基于VIIRS数据的京津冀PM2.5时空分异及其人文影响机理研究

While Beijing is not alone when it comes to smoke-filled skies, this city of more than 20 million people has come to symbolize the environmental cost of China's break-neck economic growth. It has been a heated topic for discussion that also leads to health concerns greatly. Health studies have shown a significant association between exposure to fine particulates and premature death from heart or lung disease. There are limited air-quality-monitor-stations in a city, though, air quality varies in urban spaces non-linearly and depends on multiple factors, such as meteorology, traffic volume, and land uses.Although satellite remote sensing has advanced significantly in recent years, there are inherent weaknesses and challenges in the use of this technology. This proposed research is one of the earliest attempts to associate remote sensed aerosol optical depth (AOD) to ground-level PM2.5 data in China since the public release of ground-level PM2.5 data in more than 500 stations in early 2013. We aim to calculate correlations of AOD retrieved by the Visible Infrared Imaging Radiometer Suite (VIIRS) and hourly PM2.5 and develop statistical models, which also include wind speed, wind direction, humidity and boundary layer height and other meteorological data to assess the relationship between AOD and PM2.5 in the Beijing-Tianjin-Hebei region. The spatial and temporal variation of PM2.5 concentrations derived from remote sensing data, will them be regressed on land use, road traffic, population and human activities data. We develop the spatial statistical models explore the role of the driving forces, such as population, landus, transportation,and catering services, and to simulate the impacts of different policy scenarios in the near future.

减轻大气污染，消除雾霾已经成为中国城市亟待解决的问题。明晰主要大气污染物浓度的时空分布，研究其形成和演化的主要人文影响机理，对于制定大气污染防治政策具有直接的参考价值。本项目选择采用VIIRS的气溶胶光学厚度数据，并结合风速、风向、湿度和边界层高度等气象数据，提出基于遥感数据估算 PM2.5浓度分布的经验模型。利用京津冀地区多个环境监测站点的PM2.5实测数据对模型进行散点拟合和时间序列拟合验证。根据估算的PM2.5浓度分布时空分异，结合土地利用、道路交通、人口和人类活动分布等地理信息数据，建立空间统计模型，探讨PM2.5时空分异与人类活动（人口、土地、交通、餐饮等）的关系，并对未来的政策目标进行情景模拟。

本项目围绕“遥感数据反演地面PM2.5浓度的全方位立体化监测”与“地面PM2.5浓度时空分异的人文影响机理”两大科学问题，以京津冀地区为核心研究区，重点开展了三个方面的研究工作：1）遥感反演地面PM2.5 浓度分布的经验模型；2）PM2.5浓度的时空格局分析；3）PM2.5 时空分异的人文影响机理分析。取得了以下主要进展：1）发展了VIIRS遥感反演地面PM2.5浓度分布的经验模型。利用Suomi-NPP卫星VIIRS传感器的AOD产品，结合地面监测站点数据, 并考虑风速、风向、温度、 湿度和边界层高度等气象数据和高程、植被等其它辅助数据, 建立了遥感反演PM2.5浓度分布的时空统计模型。相比于绝大部分已有模型，本项目建立的时空统计模型表现良好，能够同时捕捉到PM2.5同AOD关系的时空非平稳性。同时，本项目也进行了多维度对比MODIS和VIIRS卫星反演地面PM2.5浓度的能力，结果表明：VIIRS model拥有更高的模型精度、能够捕捉到更高浓度PM2.5数据，反演得到的PM2.5数据具有更多的空间细节信息，因此能更好地反演地面PM2.5浓度；2）揭示了PM2.5的时序变化格局。以北京为例，以日历的方式展现了北京2014年全年的PM2.5浓度变化规律。结果显示2014年北京PM2.5变化有三种不同的昼夜变化模式，每种模式背后都有其背后合理的大气物理解释；北京PM2.5变化没有明显的周模式，反映了人类活动的周模式可能对PM2.5变化影响不大；北京PM2.5虽然存着季度变化规律，但不遵循严格地季度月份划分。3）探讨了京津冀地区 PM2.5 浓度时空分异的影响因素。结合VIIRS AOD、土地覆被、气象因子、道路分布、人口密度、工业排放等空间变量,分别构建了 PM2.5 浓度和这些因素的土地利用回归模型、 地理加权回归模型和时间固定效应模型,对北京地区PM2.5 浓度时空分异的影响因素进行探析。结果表明：京津冀地区PM2.5 年均浓度呈现出很强的空间异质性,有明显的纬度、海陆和海拔分异特征。PM2.5 浓度显著的季节分异主要是受到气象因素的影响,某些月份中局地排放源会导致该时段 PM2.5 浓度空间分异的变化。