中圖分類號(hào)：X831 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1008-9500（2025）07-0071-04

DOI：10.3969/j.issn.1008-9500.2025.07.019

Research on Distribution Monitoring of Atmospheric Pollutants Based on Remote Sensing Technology

QIUJianhai，BAOYinsen，WANRuil

1.DeqingCountyEologicalEnviroentoitoingation;2.eqingCountyuanTstingCo，d.，Dqing20a）

Abstract：Remotesensing technologyhas eficientand extensive spatial coverage capabilities，anditisanimportanttool formonitoring the distribution ofatmosphericpollutants.Using aradiative transfer modeland multi-sourcedata fusion method，an eficientsystem forpolltantconcentrationinversionandspatialdistrbutionmonitoring isconstructed.Busing remote sensing datainversion technologyand combining it with ground monitoring data，theconcentration distribution of atmosphericpollutants canbe accuratelyobtained.Utilize the leastsquares methodandbackpropagationalgorithm forpollutantconcentration inversion，andoptimize polutant distribution prediction using the Kalman filteralgorithm. Theverificationresults indicatethattheinversionalgorithmhas highaccuracy，andthis technologysystemprovidesdata support for regional pollution source tracking，environmental management，and air quality assessment.

Keywords： remote sensing technology;inversion of pollutant concentration; spatial distribution monitoring

隨著城市化進(jìn)程的加速和工業(yè)活動(dòng)的增多，大氣污染問題日益嚴(yán)重，尤其是細(xì)顆粒物（ PM_2.5 ）、 NO₂ 等污染物的濃度對(duì)環(huán)境和人體健康造成極大影響[1]。傳統(tǒng)的地面監(jiān)測(cè)手段在空間覆蓋和實(shí)時(shí)性方面存在局限，無法滿足大規(guī)模、動(dòng)態(tài)監(jiān)測(cè)的需求[2。遙感技術(shù)憑借其高效、廣泛的空間覆蓋能力，成為大氣污染物分布監(jiān)測(cè)的工具[3]。利用遙感數(shù)據(jù)進(jìn)行大氣污染物反演和空間分布分析，能夠?qū)崟r(shí)獲取污染物濃度的時(shí)空分布特征，為污染源的追與區(qū)域空氣質(zhì)量管理提供精確數(shù)據(jù)支持[4]。近年來，遙感技術(shù)與數(shù)據(jù)融合方法的發(fā)展提升大氣污染物監(jiān)測(cè)的精度和可靠性，為環(huán)境保護(hù)和公共衛(wèi)生保障提供科學(xué)依據(jù)。

1 研究區(qū)概況

浙江省德清縣為長江三角洲經(jīng)濟(jì)區(qū)的一部分，地理位置特殊，經(jīng)濟(jì)發(fā)展迅速。德清縣屬于典型的城市－鄉(xiāng)村交界區(qū)，大氣污染源分布較為復(fù)雜。工業(yè)、交通以及農(nóng)業(yè)活動(dòng)均對(duì)空氣質(zhì)量產(chǎn)生顯著影響。該地區(qū)工業(yè)化不斷推進(jìn)，尤其是近年來制造業(yè)、物流業(yè)迅猛發(fā)展，導(dǎo)致局部區(qū)域出現(xiàn) PM_2.5 、二氧化硫等大氣

污染物濃度超標(biāo)現(xiàn)象。

2大氣污染監(jiān)測(cè)遙感技術(shù)原理

2.1遙感輻射傳輸原理

遙感輻射傳輸原理基于大氣層中光與物質(zhì)的相互作用。當(dāng)太陽輻射通過大氣層時(shí)，光線與氣體分子、氣溶膠、云層等發(fā)生散射、吸收和反射等現(xiàn)象，最終到達(dá)地面并被遙感平臺(tái)接收[5。大氣中的氣體分子和顆粒物對(duì)不同波長的輻射具有特定的吸收和散射特性，輻射傳輸模型經(jīng)過模擬這些過程，描述從地面到遙感平臺(tái)的輻射傳輸過程。該原理可以利用反演大氣輻射的光譜特征，提取大氣污染物的濃度信息。遙感數(shù)據(jù)的輻射傳輸模型主要考慮大氣的吸收與散射效應(yīng)，并結(jié)合地面氣象數(shù)據(jù)進(jìn)行校正。

2.2遙感數(shù)據(jù)反演原理

遙感數(shù)據(jù)反演原理基于輻射傳輸模型，利用分析遙感平臺(tái)接收的地表反射或輻射信息，反向推算大氣污染物的濃度分布。該過程需要建立大氣輻射傳輸方程，結(jié)合大氣成分、氣溶膠、云層及地表特征等因素，利用遙感光譜數(shù)據(jù)與地面監(jiān)測(cè)數(shù)據(jù)進(jìn)行校正與匹配。反演過程通常采用最小二乘法、反向傳播算法或正則化方法，解決大氣污染物濃度與遙感信號(hào)的非線性關(guān)系。該原理經(jīng)過高精度反演大氣污染物的光譜特征，提供污染物空間分布的定量估算[。在反演過程中，考慮大氣散射、吸收以及地面特征對(duì)遙感信號(hào)的影響，確保反演結(jié)果的準(zhǔn)確性與可靠性。

2.3多源數(shù)據(jù)融合原理

多源數(shù)據(jù)融合原理將不同來源的遙感數(shù)據(jù)、地面監(jiān)測(cè)數(shù)據(jù)以及氣象數(shù)據(jù)進(jìn)行集成，提升大氣污染監(jiān)測(cè)的精度和時(shí)效性。不同數(shù)據(jù)源提供互補(bǔ)的信息，遙感數(shù)據(jù)可提供廣泛的空間分辨率，地面監(jiān)測(cè)數(shù)據(jù)則能提供高精度的局部數(shù)據(jù)，而氣象數(shù)據(jù)有助于解析大氣污染物的擴(kuò)散規(guī)律。融合方法通常基于加權(quán)平均、卡爾曼濾波或機(jī)器學(xué)習(xí)算法，將各類數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)，減少單一數(shù)據(jù)源的不確定性。該原理有效提高污染物濃度反演的精度，減少數(shù)據(jù)缺失或誤差對(duì)結(jié)果的影響，進(jìn)而實(shí)現(xiàn)更為精準(zhǔn)的污染物空間分布估算。

3遙感監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

3.1系統(tǒng)架構(gòu)

遙感監(jiān)測(cè)系統(tǒng)涵蓋數(shù)據(jù)采集、處理、反演與展示4個(gè)核心模塊，如圖1所示。數(shù)據(jù)采集模塊經(jīng)過遙感平臺(tái)獲取污染物光譜數(shù)據(jù)，涵蓋多波段傳感器。數(shù)據(jù)處理模塊進(jìn)行輻射、大氣及幾何校正，確保數(shù)據(jù)精度。反演模塊利用輻射傳輸模型和反演算法計(jì)算污染物濃度。展示模塊將反演結(jié)果可視化，提供污染物的空間分布和濃度變化。整體架構(gòu)實(shí)現(xiàn)模塊化設(shè)計(jì)，確保系統(tǒng)高效、精確地完成大氣污染物監(jiān)測(cè)任務(wù)。

圖1系統(tǒng)架構(gòu)流程

3.2遙感數(shù)據(jù)采集預(yù)處理

3.2.1 數(shù)據(jù)采集

遙感數(shù)據(jù)采集模塊利用衛(wèi)星、無人機(jī)等遙感平臺(tái)獲取大氣污染物相關(guān)的光譜數(shù)據(jù)。根據(jù)不同波段的遙感傳感器，能夠捕捉大氣污染物的反射光譜信息。遙感影像的獲取依賴傳感器的輻射傳輸模型，該模型能夠描述從地表到遙感器的輻射傳輸過程。輻射傳輸模型基于傳輸方程描述地表輻射與大氣、云層等介質(zhì)的交互作用，如式（1）所示。

式中： I_λ 為波長的光線地表反射率； τ_λ 為波長的光線大氣透過率； I_λ⁰ 為地表發(fā)射的波長λ的光線輻射強(qiáng)度； z 為輻射穿過大氣層的垂直距離； 為大氣層對(duì)輻射的散射和吸收影響。

3.2.2 數(shù)據(jù)預(yù)處理

數(shù)據(jù)采集后，遙感影像需要進(jìn)行一系列預(yù)處理，以提高數(shù)據(jù)質(zhì)量。主要包括輻射校正、大氣校正和幾何校正等。輻射校正用于消除傳感器和外部環(huán)境因素引起的誤差?；谳椛鋫鬏斈Ｐ?，輻射校正算法可以使用加權(quán)平均方法調(diào)整數(shù)據(jù)，如式（2）所示。大氣校正用于消除大氣中的水蒸氣、氣溶膠等對(duì)遙感信號(hào)的干擾。常用的大氣校正方法是6S模型，它經(jīng)過計(jì)算大氣的透過率和散射系數(shù)，對(duì)不同波段的遙感數(shù)據(jù)進(jìn)行校正。其中，大氣透過率采用式（3）計(jì)算。幾何校正使用地面控制點(diǎn)進(jìn)行影像配準(zhǔn)，確保遙感影像與地面坐標(biāo)系統(tǒng)的匹配。幾何校正過程常用卡爾曼濾波算法進(jìn)行誤差校正，如式（4）所示。這些預(yù)處理步驟可以有效減少遙感數(shù)據(jù)的噪聲與誤差，為后續(xù)的污染物濃度反演和分布監(jiān)測(cè)提供高質(zhì)量的數(shù)據(jù)。

式中： R_c 為校正后的反射率； w_i 為第 i 個(gè)波段的 權(quán)重因子； R_i 為第 i 個(gè)波段的反射率; T_λ 為大氣透過率; σ_λ 為大氣散射系數(shù)； n（z） 為大氣密度； z 為輻射穿過 大氣層的垂直距離； x_k 為第 k 個(gè)估計(jì)狀態(tài)； x_k-1 為第 k-1 個(gè)估計(jì)狀態(tài)； K_k 為卡爾曼增益； z_k 為觀測(cè)值； H_k 為測(cè)量矩陣。

3.3污染物濃度反演

大氣污染物濃度的反演是遙感監(jiān)測(cè)系統(tǒng)的核心步驟，需要建立遙感信號(hào)與污染物濃度的關(guān)系來實(shí)現(xiàn)。在實(shí)際應(yīng)用中，遙感信號(hào)與污染物濃度的關(guān)系往往表現(xiàn)為非線性，因此要采用有效的算法進(jìn)行反演。最小二乘法是一種經(jīng)典的回歸分析方法，廣泛用于解決遙感信號(hào)與污染物濃度的線性關(guān)系。其基本思想是采用最小化預(yù)測(cè)值與實(shí)際觀測(cè)值的誤差平方和來獲得最優(yōu)的回歸系數(shù)，如式（5）所示。最小二乘法適用于簡(jiǎn)化的線性模型，通常作為初步估算工具。

式中： y_i 為第 i 個(gè)樣本的真實(shí)污染物濃度； x_i 為遙感信號(hào)； f（x_i，β） 為預(yù)測(cè)值； β 為回歸系數(shù)。

針對(duì)遙感信號(hào)與污染物濃度的非線性關(guān)系，反向傳播算法利用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模，能夠?qū)崿F(xiàn)更精確的反演。反向傳播算法使用梯度下降法優(yōu)化網(wǎng)絡(luò)的權(quán)重，從而調(diào)整網(wǎng)絡(luò)參數(shù)，降低預(yù)測(cè)誤差。其中，權(quán)重采用式（6）進(jìn)行計(jì)算。利用反向傳播，能夠處理遙感信號(hào)與污染物濃度的復(fù)雜非線性關(guān)系，提升反演精度。

式中： w 為神經(jīng)網(wǎng)絡(luò)中的權(quán)重； η 為學(xué)習(xí)率； E 為損失函數(shù)； 為誤差對(duì)權(quán)重的梯度。

這兩種方法分別適用于不同的情境，最小二乘法適用于簡(jiǎn)單線性模型，反向傳播算法則可有效處理

更復(fù)雜的非線性問題，二者結(jié)合使用，可以在不同的反演精度要求下實(shí)現(xiàn)高效的污染物濃度反演。

3.4污染物分布監(jiān)測(cè)

污染物分布監(jiān)測(cè)采用遙感技術(shù)實(shí)現(xiàn)大氣污染物空間分布的實(shí)時(shí)跟蹤?；诜囱萁Y(jié)果與空間分布模型，結(jié)合遙感影像，能夠精確繪制污染物濃度分布圖。利用遙感數(shù)據(jù)，可以獲取不同區(qū)域、大氣層高度以及時(shí)空尺度下的污染物濃度信息，評(píng)估污染源特征與擴(kuò)散趨勢(shì)。監(jiān)測(cè)結(jié)果支持環(huán)境管理決策，推動(dòng)精準(zhǔn)污染源治理與空氣質(zhì)量改善。

4技術(shù)驗(yàn)證

4.1數(shù)據(jù)采集與預(yù)處理

試驗(yàn)數(shù)據(jù)來源于德清縣生態(tài)環(huán)境監(jiān)測(cè)站，數(shù)據(jù)涵蓋2014年1月至2020年12月的M0DIS遙感影像和30個(gè)監(jiān)測(cè)站點(diǎn)的 PM_2.5 1 NO₂ 等污染物濃度數(shù)據(jù)。遙感數(shù)據(jù)的輻射傳輸模型用于校正大氣影響，確保反演數(shù)據(jù)準(zhǔn)確。

4.2污染物濃度反演

使用最小二乘法和反向傳播算法對(duì) PM_2.5 濃度進(jìn)行反演，并與地面監(jiān)測(cè)數(shù)據(jù)對(duì)比，如表1所示。結(jié)果表明，最小二乘法和反向傳播算法的反演結(jié)果與實(shí)際值的差異率保持在 2%～5% ，表明反演效果較好。

表1污染物濃度反演值 單位： μg/m³

4.3數(shù)據(jù)對(duì)比

使用皮爾遜相關(guān)系數(shù)計(jì)算反演結(jié)果與地面監(jiān)測(cè)數(shù)據(jù)的擬合度，如式（7）所示。經(jīng)準(zhǔn)確計(jì)算，得出皮爾遜相關(guān)系數(shù)和決定系數(shù)。最小二乘法反演結(jié)果與實(shí)際監(jiān)測(cè)數(shù)據(jù)的相關(guān)系數(shù)為0.994；最小二乘法反演結(jié)果與實(shí)際監(jiān)測(cè)數(shù)據(jù)的決定系數(shù)為0.988；反向傳播算法反演結(jié)果與實(shí)際監(jiān)測(cè)數(shù)據(jù)的相關(guān)系數(shù)為0.995；反向傳播算法反演結(jié)果與實(shí)際監(jiān)測(cè)數(shù)據(jù)的決定系數(shù)為 0.990 。

式中： r 為皮爾遜相關(guān)系數(shù)； n 為樣本容量； x_i"為第 i 個(gè)變量 X 的樣本值；""為變量 X 的平均值; y_i"為第 i 個(gè)變量 Y 的樣本值；為變量Y的平均值。

4.4結(jié)果討論

計(jì)算結(jié)果表明，最小二乘法和反向傳播算法的反演結(jié)果與實(shí)際監(jiān)測(cè)數(shù)據(jù)的相關(guān)系數(shù)均較高，分別為0.994和0.995。這意味著兩種算法能夠有效地?cái)M合遙感信號(hào)與污染物濃度的關(guān)系，反向傳播算法在處理非線性關(guān)系時(shí)具有略高的準(zhǔn)確度。決定系數(shù)表明，這些算法能夠解釋污染物濃度數(shù)據(jù)變化的 98.8% 和99.0% ，驗(yàn)證其高效的預(yù)測(cè)能力。這些結(jié)果表明，基于遙感技術(shù)的大氣污染物監(jiān)測(cè)系統(tǒng)能夠有效反演污染物濃度，繪制污染物空間分布圖，并為污染源的追溯和治理提供數(shù)據(jù)支持。

5結(jié)論

本研究基于遙感技術(shù)提出一種有效的大氣污染物分布監(jiān)測(cè)方法，采用輻射傳輸模型、污染物濃度反演及多源數(shù)據(jù)融合技術(shù)，構(gòu)建高精度的污染物監(jiān)測(cè)系統(tǒng)。驗(yàn)證結(jié)果表明，遙感技術(shù)在污染物濃度反演和分布監(jiān)測(cè)中的應(yīng)用具有較高的準(zhǔn)確性與可靠性。該方法為區(qū)域污染源追蹤與環(huán)境管理提供科學(xué)依據(jù)，具有廣泛的應(yīng)用前景。

參考文獻(xiàn)

1何錫禎.遙感監(jiān)測(cè)下城市主要大氣污染物環(huán)流聚類時(shí)空分布特征研究[J].環(huán)境科學(xué)與管理，2024（2）：125-130.

2 司成潤.基于移動(dòng)監(jiān)測(cè)的大氣污染物濃度分布實(shí)時(shí)監(jiān)測(cè)方法研究[J].環(huán)境科學(xué)與管理，2023（5）：146-150.

3馬越.基于稀疏環(huán)境監(jiān)測(cè)數(shù)據(jù)模式識(shí)別的空間－環(huán)境－人群多層次大氣污染物集中水平估計(jì)關(guān)鍵技術(shù)研究[D].成都：四川大學(xué)，2022.

4黃璐，李展，王斌.基于被動(dòng)采樣監(jiān)測(cè)瀘州市大氣污染物 SO₂"、 NO₂"濃度時(shí)空分布特性研究[J].四川環(huán)境，2014（4）：47-52.

5 白亮.福建省大氣污染物分布特征和監(jiān)測(cè)網(wǎng)絡(luò)優(yōu)化研究[J].能源與環(huán)境，2013（5）：82-83.

6 吳艷蘭.多平臺(tái)區(qū)域大氣污染物網(wǎng)格化監(jiān)測(cè)系統(tǒng)關(guān)鍵技術(shù)研究及示范應(yīng)用[D].合肥：安徽大學(xué)，2022.

7 柴晉鵬，陳學(xué)剛，趙直.基于移動(dòng)監(jiān)測(cè)的城市街谷交通相關(guān)污染物濃度時(shí)空變化研究[J].地球與環(huán)境，2021（4）：389-399.