郭婉臻，夏 楠，塔西甫拉提·特依拜，王敬哲，尼格拉·塔什甫拉提，楊 春

?

基于AOD數(shù)據(jù)的新疆大型露天煤炭開采區(qū)PM2.5和PM10反演

郭婉臻，夏 楠，塔西甫拉提·特依拜※，王敬哲，尼格拉·塔什甫拉提，楊 春

（1. 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院，烏魯木齊 830046；2. 新疆大學(xué)綠洲生態(tài)教育部重點實驗室，烏魯木齊 830046）

MODIS氣溶膠產(chǎn)品AOD與PM2.5、PM10濃度高度相關(guān)，已廣泛應(yīng)用在PM2.5、PM10濃度模擬。該研究以新疆維吾爾自治區(qū)大型露天煤炭開采區(qū)準(zhǔn)東礦區(qū)為研究對象，結(jié)合實測的2014年5月、7月、9月、12月PM2.5、PM10質(zhì)量濃度數(shù)據(jù)與經(jīng)過垂直濕度訂正的MODIS氣溶膠產(chǎn)品AOD，利用多元回歸進(jìn)行擬合建模，從建立的40個模型中選取最優(yōu)模型并據(jù)此對研究區(qū)PM2.5、PM10的質(zhì)量濃度進(jìn)行定量估算。結(jié)果表明：AOD與PM2.5、PM10呈極顯著正相關(guān)；4個月AOD與PM2.5、PM10質(zhì)量濃度估算模型最優(yōu)模型均為多項式模型；其中7月AOD與PM2.5質(zhì)量濃度擬合模型較好（2=0.625 8），實測值與預(yù)測值擬合趨勢線2為0.805 7；9月PM10擬合模型效果理想（2=0.732 9），實測值與預(yù)測值擬合趨勢線2為0.807 7；將AOD代入最優(yōu)模型反演PM2.5，從空間層面上反映出各區(qū)域PM2.5濃度差異明顯。研究結(jié)果可為AOD的深度利用與PM2.5、PM10濃度的遙感估算提供參考，在大氣污染物空間分布、監(jiān)測大氣環(huán)境質(zhì)量、污染預(yù)測等方面都具有重要意義。

遙感；污染；氣溶膠；MODIS；PM2.5；PM10；氣溶膠光學(xué)厚度

0 引 言

氣溶膠通常是指懸浮在大氣中的直徑小于10m的微小粒子，對流層內(nèi)的氣溶膠通過直接輻射與間接輻射強迫對氣候系統(tǒng)產(chǎn)生強烈影響[1-2]。直徑小于2.5、10m的氣溶膠顆粒被分別命名為PM2.5、PM10。當(dāng)它們懸浮于大氣中并達(dá)到一定濃度時，會對區(qū)域的生態(tài)環(huán)境以及人體健康產(chǎn)生嚴(yán)重影響[3]。通過建立地面觀測站對氣溶膠污染物進(jìn)行全天候連續(xù)觀測，可以較為準(zhǔn)確地獲取時間序列上的污染物地面濃度信息。但由于獲取實測數(shù)據(jù)難度較大，監(jiān)測樣點數(shù)量有限，通過空間插值等方法所獲取的大尺度污染分析結(jié)果可靠性相對較低，無法準(zhǔn)確得到大氣污染物在區(qū)域尺度上的實時數(shù)據(jù)[4-6]。

衛(wèi)星遙感手段憑借其高效率、大尺度、低成本等優(yōu)勢，能夠在一定程度彌補地面監(jiān)測的不足[7-9]。通過遙感技術(shù)獲取的氣溶膠光學(xué)厚度數(shù)據(jù)，為揭示區(qū)域大氣中污染物的分布狀況、傳輸路徑、污染源分布及擴散動態(tài)等提供了有效途徑[10-12]。近年來，衛(wèi)星遙感資料在大氣污染這一研究領(lǐng)域，已有許多成果。其中，MODIS氣溶膠產(chǎn)品AOD因與PM2.5、PM10濃度高度相關(guān)得以廣泛應(yīng)用。20世紀(jì)70年代中期衛(wèi)星遙感技術(shù)開始應(yīng)用于氣溶膠研究[13]。Griggs[14]使用MSS輻射數(shù)據(jù)，證實大氣輻射與AOD具有線性關(guān)系。Carlson等[15]研究發(fā)現(xiàn)AOD與VHRR是近似線性關(guān)系，具備輻射可信度。Tanré[16]首次研究了地面上空氣溶膠，并建立大氣模型，提出應(yīng)當(dāng)消除大氣對陸地觀測的影響。Hutchinson等[17]證實提高氣溶膠與地面顆粒物的相關(guān)性需要進(jìn)行氣溶膠的垂直訂正。Tian等[18]在AOD與實測數(shù)據(jù)建立模型中，考慮到地面溫度及相對濕度等方面，置信水平為65%的預(yù)測模型效果較好。中國氣溶膠遙感反演始于20世紀(jì)80年代中期[19]，90年代氣溶膠對于環(huán)境生態(tài)以及人類健康的影響研究受到廣泛關(guān)注[20-21]。李成才等[22]發(fā)現(xiàn)MODIS氣溶膠產(chǎn)品數(shù)據(jù)同樣適用于中國的大氣研究。

綜合前人的研究，由于AOD表現(xiàn)出時間尺度上的差異性、空間區(qū)域的不一致性，利用AOD數(shù)據(jù)對PM2.5、PM10進(jìn)行定量估算的研究存在一定難度。而對MODIS氣溶膠產(chǎn)品進(jìn)行垂直-濕度訂正可以在一定程度上消除大氣內(nèi)不確定因素的影響，并提高定量估算模型的穩(wěn)健性?；诖耍狙芯恳孕陆疁?zhǔn)東工業(yè)園區(qū)為研究區(qū)，將經(jīng)過垂直-濕度訂正的氣溶膠光學(xué)厚度與PM2.5、PM10建立擬合模型，并進(jìn)行反演，因此利用礦區(qū)氣溶膠光學(xué)厚度與PM2.5、PM10進(jìn)行研究分析，以期對礦區(qū)大氣污染物空間分布、污染源探尋、及對空氣質(zhì)量進(jìn)行實時監(jiān)測的可行性進(jìn)行探索并為區(qū)域尺度大氣環(huán)境治理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

新疆準(zhǔn)東工業(yè)園區(qū)位于昌吉回族自治州東部三縣境內(nèi)，東、西起點分別為老君廟、阜康行政區(qū)東部邊界，北部為富蘊縣與卡拉麥里山南麓響鈴處，南部起點為古爾班通古特沙漠的北部邊緣地區(qū)，總面積約11 213 km2。典型內(nèi)陸干旱荒漠區(qū)，無地表水體，主要為荒漠戈壁地貌。礦區(qū)分布在海拔500～700 m之間，地勢總體南低北高。研究區(qū)屬典型的干旱大陸性氣候，年均氣溫6.8 ℃，最低氣溫為-29 ℃，氣溫最高達(dá)到39 ℃。年均降水量約為184 mm，年均蒸發(fā)量約為2 042 mm，其中無霜期約為155 d。土壤類型主要為荒漠風(fēng)沙土、荒漠堿土等。準(zhǔn)東地區(qū)地表植被主要類型是耐旱植被，如梭梭、琵琶柴、白刺等。準(zhǔn)東礦區(qū)由多個大型煤炭開采區(qū)構(gòu)成，包括五彩灣礦區(qū)、將軍廟礦區(qū)、西黑山礦區(qū)、北山礦區(qū)和大井礦區(qū)，其中位于研究區(qū)西北區(qū)域的五彩灣礦區(qū)露天開采區(qū)規(guī)模最大。

1.2 實測數(shù)據(jù)獲取

本研究于2014年5月3日至11日、7月13日至21日、9月22日至27日以及12月10日至17日對準(zhǔn)東煤田進(jìn)行實地調(diào)研和樣品采集。采樣時間段為北京時間10:30—18:30，采樣的步長為10 min。為了充分反應(yīng)研究區(qū)大氣污染的實際狀況，針對研究區(qū)污染源分布情況、環(huán)境空氣敏感目標(biāo)的分布情況、地形復(fù)雜程度、區(qū)域的主導(dǎo)風(fēng)向、可達(dá)性以及AOD數(shù)據(jù)的空間分辨率（10 km）等因素，全區(qū)共布設(shè)52個采樣點（圖1），樣點布設(shè)盡可能均勻且具有代表性。其中，上風(fēng)向和下風(fēng)向同時布點，下風(fēng)向加密布點，工業(yè)較密集的區(qū)域適當(dāng)增加樣點數(shù)量。采樣點的地理坐標(biāo)由麥哲倫Explorist710手持GPS導(dǎo)航儀精確定位。使用國產(chǎn)光散射便攜式直讀測量儀進(jìn)行野外測量獲得大氣顆粒物質(zhì)量濃度，PM2.5和PM10可同時測量，其測量范圍是0.001～10 mg/m3，相對測量誤差在±10%之內(nèi)，檢測靈敏度0.001 mg/m3。儀器被固定在同一高度（≥2 m）以確保排除近地物干擾，并保證數(shù)據(jù)準(zhǔn)確。

1.3 影像數(shù)據(jù)來源及預(yù)處理

研究所用的MYD04_L2數(shù)據(jù)免費下載于NASA官網(wǎng)（http://ladsweb.nascom.nasa.gov/），選取在2014年5月3日至11日、7月13日至21日、9月22日至27日以及12月10日至17日對應(yīng)日期的AOD日產(chǎn)品，其空間分辨率為10 km，云量小于2%，之后將地圖投影轉(zhuǎn)換為WGS84- UTM投影。由于MODIS衛(wèi)星過境研究區(qū)的時間是北京時間12:00—16:00，因此匹配的PM2.5、PM10質(zhì)量濃度野外測量數(shù)據(jù)采用該時段的4 h的平均值。使用ENVI 5.1的拓展工具M(jìn)odis conversion tool對MODIS的MYD04_ L2產(chǎn)品進(jìn)行校正和篩選，之后讀取影像550 nm處的陸地AOD柵格影像數(shù)據(jù)。

圖1 研究區(qū)地理位置及采樣點分布圖

1.4 垂直-濕度訂正

水溶性的氣溶膠粒子粒徑在相對濕度（RH）較高的情況下容易吸水膨脹。這會對折光系數(shù)產(chǎn)生影響，進(jìn)而使消光系數(shù)發(fā)生改變。因此，為了進(jìn)一步減少模型的不確定性，需要將氣溶膠的消光系數(shù)訂正為dry，設(shè)定濕度影響因子為?(RH)，則訂正公式為

式中?(RH)可以由經(jīng)驗公式求出，表達(dá)式為：?(RH)= 1/(1-(RH/100))。

AOD及可吸入顆粒物濃度分別被定義為氣溶膠粒子對特定波長的廣在垂直方向上的消光系數(shù)的總積分與地面的顆粒物質(zhì)量濃度。轉(zhuǎn)變AOD數(shù)據(jù)，以確保模型的定量估算精度并減少擬合過程中的不穩(wěn)定性。進(jìn)而應(yīng)用轉(zhuǎn)換地面消光系數(shù)進(jìn)行建模。一般情況下，在垂直方向上該系數(shù)的分布規(guī)律符合指數(shù)分布：

式中()代表高度的大氣消光系數(shù)，(0)為近地面的大氣消光系數(shù)，為氣溶膠標(biāo)高值，是衡量氣溶膠濃度隨高度降低而增加速率的參數(shù)。

大氣氣溶膠光學(xué)弧度代表整層大氣消光系數(shù)在垂直方向上的積分：

在水平均一條件下，地面大氣水平能見度與大氣消光系數(shù)有如下關(guān)系：

式中為人眼的對比感閾。

根據(jù)式（3）、式（4），氣溶膠標(biāo)高、大氣水平能見度和大氣光合厚度聯(lián)系起來，也就是常見的Koschmieder模型：

考慮到水平方向上大氣分子的瑞利散射和臭氧吸收等影響因素，Peterson模型在Koschmieder模型的基礎(chǔ)上，將對比度閾值由0.02更改為0.05，并增加常數(shù)項0.0146[23]，從而得到修正模型：

將式（6）轉(zhuǎn)換可得氣溶膠標(biāo)高公式：

求出氣溶膠標(biāo)高后，用AOD除以，可以求出地面消光系數(shù)(0)從而完成對氣溶膠光學(xué)厚度的垂直訂正。

2 結(jié)果與分析

2.1 顆粒物統(tǒng)計特征

由表1可知，研究區(qū)7月、9月兩季顆粒物質(zhì)量濃度 24 h平均值水平相似，變化較小，PM2.5質(zhì)量濃度平均值為3.57和3.76g/m3。PM10質(zhì)量濃度平均值為30.50和14.92g/m3。12月PM2.5、PM10濃度最高，且PM2.5/PM10超過50%，相較于其他月份偏高，原因是礦區(qū)位于地勢較低的山間，冬季靜風(fēng)時常發(fā)生，逆溫現(xiàn)象較嚴(yán)重，不利于顆粒物擴散。研究區(qū)PM2.5、PM10質(zhì)量濃度是非均勻化分布，PM10質(zhì)量濃度水平遠(yuǎn)高于PM2.5，變化幅度較大。實測數(shù)據(jù)變異系數(shù)結(jié)果均大于50%，表明實測數(shù)據(jù)是中等變異水平。7月PM2.5濃度、5月與9月PM10濃度變異系數(shù)均超過100%，屬于強變異。

表1 2014年5月、7月、9月和12月顆粒物濃度特征

統(tǒng)計數(shù)據(jù)表明研究區(qū)PM2.5、PM10質(zhì)量濃度隨季節(jié)變化而有所不同。冬季顆粒物污染嚴(yán)重，春夏秋相似變化較小。研究區(qū)冬季主要采暖方式是燃煤，導(dǎo)致顆粒物質(zhì)量濃度較高。研究區(qū)地處干旱礦區(qū)，夏季為采礦活動高峰時期，工業(yè)生產(chǎn)和交通運輸隨之加劇，使得顆粒物濃度增加，且夏季沙塵天氣發(fā)生頻繁，空氣干燥[24-26]，致使夏季較春秋季顆粒物濃度更高。

2.2 AOD與PM2.5、PM10質(zhì)量濃度關(guān)系

通過SPSS19.0對經(jīng)過濕度訂正、垂直訂正后的AOD與PM2.5、PM10進(jìn)行相關(guān)性分析，結(jié)果表明：地面實測數(shù)據(jù)PM2.5和PM10質(zhì)量濃度間相關(guān)系數(shù)較高，7月、9月、12月的相關(guān)系數(shù)分別為0.893、0.908、0.968，并在＜0.01水平上呈極顯著正相關(guān)。同時，AOD與PM2.5、PM10的相關(guān)系數(shù)在7月、9月、12月均為正值，且均在＜0.01水平上，證實氣溶膠AOD與顆粒物質(zhì)量濃度呈現(xiàn)正相關(guān)。其中，AOD與PM2.5的相關(guān)系數(shù)均高于AOD與PM10的相關(guān)系數(shù)。PM2.5與AOD的相關(guān)系數(shù)從大到小依次為0.674（9月）>0.511（7月）>0.501（12月）。氣溶膠散射系數(shù)、大氣顆粒物濃度相關(guān)系數(shù)較高，變化相似[27-28]。遙感影像數(shù)據(jù)MODIS與氣溶膠光學(xué)厚度的相關(guān)性最 高[29]，適用于礦區(qū)氣溶膠研究。

表2 2014年AOD與PM2.5、PM10質(zhì)量濃度間的相關(guān)性

注：**表示在0.01水平（雙側(cè)）上顯著相關(guān)，下同。

Note: ** indicates significant correlation at the 0.01 level (both sides), same as below.

2.3 建立AOD與PM2.5、PM10質(zhì)量濃度擬合模型

對研究區(qū)上述4個月份各采樣點進(jìn)行濕度訂正、垂直訂正后的AOD與PM2.5質(zhì)量濃度、PM10質(zhì)量濃度實測值進(jìn)行擬合模型分析。由于采樣存在缺失，7月、9月、12月、5月依次有48、49、41、42個樣點，故分別選用34、35、28、28個采樣點逐次建立擬合模型，剩余樣點實測值進(jìn)行估算模型精度驗證。本研究采用多種方法進(jìn)行回歸分析，以AOD值為自變量，PM2.5、PM10質(zhì)量濃度實測值為因變量，建立擬合回歸模型。分別建立指數(shù)函數(shù)模型、線性模型、多項式模型、對數(shù)函數(shù)模型和冪函數(shù)模型5種模型。研究區(qū)上述月份AOD與PM2.5和PM10的值均通過了（<0.01）0.01極顯著水平檢驗，故通過決定性系數(shù)2的大小來判定最優(yōu)模型。通過2值的高低從不同擬合模型中選出最優(yōu)模型用以估算顆粒物PM2.5、PM10質(zhì)量濃度。

對上述4季的各擬合模型進(jìn)行綜合比較分析，由表3可知，5月、7月、9月、12月的AOD與PM2.5、PM10質(zhì)量濃度擬合模型均為多項式模型擬合效果最佳，決定系數(shù)2均大于0.5。其中AOD與PM2.5質(zhì)量濃度擬合模型效果最佳的是7月多項式模型，2為0.625 8；AOD與PM10的最優(yōu)擬合模型為9月份的多項式模型，2為 0.732 9，擬合效果較好。

2.4 模型精度驗證

將顆粒物濃度預(yù)測值與剩余樣點的PM2.5、PM10質(zhì)量濃度實測值進(jìn)行驗證（如圖2）。圖2中由實測值與預(yù)測值擬合形成8種趨勢線，5月份2為0.854 5、0.698 2，RMSE為2.374 1、7.869 6g/m3；7月的2為0.805 7、0.727 1，RMSE為2.315 8、16.774 3g/m3；9月2為 0.801 8、0.807 7，RMSE為1.513 6、5.474 4g/m3；12月2為0.737 3、0.648 4，RMSE為8.897 1、16.189 1g/m3。其中，9月擬合模型擬合效果良好，能較好地表達(dá)研究區(qū)不同空間的PM2.5、PM10的質(zhì)量濃度，說明MODIS的AOD產(chǎn)品可以用于反演地面PM2.5、PM10質(zhì)量濃度。

2.5 氣溶膠光學(xué)厚度的PM2.5反演

本文將5月、7月、9月、12月最優(yōu)擬合模型應(yīng)用在衛(wèi)星遙感監(jiān)測準(zhǔn)東礦區(qū)可吸入顆粒物質(zhì)量濃度的監(jiān)測中?；诙嘣貧w模型，以PM2.5為例，利用ArcGIS 10.0軟件將大氣層氣溶膠光學(xué)厚度（AOD）估算值進(jìn)行反演，得到反演PM2.5質(zhì)量濃度分布圖（如圖3）。

表3 AOD與PM2.5和PM10質(zhì)量濃度的擬合模型比較

注：為PM2.5質(zhì)量濃度或PM10質(zhì)量濃度；為AOD。

Note:represents the mass concentration of PM2.5or PM10;represents the AOD.

圖2 預(yù)測值與實際值的關(guān)系

圖3 PM2.5的氣溶膠光學(xué)厚度模型反演

從圖3中可以發(fā)現(xiàn)，研究區(qū)大體上呈現(xiàn)出以西北區(qū)域向南、東南2個方向污染物濃度逐漸遞減的格局。5月、7月、9月、12月的可吸入顆粒物濃度高值區(qū)主要分布在研究區(qū)的西北部，即五彩灣煤電煤化工產(chǎn)業(yè)帶、火燒山高載能產(chǎn)業(yè)園區(qū)周邊及其下方南部。這一區(qū)域工業(yè)區(qū)最大、發(fā)展速度最快、煤炭相關(guān)產(chǎn)業(yè)鏈項目集中，且火燒山高載能產(chǎn)業(yè)園區(qū)設(shè)有五號露天礦，且2個產(chǎn)業(yè)園之間以及五彩灣煤電煤化工產(chǎn)業(yè)帶有4個大型露天煤礦，五彩灣礦區(qū)東側(cè)有南北2個露天煤礦，且地勢南高北低，導(dǎo)致可吸入顆粒物濃度處于高值狀態(tài)。夏季準(zhǔn)東礦區(qū)濕度低，較低的大氣水分無法起到充分抑制煤粉、揚塵等顆粒污染物的作用；且這一時期生產(chǎn)交通活動頻繁，尾氣也急劇增加，使得區(qū)域范圍可吸入顆粒物濃度較高。低值區(qū)分布在研究區(qū)南部，這一區(qū)域的工業(yè)污染源較少、人口密度較低，因此可吸入顆粒物濃度較低。夏季（7月）PM2.5質(zhì)量濃度高值區(qū)主要集中在準(zhǔn)東地區(qū)的西北部使得研究區(qū)的可吸入顆粒物濃度總體高于春秋季節(jié)。從圖中可以看出，西北區(qū)域五彩灣礦區(qū)周邊的大氣顆粒物濃度較高，其次是東部較高。準(zhǔn)東礦區(qū)冬季（12月）是采暖期，煤炭采暖且未實現(xiàn)集中供暖，且可吸入顆粒物擴散具有一定的延續(xù)性、滯后性以及累積效應(yīng)，冬季大風(fēng)天氣居多、降水偏少、氣候干燥、易引發(fā)沙塵、揚塵天氣或沙塵暴現(xiàn)象，地面土壤揚塵及西北區(qū)域沙塵傳輸造成的自然降塵對大氣中顆粒物濃度的貢獻(xiàn)很大，導(dǎo)致可吸入顆粒物質(zhì)量濃度較高。5月、9月溫度不高不低，大氣穩(wěn)定度低，利于顆粒物擴散，同時降雨較多，大氣濕度相對較大，不利于地面揚塵的發(fā)生，因此可吸入顆粒物濃度低于7月、12月。

圖中清楚地反映了模型反演的PM2.5質(zhì)量濃度的空間分布特征及變化規(guī)律，預(yù)示著在顆粒物污染物的排放源分布監(jiān)測方面，衛(wèi)星遙感結(jié)果具有潛在的應(yīng)用價值。今后的研究方向應(yīng)是進(jìn)一步提高遙感產(chǎn)品的精度，將衛(wèi)星遙感結(jié)果與地面觀測更好地相結(jié)合。

3 結(jié) 論

利用MODIS影像，對研究區(qū)的氣溶膠光學(xué)厚度（AOD）與實測PM2.5、PM10質(zhì)量濃度進(jìn)行5種模型擬合，通過精度驗證確定最優(yōu)模型，再將AOD代入最優(yōu)模型進(jìn)行反演，得出以下結(jié)論：

1）統(tǒng)計數(shù)據(jù)表明研究區(qū)PM2.5、PM10質(zhì)量濃度隨季節(jié)變化而有所不同，冬季顆粒物濃度相對較高，春夏秋相似變化較小。研究區(qū)7月、9月、12月AOD與PM2.5、PM10在＜0.01水平上均呈正相關(guān)。

2）經(jīng)模型擬合，AOD與PM2.5、PM10質(zhì)量濃度擬合效果最好的分別是7月的多項式模型和9月的多項式模型，擬合2分別為0.625 8和0.732 9，精度驗證的2分別達(dá)到0.805 7和0.807 7。

3）利用MODIS產(chǎn)品AOD代入最優(yōu)模型中進(jìn)行PM2.5反演，并制作PM2.5分布圖，可從空間層面上分析出PM2.5的分布特征及變化規(guī)律，在空間分布上研究區(qū)各區(qū)域PM2.5濃度差異明顯，說明利用衛(wèi)星遙感技術(shù)在估算可吸入顆粒物質(zhì)量濃度方面具有可行性和實踐意義。

[1] Dredge J, Fairchild I J, Harrison R M, et al. Cave aerosols: Distribution and contribution to speleothem geochemistry[J]. Quaternary Science Reviews, 2013, 63: 23－41.

[2] Shank L M, Howell S, Clarke A D, et al. Organic matter and non-refractory aerosol over the remote Southeast Pacific: Oceanic and combustion sources[J]. Atmospheric Chemistry and Physics, 2012, 12(1): 557－576.

[3] Pascal M, Falq G, Wagner V, et al. Short-term impacts of particulate matter (PM10, PM10-2.5, PM2.5) on mortality in nine French cities[J]. Atmospheric Environment, 2014, 95(1): 175－184.

[4] 葉瑜，李秀央，陳坤，等. 大氣氣溶膠光學(xué)厚度與大氣污染物及氣象因素關(guān)系的時間序列研究[J]. 氣候與環(huán)境研究，2011，16(2)：169－174. Ye Yu, Li Xiuyang, Chen Kun, et al. Association of aerosol optical depth with air pollutants and meteorological factors, a time series analysis[J]. Climatic & Environmental Research, 2011, 16(2): 169－174. (in Chinese with English abstract)

[5] Zeger S, Thomas D, Dominici F, et al. Exposure measurement error in time-series studies of air pollution: concepts and consequences[J]. Environ Health Perspect, 2000, 108(5): 419－426.

[6] 楊春. 準(zhǔn)東煤田大氣污染分析與PM2.5、PM10遙感監(jiān)測研究[D]. 烏魯木齊：新疆大學(xué)，2016. Yang Chun. Atmospheric Pollution and Monitoring Research on Remote Sensing of PM2.5, PM10from East Part of Junggar Basin in Xinjiang[D]. Urumqi: Xinjiang University, 2016. (in Chinese with English abstract)

[7] Chen B B, Sverdlik L G, Imashev S A, et al. Empirical relationship between particulate matter and aerosol optical depth over Northern Tien-Shan, Central Asia[J]. Air Quality, Atmosphere & Health, 2013, 6(2): 385－396.

[8] 姜高珍，韓冰，高應(yīng)波，等. Landsat系列衛(wèi)星對地觀測40年回顧及LDCM前瞻[J]. 遙感學(xué)報，2013，17(5)：1033－1048. Jiang Gaozhen, Han Bing, Gao Yingbo, et al. Review of 40-year earth observation with Landsat series and prospects of LDCM[J]. Journal of Remote Sensing, 2013, 17(5): 1033－1048. (in Chinese with English abstract)

[9] Guo Y, Feng N, Christopher S A, et al. Satellite remote sensing of fine particulate matter (PM) air quality over Beijing using MODIS[J]. International Journal of Remote Sensing, 2014, 35(17): 6522－6544.

[10] 潘一新，胡方超，汪柳紅，等. 太湖地區(qū)氣溶膠光學(xué)厚度的分布及其在大氣校正中的應(yīng)用[J]. 大氣科學(xué)學(xué)報，2013，36(3)：361－366. Pan Yixin, Hu Fangchao, Wang Liuhong, et al. Distribution of aerosol optical depth in Taihu Lake and its application of atmospheric correction[J]. Transactions of Atmospheric Sciences, 2013, 36(3): 361－366. (in Chinese with English abstract)

[11] 李成才，毛節(jié)泰，劉啟漢，等. 利用MODIS光學(xué)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(xué)，2003，27(5)：869－880.

Li Chengcai, Mao Jietai, Alexis Kai-Hon Lau, et al. Research on the air pollution in Beijing and its surroundings with MODIS AOD products[J]. Chinese Journal of Atmospheric Sciences, 2003, 27(5): 869－880. (in Chinese with English abstract)

[12] Li J, Carlson B E, Lacis A A. How well do satellite AOD observations represent the spatial and temporal variability of PM2.5, concentration for the United States[J]. Atmospheric Environment, 2015, 102: 260－273.

[13] Lee H J, Liu Y, Coull B A, et al. A novel calibration approach of MODIS AOD data to predict PM2.5 concentrations[J]. Atmospheric Chemistry & Physics, 2011, 11(11): 9769－9795.

[14] Griggs M. Measurements of atmospheric aerosol optical thickness over water using ERTS-1 data[J]. Journal of the Air & Waste Management Association, 1975, 25(6): 622.

[15] Carlson T N, Wendling P. Reflected radiance measured by NOAA 3 VHRR as a function of optical depth for saharan dust[J]. Journal of Applied Meteorology, 1977, 16(12): 1368－1371.

[16] Tanré D, Herman M, Deschamps P Y, et al. Atmospheric modeling for space measurements of ground reflectances, including bidirectional properties[J]. Applied Optics, 1979, 18(21): 3587.

[17] Hutchison K D, Faruqui S J, Smith S. Improving correlations between MODIS aerosol optical thickness and ground-based PM2.5observations through 3D spatial analyses[J]. Atmospheric Environment, 2008, 42(3): 530－543.

[18] Tian J, Chen D. A semi-empirical model for predicting hourly ground-level fine particulate matter (PM2.5) concentration in southern Ontario from satellite remote sensing and ground-based meteorological measurements[J]. Remote Sensing of Environment, 2010, 114(2): 221－229.

[19] 申彥波. 近20年衛(wèi)星遙感資料在我國太陽能資源評估中的應(yīng)用綜述[J]. 氣象，2010，36(9)：111－115. Shen Yanbo. Review of applications of satellite remote sensing data to solar energy resources assessment in China in recent 20 years[J]. Meteorological Monthly, 2010, 36(9): 111－115. (in Chinese with English abstract)

[20] Li S, Ma Z, Xiong X, et al. Satellite and ground observations of severe air pollution episodes in the winter of 2013 in Beijing, China[J]. Aerosol & Air Quality Research, 2016, 16(4): 1－13.

[21] Xin J, Zhang Q, Wang L, et al. The empirical relationship between the PM2.5, concentration and aerosol optical depth over the background of North China from 2009 to 2011[J]. Atmospheric Research, 2014, 138(3): 179－188.

[22] 李成才，毛節(jié)泰，劉啟漢，等. MODIS衛(wèi)星遙感氣溶膠產(chǎn)品在北京市大氣污染研究中的應(yīng)用[J]. 中國科學(xué)D輯：地球科學(xué)，2005，35(增刊I)：177－186.

[23] 陳韻竹，施潤和，王超，等. 區(qū)域優(yōu)化Peterson模型的氣溶膠光學(xué)厚度估算分析[J]. 地球信息科學(xué)學(xué)報，2013，15(2)：241－248.

Chen Yunzhu, Shi Runhe, Wang Chao, et al. Estimating aerosol optical depth based on regional optimized peterson model[J]. Journal of Geo-Information Science, 2013, 15(2): 241－248. (in Chinese with English abstract)

[24] 孫景群. 能見度與相對濕度的關(guān)系[J]. 氣象學(xué)報，1985(2)：104－108.

[25] 張歡. 烏魯木齊采暖期4種顆粒物質(zhì)量濃度比對研究[J]. 化學(xué)工程與裝備，2016(9)：18－21. Zhang Huan. The research on four kinds of atmospheric particulate matter concentration in Urumqi heating period[J]. Chemical Engineering & Equipment, 2016(9): 18－21. (in Chinese with English abstract)

[26] 薛文博，武衛(wèi)玲，許艷玲，等. 基于WRF模型與氣溶膠光學(xué)厚度的PM2.5近地面濃度衛(wèi)星反演[J]. 環(huán)境科學(xué)研究，2016，29(12)：1751－1758.Xue Wenbo, Wu Weiling, Xu Yanling, et al. Satellite retrieval of near-surface PM2.5based on WRF model and aerosol optical depth[J]. Research of Environmental Sciences, 2016, 29(12): 1751－1758. (in Chinese with English abstract)

[27] 周靜博，任毅斌，洪綱，等. 利用SPAMS研究石家莊市冬季連續(xù)灰霾天氣的污染特征及成因[J]. 環(huán)境科學(xué)，2015，36(11)：3972－3980. Zhou Jingbo, Ren Yibin, Hong Gang, et al. Characteristics and formation mechanism of a multi-day haze in the winter of shijiazhuang using a single particle aerosol mass spectrometer (SPAMS)[J]. Environmental Science, 2015, 36(11): 3972－3980. (in Chinese with English abstract)

[28] 馬露，鄒艷琴，李俊，等. 氣溶膠散射系數(shù)與空氣顆粒物PM10和PM2.5濃度間關(guān)聯(lián)性研究[J]. 環(huán)境與健康雜志，2011，28(11)：964－967.

Ma Lu, Zou Yanqin, Li Jun, et al. Relationship between concentration changes of particulate matter and aerosol scattering coefficient[J]. Journal of Environment & Health, 2011, 28(11): 964－967. (in Chinese with English abstract)

[29] 吳序鵬，楊軍，車慧正，等. 塔克拉瑪干沙漠地區(qū)氣溶膠光學(xué)厚度衛(wèi)星遙感產(chǎn)品驗證[J]. 氣候與環(huán)境研究，2012，17(2)：149－159. Wu Xupeng, Yang Jun, Che Huizheng, et al. Verification for the satellite remote sensing products of aerosol optical depth in taklimakan desert area[J]. Climatic & Environmental Research, 2012, 17(2): 149－159. (in Chinese with English abstract)

郭婉臻，夏 楠，塔西甫拉提·特依拜，王敬哲，尼格拉·塔什甫拉提，楊 春. 基于AOD數(shù)據(jù)的新疆大型露天煤炭開采區(qū)PM2.5和PM10反演[J]. 農(nóng)業(yè)工程學(xué)報，2017，33(19)：216－222. doi：10.11975/j.issn.1002-6819.2017.19.028 http://www.tcsae.org

Guo Wanzhen, Xia Nan, Tashpolat Tiyip, Wang Jingzhe, Nigara Tashpolat, Yang Chun.Inversion of PM2.5and PM10content based on AOD data in large opencast coal mining area of Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(19): 216－222. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.19.028 http://www.tcsae.org

Inversion of PM2.5and PM10content based on AOD data in large opencast coal mining area of Xinjiang

Guo Wanzhen, Xia Nan, Tashpolat Tiyip※, Wang Jingzhe, Nigara Tashpolat, Yang Chun

(1.830046; 2.830046)

Due to the high efficiency, large scale, low cost, and some other advantages, satellite remote sensing technology can cover the shortage of traditional ground-based observations, which can reflect the distribution, transmission path and diffusion dynamic of atmospheric pollutants in large scale. The MODIS aerosol product i.e. aerosol optical depth (AOD) and PM2.5and PM10(aerosol particulate with the diameter of less than 2.5 and 10m, respectively) had a high correlation, and AOD has been applied into the quantitative simulation of PM2.5and PM10concentration in existing researches. However, it is hard to estimate the PM2.5and PM10concentration with high precision, because of the temporal and spatial differences of AOD. The pretreatment of the vertical humidity correction for MODIS aerosol products can eliminate the influence of uncertainties in the atmosphere to a certain extent, and improve the precision and robustness of the quantitative estimation. Therefore, this study aimed to bring the vertical humidity correction into the preprocessing of MODIS aerosol product AOD. With 52 atmospheric dust samples collected from the Zhundong Industrial Park in Xinjiang Uighur Autonomous Region, China, the AOD and the concentration of PM2.5and PM10obtained in May, July, September, and December of 2014 were combined to establish the multiple regression fitting model. A total of 40 quantitative models were established, and the model based on polynomial was more robust and accurate than the others, which was applied to predict the concentration of PM2.5and PM10of Zhundong Industrial Park. Finally, the optimal fitting models were applied in the prediction of local inhalable particulate matter concentration in May, July, September, and December of 2014. Taking the case of PM2.5, multiple regression model and AOD were used to estimate the local PM2.5mass concentration, the spatial representation of which was conducted by ArcGIS 10.0. The results showed that: The mass concentrations of PM2.5and PM10in the study area were inhomogeneous, and the concentration level of PM10was much higher than that of PM2.5; and the variations of them were significant. AOD was significantly related with PM2.5and PM10, separately (<0.01). The optimal predicting models between AOD and the concentration of PM2.5, PM10in each month (May, July, September, and December) were the polynomial models. The2of the estimation model between AOD and the concentration of PM2.5reached 0.6258 in July and the2of the trend line fitted between measured value and predicting value was 0.8057; the2of the estimation model between AOD and the concentration of PM10was 0.732 9 in September, and the2of the trend line fitted between measured value and predictive value was 0.8077. The optimal model was applied with AOD to invert the concentration of PM2.5, which could reflect the spatial distribution characteristics and variations of PM2.5mass concentration in the Zhundong Industrial Park. This research can provide reference for the deep utilization of AOD and the estimation of PM2.5and PM10concentrations by means of remote sensing method, which has important significance in spatial distribution, remote sensing monitoring, and the forecasting of local atmospheric pollutants.

remote sensing; pollution; aerosol; MODIS; PM2.5; PM10; aerosol optical depth

10.11975/j.issn.1002-6819.2017.19.028

P407

A

1002-6819(2017)-19-0216-07

2017-06-08

2017-09-11

國家科技支撐項目（2014BAC15B01）；新疆大學(xué)博士科研啟動基金項目（BS150246）

郭婉臻，女，新疆伊寧人，主要從事干旱區(qū)資源環(huán)境及遙感應(yīng)用。 Email：guowanzhen24@163.com

※通信作者：塔西甫拉提·特依拜，男，新疆伊寧人，教授，博士，博士生導(dǎo)師，主要從事資源環(huán)境與3S技術(shù)應(yīng)用研究。Email：tash@xju.edu.cn