗, 工业生产和居民生活向大气排放的人为气溶胶快速增加, 已经造成了严重的大气环境污染.气溶胶是指固体或液体微粒稳定地悬浮于气体介质中形成的分散体系, 是大气的重要组成部分, 也是形成雾霾的主要原因.其中部分物质不仅可通过人体呼吸活动直接进入人体肺部, 还可以进一步渗透到人体血液甚至通过血液输送到脑部, 严重影响人类健康(张亮林等, 2018).由太阳辐射的吸收程度, 可以将气溶胶分为两类:吸收性气溶胶和非吸收性气溶胶, 其中, 前者如含碳物质和沙漠扬尘的气溶胶, 后者如含硫、氮、有机物或海盐型的气溶胶.吸收性气溶胶由于对太阳辐射有着较强的吸收, 还能通过加热大气、改变大气稳定度、蒸发云滴、减少云量等“半直接方式”影响气候(宿兴涛等, 2015).为了更全面地了解气溶胶对气候和环境的影响, 就有必要掌握具有吸收特性气溶胶的时空分布特征.大气中气溶胶的聚集扩散变化快, 利用地面监测要连续观测其化学变化有一定困难.地面在线监测虽然分辨率较高, 但存在地基监测站数量少、分布不均, 无法得到空间分布及动态的信息.而卫星观测恰恰弥补了这些缺点, 可以长时间序列观测较大空间范围内观察气溶胶的变化, 全面反映研究区的大气污染特征(张晗等, 2016), 最重要的是大尺度遥感数据容易于和气象、人为活动要素建立关系式, 分析它们之间的联系, 以充实当前兰州市气溶胶的研究成果.
卫星遥感技术在探测气溶胶方面起着至关重要的作用, 特别是吸收性气溶胶方面.目前, 被广泛用于研究可吸收性气溶胶的卫星资料主要来自TOMS卫星(Carn et al., 2016Pinedo-Vega et al., 2017)、TERRA卫星的MODIS(Moderate-resolution Imaging Spectrora diometer)传感器(Grguri? et al., 2014)和AURA卫星的OMI(Ozone Monitoring Instrument)传感器(Peter et al., 2017)等, 其中OMI传感器是目前精度最高的传感器(肖钟湧等, 2011).Grguri?等(2014)基于MODIS研究欧洲的克罗地亚气溶胶光学厚度及与PM10的关系;Bibi等(2017)首次尝试利用地面和卫星的综合方法, 在非洲卡罗亚研究了吸收性气溶胶并对其进行了分类;张芝娟等(2017)利用OMI资料分析了京津冀地区在APCE期间吸收性气溶胶的时空分布特征;Tan等(2017)利用OMI传感器对马来半岛吸收气溶胶进行了遥感评估;王爽等(2018)利用OMI传感器的气溶胶产品, 分析了2006—2015年天水市紫外吸收性气溶胶的分布动态.
兰州市因其“战略要塞”的特殊定位成为我国首批重点建设的重工业城市之一, 加之特殊的地形条件的影响, 使兰州成为曾经的国内外大气污染最为严重的城市之一(郭勇涛等, 2011).历经多年的全力攻坚, 兰州大气污染治理取得了重点遏制、难点突破、整体改善、逐步好转的成效, 不但实现了从“污染名城”到空气质量达标城市的华丽转变, 而且成功探索出“兰州模式”的治污经验, 将大气污染的治理推向了新阶段, 在全国开创了新纪元.为了总结兰州市大气污染治理的成效, 本文从吸收性气溶胶的角度对兰州市颗粒污染的发展变化进行梳理.文章基于OMI传感器上的UVAI数据产品, 对兰州地区2008—2017年近十年气溶胶吸收特性的时空分布特征进行了分析, 并对兰州市颗粒物污染提出了防治措施.
2 研究区概况(Study area)兰州是甘肃省省会, 中国西北地区重要的工业基地和综合交通枢纽, 西部地区重要的中心城市之一.如图 1(兰州高程图Dem)所示, 兰州现辖城关、七里河、西固、安宁、红古5个区和永登、榆中、皋兰3个县及国家级兰州新区、高新技术开发区和经济技术开发区, 市域总面积1.31×104 km2.甘肃深居西北内陆, 海洋温湿气流不易到达, 大部分地区气候干燥, 属大陆性很强的温带季风气候.受季风影响, 降水多集中在6—8月份, 占全年降水量的50%~70%.兰州地势西部和南部高, 东北低, 黄河自西南流向东北, 全市区呈现“两山夹一河”形状, 形成峡谷与盆地相间的串珠形河谷.处于这种地形的兰州市静风频率高, 逆温层厚, 大气层结构稳定.这些不利因素导致大气污染物不易扩散, 环境状况不容乐观.兰州现已形成以建材、化工、钢铁、装备制造为主体, 与西北资源开发相配套, 门类齐全的工业体系.
图 1(Fig. 1)
图 1 研究区概况 Fig. 1Schematic diagram of the study area

3 数据与方法(Datas and methodology)3.1 数据来源及数据产品紫外吸收性气溶胶数据来源于搭载在EOS—Aura卫星上的OMI传感器.Aura卫星于2004年7月15日在美国成功发射, 是一颗由多国共同研制的极轨、太阳同步科学探测卫星, 轨道高度705 km, 过赤道的时间为13:45(当地时间), 每天经过西北地区上空约为6:00(协调世界时).OMI是继GOME和SCIAMACHY之后的新一代大气成分探测传感器, 由荷兰宇航计划总局和荷兰气象研究所提供, 波长范围270~500 nm, 平均波谱分辨率0.5 nm, 星下点分辨率13 km×24 km, 扫描宽度2600 km, 覆盖全球只需1 d(Smedt et al., 2009), 可以对臭氧等大气痕量气体及气溶胶进行有效观测, 为研究大气污染提供了新的视野.
本文选用UVAI资料为2008—2017年L2_V003数据产品, 该产品名称为OMAERUV.003, 此产品由比利时太空大气研究所(BIRA—ISAB)反演, 并发布在NASA官网上的GES DISC.
3.2 OMI近紫外波段算法AI(aerosol index)是研究吸收性气溶胶源区、传输及一些很强个体事件如沙尘暴、森林火灾等的定性半定量指标(宿兴涛等, 2015), 最初概念是基于TOMS在近紫外波段的观测发展得来, TOMS AI是利用340 nm和380 nm通道的光谱的辐射通量之比定义的(Hansen et al., 1990).由于AI现在也已应用于OMI观测, 而且延伸到了可见光域, OMI反演的紫外吸收性气溶胶指数(ultraviolet aerosol index, UVAI)(Torres et al., 1998)是利用两个紫外通道光谱的辐射通量之比来定义的(Tanré, 2010).OMI-UVAI的反演技术利用了近紫外遥感的两项独特优势:①在所有地表类型(包括对可见光和近红外反射非常强烈的干旱和半干旱地区)均具有低反射率, 使陆地上空的气溶胶反演成为可能;②对吸收紫外的气溶胶类型有较强的敏感性, 这样可以将沙尘、生物质燃烧、化石燃料燃烧源气溶胶等紫外吸收性气溶胶与纯散射粒子如硫酸盐、海盐等紫外非吸收性气溶胶区区别开来.
通常, 对紫外辐射有较强吸收性的气溶胶指数UVAI是大于零的, 云滴或者较大的无吸收作用悬浮颗粒和较小的无吸收作用颗粒, UVAI接近于零, 小的散射型气溶胶的UVAI是负值(陈科艺等, 2012).由于UVAI只对紫外吸收性气溶胶敏感, 可表征气溶胶在紫外波段的吸收能力, UVAI越高, 其吸收性越强(Torres et al., 2007).
3.3 数据处理方法本文选取2008—2017年每天的OMI Level-2数据产品进行研究区UVAI的研究, 由于Level-2数据是以HDF-EOS条带(swath)数据格式存储的, 因此, 需要以研究区经纬度、时间为条件提取研究区内日气溶胶数据, 并为保证研究区边界的插值精度, 将边界扩大了0.5个经纬度, 该步骤是以Excel为软件工具和Vb、python编程语言运行完成的.对得到的点数据运用空间插值、栅格计算等方法处理, 在此基础上进行年、季、月的平均.利用得到的结果对研究区内UVAI的时空分布特征进行分析.
4 结果与讨论(Results and discussion)4.1 兰州地区UVAI值月变化为了研究UVAI的时间变化特征, 根据时间序列绘制了兰州2008年1月—2017年12月, 共计120个月的UVAI的月均值变化趋势.图 2为2008—2017年兰州UVAI月均值变化趋势, 从图中可以看出UVAI呈现出明显的规律性, 10年中最大的UVAI值出现在2017年的12月, UVAI值为0.887;10年中最低的UVAI值出现在2017年6月, UVAI值为-0.237, 每年的最低值出现在6、7月.
图 2(Fig. 2)
图 2 2008—2017年兰州地区UVAI月均值变化趋势 Fig. 2Monthly average UVAI change of Lanzhou area during 2008—2017

4.2 兰州地区UVAI值季节变化图 3为2008—2017年兰州地区UVAI季节变化特征, 其中3、4、5月为春季, 6、7、8月为夏季, 9、10、11月为秋季, 12、1、2月为冬季.10年来4个季节中冬季UVAI最高, 春、秋季次之, 夏季最低, 4个季节变化规律基本同步.其中冬季UVAI的最大值出现在2017年, 为0.636.春、秋两个季节的UVAI最大值分别出现在2011年、2015年, 指数分别为0.425、0.341.夏季一直处于波动上升状态, UVAI呈现负值变为正值的趋势, 说明夏季紫外吸收性气溶胶浓度在逐渐增加.2010年之后, 夏、秋两季节UVAI值波动较小, 基本稳定在某个值域.
图 3(Fig. 3)
图 3 2008—2017年兰州地区UVAI季节变化特征 Fig. 3Seasonal variation UVAI change of Lanzhou area during 2008—2017

图 4为2013年兰州UVAI分布情况, 一共分为六级(一级0~0.1、二级0.1~0.2、三级0.2~0.3、四级0.3~0.4、五级0.4~0.5、六级0.5~0.6), 由于UVAI值变化具有周期性, 所以仅给出了2013年的季节变化图, 来表示UVAI在季度上的空间分布情况.从图中看出:四季UVAI值水平为:冬季>春季>秋季>夏季.春季时, UVAI值普遍较高, 皋兰县全境和渝中县及兰州市区的大部分区域、永登县的中南部分区域均为五级, 其余区域属于四级和三级, 此时为沙尘暴高发期, 沙尘性气溶胶对UVAI贡献较大;夏季时, 除永登县中部区域UVAI数值等级为二级, 其它区域为一级, 全境UVAI值成为一年当中最低时期.进入秋季时, UVAI开始升高, 全境UVAI值以三级为主, 四级次之.冬季时, UVAI数值全面升高, 全境UVAI值有4个等级, 即三级、四级、五级和六级, 其中, UVAI六级区域为兰州中部, 包括城关区及安宁区、七里河区的全部区域、皋兰县大部分区域、永登县及榆中县的小部分区域, 并且UVAI分布呈现由兰州中部向两侧区域依次递减的趋势, 尤以永登县境内的由东向西UVAI数值的等级递减最为明显, 此时吸收性气溶胶的主要来源为采暖期产生的黑炭气溶胶.
图 4(Fig. 4)
图 4 2013年兰州UVAI季节分布 Fig. 4Seasonal variation UVAI distributions of Lanzhou in 2013

4.3 兰州UVAI年际变化图 5为2008—2017年兰州地区UVAI空间整体分布, 一共分为五级(一级0.15~0.18、二级0.18~0.21、三级0.21~0.24、四级0.24~0.27、五级0.27~0.30).由图 5可知, 兰州近10年UVAI空间格局为中部高、东西两端低.其中UVAI一、二等级主要分布在永登县的西部高海拔区域.UVAI数值的三级中等水平主要分布在永登县中西部、皋兰县东部及榆中县的东北部, UVAI的四级主要分布在永登县的中东大部、皋兰县西部、兰州市市辖区(除西固区)全部区域, 以及榆中县的中南部.UVAI的五级主要分布在永登县和皋兰县的结合部(兰州中部).
图 5(Fig. 5)
图 5 2008—2017年兰州地区UVAI空间整体分布 Fig. 5The spatial distribution of UVAI from 2008 to 2017 in Lanzhou

图 6为2008—2017年兰州地区UVAI逐年分布图, 将其分为8个指数等级(0~0.05一级、0.05~0.10二级、0.1~0.15三级、0.15~0.20四级、0.20~0.25五级、0.25~0.30六级、0.30~0.35七级、0.35~0.40八级).由图可知:2008—2017年10年中, 研究区UVAI最高值一直在永登县和皋兰县的结合部及临近区域.2008—2011年UVAI在逐年快速增加, 高值区域也逐年在扩大, 其中2011年永登县与皋兰县结合区域、榆中县的东部部分区域达到了吸收性气溶胶的最高污染等级(8级);2012—2015年UVAI数值在波动中降低, 区域内浓度分布不均, 有5个数值等级, 五、六和七级区域占据了研究区的大部分面积.2013年研究区域内也出现了八级污染区域—兰州中部即永登县和皋兰县结合部, 占兰州地区面积的2.75%;2016—2017年, UVAI开始下降, 等级最高为六级.
图 6(Fig. 6)
图 6 2008—2017年兰州地区UVAI逐年均值分布图 Fig. 6Annual average UVAI change of Lanzhou area during 2008—2017

图 7为2008—2017年兰州地区UVAI不同等级所占面积比例与逐年变化图, 通过计算10年中UVAI不同等级所占的面积比例, 将UVAI等级划分如图 7所示, 2008—2017年, UVAI整体呈上升趋势, 先增加后减少.10年来UVAI等级以五、六级为主, 四级次之.其中2008—2010年, 三、四和五级UVAI等级占研究区面积的大部分区域, 为兰州市UVAI的最低时期;2011—2015年, 五、六、七级区域占研究区面积绝大部分, 相比2008—2010年, 兰州地区UVAI提高了一个等级, 较高UVAI等级所占区域也在扩大, 此时期兰州的经济发展、人口密度等有了较大的增长;2016—2017年UVAI的五、六等级区域占兰州面积的大部分, 相比2011—2015年, UVAI等级下降, 这可能与国家政策的调控、各行业的产业结构转型有关.从年均值方面来看:2008—2017年10年当中UVAI整体呈上升趋势, 年均值增幅为7.0%, 最大增加量在2011年, 为0.07, 其中2008—2010年, UVAI数值逐年快速增加, 最大增长率53.1%, 为10年之最;2011—2015年UVAI达到了最高值(2011年), 为0.319, 之后下降, 最大降低速率为18.5%, 也是10年之最;2016—2017年UVAI在2015年的基础上继续下降, 2017年有所上升.
图 7(Fig. 7)
图 7 2008—2017年兰州地区UVAI不同等级所占面积比例与年平均值 Fig. 7The proportion and annual average of different levels of UVAI in Lanzhou from 2008 to 2017

4.4 兰州地区UVAI变化的影响因素气溶胶作为一种多来源的物质, 其在空间和时间上的变化除了受污染源和污染源强度的影响外, 还与兰州的气象条件、人口密度等有着密切关系.
4.4.1 风向对UVAI的影响风作为大气污染的主要动力之一, 其强度和方向直接影响着污染物扩散速度与方向, 通过统计2011—2016年的兰州风向数据, 绘制成兰州四季风频玫瑰图(其中径向坐标代表频率), 见图 8.兰州市春季以东北风和东东北风为主, 频率为43%, 东东南风频率为12%;夏季东北风和北东北风总共占39%, 西北风、西西北风、北西北风总共占频率为16.2%;秋季以东北风和东东北风为主, 频率为47%;冬季东北风和东东北风频率达到49%.本次所绘制的四季风向及频率比重与赵敬国等(2013)统计的2001—2003、2007—2008年数据的基本一致.综合全年可以看出, 兰州市常年主导风向是东北风, 结合图 4兰州市UVAI的季节分布, 可以得出兰州市吹东东北风或者东北风时, UVAI数值较高, 不利于具有吸收特性的气溶胶的扩散, 吹西北风时, UVAI数值较低, 污染程度较轻.
图 8(Fig. 8)
图 8 兰州市四季风频玫瑰图 Fig. 8The wind frequency chart of the four seasons in Lanzhou

4.4.2 降水量对UVAI的影响降水对大气污染物具有沉降稀释作用, 表 1统计了兰州近10年四季温度、降水量、UVAI的月均值, 以期给出三者之间的定量关系.春季到夏季, 在温度升高9 ℃, 增长64%的情况下, UVAI大幅降低, 降低约90%, 夏季到秋季、秋季到冬季, 温度分别降低11 ℃、14 ℃, UVAI增长率分别为1000%、56%.可以看出, UVAI随着温度的降低而增加的反向变化.为了更加清晰的表明两者之间的相关性, 图 9统计了2008—2017年兰州UVAI月均值和2008—2016年月均降水量的相互关系, 发现UVAI与兰州月均降水量之间存在较高的负相关, 最高发生在4月, 且平均拟合优度R2达到了0.8145, p为0, 通过了显著性检验.由此可知, 降水量集中的夏季, 兰州UVAI数值普遍低于其他3个季节.
表 1(Table 1)
表 1 四季温度、降水量、UVAI的月均值变化 Table 1 Monthly mean changes of temperature, precipitation and UVAI in four seasons
表 1 四季温度、降水量、UVAI的月均值变化 Table 1 Monthly mean changes of temperature, precipitation and UVAI in four seasons
季节 温度/℃ 降水/mm UVAI
春季 14 30.1 0.311
夏季 23 68.6 0.027
秋季 12 37.5 0.300
冬季 -2 3.6 0.467



图 9(Fig. 9)
图 9 示UVAI月均值与降水量散点图 Fig. 9Scatter plot between UVAI monthly mean and monthly average rainfall

4.4.3 气温对UVAI的影响气温条件的不同对各种大气污染物的影响不同, 从表 1可得出, 春季到夏季, 在降水量增加38.5 mm, 增长128%的情况下, UVAI降低, 降低约90%, 夏季到秋季、秋季到冬季, 降水量分别降低31.1、33.9 mm, UVAI增长分别为0.273、0.167, UVAI呈随着降水量降低而增加的反向变化.图 10为UVAI月均值与月平均气温散点图, 是依据中国气象网提供的2011—2017年月平均气温与2008—2017年UVAI月均值绘制的, 分析了两者之间的相关性, 发现UVAI月均值与月平均气温之间存在明显的负相关, 平均拟合优度R2达到了0.9075, p为0, 通过了显著性检验.不难发现, 兰州UVAI数值存在明显的冬春高、夏秋低的季节差异, UVAI数值的变化趋势, 一方面是因为当平均气温低于0 ℃时, 兰州地区开始进入采暖期, 煤炭等燃料消耗大幅度增加, 此时产生的吸收性气溶胶主要类型为黑炭气溶胶;另一方面可能是因为在地表温度较低时, 对流较弱, 容易形成逆温(赵敬国等, 2013), 不利于污染物的扩散.
图 10(Fig. 10)
图 10 UVAI月均值与月平均气温散点图 Fig. 10Scatter plot between UVAI monthly mean and monthly average temperature

4.4.4 人口密度对UVAI的影响兰州作为一个平均海拔在1800 m的地区, 经济发展较为发达的地区一般处于盆地及河谷地带, 人类的生产、生活活动在该区域也较为频繁, 形成了经济发达地区人口密度也较为高的特点, 城市的工业区和混合功能区的人口密度高, 对大气的影响比较大.表 2为2009—2016年兰州各地区人口密度与UVAI相关性矩阵, 其中仅兰州各地区人口密度数据由甘肃省统计局获得.由表可知兰州各地区(市辖区包括城关、七里河、西固、安宁、红古5个区)人口密度与UVAI存在一定的正相关性, 相关系数分别为0.839、0.774、0.866、0.815.一般认为相关系数在0.8以上, 认为两者有强的相关性, 对此可认为兰州地区人口密度与UVAI数值有密切联系.
表 2(Table 2)
表 2 2009—2016年兰州各地区人口密度与UVAI相关性矩阵 Table 2 The correlation matrix between population density in various regions of Lanzhou and UVAI during 2009—2016
表 2 2009—2016年兰州各地区人口密度与UVAI相关性矩阵 Table 2 The correlation matrix between population density in various regions of Lanzhou and UVAI during 2009—2016
UVAI 人口密度
市辖区 榆中县 永登县 皋兰县
UVAI 1.000
市辖区 0.839 1.000
人口密度 榆中县 0.774 0.749 1.000
永登县 0.866 0.853 0.673 1.000
皋兰县 0.815 0.696 0.871 0.751 1.000


4.4.5 PM2.5为首要污染物的空气质量等级与UVAI的关系目前, 尚未有UVAI的空气质量标准, 考虑到PM2.5是吸收性气溶胶的重要组成部分, 本文以兰州地区为例, 结合中国气象网空气质量数据, 探讨两者关系.选取2014年的PM2.5为首要污染物的天数, 及对应的各天的AQI指数, 与对应日期的UVAI日均值进行二元拟合分析, 取得UVAI的空气质量标准值.图 11为兰州地区AQI与UVAI日均值拟合图, 平均拟合优度R2达到了0.8083, 具有较强的相关性.根据AQI等级划分情况, 按照拟合关系, 得到对应的UVAI等级划分, 详见表 3.并以这3个UVAI的空气质量等级, 将图 6转换为2008—2017年兰州地区UVAI空气质量等级图(图 12), 由图 12可看出, 以UVAI为指示的2008—2017年兰州地区空气质量总体为良, 10年来兰州市空气质量分为优、良和轻度污染3个等级, 优、良和轻度污染所占面积分别占兰州市总面积的7.8%、80.8%和11.4%.从3个等级的分布面积来看, 2008—2017年兰州大部分区域为良, 其中2008年永登县西部区域空气质量为优, 所占区域为总面积的7.8%, 2011年永登县与皋兰县结合部和相邻区域、榆中县的东部部分区域, 污染面积分别占总面积的9.4%, 2013年兰州中部部分区域出现轻度污染, 所占区域为总面积的2.3%.综上所述, 以UVAI为指示的兰州地区空气质量以良为主.
图 11(Fig. 11)
图 11 兰州地区AQI与UVAI日均值拟合图 Fig. 11Binary fitting diagram between AQI and UVAI daily mean in Lanzhou area


表 3(Table 3)
表 3 空气质量等级与UVAI对应关系 Table 3 Correspondence between air quality index and UVAI
表 3 空气质量等级与UVAI对应关系 Table 3 Correspondence between air quality index and UVAI
空气质量指数AQI UVAI日均值 空气质量 表示颜色
0~50 0~0.06 浅灰
51~100 0.06~0.39 深灰
101~150 0.39~0.81 轻度污染



图 12(Fig. 12)
图 12 2008—2017年兰州地区UVAI空气质量等级图 Fig. 12Air quality grade of UVAI from 2008 to 2017 in Lanzhou area

5 结论(Conclusions)1) 从空间上看, 2008—2017年兰州地区UVAI的空间分布特征为中间高、东西两侧低.2008—2011年UVAI在逐年增加, 高值区也在扩大.以永登县与皋兰县的结合部(兰州中部)向南连接城关区与安宁区的大部分区域, 形成由北向南的外源吸收性气溶胶的传输通道.10年来研究区UVAI最高值一直为永登县和皋兰县结合部以及相邻区域, 也是吸收性气溶胶的污染源中心.
2) 从年际的时间上看, 2008—2017年, 兰州市UVAI逐年整体呈上升趋势, 先增加后减少.10年来UVAI等级以五、六级为主, 四级次之.其中, 2008—2010年, 三、四和五级UVAI等级占研究区的大部分区域, 为兰州市UVAI的最低时期;2011—2015年, 五、六、七级区域占研究区面积的绝大部分, 也是兰州的经济发展和人口密度增长的时期;2016—2017年UVAI的五、六等级区域占兰州面积的大部分, UVAI等级下降, 这可能与国家政策的调控、各行业的产业结构转型有关.从年均值方面来看:2008—2017年年均值增幅为7.0%, 2008—2010年UVAI出现了最大增长率53.1%;2011—2015年UVAI出现了最大降低速率18.5%;UVAI在2015年的基础上继续下降, 2017年有所上升.
3) 从季节、月的时间上看, 2008—2017年10年兰州UVAI的季节、月份变化特征为:四季UVAI值水平为:冬季UVAI值最高, 夏季数值最低, 由高到低排序为:冬季>春季>秋季>夏季;10年中最大的UVAI值出现在2017年的12月, 每年的最高值出现在1、2、11、12月, 十年中最低的UVAI值出现在2017年6月, 每年的最低值出现在6、7月.
4) 从影响因素上看, UVAI与自然要素中的风向、温度和降水关系密切.不同风向对UVAI影响不同;UVAI值与兰州降水量之间存在明显的负相关, 兰州地区降水量增加, UVAI值降低;UVAI月均值与月平均气温之间存在明显的负相关, 温度越低, UVAI数值升高;UVAI与人口密度的相关度较高, UVAI值的升高与人口密度及人类活动强度息息相关;基于PM2.5的UVAI指示的空气质量等级分析, 兰州地区空气质量以良为主.
5) 针对兰州地区UVAI时空分布特点、外源和内源污染源情况, 尤其是由北(永登县北部)向南的外源气溶胶的传输通道是沙尘性气溶胶的输入路径, 可在永登县北部区域建设防护林带, 以阻滞每年沙尘暴对兰州市环境的影响;通过减少人为活动强度来降低兰州中部内源气溶胶污染源的排放;继续加大在采暖期使用脱硫煤及无烟煤的比例;应在UVAI较高的冬季, 适当增加人工降雨(降雪).

参考文献
陈科艺, 彭志强. 2012. 应用OMI卫星资料监测蒙古戈壁沙尘的传播[J]. 高原气象, 2012, 31(3): 798–803.
郭勇涛, 佘峰, 王式功, 等. 2011. 兰州市空气质量状况及与常规气象条件的关系[J]. 干旱区资源与环境, 2011, 25(11): 100–105.
Bibi S, Alam K, Chishtie F, et al. 2017. Characterization of absorbing aerosol types using ground and satellites based observations over an urban environment[J]. Atmospheric Environment, 150(2): 126–135.
Grguri? S, Kri?an J, Ga?parac G, et al. 2014. Relationship between MODIS based Aerosol Optical Depth and PM10 over Croatia[J]. Central European Journal of Geosciences, 6(1): 2–16.
Carn S A, Krotkov N A. 2016. Chapter 12-Ultraviolet Satellite Measurements of Volcanic Ash[M]. Elsevier Ltd: 6–15.
Colarco P R, Gassó S, Ahn C, et al. 2017. Simulation of the Ozone Monitoring Instrument aerosol index using the NASA Goddard Earth Observing System aerosol reanalysis products[J]. Atmospheric Measurement Techniques, 10(11): 1–22.
Hansen J E, Lacis A A. 1990. Sun and dust versus greenhouse gases:an assessment of their relative roles in global climate change[J]. Nature, 346(6286): 713–719.DOI:10.1038/346713a0
Intergovernmental Panel on Climate Change(IPCC).2007. IPCC Fourth Assessment Report: Climate Change 2007[R]. Geneva, Switzerland.104
Pinedo-Vega J L, Molina-Almaraz M, Ríos-Martínez C, et al. 2017. Global and Hemispherical Interannual Variation of Total Column Ozone from TOMS and OMI Data[J]. Atmospheric & Climate Sciences, 7(3): 247–255.
Smedt I D, Stavrakou T, Müller J F, et al. 2009. H2CO columns retrieved from GOME-2: first scientific results and progress towards the development of an operational product[C]. Proceeding of the 2009 EUMETSAT Meteorological Satellite Conference.20-25
Tan K C, Lim H S, Mat Jafri M Z. 2017. Remote sensing assessment of absorbing aerosol over Peninsular Malaysia from OMI onboard Aura satellite[J]. Journal of Physics:Conference Series, 852(1): 012–027.
Tanré D. 2010. Derivation of tropospheric aerosol properties from satellite observations[J]. Comptes rendus-Géoscience, 342(4/5): 403–411.
Torres O, Bhartia P K, Herman J R, et al. 1998. Derivation of aerosol properties from satellite measurements of backscattered ultraviolet radiation:Theoretical basis[J]. Journal of Geophysical Research Atmospheres, 103(D14): 17099–17110.DOI:10.1029/98JD00900
Torres O, Tanskanen A, Veihelmann B, et al. 2007. Aerosols and surface UV products from Ozone Monitoring Instrument observations:An overview[J]. Journal of Geophysical Research Atmospheres, 112(D24): 1–14.
王式功, 杨民, 祁斌, 等. 1999. 甘肃河西沙尘暴对兰州市空气污染的影响[J]. 中国沙漠, 1999, 19(4): 58–62.
王爽, 巨天珍, 谢顺涛, 等. 2018. 天水市紫外吸收性气溶胶时空动态的遥感监测[J]. 环境监测管理与技术, 2018, 30(1): 46–49.DOI:10.3969/j.issn.1006-2009.2018.01.012
肖钟湧, 江洪, 程苗苗. 2011. 利用OMI遥感数据研究中国区域大气NO2[J]. 环境科学学报, 2011, 31(10): 2080–2090.
宿兴涛, 许丽人, 张志标, 等. 2015. 基于卫星观测的我国北方地区紫外吸收性气溶胶的时空分布研究[J]. 气候与环境研究, 2015, 20(1): 11–20.
张晗, 余超, 苏林, 等. 2017. MODIS和OMI数据评估阅兵期间北京市大气减排成效[J]. 遥感学报, 2017, 21(4): 622–632.
张亮林, 潘竟虎, 张大弘.2018.基于MODIS数据的中国气溶胶光学厚度时空分布特征[J/OL].环境科学学报, 38(11), 4431-4439
张芝娟, 陈斌, 王皓, 等. 2017. 利用OMI资料分析APEC期间吸收性气溶胶的时空分布特征[J]. 兰州大学学报(自然科学版), 2017, 53(1): 93–100.




相关话题/数据 大气 卫星 污染 空间