基于卫星遥感的高分辨率PM2.5反演研究

基于卫星遥感的高分辨率PM2.5反演研究马宗伟博士南京大学环境学院2015年5月23日南京第四届全国环境规划与政策模型—大气环境模拟模型学术研讨会提纲1研究背景介绍2卫星遥感反演地面PM2.5的基本原理和方法3我国的研究现状及存在问题4高分辨率PM2.5的卫星遥感反演5案例研究研究背景霾日与非霾日对比（来源：新华网）PM2.5，又称细颗粒物，为空气动力学直径≤2.5μm的颗粒物（图片来源：USEPA）研究背景•大量流行病学研究已经证实PM2.5与负面健康效应有关，例如会引起心脑血管和呼吸系统发病率和死亡率的增加(Pope等,2002;Dominici等,2006;Schwartz等,1996)•2010年的全球疾病负担（GlobalBurdenofDisease，GBD）研究结果表明(Lim等,2012)，2010年PM2.5是我国第4大致死风险因素，导致了约123万的超额死亡人数123万超额死亡人数2500万伤残调整生命年研究背景90年代以来•能见度：显著下降(Che等,2007;Cheng等,2013;Deng等,2012;Zhao等,2011)，•灰霾天数：显著上升(Cheng等,2013;Deng等,2008;王喜全等,2013;吴兑等,2006)我国能见度水平变化趋势（Che等,2007）华北平原地区灰霾天数变化趋势（王喜全等,2007）PM2.5？！研究背景卫星反演全球2001-2006年PM2.5长期平均浓度分布图(vanDonkelaar等,2010),EHPpaperoftheyear,2011(陈路遥等,2013)研究背景管理上的需求：由于缺乏历史监测数据，PM2.5流行病学(尤其是长期健康效应研究)研究相对薄弱，无法支撑我国环境健康管理需求。2012年2月发布《环境空气质量标准》（GB3095-2012）2012年底初步建成了PM2.5地面监测网络()日均：75μg/m3年均：35μg/m3•利用卫星遥感气溶胶光学厚度（AerosolOpticalDepth，AOD）来研究估算地面PM2.5是近年来快速发展起来一项新的研究领域(Hoff等,2009)•为有效弥补地面PM2.5监测站点在时间和空间上观测的不足提供了可能我国华北平原雾霾MODIS影像图(来源：NASA)研究背景提纲1研究背景介绍2卫星遥感反演地面PM2.5的基本原理和方法3我国的研究现状及存在问题4高分辨率PM2.5的卫星遥感反演5案例研究理论基础气溶胶光学厚度（AOD），是气溶胶消光系数在垂直方向上的积分AOD=𝟎∞𝝈𝒆𝒙𝒕,𝒛d𝒛式中:𝝈𝒆𝒙𝒕,𝒛:高程z处气溶胶的消光系数𝑸𝒆𝒙𝒕:折射率m、粒子半径r和波长𝝀的函数𝒏(𝒓):气溶胶粒径分布𝝈𝒆𝒙𝒕,𝐳=𝝅𝑸𝒆𝒙𝒕𝒎,𝒓,𝝀𝒏𝒓𝒓𝟐d𝒓•AOD与辐射波长、垂直廓线、以及粒径分布特征有关•搭载于美国Terra卫星的多角度成像光谱仪（MISR）的早期理论研究表明，在可见光和近红外波段反演的AOD对应的颗粒物粒径范围在0.1-2μm之间，与PM2.5的粒径范围非常接近（Kahn等,1998,2001）•该研究为建立卫星遥感AOD和PM2.5之间的相关关系提供了重要的理论基础理论基础影响PM2.5-AOD关系的主要因素AOD垂直廓线：整个大气层空气柱（AOD）vs.地表（PM2.5）湿度:气溶胶具有吸湿增长的特性，从而影响其成分和光学特征(Malm等,2000)其它(Liu,2013)：其它气象参数例如温度、风速土地利用或地理参数，如城市区域、道路分布、森林覆盖等，和PM2.5排放源相关都是有很有效的辅助变量(Liu等,2005;Liu等,2009;Kloog等,2012;Hu等,2013;Hu等,2014a,b)主要卫星AOD数据产品传感器搭载卫星反演算法空间分辨率备注最新版本中分辨率成像光谱仪(MODIS)Terra/Aqua暗目标算法（DT）10km3km(C6)精度高，其C5版本为应用最为广泛的AOD产品C6深蓝算法（DB）10kmC5版本精度低，C6精度高C6多角度大气校正算法(MAIAC)1km尚未实现全球覆盖，不包含中国试用版本多角度成像光谱仪(MISR)Terra经验正交函数（EOF）17.6km精度高，但重返周期长，数据频度比较低，不适合作为常规的日常监测V22海洋观测宽视场传感器(SeaWiFS)SeaStar深蓝算法（DB）13.5kmSeaWiFS的观测使命在2010年12月的一次机械故障后结束了V004可见光红外成像辐射仪(VIIRS)SuomiNPP基于暗目标算法（DT）6km/750mVIIRS是MODIS的替代传感器测试版本卫星遥感反演PM2.5方法•AOD反演地表PM2.5的三种方法–比例因子方法–基于颗粒物与气溶胶之间物理机理的半经验公式方法–统计模型法•简单线性相关（结合AOD垂直、湿度订正）•高级统计模型法（加入气象、土地利用参数进行调整）比例因子方法(Liu等,2004):•代表作(vanDonkelaar等,2010,EHP)：卫星反演2001-2006全球PM2.5平均浓度分布图•优点：无需地面PM2.5观测数据即可反演，并且可解释影响PM2.5-AOD关系的多种因素（如AOD的垂直廓线、温度、湿度、风向风速等）•缺点：模型准确性稍差（R2=0.59，上述研究长期平均浓度在北美的验证结果）；而他们最新的研究(vanDonkelaar等,2014,EHP)，在北美的季节平均值验证结果仅为R2≈0.14-0.46.卫星遥感反演PM2.5方法基于物理机理的半经验公式法•PM2.5和AOD关系的物理机理比较复杂，现有的半经验公式还难以完全准确描述他们之间的关系；•PM2.5反演的总体效果并不理想，并且在不同地区差距也较大；•半经验公式中的一些参数数据在实际应用中不易获取，因而也限制了该方法的应用，目前此类研究还比较少。(Chu等,2013)(Zhang等,2013)卫星遥感反演PM2.5方法统计模型法•简单线性相关•高级统计模型–代表作(Liu等,2009,EHP)：美国东北部–优点：模型准确性高（R2=0.78，上述研究日均浓度的验证结果）–缺点：需要大量地面PM2.5观测数据进行建模及验证–是目前应用最为广泛、精度最高的反演模型(Wang等,2003;Liu等,2005,2007,2009;Wang等,2010;Lee等,2011;Kloog等,2011;Kloog等,2012;Hu等,2013,2014a,b;Chang等,2013;Guo等,2014)卫星遥感反演PM2.5方法提纲1研究背景介绍2卫星遥感反演地面PM2.5的基本原理和方法3我国的研究现状及存在问题4高分辨率PM2.5的卫星遥感反演5案例研究•在我国，一些学者在部分城市开展了PM2.5和AOD的简单回归分析（Guo等,2009；王静等,2010；李倩等,2013；Xin等,2014）–结合AOD湿度、垂直廓线订正–简单相关系数最高~0.6（R2约为0.36）•郭建平等（2013）利用神经网络模型研究了我国东部5个城市PM2.5和AOD的关系（模型交叉验证R2最高为0.36）•总体效果不佳，针对单个城市，无法外推！国内卫星遥感反演PM2.5研究进展•Yao等(2014)采用神经网络模型和MODIS第5版AOD数据估算了我国2006-2010年的PM2.5浓度分布•加入了美国的PM2.5和AOD数据来对模型进行训练，但美国PM2.5和AOD的关系并不一定适用于中国•建模样本量太小（N≈430）国内卫星遥感反演PM2.5研究进展•Song等(2014)利用地理加权回归模型（GWR）在我国珠三角地区构建了PM2.5-AOD的模型•模型拟合R2=0.74，但未给出模型交叉验证结果国内卫星遥感反演PM2.5研究进展•与此同时，Ma等(2014,ES&T)利用地理加权回归模型（GWR）首次构建了全国尺度的PM2.5-AOD模型，模型拟合R2=0.71，交叉验证R2=0.64，存在轻微的过度拟合•由于采用MODIS第5版数据，为提高AOD覆盖率，采用了50km分辨率网格•没能做到往前预测我国历史PM2.5的浓度国内卫星遥感反演PM2.5研究进展国内卫星遥感反演PM2.5研究进展]),0,0,0,0[(~)''''(]),0,0[(~)''(_1__)'()'()'()'()'()'(25432,211,1765544332211,5.2ΨNΨNspotsFireLagPrecipPBLHRHPSPBLHWSAODPMsjststststststststst第一级线性混合效应模型(LME)：时间变异第二级：广义加和模型(GAM)：空间变异空间分辨率：0.1度X0.1度时间分辨率：月均值Ma等（SubmittedtoEHP,2015）存在问题存在问题：空间分辨率较低（10km*10km以上）对于全国或大尺度区域的研究来说是已经足够，但从城市尺度来看10km分辨率显得过粗，不能为城市尺度健康效应研究提供所需的更多的人口暴露细节主要原因：受主流的AOD数据产品分辨率的限制，如MODISC5DTAOD和MISRAOD数据分别只有10km和17.6km提纲1研究背景介绍2卫星遥感反演地面PM2.5的基本原理和方法3我国的研究现状及存在问题4高分辨率PM2.5的卫星遥感反演5案例研究高分辨率PM2.5的卫星遥感反演方法一：通过插值•地统计学方法：如Kriging•统计降尺度(Chang等,2013;Kloog等,2011;Kloog等,2012)缺点：插值方法带来新的不确定性美国东北部巴尔的摩（a）和纽约（b）高分辨率（200×200m）PM2.5年均浓度残差分布图(Kloog等,2012)高分辨率PM2.5的卫星遥感反演方法二：采用更高分辨率的AOD数据产品MAIAC(Multi-AngleImplementationofAtmosphericCorrection)AOD产品：1km分辨率，尚未实现全球覆盖MODISC63kmAOD数据产品、VIIRS750mAOD亚特兰大MAIACAOD和MODISAOD反演PM2.5分布图（Hu等,2014）提纲1研究背景介绍2卫星遥感反演地面PM2.5的基本原理和方法3我国的研究现状及存在问题4高分辨率PM2.5的卫星遥感反演5案例研究案例长三角地区3kmPM2.5卫星遥感反演研究研究区域和PM2.5地面观测站点分布图案例长三角地区3kmPM2.5卫星遥感反演研究数据来源和匹配•PM2.5:来源于环境监测部门–•AOD:MODISC63km和10kmAOD数据•气象数据：GEOS5(GoddardEarthObservingSystem-5)气象数据产品–•将数据重采样到3km×3km和10km×10km网格，并按时间、网格单元ID进行匹配•截距和AOD：以DOY为随机效应•气象因子：以季节为随机效应线性混合效应模型（LME）案例长三角地区3kmPM2.5卫星遥感反演研究PM2.5,st=(μ+μ’)+(β1+β1’)AODst+(β2+β2’)WSst+(β3+β3’)RH_PBLHst+ε1,st(μ’β1’)~N[(0,0),Ψ1]+ε2,sj(β2’β3’)~N[(0,0),Ψ2]•10折交叉验证（10-foldcrossvalidation）–建模数据集随机分成10份–第一轮–第二轮–…………–共十轮•验证统计指标–决定系数（R2）、平均预测误差（MeanPredictionError，