王玲玲，陳 婷，鄒長武，羅 偉

（1.自貢市氣象局，四川 自貢 643000；2.高原與盆地暴雨旱澇災害四川省重點實驗室，成都 610072；3.成都信息工程大學，成都 610103）

隨著工業(yè)的發(fā)展，能源消耗、機動車和人口數量日益增加，加之氣候和地理等自然條件限制，給大氣環(huán)境質量帶來了巨大壓力［1-3］。有研究指出氣溶膠粒子是影響空氣質量的重要因素［1］，具有高散射率的PM2.5在降低空氣能見度方面能力較粗顆粒物更強［2］，是形成霾天氣的重要原因［3］。由于排放源的不同與季節(jié)變化，各站點的PM2.5濃度［ρ（PM2.5）］也存在一定差異并隨季節(jié)變化而變化［4］。而顆粒物濃度變化與污染源分布、外源輸送、本地氣象條件均密切相關，在污染源排放總量一定的情況下其濃度主要取決于氣象條件［5］。目前對ρ（PM2.5）監(jiān)測方法的研究多是基于空氣質量監(jiān)測站點實測數據和地基遙感LST［6］，地面監(jiān)測結果較精確，但由于現有的地面監(jiān)測站能提供的ρ（PM2.5）數據僅限于有限區(qū)域的部分點位，分布不均勻且數量較少［7，8］，加之人力和物力的限制，迫切需要開展廣域、準確的ρ（PM2.5）監(jiān)測。與常規(guī)地面監(jiān)測、地基遙感手段相比，衛(wèi)星遙感技術覆蓋區(qū)域更廣，可快速收集地表時間和空間動態(tài)變化的信息，實現不同區(qū)域尺度、全方位動態(tài)監(jiān)測。雖然遙感監(jiān)測氣溶膠光學厚度（Aerosol optical depth，AOD）反演計算復雜、精度較低，與ρ（PM2.5）的相關系數仍存在不穩(wěn)定性，且易受到時空及其他因素的影響［9］，有時得到的結果離用于ρ（PM2.5）監(jiān)測的實際應用還有一定差距，但可彌補地面監(jiān)測范圍的不足。為實現廣大無地面監(jiān)測站覆蓋地區(qū)的ρ（PM2.5）監(jiān)測，研究者紛紛開展了基于遙感數據的ρ（PM2.5）監(jiān)測方法研究，主要包括ρ（PM2.5）與MODIS AOD的線性相關性研究，已有研究表明AOD與ρ（PM2.5）相關性較高［10，11］，且有研究發(fā)現四川盆地是中國重要的氣溶膠光學厚度大值區(qū)之一［12］。

四川省自貢市是一個老工業(yè)城市，據統(tǒng)計近幾年自貢市秋冬季空氣質量明顯下降，引起社會公眾的普遍關注，其細顆粒物ρ（PM2.5）增幅位于四川省甚至全國前列，并且污染源復雜［12，13］。近年來根據空氣質量自動監(jiān)測資料可知，PM2.5已成為該區(qū)域的主要空氣污染物，且對人體健康和大氣空氣質量危害更為突出，2017年上半年NO2、SO2平均濃度增幅居全省前列，同比分別增加20.8%、32.5%，且沒有明顯改善的趨勢。近年來，美國航空航天局（NASA）發(fā)布了1 km分辨率的氣溶膠產品，該產品提供的AOD產品數據采用新的多角度大氣校正（Multi-angle implementation of atmospheric correction，MAIAC）算法［14，15］，因此，本研究結合MAIAC AOD和氣象要素等因素定性分析自貢市ρ（PM2.5）時空分布特征及其大氣污染物來源及擴散的成因，以期為掌握自貢市環(huán)境空氣質量狀況及采取大氣污染防治措施提供一定的參考。

1 數據與方法

1.1 空氣質量監(jiān)測數據

根據國家空氣質量聯網監(jiān)測管理平臺（http：∕∕221.10.170.172：8000∕）提供的監(jiān)測點信息，選取自貢市城區(qū)2014—2019年4個國控監(jiān)測站點ρ（PM2.5）逐小時和日均值數據；站點位置分別為代表文化區(qū)的檀木林站、商業(yè)交通居民混合的青杠林路站、居住區(qū)的春華路站和近郊地區(qū)的大塘山站，按照不同時間尺度對自貢城區(qū)ρ（PM2.5）時空變化特征進行分析。

1.2 氣象要素監(jiān)測數據

氣象要素對空氣污染物的聚集、傳輸和擴散有顯著影響［5］。獲取自貢市國家氣象觀測站采集數據后，通過手工錄入2014—2019年逐日和逐小時氣溫、氣壓、相對濕度、降水量、風向和風速6項氣象要素數據，分別計算得到所需氣象要素的月均值、季均值，便于與ρ（PM2.5）進行相關性分析。

1.3 MAIAC AOD數據

MODIS衛(wèi)星觀測系統(tǒng)的氣溶膠產品分別使用多角度算法、暗像元算法、深藍算法的1、3、10 km 3種分辨率產品［9］。美國航空航天局（NASA）數據中心（https：∕∕ladsweb.modaps.eosdis.nasa.gov∕search∕）的MCD19A2數據是結合MODIS上午星（Terra）和下午星（Aqua）經過MAIAC反演的陸地AOD產品，空間分辨率為1 km，時間分辨率為1 d。MAIAC通過時間序列分析和影像處理法對亮地表區(qū)（如沙漠）和暗地表區(qū)（植被覆蓋區(qū)）進行大氣校正和氣溶膠反演［14］，在 暗 地 表 區(qū)MAIAC AOD與 傳 統(tǒng)的MODIS AOD算法的反演精度相似，在亮地表區(qū)MAIAC AOD精度更高，且其分辨率和有效觀測范圍有很大的提升［15，16］。該AOD產品數據集包含0.47 μm和0.55 μm的多種參數，主要有氣溶膠光學厚度、陸地和云層上的水蒸氣柱、海洋精細模式分數，同時提供衛(wèi)星觀測角度及氣溶膠模型指數［17］。

研究選取2014—2019年數據格式為HDF的MCD19A2產品數據，共1 825期，使用IDL語言調用MRT（Modis reprojection tools）軟件將數據轉為TIFF格式，提取陸地氣溶膠光學厚度AOD_0.55 μm的有效波段后進行投影轉換為地理坐標（WGS_1984_UTM）。由于AOD_0.55 μm波段像元的比例因子為0.001，且提取的波段填充值-28 672遠超出其有效范圍-100～5 000，可能會對計算結果產生影響，因此，利用ENVI軟件分別進行像元值縮小1 000倍和填充值賦值為0的操作，通過掩膜和波段合成的方法提取自貢市城區(qū)月度、季度和年際AOD均值。

2 結果與分析

2.1 自貢市城區(qū)AOD和ρ（PM2.5）的時空特征

各站點ρ（PM2.5）隨時間變化存在一定差異，因此按照季、月和小時分別進行自貢市城區(qū)時間變化特征分析。季節(jié)按照候平均氣溫劃分，3—5月為春季，6—8月為夏季，9—11月為秋季，12月至次年2月為冬季［13］。

2.1.1 AOD特征AOD為大氣層頂到地面整個垂直柱內氣溶膠對太陽光反射和吸收的積分無量綱［18］。已有研究表明，AOD與ρ（PM2.5）相關性較高［19］，因此采用均值合成的方法得到自貢市城區(qū)2014—2019年AOD年均空間分布特征。年均氣溶膠大值區(qū)主要在研究區(qū)中部偏東偏南部，2014年、2017年大部分區(qū)域以及2015年中部偏東區(qū)域氣溶膠污染相對嚴重，2016年污染較輕，僅在偏東南地區(qū)污染較為嚴重，2018年和2019年污染有所減輕，整體有顯著改善（圖1），因此自貢市城區(qū)的污染狀況開始出現逐年減輕的良好勢頭。

圖1 2014—2019年自貢市城區(qū)AOD年均值變化趨勢

2.1.2ρ（PM2.5）特征監(jiān)測站點分別代表近郊地區(qū)、居住區(qū)、商業(yè)交通居民混合區(qū)和文化區(qū)，同一時間ρ（PM2.5）卻表現不同。因此，基于ArcGIS中運用徑向基函數（Radial basis function，RBF）的三角網格補洞方法進行空間插值并重分類，分別獲取自貢市城區(qū)各個站點4個季節(jié)和12個月的空間分布特征。

自貢市城區(qū)2014—2019年ρ（PM2.5）四季分布呈春秋冬季高、夏季低的分布特征，其中冬季空氣污染最嚴重，均值為110.3 μg∕m3，且高濃度覆蓋區(qū)域面積廣（圖2）。四季ρ（PM2.5）均穩(wěn)定表現出大安近郊區(qū)工業(yè)較為密集的大塘山站和高新區(qū)交通運輸和人口活動頻繁的春華路站水平較高。

圖2 2014—2019年自貢城區(qū)ρ（PM2.5）季均值變化趨勢（單位：μg/m3）

2014—2019年ρ（PM2.5）月均值表現為1月最高，12月和2月次之，6—9月較低，10月開始升高（圖3）?？臻g差異表現為工業(yè)密集的大塘山站和高新區(qū)的春華路站ρ（PM2.5）多高于另外2個站，僅11月貢井區(qū)青杠林路站高于其余3個站，該站點位于商業(yè)交通居民混合區(qū)，人為活動較頻繁。

圖3 2014—2019年自貢市城區(qū)ρ（PM2.5）月均值變化趨勢（單位：μg/m3）

自貢市位于四川盆地南部，其地勢由西北向東南呈階梯狀逐漸降低，而盆地南部地形呈南高北低，流場和風場易形成氣旋式渦旋，使污染物難以遠距離擴散輸送而在自貢市城區(qū)附近匯集，從而導致空氣污染嚴重，同時與自貢市接壤的其他城市的部分地區(qū)也會受到影響［12，20］。2014—2019年自貢市城區(qū)AOD年均值表現為2014年大部分地區(qū)、2015年中部偏東地區(qū)和2017年大部分地區(qū)氣溶膠污染相對較為嚴重，2016年污染較輕，2018年和2019年有顯著改善；同期ρ（PM2.5）季和月分布呈冬季最高、高濃度范圍最廣，其次是春季、秋季，夏季最低的分布特征。ρ（PM2.5）季、月空間分布多表現為大塘山站和春華路站較高，而檀木林站低的分布特征，由此可知工業(yè)生產總值較高、交通運輸頻繁、人口較為密集的大安區(qū)、高新區(qū)ρ（PM2.5）較高［21，22］。

2.2 ρ（PM2.5）與氣象因素的季節(jié)相關性

在污染源一定的情況下，ρ（PM2.5）取決于研究區(qū)氣象條件等外在因素，氣象條件隨時間變化時細顆粒物的稀釋與擴散狀態(tài)也在不斷變化，且同一污染源在不同氣象條件下空氣污染物質量濃度相差較大［23，24］。

采用Spearman法［25，26］將自貢市城區(qū)4個國控監(jiān)測點ρ（PM2.5）2014—2019年的季均值分別與同期氣壓、氣溫、相對濕度、風速和降水量的季均值進行相關性分析，結果見表1。ρ（PM2.5）與四季的降水量均呈極顯著負相關（P＜0.01），其中在秋季、冬季的負相關性高于春季和夏季；ρ（PM2.5）與春季、秋季、冬季的風速均呈極顯著負相關（P＜0.01），說明隨著地面風速的增大，ρ（PM2.5）的擴散越明顯，而夏季這種特征不明顯；由于較高相對濕度是降水的重要指標之一，因此排除降水影響的相對濕度與ρ（PM2.5）在冬季和夏季相關性較高，而春季和秋季這種特征較不明顯。ρ（PM2.5）在春季、夏季、冬季與地面氣壓有一定的負相關性，在秋季為一定的正相關性；ρ（PM2.5）與氣溫在春季、夏季、冬季呈正相關，在秋季呈負相關，說明在春季、夏季、冬季隨著氣溫升高，氣壓降低，ρ（PM2.5）將增大。由此可知，當近地面風速較小，研究區(qū)處于低氣壓控制狀態(tài)下，大氣層相對穩(wěn)定，就會導致垂直方向上無明顯擴散，水汽、污染物便在近地層積累；若此時大氣低層相對濕度較高時，空氣中的顆粒物可能會吸濕增長，則會進一步加劇污染程度。

表1 ρ（PM2.5）與各氣象因素的季節(jié)相關性

當風速較小、擴散作用不明顯時，有些區(qū)域ρ（PM2.5）與風向的關系亦很密切，且風向可以確定污染物的輸入與輸出［27］。由于自貢市城區(qū)ρ（PM2.5）夏季相較于春季、秋季、冬季低，其中冬季空氣污染最嚴重，因此計算2014—2019年非夏季地面風向對應的ρ（PM2.5）均值，平均風向值采用16個風向值統(tǒng)一表示。由非夏季地面風向頻率分布（圖4）可知，地面風向均以東北為主，非夏季東北方向氣流占13.0%。而ρ（PM2.5）超標時（≥75 μg∕m3）多為偏東北風和東南風（圖5），上風方向重慶市、內江市和瀘州市等工業(yè)城市的顆粒物會輸送至四川盆地南部，加之地形阻擋使得顆粒物堆積而導致空氣污染嚴重；當風向為偏西北風時地面多受干冷空氣影響，且上風向工業(yè)城市較少，有利于大氣污染物的擴散和清除，因此，ρ（PM2.5）基本能達到二級標準濃度限值。

圖4 非夏季地面風向頻率分布

圖5 非夏季ρ（PM2.5）均值與地面風向關系

各個站點污染濃度分布不僅與監(jiān)測點位及地形特點、氣候條件、城市結構等原因有關，還與風向及周圍其他城市污染源的貢獻密切相關［28］。自貢市城區(qū)常年盛行東北風，總體地勢由西北向東南呈階梯狀逐漸降低，水平方向污染物的擴散受到山脈的阻擋，當不利的氣象擴散條件出現時，上風向輸送來的污染物無法得到及時的擴散［12］，尤其是近郊大安區(qū)大塘山站和高新春華路站主要受到上風向內江市、瀘州市等的工業(yè)生產大氣污染源近距離傳輸影響，連續(xù)堆積后導致ρ（PM2.5）濃度處于較高水平。

3 結論

1）自貢市城區(qū)ρ（PM2.5）呈春秋冬季高、夏季低的特征；月均濃度大值期主要在1月、2月和12月，6—9月濃度較低。ρ（PM2.5）空間分布特征不僅與監(jiān)測點位及地形特點、氣候條件等有關，還與風向及周圍其他污染源的貢獻密切相關，整體表現為工業(yè)生產總值較高、交通運輸頻繁、人口較為密集以及受上風向污染源傳輸影響的大安區(qū)、高新區(qū)ρ（PM2.5）水平明顯較高。

2）AOD年均大值區(qū)主要在研究區(qū)中部偏東偏南部，2014年、2017年大部分區(qū)域以及2015年中部偏東區(qū)域氣溶膠污染相對嚴重，2016年污染較輕，2018年和2019年污染有顯著改善。

3）自貢市城區(qū)ρ（PM2.5）與四季的降雨量、春秋冬季的風速、夏冬季的相對濕度表現出較高的負相關性，且在春夏冬季隨氣溫升高和氣壓降低而增大。自貢市城區(qū)盛行東北風，非夏季東北風占13.0%；ρ（PM2.5）超標多為偏東北風和東南風，表明上風向污染源輸入將會使ρ（PM2.5）明顯超標，當偏西北風時，污染濃度較低，基本能達到二級標準濃度限值。