城市遥感:PM2.5反演实践

目前PM2.5遥感反演方法存在以下三个方面的问题。

(1)AOD与PM2.5关系的稳定性:这是通过AOD反演PM2.5的基本假设，大量研究结果表明AOD与PM2.5存在一定的统计相关性，但是时空的变化对于这种相关关系的稳定性影响较大，意味着在不同区域以及同一区域的不同时间，AOD与PM2.5浓度的相关关系都存在着差异性。因此，针对特定区域、特定时间的PM2.5反演，该关系的稳定性起着至关重要的作用。

(2)误差传递过程:通过建立各种精细的物理模型提高AOD反演精度，从而能够更精确地反演PM2.5，但是仍然存在一个误差传递的过程。反演AOD是有误差的，以带误差的AOD反演PM2.5仍然会存在误差，因此，误差传递过程可能会导致某些区域的PM2.5反演精度偏低。现在也有大量学者通过日平均、月平均、季平均、年平均等尺度研究AOD与PM2.5的关系，这在一定程度上能够抵消误差传递过程带来的偏差。

(3)模型的适用性:通过引入各种订正、加入更多的辅助数据、结合数值模式等能够提高AOD反演的精度，但是加入更多的因子，就意味着引入了更多的不确定性，对模型的适用性提出了更严格的要求。因此，同样的方法换一个研究区可能效果会变得很差。

针对上述问题，本章介绍了一种基于随机森林机器学习法与MODIS影像相结合的PM2.5遥感反演方法。从MODIS遥感数据出发，通过机器学习的手段直接建立遥感影像与实测PM2.5的关系，以避免误差的传递。初步实验结果表明，反演的结果与地面实测PM2.5具有较好的相关性。

本节以广东省为例，广东省地处中国大陆最南部，东邻福建，北接江西和湖南，西连广西，南临南海，珠江口东西两侧分别与香港、澳门特别行政区接壤，西南部雷州半岛隔琼州海峡与海南省相望。广东省全境位于北纬20°13′—25°31′、东经109°39′—117°19′，东西跨度约800km，南北跨度约600km。全省陆地面积为17.98×104km2。广东省属于东亚季风区，从北向南分别为中亚热带、南亚热带和热带气候，是中国光、热和水资源最丰富的地区之一。以广州为核心的珠三角地区是中国城市化进程最快的区域之一，伴随而来的大气污染问题也比较突出。研究区域如图21-4所示，图中三角形点为102个环境监测站，逐小时发布PM2.5监测数据。

图21-4　研究区域

采用了MODIS的L2级1公里数据(MOD021KM)对PM2.5进行反演。数据来源于美国国家航天宇航局(https://ladsweb.modaps.eosdis.nasa.gov/)。该数据包含16个波段的发射率数据，22个波段的反射率数据和22个波段的辐射率数据。作为对比，同时采用MODIS产品中分辨率最高的3km气溶胶产品(AOD)进行试验分析(http://modisatmos.gsfc.nasa.gov/products.html)，该产品采用最新C6版本中的DT与DB融合算法。

受广东省气候环境的影响，MODIS数据经常被大量云层覆盖，导致AOD产品上经常出现大面积数据缺失，因此需要使用插值算法弥补这些数据缺失。我们采用克里金插值方法。也有很多研究者自行反演AOD，但是其精度往往取决于引入的更多辅助数据和特别操作。因此，为了消除其他因素的影响，本章仅使用MODIS发布的最高分辨率的AOD产品，通过最经典的线性回归方法反演PM2.5。由于研究区域经常被云层覆盖，我们选择2015年云量相对较少的几天进行实验验证。实验的PM2.5地面监测数据来源于广东省102个环境监测站，随机选择其中的70个站点用作训练，剩下的32个站点做测试，同时用决定系数(R2)和均方根误差(RMSE)作为评价指标对反演效果进行对比分析。

在时间匹配方面，由于MODIS Terra卫星过境时间是上午10:30，因此选取过境当天上午10:00与11:00PM2.5监测数据，并计算其平均值，作为卫星过境时的地面观测值。

在空间匹配方面，由于AOD数据空间分辨率为3km，MODIS数据的空间分辨率为1km。因此，通过地面监测站点的经纬度实现监测站点与影像数据的空间匹配。同时，为了直观显示PM2.5的真实空间分布，将所有站点的PM2.5监测值通过克里金插值法，插值成空间分辨率为1km的数据。另外，在研究区内，受云层及其他因素的影响，AOD数据经常出现大量数据缺失，因此，采用克里金插值法将缺失的数据进行插值。

图21-5给出了2015年8月8日的MOD021KM数据。为显示方便，发射率和辐射率采用1、2、3波段合成，反射率采用4、5、6波段合成。当日的数据中有部分云层，采用MODIS的云检测产品构建掩膜，图中的黑色区域即为云区。当日的AOD数据存在大量缺失，如图21-5(d)中的黑色区域。将此数据进行克里金插值，并假彩色显示，如图21-5(e)所示，表现出明显的区块效应。PM2.5的地面观测值是点状数据，本方法利用克里金插值将点状数据插值为面状数据，如图21-5(f)、(g)所示，其中图21-5(f)加了云掩膜。图21-5(h)是基于克里金插值后的AOD数据经过线性回归反演得到的PM2.5。图21-5(i)是本方法得到的PM2.5结果，颜色越红，表示PM2.5浓度越大；颜色越蓝，表示PM2.5浓度越低。

图21-5　2015年8月8日实验数据

从地面观测值可以看出，广东省中间区域的PM2.5浓度很高，东北和西南两个区域的浓度较低。AOD反演的结果与地面观测结果差异很大，这是由AOD数据缺失导致的。而本方法在整体趋势上与地面观测结果非常一致，表现出中间高、东北和西南低的趋势。受云层影响，32个验证站中仅26个站有数据，因此图21-6给出了26个地面观测站的统计结果。其中，横轴代表26个观测站，纵轴为PM2.5的浓度，单位为μg/m3，OBS指地面观测值，RF和AOD分别表示基于RF和AOD反演的结果。(www.xing528.com)

图21-6　2015年8月8日实验结果

由图21-6(a)可以看出，本方法在各个观测站上的预测值都能与实际观测值有较好的匹配，而AOD方法匹配度较差。由散点图和线性拟合结果[图21-6(b)、(c)]可以看出，本方法的R2达到0.97，RMSE小于2，表现出了极强的相关性；而AOD方法表现非常差，这也说明AOD的数据缺失对PM2.5的反演有较大的负面影响。

固定监测站点在应用中存在以下问题:①设备数量多，导致成本较高；②地点选定和建成后不适宜再次搬迁；③必须选择最具代表性的地点进行站点建设；④无法应对建筑工地、临时厂房等移动性污染源；⑤站点分布过密将浪费大量资源，分布过疏则监测结果不具代表性。所以，基于物联网的车载移动环境监测平台应运而生，图21-7为车载移动环境监测系统的设备，包括GPS天线、CCS摄像机、云台控制摄像机和相关传感器等。表21-1、表21-2为车载移动环境监测平台所采集数据。图21-8为监测过程中采集的实景影像。

图21-7　车载移动环境监测系统设备(GPS天线、CCS摄像机、云台控制摄像机和相关传感器)

表21-1　车载环境监测平台采集的深圳市监测数据

续表

表21-2　车载环境监测平台采集的东湖周围环境数据

图21-8　基于车载环境监测平台采集的可量测实景影像