卫星差分植被指数与地面环境监测颗粒物污染指数ipm10的关系

卫星差分植被指数与地面环境监测颗粒物污染指数ipm10的关系

现在，随着城市建设和经济的快速发展，生态环境问题日益明显，严重危害了人民生活、健康和社会发展。可吸入颗粒物作为大气污染的首要污染物之一,正越来越受到人们的关注。我国目前很多城市都不同程度的存在可吸入颗粒物污染,不少城市的污染相当严重。颗粒物的主要来源是:机动车尾气、煤灰、二次硫酸盐、生物质燃烧,自然源、海盐、土壤、公路边灰尘等。它对人体健康、能见度、温度以及酸雨都有很大的影响,因此,研究可吸入颗粒物的污染分布及其影响范围对城市规划和污染治理具有十分重要的意义。运用常规的布设污染监测站点方法监测大气污染既费时又费钱,常为人力,物力所局限。而且常规监测方法测点少,分布不均,难以对整个城市的污染空间分布进行分析。而卫星遥感技术却是一种动态监测和分析大气环境的极为有效的手段。卫星遥感可在瞬间获取大区域地表和大气信息,便于动态监测,是环境遥感的研究热点之一。但由于在遥感信息中,大气污染信息十分微弱,提取非常困难,人们大多采用间接的方法来对大气污染进行遥感监测。Templemeryer,Benjamin等最早根据污染地区地物反射率发生变化、边界模糊的情况来对大气污染情况进行估计;范心圻等根据城市热岛情况对城市大气污染进行宏观估计;Fujii,Hisao等根据树叶中SO2含量与遥感数据中植被指数的关系估计大气污染的情况;施玉琪等利用植被指数和大气污染综合指数之间的关系,推求了大气污染的范围和影响强度;张韬等利用遥感技术结合地物波谱进行了叶表面内大气污染元素的含量测定,分析研究了呼和浩特市的大气污染状况;王雪梅等首次从TM卫星数据直接定量提取区域大气污染气体累加浓度信息,并对珠江口大气污染状况有较客观、形象的再现;邓孺孺、田国良等在此基础上对长江三角洲地区的1984和1997年的污染进行了探测。以上研究均取得了较好分析效果。但由于以上研究大多采用高分辨率卫星进行监测分析,该卫星的分析精度虽较高,但美中不足的是动态程度差,故难以满足业务应用要求。因此,为了达到动态和定量分析可吸入颗粒物污染分布特征目的,本文利用动态程度高的NOAA卫星可见光和近红外波段,采用双通道组合运算技术,结合实测地面污染指数样本点资料,在地理信息系统平台上,初步分析和研究了上海城市可吸入颗粒物污染的空间分布,为城市建设和规划提供了重要的基础信息。1数据介绍1.1卫星数据1.1.1污染物反演资料使用NOAA气象卫星的可见光和近红外波段资料为颗粒污染物反演资料。NOAA卫星是一种极轨气象卫星,它的改进甚高分辨率辐射计(AVHRR)能提供5个通道的影像和数据,其各波段的波谱响应以及空间分辨率如表1。1.1.2绿色分布数据所采用的绿地分布资料来自于对资源一号卫星资料的信息解译和分类提取。1.2污染监测数据采用的地面污染资料为上海市环境监测中心每天通过网络传给上海市气象局的上海10个环境监测站的污染10μm颗粒物(PM10)资料。1.3气象资料采用源自《上海气候》的上海市风向、风速的气候统计资料。1.4绿色社会统计绿地统计资料为上海市绿化管理局提供的2001年上海市各行政区的建成区绿化覆盖率和人均公共绿地面积资料。2监控原理和方法2.1太阳辐射和空气对于洁净大气,利用NOAA卫星位于大气窗区的可见光通道和近红外通道,可以遥感到来自地球表面的太阳辐射的反射辐射,受大气中污染物粒子的吸收和散射影响较小(在此未考虑大气中的水滴粒子影响)。而当大气中存在大量气溶胶时,太阳辐射的吸收和散射作用随之增大。但是气溶胶对太阳辐射的吸收、散射影响程度和它的粒子半径、密度有关。粒径和密度较大的粒子,如沙尘粒子,对太阳辐射的反射作用显著,可以利用卫星遥感的方法直接进行监测。范一大等利用可见光、近红外和远红外通道多光谱合成遥感数字图像进行沙尘暴的监测和沙尘信息的提取;罗敬宁等利用1.6μm的波段建立可比沙尘强度指数,进行多源遥感数据的沙尘暴强度监测,取得了明显的效果。而城市大气中的可吸入颗粒物,由于其粒子半径、密度相对较小,在可见光和近红外波段,它对太阳辐射的吸收和散射可以忽略不计。但是,它对大气透过率却有一定影响。当大气中的可吸入颗粒污染物增加时,卫星可见光和近红外通道的大气透过率都会下降,而近红外通道的下降比可见光通道快。因此,本文根据颗粒污染物对可见光和近红外通道大气透过率下降的影响差异,利用NOAA卫星的双通道组合技术,构造差值植被指数(IDV),并通过建立卫星与污染实测值之间的相关关系来达到卫星污染测值的反演和计算。2.2学习方法2.2.1卫星数据的预处理(1)次式区域分析实例NOAA卫星的AVHRR资料经定标、定位以及太阳高度角、临边变暗订正后,采用二次多项式方法进行卫星图象与上海市行政区划矢量专题图件的配准和双线性插值放大,然后与上海地区二值图像(0,1)进行逻辑乘,截取上海市区域子图,形成区域分析图象。(2)模式分类方法为了提高分类精度,本文选择分类误差较小的最大似然分类方法对绿地进行训练分类。最大似然分类法的多变量正态密度函数公式为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为均值矢量,ci为协方差矩阵,Ci表示矩阵的行列式。c-1i为ci的逆矩阵。P(x/ωi)为条件概率密度函数,ωi为模式类别,n为模式矢量的维数,x为分类模式。最大似然判别函数集为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)为先验概率。值得注意的是,该分类方法对只有少量样本时,不一定能得到最佳效果。2.2.2aea卫星图像上的点坐标根据地面环境监测站的地理坐标,在配准并经截取后的NOAA卫星图像上,找出污染监测点对应的各点坐标。同时,为了减小定位误差,取该点周边的3×3的模板进行邻域加权,以加权值代表对应污染监测站点的光谱特征值。2.2.3反演卫星污染量(1)noaa卫星的反射率根据颗粒污染物对可见光和近红外通道大气透过率的影响差异,构造差值植被指数(IDV):ΙDV=Rch2-Rch1(4)式中,Rch1和Rch2是NOAA卫星的可见光通道和近红外通道的反射率。式(4)中所构造的差值植被指数不仅突出了颗粒物污染的光谱信息,还部分消除了太阳高度角、卫星扫描角以及大气程辐射的影响。(2)与地面监测点颗粒物污染指数相关关系利用回归统计方法,找出地面污染监测值和对应卫星近红外和可见光通道的光谱差值(即差值植被指数)之间的关系。即选取晴天无云的NOAA卫星资料,建立相应各点差值植被指数与地面监测点颗粒物污染指数IPM10相关关系。例2003年4月16日和7月24日卫星图象的相关公式分别为ΙΡΜ10=-0.9678ΙDV+73.753(R2=0.5802)(5)ΙΡΜ10=-1.5601ΙDV+44.506(R2=0.9382)(6)以上两式均通过显著性检验。其对应的相关关系见图1、图2。由图1和图2可见,差值植被指数IDV和颗粒物污染IPM10之间的线性关系非常明显,表明了差值植被指数与可吸入颗粒污染物的相关性。(3)城市表面颗粒污染物的分布由公式(5)和公式(6)分别计算出卫星对应日期的颗粒污染物指数值,从而得到上海城市面上的颗粒污染物分布图。将此污染分布图输入到地理信息系统中,进行格式转换,图像配准,条件截取,以及边界图层叠加后,从而得到了中心城区的污染分布图。3gis支持下颗粒污染物的分布特征和绿色空间灰尘的机理分析3.1空间分析模型为了能客观、有效地动态分析污染分布和绿地降尘作用情况,本文以NOAA卫星、资源一号卫星资料为主、污染监测、气象、绿化统计资料以及土地利用、行政边界(包括乡、线界)专题图件为辅,建立空间分析和逻辑判别模式。模式采用逻辑判别和复合分析法。其主导思想是将NOAA卫星的颗粒污染物反演图像、绿地信息图象作为主要因子,结合污染监测、气象、绿化统计资料以及土地利用专题图件、行政边界,通过对各区颗粒污染物进行等级分类基础上,逐象元进行污染和绿化关系的逻辑判别和综合分析。空间分析模型为:F=f(Ν,G,S,W,Q,V)(7)其中F为综合分析结果,N为NOAA卫星可吸入颗粒污染物反演图像,G为资源卫星绿地图像,S为土地利用专题图件,W为污染监测要素,Q为气象要素,V为绿化统计要素。分析模式采用美国的arc/info地理信息系统,并在grid平台上建立,该模块为具有栅格运算功能的空间分析和判别能力的地理信息系统。3.2污染分布特征及绿化机3.2.1绿地降尘作用的研究意义经过了长期和有效的治理,上海市目前的空气质量已经大为改善,基本达到优良,但是研究可吸入颗粒物污染的分布特征,探求绿地的降尘作用,对于城市规划和环境治理,对于进一步提高上海市的空气质量,有着十分重要的意义。根据GIS多要素综合分析,发现可吸入颗粒物污染分布具有如下特征。(1)上海中心城区的污染物分布主要受污染环境和基质类型的影响污染高值区主要由高能源厂房、高层建筑密集,人口集中地以及交通繁忙地带组成。(2)夏季污染高值区判定例如春季和夏季上海市中心城区颗粒物污染分布特征略有不同,这可能由于上海夏季盛行夏季风,风向以东南偏东风为主,污染颗粒物顺着盛行风方向往市区西北方向转移,夏季污染高值区的范围比春季大,而且污染高值区具有向西北方向漂移特征。(3)城市绿地具有良好的防尘效果，可以改善污染绿化多以及大面积绿地周边地区和其他地区比较,污染程度明显较轻。3.2.2降低风速,过滤空气城市绿地(包括树木和草地),对灰尘和粉尘具有明显的阻挡、过滤和吸附作用,故而减轻大气的污染程度。树木之所以能减尘,一方面由于树木的枝冠茂密,具有强大的降低风速的作用,随着风速的降低,空气中携带的大粒灰尘便下降地面;另一方面由于叶子表面不平,多茸毛,有的还能分泌粘性的油脂和汁浆,当空气中的尘埃经过树林时,便会附着于叶面及枝干的下凹部分,因而起到了过滤作用。草地的减尘作用也是明显的,因为草皮的茎叶不仅和树叶一样具有吸附空气中灰尘的作用,而且可以固定地面上的尘土,不使飞扬。4颗粒污染的分布本文选取晴天无云的4月16日和7月24日的NOAA卫星资料,分别代表春季和夏季的情况。根据前述方法读取各地面污染监测站点所对应的可见光和近红外通道的光谱值,利用回归统计方法,建立地面污染监测值和对应差值植被指数之间的相关关系,并对整个上海地区颗粒污染值进行反演,得到上海地区的颗粒污染分布图。同时在GIS下,统一取污染值间隔为3,将各行政区按颗粒物污染强度划分为一级、二级、三级污染区和清洁区。通过计算各区的总象素以及区内每个污染区的象素,求算出各行政区的每个污染区和清洁区的面积比。进而,通过Arc/info的Grid模块中逻辑运算功能,对颗粒污染物、绿化图像、土地利用、以及气象、绿地统计等因子进行多要素综合分析。4.1立、工业发达区分析表明:无论是春季还是夏季,上海中心城区的颗粒物污染分布状况基本一致(图3、图4),呈现由沿黄浦江的市中心向外逐渐减轻的趋势,颗粒物污染的高值区主要分布在黄浦江以北杨浦区、虹口区、黄浦区和卢湾区的沿江部分。其中黄浦江以北呈条状的杨浦区一带的沪东工业区,厂房林立、工业发达,主要以发电厂、棉纺厂、钢铁厂、制皂厂等组成,形成颗粒物污染的高值区;而虹口区是人口、高楼和厂房的密集区,黄浦区和卢湾区的沿江部分也是人口集中地和商业区,在这些地区也分别形成了颗粒物污染的高值区。根据分析,以上污染分布主要是由污染源以及下垫面性质引起的。除了高热量和高能量的工业区由于其烟囱散发的污染物外,市中心建筑密集,人口密度大,交通繁忙,而绿化面积相对较小,故颗粒物污染相对较严重;而由市中心往外,建筑物密度稀疏、人口密度减小,相反植被面积加大,颗粒物污染逐渐减轻。另由分析发现,春季和夏季上海市中心城区颗粒物污染分布规律和特征基本一致,但分布范围却有所差异,主要表现在夏季污染高值区的范围比春季大,而且总体趋势向西北方向漂移。这可能是由于上海夏季盛行夏季风,风向以东南偏东风为主,污染颗粒物顺着盛行风方向往市区西北方向转移,该现象还有待于今后的更多样本进行验证。4.2不同区内绿地的面积比根据分析,可以发现颗粒物污染的分布特征和绿地的分布状况基本一致(图3、图4、图5)。上海中心城区由于绿地面积较小,导致颗粒物污染相对比较严重,由市中心往外,绿地面积逐渐增大,相应的颗粒物污染也逐渐减弱;颗粒物污染的高值区主要分布在杨浦区、虹口、黄浦区、卢湾区的沿江绿地稀少的区域;在静安区、卢湾区和黄浦区交界处新建成的延中绿地,由于其面积达到23万m2,起到了很好的降尘效果,从图3、图4中可以看出在延中绿地的附近存在一个颗粒物污染的低值区。以上结果证明了绿地吸附灰尘、净化空气的作用,说明了城市绿化对于保护和改善城市生态环境的重要性。另由各行政区的污染区和清洁区的面积比可见(表2、表3),上海市内各行政区颗粒物污染相对严重区域的面积比与其建成区绿化覆盖率和人均绿地公共面积密切相关。总体来说,建成区绿化覆盖率高、人均绿地公共面积大的区,其各级污染区所占的比例较低,而清洁区所占的比例高;反之,则是污染区比例高,清洁区比例低。如徐汇区和长宁区绿化覆盖率高(20%以上),人均绿地公共面积也大(3m2/人以上),从表中可以看出这两个区的污染区比例小,而清洁区的比例大,特别是春季其清洁区的比例分别达到了62.94%和77.96%;黄浦区绿化覆盖率低,人均绿地公共面积也小,污染区比例接近100%。静安区绿化覆盖率高