賀軍亮， 張淑媛， 李佳， 查勇

(1.石家莊學院資源與環(huán)境科學學院,石家莊　050035; 2.云南師范大學旅游與地理科學學院,昆明　650500;3.南京師范大學虛擬地理環(huán)境教育部重點實驗室,南京　210046)

基于MODIS的城市大氣顆粒物污染指數(shù)研究

賀軍亮1， 張淑媛1， 李佳2， 查勇3

(1.石家莊學院資源與環(huán)境科學學院,石家莊050035; 2.云南師范大學旅游與地理科學學院,昆明650500;3.南京師范大學虛擬地理環(huán)境教育部重點實驗室,南京210046)

摘要：遙感特征指數(shù)法是一種簡單、高效的信息提取方法。根據(jù)氣溶膠散射或吸收引起的衛(wèi)星不同波段間表觀反射率變化，構建了基于MODIS的城市大氣顆粒物污染指數(shù)，結合石家莊市各環(huán)境空氣質量站實測顆粒物濃度數(shù)據(jù)，分析差值植被指數(shù)(difference vegetation index, DVI)、歸一化灰霾指數(shù)(normalized difference haze index, NDHI)、歸一化建筑指數(shù)(normalized difference built-up index, NDBI)和差值建筑指數(shù)(difference built-up index, DBI)與PM10之間的相關關系。結果表明，除NDHI外，DVI,NDBI和DBI與大氣顆粒物質量濃度均呈現(xiàn)負相關關系，DBI與PM10之間線性相關關系較為明顯，綜合多種大氣顆粒物污染指數(shù)構建的大氣顆粒物質量濃度估算模型，可以用來簡便、快速地指示城市大氣顆粒物污染狀況。

關鍵詞：顆粒物； 歸一化灰霾指數(shù)(NDHI)； 差值植被指數(shù)(DVI)； 歸一化建筑指數(shù)(NDBI)； 差值建筑指數(shù)(DBI)

0引言

當前，我國大多數(shù)城市顆粒物質量濃度頻繁超出環(huán)境空氣質量標準限值，區(qū)域性灰霾天氣現(xiàn)象逐漸增多，危害加重。衛(wèi)星遙感數(shù)據(jù)具有寬覆蓋、連續(xù)、動態(tài)等特點，在大氣環(huán)境質量變化的連續(xù)性、空間性和趨勢性監(jiān)測方面具有明顯優(yōu)點[1]。

近年來，基于衛(wèi)星遙感估算近地面顆粒污染物濃度和監(jiān)測區(qū)域灰霾污染研究的主要思路是通過整個大氣柱氣溶膠光學厚度的反演直接建立與近地面顆粒物質量濃度之間的相關關系，或結合混合層高度、相對濕度等數(shù)據(jù)對氣溶膠的柱分布進行垂直訂正和濕度訂正后，建立地面顆粒物質量濃度的估算模型。Koelemeijer等[2]利用MODIS氣溶膠光學厚度產(chǎn)品與全歐洲地面觀測的PM10進行比較，發(fā)現(xiàn)二者總體上具有一定的相關性。Engel等[3]將MODISAOD與美國全境地面站點監(jiān)測的日均值、小時均值PM2.5進行了綜合相關分析，二者整體上的R2分別為0.43和0.40。李成才等[4]利用MODIS氣溶膠光學厚度產(chǎn)品研究了北京地區(qū)大氣顆粒物污染。除了利用氣溶膠光學厚度指示地面顆粒物質量濃度，Wang等[5]基于霾優(yōu)化變換方法建立了南京市PM10遙感估算模型。曹進等[6]研究了城市熱島效應與總懸浮顆粒物污染在時空分布上的相關性。此外，一部分學者依據(jù)氣溶膠散射或吸收引起的衛(wèi)星不同波段間表觀反射率變化構建遙感特征指數(shù)來研究大氣顆粒物污染狀況。余梓木等[7]利用AVHRR影像第一和第二通道構建差值植被指數(shù)(differencevegetationindex,DVI)，研究了該指數(shù)與衛(wèi)星過境時刻上海市10個環(huán)境監(jiān)測站PM10的相關關系，發(fā)現(xiàn)二者線性關系明顯。唐明等[8]基于1d的高分辨率SPOT衛(wèi)星影像計算差值植被指數(shù)，結合衛(wèi)星過境相近日期實測的30個采樣數(shù)據(jù)建立了北京市PM10的估算模型。王艷慧等[9]利用3景TM影像計算差值植被指數(shù)，分析了與衛(wèi)星過境相近日期實測的35個PM5.0采樣數(shù)據(jù)的線性相關關系。Zha等[10]分析比較霾天和無霾日MODIS影像上南京市典型地物光譜變化特征，提出了用于指示PM10污染狀況的歸一化灰霾指數(shù)(normalizeddifferencehazeindex,NDHI)。

以上研究中，遙感特征指數(shù)法是一種簡單、高效的信息提取方法，提供了大氣顆粒物污染快速監(jiān)測的可行思路，但大多未考慮土地覆被類型對大氣顆粒物污染指數(shù)應用效果的影響，以及各污染指數(shù)在指示同一地區(qū)大氣污染狀況適用性上的差異。本文以全國重點污染城市石家莊市區(qū)為研究區(qū)域，利用多通道組合運算技術，構建基于MODIS的城市大氣顆粒物污染指數(shù)，結合不同監(jiān)測站點實測環(huán)境空氣質量數(shù)據(jù)(PM10)，評價MODIS大氣顆粒物污染指數(shù)用來指示城市大氣顆粒物污染狀況的適用性。

1研究區(qū)概況與數(shù)據(jù)源

1.1研究區(qū)概況

石家莊市地處太行山中部山坳地帶，地勢西高東低，全年靜風頻率高，大氣環(huán)境容量很小，對污染物的消化和釋放能力很弱，加之汽車尾氣和燃煤污染物排放量大，多年來大氣污染已成為該地區(qū)最突出的環(huán)境問題。2013年，石家莊一直處于全國空氣質量較差城市的前列，大氣污染防治形勢十分嚴峻。

1.2數(shù)據(jù)源

1.2.1大氣顆粒物地面監(jiān)測數(shù)據(jù)

目前，石家莊全市有人民會堂、世紀公園、西南高教、化工學校、職工醫(yī)院、西北水源、高新區(qū)、封龍山等8個國控空氣質量自動監(jiān)測點。除封龍山外，其余站點均分布在城區(qū)內(nèi)，站點分布如圖1所示[11]。監(jiān)測數(shù)據(jù)通過河北省空氣質量自動發(fā)布系統(tǒng)，實時對外發(fā)布。石家莊灰霾天氣主要發(fā)生在秋冬季節(jié)，本次研究收集了2013年11月10日—12月31日城區(qū)內(nèi)7個站點的PM10每小時質量濃度數(shù)據(jù)。參考中國氣象科學數(shù)據(jù)共享服務網(wǎng)提供的地面氣候資料日值數(shù)據(jù)，該時間段內(nèi)，研究區(qū)也沒有降水等異常天氣發(fā)生。

圖1　石家莊市區(qū)空氣質量監(jiān)測站點分布

1.2.2衛(wèi)星影像資料

與SPOT，TM等衛(wèi)星影像相比，MODIS傳感器通道多，動態(tài)性好，數(shù)據(jù)獲取方便，是目前大氣環(huán)境應用最為廣泛的衛(wèi)星遙感數(shù)據(jù)。MODIS傳感器分別搭載在EOS-TERRA和EOS-AQUA這兩顆太陽同步極軌衛(wèi)星上，TERRA衛(wèi)星每日地方時上午過境，AQUA衛(wèi)星每日地方時下午過境。由于TERRA-MODIS掃描觀測資料在第3和第5通道上經(jīng)常存在條帶噪聲，影響地物光譜特征的分析和特征指數(shù)的構建精度[12]。因此本研究采用經(jīng)輻射定標和定位處理的AQUA-MODISL1B(MYD02HKM)標準產(chǎn)品數(shù)據(jù)，空間分辨率500m。

2研究方法

2.1光譜特征的提取

利用MODISL1B數(shù)據(jù)快視圖文件采用目視解譯的方法進行初步判斷，篩選出研究區(qū)無云覆蓋的影像。在ENVI中使用MODISConversionToolkit插件工具將衛(wèi)星影像統(tǒng)一配準到UTM投影50帶、WGS84坐標系下，同時校正圖像上的“蝴蝶結”效應(bowtie現(xiàn)象)，提取MYD02產(chǎn)品中的反射率數(shù)據(jù)。進一步使用閾值法剔除云像元，也可以參考MODIS云產(chǎn)品MYD35數(shù)據(jù)進行云掩模，以保證表觀反射率信息的準確。根據(jù)地面空氣質量自動監(jiān)測站的地理坐標，在配準后的反射率圖像上，精確定位地面監(jiān)測站所在像元。為了減小定位誤差產(chǎn)生的影響，以監(jiān)測站為中心，計算1.5km×1.5km區(qū)域內(nèi)像元表觀反射率平均值，作為對應空氣質量監(jiān)測站的光譜特征值。

對各監(jiān)測站點PM10質量濃度小于60μg/m3所有日期的相應影像表觀反射率計算平均值，代表受大氣顆粒物污染影響較小狀態(tài)下的監(jiān)測站下墊面波譜特征(圖2)。由于MODIS傳感器空間分辨率的限制，遙感圖像中存在著大量的混合像元，這在城市地區(qū)尤為明顯?？紤]石家莊市各監(jiān)測站點的實際分布位置，圖2所示波譜特征總體表現(xiàn)為建設用地和植被的混合光譜。其中，西北水源站點位于城鄉(xiāng)交錯地區(qū)(圖1)，與分布在建筑密集區(qū)的其他站點波譜相比，西北水源站點波譜中植被“紅邊”特征較為明顯，即近紅外(MODIS2)、可見光紅波段(MODIS1)反射率差異更為顯著。由于未經(jīng)大氣校正，受大氣影響最嚴重的藍光波段(MODIS3)反射率也存在一定差異。

圖2　MODIS1-7波段各監(jiān)測站點地物波譜曲線

以職工醫(yī)院和西北水源站點為例，圖3展示了重污染天(PM10質量濃度高于400μg/m3)和較低PM10質量濃度天(低于60μg/m3)的光譜變化特征。可以看出，隨著PM10質量濃度的增加，各站點上空反射出去的太陽輻射值在各通道均有不同程度的增加。其中，MODIS1—4通道的表觀反射率增加幅度整體較MODIS5—7波段大。原因可能是該地區(qū)氣溶膠粒子類型對表觀反射率的影響以散射作用為主，而當波長大于氣溶膠粒子直徑后，使得相應散射效應減弱。

圖3　地物光譜特征隨PM10質量濃度的變化

2.2MODIS大氣顆粒物污染指數(shù)的建立

2.2.1差值植被指數(shù)

已有研究表明，AVHRR，TM和SPOT差值植被指數(shù)(DVI)與近地面PM10，PM5.0質量濃度之間存在一定的相關關系[7-9]。在陸地遙感觀測研究中，植被指數(shù)主要用于反映綠色植物的生長狀況，一般利用近紅外通道和可見光紅光通道探測數(shù)據(jù)組合而成。在影像分類研究中，一般忽略大氣影響，采用未經(jīng)大氣校正的像元灰度值或表觀反射率建立植被指數(shù)。而在植被生物量、葉面積指數(shù)等定量遙感研究中，往往需要對遙感數(shù)據(jù)進行大氣校正后計算植被指數(shù)[13]。本文研究植被指數(shù)定量指示大氣顆粒物污染狀況的適用性，因此采用未經(jīng)大氣校正的MODIS影像波段2(近紅外波段，841～876nm)與波段1(可見光紅波段，620～670nm)反射率之差計算DVI，即

DVI=B2-B1，

(1)

式中，B2和B1分別為MODIS影像波段2和波段1的亮度值。

2.2.2歸一化灰霾指數(shù)

Zha等[10]通過總結南京市霾天和無霾天2景MODIS影像波段1、波段2和波段4(545～565nm)上典型地物的光譜變化特征，提出了歸一化灰霾指數(shù)(NDHI)。在這個研究基礎上，本文嘗試提取了石家莊市各監(jiān)測站點的NDHI，即

NDHI=(B1-B4)/(B1+B4) ，

(2)

式中，B4為MODIS影像波段4的亮度值。

2.2.3建筑指數(shù)

除排放源和氣象因素外，下墊面性質也直接影響大氣顆粒污染物的分布。相關研究發(fā)現(xiàn)，建設用地對近地表顆粒物濃度的影響比綠地明顯[14]。查勇等[15]基于TM影像典型地物波譜特征，提出了反映城鎮(zhèn)用地信息的歸一化建筑指數(shù)(normalizeddifferencebuilt-upindex,NDBI)。參照TM數(shù)據(jù)波段設置(1 550～1 750nm和760～900nm)，本文選擇MODIS影像波段6(1 628～1 652nm)和MODIS波段2(841～876nm)構建NDBI，并參考差值植被指數(shù)形式，提出差值建筑指數(shù)(differencebuilt-upindex,DBI)，一并用于分析它們與大氣顆粒物質量濃度之間的相關關系，即

NDBI=(B6-B2)/(B6+B2) ，

(3)

DBI=B6-B2，

(4)

式中，B6為MODIS影像波段6的亮度值。

2.3顆粒物質量濃度的統(tǒng)計特征

根據(jù)篩選出的MODIS影像的每日過境時間，選取地面空氣質量自動監(jiān)測數(shù)據(jù)中最接近時刻，即時間相隔在半小時內(nèi)的PM10顆粒物質量濃度有效數(shù)據(jù)，進行統(tǒng)計分析。由于西南高教站點在2013年11月整月及十二月上旬均無有效觀測數(shù)據(jù)發(fā)布，樣本數(shù)較少，為了保證各站點間觀測時間跨度的統(tǒng)一，本文最終只討論人民會堂、世紀公園、化工學校、職工醫(yī)院、西北水源和高新區(qū)等6個城區(qū)站點共計190個樣本數(shù)據(jù)的應用。所選站點顆粒物質量濃度的統(tǒng)計特征描述見表1。

表1　顆粒物質量濃度特征統(tǒng)計量

由表1可知，各監(jiān)測站點均接近或遠遠超出了環(huán)境空氣質量標準中的濃度限值，空氣質量較差[16]。

3研究結果

3.1大氣顆粒物污染指數(shù)與質量濃度相關性分析

利用SPSS統(tǒng)計軟件分別計算變量大氣顆粒物污染指數(shù)和變量顆粒物質量濃度(PM10)之間的Pearson相關系數(shù)(表2)，從而獲得指示大氣顆粒物污染程度的最佳污染指數(shù)。

表2　大氣顆粒物污染指數(shù)與PM10之間的相關關系

從表2中可以看出，除NDHI外，DVI,NDBI和DBI與大氣顆粒物質量濃度均呈負相關關系。對于DVI，西北水源站點相關性最高，且通過了0.01的顯著性水平； 而其他站點相關性較低，特別是化工學校、職工醫(yī)院和高新區(qū)站點，與PM10均未通過0.01的顯著性水平檢驗。相反，對于NDBI和DBI，西北水源站點相關性卻是最低的，甚至未通過0.05的顯著性檢驗。結合圖1和圖2，西北水源站點分布位置和下墊面波譜特征的獨特性，是造成以上相關性結果的主要原因。就本研究區(qū)來說，除職工醫(yī)院一個站點外，NDHI與大氣顆粒物質量濃度之間的相關性并不明顯。Zha等[10]的研究指出，相對于其他地物，水體像元的NDHI隨PM10質量濃度變化更為敏感，而北方城市市區(qū)內(nèi)很少有大面積水域存在，一定程度上限制了NDHI的應用。Zha等的研究利用典型地物NDHI和整個城市平均PM10進行相關分析，這也可能是造成與本文相關性結果不一致的原因。整體來看，除西北水源站點外，NDBI和DBI在其他站點均與PM10保持了較為穩(wěn)定的顯著相關性，而且DBI相關性更好。

3.2大氣顆粒物質量濃度的估算模型

通過上文相關性分析，發(fā)現(xiàn)土地覆被類型對大氣顆粒物污染指數(shù)應用效果有一定的影響。而城市地區(qū)土地覆被類型復雜多樣，加之中分辨率衛(wèi)星遙感圖像中大量混合像元的存在，因此，本文考慮綜合多種大氣顆粒物污染指數(shù)，采用逐步回歸分析方法構建大氣顆粒物質量濃度的估算模型。從190個樣本數(shù)據(jù)中隨機選取160個數(shù)據(jù)建立估算模型，剩余30個數(shù)據(jù)作為獨立樣本對估算模型進行精度驗證。

PM10逐步回歸分析模型中自變量加入順序為DBI，NDHI，NDBI和DVI，模型決定系數(shù)R2分別為0.620，0.692，0.733和0.747，以上模型Sig值均<0.001，均通過了顯著性檢驗。最終確定PM10的最優(yōu)遙感指數(shù)估算模型為

PM10=218.178-17 432.9DBI+1 858.361NDHI+1 730.713NDBI-2 025.427DVI。

(5)

以上模型能夠解釋PM1074.7%的變異，160個建模樣本數(shù)據(jù)的擬合平均相對誤差為18.2%。進一步利用剩余30個檢驗樣本數(shù)據(jù)對模型進行估算評價，平均相對誤差為8.8%。圖4顯示了建模樣本和檢驗樣本大氣顆粒物質量濃度實測值和估算值之間的散點圖。整體來看，大氣顆粒物污染指數(shù)具有指示PM10質量濃度變化的能力?；诒碛^反射率的大氣顆粒物污染指數(shù)反映的是地表到大氣層頂整層大氣的變化狀況，與近地面顆粒物濃度的相關關系受風速、混合層高度、相對濕度等氣象因素以及顆粒物形狀、組成等的綜合影響，有可能會產(chǎn)生個別較大的估算誤差。

圖4　大氣顆粒物質量濃度實測值與估算值

以2013年11月14日為例，基于以上建立的估算模型，從MODIS遙感影像中計算獲得了PM10質量濃度的空間分布，如圖5所示?；W校、職工醫(yī)院、人民會堂、高新區(qū)、世紀公園和西北水源等站點的估算相對誤差分別為5.1%，14.5%，8.4%，27.7%，15.3%和35.8%。從圖中可以看出，城區(qū)西南和中部地區(qū)估算獲得的PM10變化趨勢較為連續(xù)，而北部和東部地區(qū)空間分異較為明顯。在逐步回歸分析中，決定系數(shù)越大，自變量對因變量的解釋程度越高，自變量引起的變異占總變異的百分比高，相關的密切程度越大。所確定的最優(yōu)遙感指數(shù)估算模型中僅單因子差值建筑指數(shù)(DBI)就能夠解釋PM1062.0%的變異。對照圖1中城區(qū)土地利用類型分布來看，建設用地也主要集中在城區(qū)西南和中部地區(qū)。綜合以上相關性分析和估算模型誤差檢驗結果，本文所建估算模型更適用于中分辨影像上城市建筑密集區(qū)的應用。具體應用中，可以參考城市土地利用圖或者采用閾值法對非建筑用地的部分(如水域、耕地等)進行掩模處理，以獲取較為準確的大氣顆粒物濃度分布信息。

圖5　PM10質量濃度估算值空間分布

4結論

1)依據(jù)氣溶膠散射或吸收引起的衛(wèi)星不同波段間表觀反射率變化構建遙感特征指數(shù)，在一定程度上可以快速指示區(qū)域大氣顆粒物污染狀況。受下墊面覆被類型的影響，基于MODIS的DVI，NDHI，NDBI和DBI在指示同一地區(qū)大氣污染狀況適用性上存在一定差異。

2)除NDHI外，DVI，NDBI和DBI與大氣顆粒物質量濃度均呈現(xiàn)負相關關系。對于城市建筑密集區(qū)，DBI能夠很好地指示近地表PM10的質量濃度變化，兩者之間的線性相關關系明顯，相關系數(shù)達到-0.704。

3)綜合多種大氣顆粒物污染指數(shù)，采用逐步回歸分析方法構建了大氣顆粒物質量濃度估算模型，模型決定系數(shù)R2為0.747，擬合平均相對誤差為18.2%，該模型適用于城市建筑用地下墊面上的應用。具體應用中，可以參考城市土地利用圖或者利用閾值法提取城市建筑密集區(qū)，進而計算大氣顆粒物污染指數(shù)用以簡便、快速地指示城市大氣顆粒物污染狀況。

參考文獻(References)：

[1]王橋,厲青,陳良富,等.大氣環(huán)境衛(wèi)星遙感技術及其應用[M].北京:科學出版社,2010:1-2.

WangQ,LiQ,ChenLF,etal.TheTechnologyandApplicationsoftheSatelliteRemoteSensinginAtmosphericEnvironment[M].Beijing:SciencesPress,2010:1-2.

[2]KoelemeijerRBA,HomanCD,MatthijsenJ.ComparisonofspatialandtemporalvariationsofaerosolopticalthicknessandparticulatematteroverEurope[J].AtmosphericEnvironment,2006,40(27):5304-5315.

[3]Engel-CoxJA,HollomanCH,CoutantBW,etal.QualitativeandquantitativeevaluationofMODISsatellitesensordataforregionalandurbanscaleairquality[J].AtmosphericEnvironment,2004,38(16):2495-2509.

[4]李成才,毛節(jié)泰,劉啟漢,等.利用MODIS光學厚度遙感產(chǎn)品研究北京及周邊地區(qū)的大氣污染[J].大氣科學,2003,27(5):869-880.

LiCC,MaoJT,LiuQH,etal.ResearchontheairpollutioninBeijinganditssurroundingswithMODISAODProducts[J].ChineseJournalofAtmosphericSciences,2003,27(5):869-880.

[5]WangQ,ZhaY,GaoJ,etal.EstimationofatmosphericparticulatematterbasedonMODIShazeoptimizedtransformation[J].InternationalJournalofRemoteSensing,2013,34(5):1855-1865.

[6]曹進,曾光明,石林,等.基于RS和GIS的長沙城市熱島效應與TSP污染耦合關系[J].生態(tài)環(huán)境,2007,16(1):12-17.

CaoJ,ZengGM,ShiL,etal.CouplingrelationshipbetweentheurbanHeat-IslandandthetotalsuspendedparticlespollutioninChangshaCitybasedonremotesensingandGIS[J].EcologyandEnvironment,2007,16(1):12-17.

[7]余梓木,周紅妹,鄭有飛.基于遙感和GIS的城市顆粒物污染分布研究[J].自然災害學報,2004,13(3):58-64.

YuZM,ZhouHM,ZhengYF.StudyondistributionofurbanparticlepollutionbyremotesensingandGIS[J].JournalofNaturalDisasters,2004,13(3):58-64.

[8]唐明,趙文吉,趙文慧.基于SPOT影像的可吸入顆粒物遙感反演[J].國土資源遙感,2011,23(1):62-65.doi:10.6046/gtzyyg.2011.01.12.

TangM,ZhaoWJ,ZhaoWH.TheretrievalofinhalableparticulatematterbasedonSPOTimages[J].RemoteSensingforLandandResources,2011,23(1):62-65.doi:10.6046/gtzyyg.2011.01.12.

[9]王艷慧,肖瑤.北京市PM5.0可吸入顆粒物反演及其時空分布分析[J].環(huán)境科學,2014,35(2):428-435.

WangYH,XiaoY.Inversionandspatial-temporaldistributionanalysisonPM5.0inhalableparticulateinBeijing[J].EnvironmentalScience,2014,35(2):428-435.

[10]ZhaY,GaoJ,JiangJJ,etal.Normalizeddifferencehazeindex:Anewspectralindexformonitoringurbanairpollution[J].InternationalJournalofRemoteSensing,2012,33(1):309-321.

[11]黃曉園,周汝良,羅輝.MODIS影像條帶噪聲去除鄰域插值法研究[J].地理空間信息,2008,6(1):101-103.

HuangXY,ZhouRL,LuoH.Methodforremovingthestripenoiseswithneighboring-regioninterpolationalgorithminMODISimages[J].GeospatialInformation,2008,6(1):101-103.

[12]JensenJR.遙感數(shù)字影像處理導論[M].陳曉玲,龔威,李平湘,等譯.3版.北京:機械工業(yè)出版社,2007.

JensenJR.IntroductoryDigitalImageProcessing:ARemoteSensingPerspective[M].ChenXL,GongW,LiPX,etal,trans.3rded.Beijing:MachinePress,2007.

[13]唐明.北京城區(qū)可吸入顆粒物分布與土地覆蓋類型的關系研究[D].北京:首都師范大學,2011.

TangM.TheCorrelationbetweentheParticulateMatterDistributionandLandCoverTypesinBeijing[D].Beijing:CapitalNormalUniversity,2011.

[14]查勇,倪紹祥,楊山.一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學報,2003,7(1):37-40.

ZhaY,NiSX,YangS.Aneffectiveapproachtoautomaticallyextracturbanland-usefromTMimagery[J].JournalofRemoteSensing,2003,7(1):37-40.

(責任編輯： 李瑜)

ParticulatematterindicesderivedfromMODISdataforindicatingurbanairpollution

HEJunliang1,ZHANGShuyuan1,LIJia2,ZHAYong3

(1. Department of Resources and Environment, Shijiazhuang University, Shijiazhuang 050035, China; 2. College of Tourism and Geographical Sciences, Yunnan Normal University, Kunming 650500, China; 3. Key Laboratory of Ministry of Education for Virtual Geographic Environment, Nanjing Normal University, Nanjing 210046, China)

Abstract:According to the variation of MODIS apparent reflectance caused by aerosol scattering and absorption, spectral indices for urban particulate pollution were constructed, which include difference vegetation index(DVI), normalized difference haze index (NDHI), normalized difference build-up index (NDBI) and difference build-up index (DBI). Relations between the indices and particle concentrations (PM10) measured by the Shijiazhuang Environmental Monitoring Station were discussed. Coefficient analysis indicates that there is negative correlation between the particle concentrations and the spectral indices except NDHI. The MODIS DBI is linearly related to PM10. The estimating model of PM10based on several indices makes it easier to quickly monitor and evaluate atmospheric particulate pollution in urban area.

Keywords:particulate matter; normalized difference haze index(NDHI); difference vegetation index(DVI); normalized difference build-up index(NDBI); difference build-up index(DBI)

doi:10.6046/gtzyyg.2016.02.20

收稿日期：2014-11-21；

修訂日期：2014-12-25

基金項目：國家重點基礎研究發(fā)展計劃“我國活性氮源及其對空氣質量與氣候變化的影響機理研究”(編號： 2014CB953802)和河北省教育廳資助科研項目“灰霾強度衛(wèi)星遙感監(jiān)測技術方法研究”(編號： Z2014090)共同資助。

中圖法分類號：X 87; TP 79

文獻標志碼：A

文章編號：1001-070X(2016)02-0126-06

第一作者簡介：賀軍亮(1979-)，男，講師，主要從事3S技術在生態(tài)環(huán)境中的應用研究，Email: hejunliang0927@163.com。

引用格式： 賀軍亮,張淑媛,李佳,等.基于MODIS的城市大氣顆粒物污染指數(shù)研究[J].國土資源遙感,2016,28(2):126-131.(HeJL,ZhangSY,LiJ,etal.ParticulatematterindicesderivedfromMODISdataforindicatingurbanairpollution[J].RemoteSensingforLandandResources,2016,28(2):126-131.)