陳雪洋，金賢鋒，瞿曉雯

（1.重慶市地理信息中心, 重慶 401121）

基于遙感技術的重慶市CO2濃度空間分布估算

陳雪洋1，金賢鋒1，瞿曉雯1

（1.重慶市地理信息中心, 重慶 401121）

借助遙感影像和實地CO2濃度測試數據，提出一種基于遙感技術的CO2濃度測定方法，并以重慶市為對象開展了實證，對CO2排放主因與問題進行了分析，提出了低碳發(fā)展的對策，對重慶市低碳城市試點的開展具有指導意義。

遙感；CO2濃度；測定

城市監(jiān)測CO2排放變化是基于衛(wèi)星熱紅外數據提取的溫度信息，包括星上亮度溫度和陸地表面溫度。由于大氣和地表比輻射量的影響，星上亮度溫度與實際陸地表面溫度有較大差距。精確的城市熱環(huán)境研究需要從遙感數據反演陸地表面溫度，而陸地表面溫度反演的基礎是大氣輻射傳輸方程，利用輻射傳輸方程法反演陸地表面溫度需要與衛(wèi)星過境同步的實時資料，這些資料通常很難獲得。當前可用于城市溫度監(jiān)測的衛(wèi)星數據源非常缺乏。AVHRR數據的空間分辨率較低，只能用于大范圍的城市溫度制圖，不能刻畫城市地表熱場的細部結構，不能與地表實測數據建立準確的定量關系。綜合考慮衛(wèi)星數據分辨率和可得性，本研究選擇Landsat-7 ETM+作為數據源，采用單窗算法來估算地表溫度的變化。通過分析發(fā)現(xiàn)溫度變化趨勢，進而找出CO2濃度變化規(guī)律，從而為今后利用遙感技術快速、大范圍監(jiān)測碳濃度變化提供理論依據與實踐支撐。

1 研究方法

1.1 采樣與實地調查

在整個研究區(qū)域選擇多個采樣區(qū)（如圖1），同時實地測量地面溫度、CO2濃度，并記錄樣品的經緯度坐標。每個樣區(qū)的大小為300 m×300 m，每個樣方中布設3個樣地，樣地的大小為30 m×30 m（與TM分辨率相同），每個樣地內均勻地選擇3個觀測點進行觀測，選擇觀測點的平均值作為樣區(qū)的實測值。結合高分辨率遙感影像及地形圖，進行實際樣方和樣地的布設。

實地觀測時間與影像過境時間一致，每個樣點隔2 h觀測一次，取3個樣點日平均值為該樣區(qū)的日平均值。

1.2 遙感數據源

圖1 碳濃度試驗樣點分布圖

本次研究使用的遙感數據為2011-07-29在重慶成像的ETM影像，軌道號128/39，太陽方位角112．435 °，太陽高度角66．703 °，其中熱紅外波段Landsat ETM+空間分辨率為60 m，其他波段的空間分辨率均為30 m。為了計算和處理的方便，將遙感數據的熱紅外波段的空間分辨率均重采樣成30 m。后文估算的CO2濃度為當日濃度值。

1.3 地表溫度反演

利用單窗算法推算實際地表溫度（圖2）。為了對反演結果的精度進行驗證，需對31個試驗點的實測氣溫與反演的地表溫度進行比較。需要指出的是，地表溫度與氣溫是完全不同的2個概念，出現(xiàn)一定差距是正常的。經過分析，2組數據的趨勢保持一致時，說明地表溫度與實際情況基本吻合，反演地表溫度與實測氣溫有極高的相關性，相關系數達到0．958，模型達到了較高的精度。此外，本次研究所用的地表溫度求取方法——單窗算法經過國內外大量文獻的多次證明，精度較高，已經完全符合本次研究的要求，因此數據可用于接下來的碳濃度反演計算。

圖2 重慶市主城區(qū)地表溫度分布圖

表1 CO2濃度實測表

1.4 數據分析

對實測CO2濃度數據進行描述性統(tǒng)計分析，剔除奇異點，然后提取與碳濃度數據相對應的地表溫度數據，形成地表溫度與實測CO2濃度的數據對。數據提取完成后，根據像元云污染情況、觀測數據代表性等因素對數據對進行篩選，剔除不合理的壞數據對，然后根據地表溫度與實測CO2濃度的散點圖，選擇估測CO2濃度的最佳模型。

對CO2濃度Y與地表溫度X進行線性回歸分析，計算出回歸系數分別為39．63和-1 291，相關系數R為0.831，則得到的回歸方程為Y=39.63X-1 291。將地表溫度代入公式，計算得到回歸的CO2濃度含量分布如圖3所示。

圖3 重慶主城區(qū)CO2濃度分布圖

利用實測數據對模型進行精度驗證，發(fā)現(xiàn)相對誤差大于10%的有8個，最大的為九龍坡發(fā)電廠的-17．72%，最小的為南礦的-0．51%，平均相對誤差為7．71%，模型達到了較高的精度。其中，相對誤差為正的有19處，負的有12處，說明模型預測CO2濃度有偏大趨勢。

1.5 傳統(tǒng)清單法碳濃度測定

IPCC的清單法，顧名思義即是通過編制一國或地區(qū)碳的源排放與匯清除，然后運用和借鑒《2006年IPCC國家溫室氣體清單指南》中推薦的碳排放計算公式和不同燃料使用的碳排放系數，分項計算出各部門的碳排放量。

以清單法對主城9區(qū)的碳排放量、碳儲量和凈碳排放量分別進行核算。九龍坡區(qū)碳排放量最高，為1 742．1萬t，占主城9區(qū)總碳排放量的16．28%；大渡口區(qū)次之，為1 675．13萬t，占主城九區(qū)總碳排放量的15．66%。渝中區(qū)和巴南區(qū)碳排放量占主城9區(qū)總碳排放量的比重較低，其中渝中區(qū)最低，為659．83萬t，占主城9區(qū)總碳排放量的6．17%。

圖4 重慶主城九區(qū)碳排放量分布

2 結果分析

2.1 遙感反演結果與傳統(tǒng)清單法比較

重慶主城區(qū)的CO2濃度分布特征分明，城區(qū)CO2濃度明顯比郊區(qū)高。較高的CO2濃度值主要分布在九龍坡區(qū)東北部、渝北區(qū)西南部、江北區(qū)中西部。上述區(qū)域人口密集，車輛繁多，人為產生的碳排放，汽車排放的尾氣和工廠（發(fā)電廠、水泥廠、鍛造公司、模具公司等）在生產過程中產生的CO2，尤其是上述廠房排放的CO2形成多個碳排放中心。對模型反演結果進行分級統(tǒng)計分析，結果顯示見表2。

表2 重慶主城區(qū)CO2濃度分級統(tǒng)計表

根據清單法核算所得的地均CO2凈排放量的空間格局，與根據RS手段反演的碳濃度空間格局有較明顯的相關性。地均CO2凈排放量最低的巴南區(qū)的CO2濃度亦最低，地均CO2凈排放量較低的渝北區(qū)和北碚區(qū)，其根據RS手段反演所得的碳濃度亦有大片較低的區(qū)域，如渝北區(qū)西北部的中梁山和北部的龍王洞山地區(qū)、北碚區(qū)的縉云山地區(qū)。地均CO2凈排放量最高的渝中區(qū)，其碳濃度均高于700×10-6，相對較高的大渡口區(qū)和沙坪壩區(qū)，亦有較多區(qū)域的碳濃度達到1 200×10-6以上。

2.2 碳排放主因分析

2.2.1 能源結構

重慶市能源消費結構中，煤炭占能源消費量的70%，天然氣占10．2%，油料占9．6%，電力占6．2%，天然氣占能源消費的比重大，優(yōu)于全國的能源消費結構。但高碳能源煤炭所占比重大，因此重慶市必須進一步提高天然氣和一次電力等低碳能源在能源結構中的使用比重，減少煤炭能源的大量使用。

2.2.2 產業(yè)結構

碳排放部門是指第一產業(yè)、第二產業(yè)、第三產業(yè)和生活消費4個部門。通過重慶市能源消費和生產總值統(tǒng)計發(fā)現(xiàn)，重慶市第二產業(yè)能源消費最多，依次是第二產業(yè)、第三產業(yè)、第一產業(yè)。三大產業(yè)單位產值能耗均呈下降趨勢，產業(yè)內部能源結構得到一定程度的優(yōu)化。

工業(yè)行業(yè)中，電力熱力的生產和供應業(yè)、非金屬礦物制品業(yè)、化學原料及化學制品制造業(yè)是碳排放量最大、產值能耗最大的行業(yè)，交通運輸設備制造業(yè)、電氣機械及器材制造業(yè)、農副食品加工業(yè)等產值能耗低的產業(yè)得到了較好發(fā)展。

2.2.3 技術水平

目前，重慶市能源消費以煤炭為主，能源利用效率低，冶金、煤炭、電力、化工等“高能耗、高污染”行業(yè)比重大。雖然通過燃煤、煤層氣、煤矸石混合燃燒發(fā)電等低碳技術的研發(fā)，在全市啟動了碳減排項目，但重大節(jié)能減排技術未能得到廣泛推廣，對碳減排拉動作用不明顯。

2.2.4 生活模式

直轄以來，重慶市城鄉(xiāng)居民的各類消費支出都呈顯著上升變化趨勢，隨著居民的消費領域不斷拓寬，家庭設備用品及服務、醫(yī)療保健方面的消費支出比例增長較快。越來越多的私家車、大型家用電器使用和居住條件的改善，導致居民消費的碳排放增加。

3 結 語

本次研究的方法主要是通過地表溫度間接反演CO2濃度。而用于反演的衛(wèi)星數據少且難獲取，Landsat-7衛(wèi)星由于機載掃描行校正器SCL的故障問題，數據本身質量受到影響，通過插值處理后的影像反演地表溫度的精度有所限制，如果有質量更好的遙感數據源，反演結果將更加理想。

[1] 石廣玉．衛(wèi)星遙感探測大氣CO2濃度研究最新進展[J]．地球科學進展，2010(1)：7-11

[2] 王莉雯．碳排放氣體濃度遙感監(jiān)測研究[J]．光譜學與光譜分析，2012(6)：1 639-1 643

[3] 戴鐵．利用紅外輻射光譜反演大氣CO2濃度的理論研究[J]．氣象與環(huán)境科學，2008,31(1):1-5

[4] Mao J P, Kawa S R． Sensitivity Studies for Space-based Measurement of Atmospheric Total Column Carbon Dioxide by Reflected Sunlight[J]． Applied Optics, 2004,43(4):914-927

[5] Clough S A, Iacono M J, Moncet J L． Line-by-line Calculation of Atmospheric Fluxes and Cooling Rates: Application to Water Vapor[J]． Journal of Geophysical Research,1992(97)： 15 761-15 785

[6] Clough S A, Iacono M J． Line-by-line Calculations of Atmospheric Fluxes and Cooling Rates 2: Applications to Carbon Dioxide Ozone, Methane, Nitrous Oxide, and Halocarbons[J]．Journal of Geophysical Research,1995(100):16 519-16 535

[7] 李小文．定量遙感的發(fā)展與創(chuàng)新[J]．河南大學學報：自然科學版，2005(4)：49-50

[8] 覃志豪．單窗算法的大氣參數估計方法[J]．國土資源遙感,2003(2)：38-42

P237.9

B

1672-4623（2014）06-0103-04

10.3969/j.issn.1672-4623.2014.06.036

陳雪洋，碩士，研究方向為資源環(huán)境與遙感。

2014-08-13。