英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

全球城市颗粒物卫星遥感与空气质量评估

Pawan Gupta^a, Sundar A. Christopher^a,times;, Jun Wang^b,

Robert Gehrig^c, Yc Lee^d, Naresh Kumar^e,f

Department of Atmospheric Sciences, The University of Alabama in Huntsville, Huntsville, AL, USA bNOAA/UCAR Postdoctoral Fellow, Department of Earth and Planetary Science, Harvard University, MA, USA cEMPA, Laboratory for Air Pollution, Dubendorf, Switzerland

dGreen Council, New World Tower 1, Hong Kong eUniversity of Iowa, Iowa City, IA, USA fBrown University, Providence, RI, USA

摘要：从中分辨率成像光谱仪获取1年的NASA的Terra和Aqua卫星上的MODIS AOT数据，以及地面监测的PM2.5质量浓度，我们评估分布在全球的26个城市地区，包括悉尼、德里、香港、纽约和瑞士的颗粒物空气质量，得到了AOT与PM2.5质量之间的经验关系，结果表明，卫星反演的PM2.5质量浓度与地面监测的浓度的分组平均的日均值之间存在极好的相关性，线性相关系数为0.96。利用气象和其他辅助数据集，我们评估了风速、云量和混合高度(MH)对颗粒物(PM)空气质量的影响，证实这些数据是进一步应用卫星数据进行空气质量研究的必要条件。我们的研究表明，卫星获得的AOT是监测地球上PM空气质量的一个很好的替代品。然而，我们的分析表明PM2.5-AOT关系对气溶胶浓度、环境相对湿度(RH)、碎云层以及混合层的高度有很强依赖性。在晴空条件下，相对湿度小于40-50%，以及大气MH在100 - 200米范围内时，MODIS AOT与PM2.5的相关性最高。未来的遥感传感器，例如云气溶胶激光雷达和红外探测仪卫星观测(CALIPSO)，能够提供气溶胶的垂直分布，将进一步增强我们监测和预测空气污染的能力。这项研究是第一批研究全球多个地点卫星和地面测量之间关系的研究之一。

关键词：气溶胶;卫星遥感;空气质量;大型城市

1.导言

目前世界人口的近一半居住在城市地区，到本世纪十年末，这一数字将增加到40亿

(《世界城市化前景》，2003)。颗粒物(PM)是影响城市乃至农村空气质量的主要污染物之一。颗粒物是，固体和液体颗粒的复杂混合物，其大小和组成各不相同。空气动力直径小于2.5毫米(PM2.5)可导致呼吸和肺部疾病甚至过早死亡(Krewski et al.， 2000)。大气气溶胶既包括自然气溶胶(风尘、海洋中的海盐和火山喷发)，也包括人为气溶胶(生物质燃烧、自燃和发电厂排放的气溶胶)，它们在气候过程中也发挥着重要作用(Kaufman et al., 2002)。最近有科学证据表明小颗粒对健康的不良影响(Pope, 2000)，微粒污染监测引起了新的关注。例如，欧洲数以万计的过早死亡与接触PM的增加有关(Leeuwen and Rolaf, 2002)。印度塔塔能源研究所(TERI)估计，德里地区每年有18600人因空气质量差而过早死亡(TERI, 2001)。

为了了解PM对地球气候系统和人类健康的影响，有必要在全球范围内定期监测PM2.5。这个任务富有挑战性，因为这些亚微米气溶胶在空间和时间上是高度可变的。通常，在欧洲、美国、澳大利亚和亚洲的城市和农村地区，使用地面仪器广泛测量环境颗粒物的PM2.5质量浓度。然而，这些地面观测代表着点的测量，没有必要的覆盖范围来将气溶胶的区域分布映射到全球。另一方面，MODIS最近的卫星数据(Chu et al., 2003; Wang and Christopher., 2003）。或多角度成像光谱辐射计(MISR) (Liu et al.， 2004)在绘制全球气溶胶分布及其性质，以及间接估算颗粒物PM2.5方面具有巨大的潜力。由于世界上许多地区对PM2.5的地面测量很少，卫星数据可以作为监测颗粒物空气质量的替代产品。

最近利用气溶胶光学厚度(AOT)数据证明了利用空间传感器从区域到全球尺度的卫星数据监测PM空气质量的潜力(Wang and Christopher, 2003; Chu et al., 2003;Engel-Cox, et al., 2004).AOT是大气从表面到顶部(TOA)消光的积分。该柱状反演参数与气溶胶质量浓度、消光效率、吸湿生长因子和有效气溶胶尺度高度有关。到目前为止，大多数的研究仅限于美国大陆，而目前的研究填补了这一空白，提出了基于卫星的AOT和全球几个地点PM2.5质量之间的定量关系。

虽然基于卫星的空气质量反演是有发展前景的，但它也带来了一些挑战。影响AOT与PM2.5关系的因素很多。例如，卫星获得的数据提供了环境条件的柱状信息，而PM2.5的测量则代表了近地表干质量浓度。卫星的足迹代表了大片的空间区域，并且受到云层的污染(Zhang et al.， 2005)。在使用卫星数据进行空气质量评估之前，必须充分了解气溶胶类型和湿度等其他问题。在本研究中，MODIS导出的AOT为0.55 mm比较了遍布印度，澳大利亚，香港，瑞士和美国的Terra和Aqua两颗卫星随着几个地面PM2.5浓度集中(mgm^-3)。在选定地点进行敏感性研究，量化大气混合高度(MH)、相对湿度(RH)和云量对MODIS AOT与PM2.5质量浓度关系的影响。

2.数据和方法

Terra和Aqua卫星上的MODIS传感器有36个光谱通道，提供有关大气、陆地和海洋条件的信息。MODIS提供中等空间分辨率(250 m^-1公里)和时间分辨率(1-2天)的电磁频谱不同区域的观测。AOT算法使用海洋上7个波长(0.47-2.13 mm)和2个波长的观测辐射

(0.47mm和0.67mm)，并预先计算查找表来检索AOT (Remer et al.， 2005)。

在陆地上，MODIS AOT的报告精度为plusmn;0.05plusmn;0.05，与几个基于地面航空AORONET测量值相比，但在(a)可能有云污染的情况下，(b)超过亚像素水的表面，如沿海地区和沼泽，以及(c)亚像素雪或冰覆盖的表面。在全球范围内，约68%的AOT检索在预期错误范围内(Remer et al.， 2005)2级AOT数据(在0.55 mm处)空间分辨率为10 ~ 10 km² (MOD04)

采用MODIS和26个空气质量监测站PM2.5质量浓度(mg m^-3)进行检验(表1)。这是目前可用的最佳分辨率，因此不需要进行需要更精细空间尺度的研。2002年1月至12月Terra (MOD04 V003)和2002年7月至12月Aqua (MYD04 V003)的MODIS 2级日常AOT产品适用于所有研究区域。在2003年7月至11月期间，德里也获得了类似的AOT数据。除了2级，MODIS1111网格3级月平均AOT数据决议由2000年3月至2002年2月为用于讨论AOT在全球的空间分布。

在美国、澳大利亚和香港，PM2.5的测量使用的是锥形元件振荡微天平(TEOM)，每小时平均精度为71.5 mg m^-3。在瑞士，高容量采样器(HSV)是数字化的。

采用不确定度为710%的DA 80仪器。在德里，从2003年7月23日到11月4日，在113个地点使用便携式Aerocet 531 (Met One Instrument Inc.)收集PM数据。由于这113个站点分布在40平方公里的区域内，这些数据被分为6个区域(图1)。美国站点的PM2.5数据来自EPA-AirNow数据库。NOAA混合单粒子拉格朗日积分反射(HYSPLIT)模型用于计算24小时间隔、总运行时间为10天的气团反轨迹(Draxler, 2003)。

对MODIS AOT与PM2.5进行了时空对比和定量分析。为了及时匹配数据集，对一小时内的所有观测值进行平均。

表1 所有PM2.5监测站的详细信息

No. Country Station name Latitude Longitude AOT7STD PM2.57STD N* R* Station type

1 India Delhi 1 (NE) 28.684N 77.291E 0.7770.41 36.3715.9 6 0.24 Mix of RS and UP

2 India Delhi 2 (N) 28.684N 77.187E 0.8070. 61 38.0724.2 25 0.66 Mix of RS and UP

3 India Delhi 3 (NW) 28.684N 77.084E 0.9070.95 51.0733.5 14 0.85 Mix of RS and UP

4 India Delhi 4 (SE) 28.550N 77.291E 0.6270.26 52.3737.4 9 0.72 Mix of RS and UP

5 India Delhi 5 (S) 28.550N 77.187E 0.6770.31 40.4730.0 23 0.41 Mix of RS and UP

6 India Delhi 6 (SW) 28.550N 77.084E 0.7470.35 57.4775.6 8 0.65 Mix of RS and UP

7 Australia Earlwood 33.917S 151.134E 0.2570.15 12.876.10 308 0.32 PR

8 Australia Lidcombe 33.886S 151.042E 0.3070.12 15.075.80 116 0.48 Mix of RA and CA

9 Australia Richmond 33.618S 150.746E 0.1070.08 16.277.50 233 0.11 Mix of RA, RuA

10 Australia Westmead 33.800S 150.996E 0.1270.10 11.077.00 247 0.31 Golf course, RA area

11 Australia Woolooware 34.044S 151.141E 0.2070.13 13.876.20 168 0.32 Mix of RS and RA

12 Hong Kong Causeway Bay 22.283N 114.183E 0.4170.20 60.0717.0 147 0.51 Mix of RS, UP, CA

13 Hong Kong Central 22.283N 114.150E 0.4270.21 53.5721.1 142 0.54 Mix of RS, UP, CA

14 Hong Kong Tung Chung 22.283N 113.950E 0.4170.21 40.2720.5 154 0.34 New Town, RA

15 Hong Kong Tap Mun 22.467N 114.350E 0.4270.22 34.5717.4 162 0.49 RuA

16 Hong Kong Tsuen Wan 22.367N 114.100E 0.4170.25 40.0718.2 132 0.38 Mix of RA, UP,CA

17 Switzerland Basel 47.567N 7.600E 0.2370.14 19.678.50 211 0.21 Mix of PA, UP

18 Switzerland Bern 46.917N 7.467E 0.1870.11 21.476.70 223 0.35 Mix of RS, UP

19 Switzerland Chaumont 47.017N 6.950E 0.2070.14 15.078.10 210 0.29 RuA, high altitude

20 Switzerland Lugano 46.000N 8.967E 0.2570.19 22.5713.5 240 0.40 Mix of PA, UP

21 Switzerland Payerne 46.490N 6.933E 0.1670.10 15.677.50 200 0.45 RuA, close to town

22 USA NewYork1 40.919N 73.994W 0.3470.22 15.2712.0 268 0.75 Mix of CA, UP

23 USA NewYork2 40.671N 73.963W 0.4770.26 13.6711.9 214 0.48 Mix of CA, UP

24 USA NewYork3 40.752N 73.977W 0.4670.25 16.0713.5 232 0.55 Mix of CA, UP

25 USA NewYork4 40.737N 73.850W 0.4570.25 14.571

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18343]，资料为PDF文档或Word文档，PDF文档可免费转换为Word