Coupling Analysis of Remote Sensing Inversion and VOCs of Atmospheric Pollutants in Tongren Area

Wei QIN; An-jun LAN; Yun LI; Xia LU

doi:10.13718/j.cnki.xsxb.2019.04.013

Based on the gridding results of volatile organic compounds (VOCs) in atmospheric pollutants in Tongren area, combined with Landsat8 remote sensing inversion temperature and vegetation coverage, the spatial distribution characteristics of VOCs after gridding and the coupling relationship between temperature and vegetation coverage have been analyzed. The results show that the distribution characteristics of VOCs are similar to those of temperature and vegetation coverage, and have a certain coupling relationship. The distribution of VOCs and the distribution of temperature distribution in the urban area gradually decrease toward the surrounding area, and the distribution of vegetation coverage increases gradually around the urban area. The temperature is positively correlated with VOCs and the correlation coefficient was 0.419. The distribution of urban and suburban areas is very obvious; the vegetation coverage is negatively correlated with VOCs and the correlation coefficient is -0.608.

HTML

挥发性有机化合物(VOCs)是大气污染物之一，美国环保署(EPA)将其定义为除了CO，CO₂，H₂CO₃，金属碳化合物和碳酸盐外，参与光化学反应的含碳化合物.欧盟对VOCs的定义为在标准大气压下沸点小于和等于250 ℃的有机化合物.铜仁地区相对整个贵州省温度偏高，根据欧盟对VOCs的定义，温度可能会对VOCs的产生有一定的影响.吴海龙等^[1]、肖建武等^[2]、陶豫萍等^[3]、余应新等^[4]、刘佩琪等^[5]研究指出森林生态系统的价值主要表现在植被对环境中气体污染物的吸收，对工业、交通及社会生活噪声的有效降低，分泌杀伤力极强的杀菌素，可见，植被对大气污染物VOCs的净化有一定作用.本研究将结合遥感反演来观测大气污染物VOCs在温度和植被两个方面的空间变化.

1. 材料与方法

1.1. 大气污染VOCs网格化

大气污染物排放清单一般是基于排放源分类的年度排放量，估算过程一般是基于乡镇和县为空间统计单位分配的，且污染物易受各类气象要素的影响^[6].所以利用铜仁地区行政边界通过ArcMap创建3 km×3 km的网格进行空间分配，使之满足大气污染源的控制和空气质量预测研究对清单数据的需求.采用面积占优法判断网格所属地理位置，铜仁地区网格共2 008个.

由于收集到的铜仁VOCs数据具有详细的地理位置的排放源数量统计表，包括人类生活中固定燃烧源和家庭去污脱脂、耕地秸秆和生活垃圾等生物质燃烧、机动车道路排放等详细VOCs污染数据，根据铜仁地区行政边界建立的网格，按照收集的详细统计表和土地利用建立网格空间分配因子，通过GIS技术将VOCs污染物排放按照相应的空间分配因子分配到相应的空间分辨率网格，再对各类型的污染物进行汇总.大气污染物VOCs在空间上表现出连续的块状特征，因此本研究的污染物排放清单采用郑君瑜等^[6-7]的排放空间分配方法.

式中：Srg(City，GridCell)=网格分配因子；

∑Value(City|GridCell)=单个网格土地利用值；

∑Value(City)=乡镇(县、州)与网格相交区域中所有网格的总值.

式中：Emis(GridCell)=单个网格污染物排放量；

emis(City)=乡镇(县、州)排放量.

由式(1)可以计算出每个网格VOCs污染物排放影响因素权重值，式(2)即是将污染物添加到网格化空间数据库中得到的网格污染物排放量.

1.2. 遥感反演

1.2.1. 植被覆盖度

随着遥感技术的发展，已出现利用遥感测量植被覆盖度的具体计算方法，许多学者利用野外采集样本点的方式，根据植被指数建立植被覆盖度模型.本研究采用李苗苗^[8]等的像元二分模型研究的模型进行植被覆盖度研究.

式中：VFC表示植被覆盖度；NDVI表示归一化植被覆盖度；NDVI_MAX和NDVI_MIN分别表示归一化植被指数最大值和最小值；

采用Landsat8数据计算归一化植被指数，利用归一化植被指数进行统计，将累计概率为95%和5%的作为归一化植被指数最大值和最小值.

1.2.2. 地表温度反演

目前地表温度反演最主流的方法有大气校正法、单通道算法和分裂窗算法，胡德勇^[9]、徐涵秋^[10]等利用单窗算法反演地表温度进行研究，发现反演地表温度与实测数据都有较好的一致性；高文升^[11]等在大气参数快速估算方法上也作了相关研究；S. C. Ou等^[12]认为大气校正方案反演地表温度具有可行性.

本研究采用大气校正法来修正大气对地表热辐射传输的影响.卫星传感器接收到的热红外辐射亮度值L_λ主要由3部分组成：地面反射到大气的热辐射、大气向上的辐射亮度L_λ↑及大气向下辐射到达地面后反射的能量L_λ↓.把相应的大气影响值从卫星传感器所观测到的热辐射总量中减去，得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度^[13].

式中：L_λ表示传感器接收到的热红外辐射亮度值；ε表示地表比辐射率；TS表示地表绝对温度(K)；B(TS)表示黑体热辐射亮度值；τ表示大气在热红外波段透过率.

温度为T的黑体在热红外波段的辐射亮度B(TS)为：

根据普朗克公式函数得到热红外段辐射亮度TS值为：

式中：K₁，K₂是常数，对于OLI/TIRS，K₂=1 321.08/mWm^-2·sr^-1·μm ^-1，K₁ =774.89/mWm^-2·sr^-1·μm ^-1；TS是绝对温度，将绝对温度转化为摄氏度，即

最后计算所得T值即为所反演计算出来的区域地表温度.

3. 结论与讨论

3.1. 结论

本研究区大气污染物VOCs排放空间分布图和地表温度分布图显示，污染物排放量和地表温度由县城中心向四周逐渐降低，而地表植被覆盖度与此相反，县城植被覆盖较低，周围植被覆盖相对城区较高.

大气污染物VOCs分布较浓区域为碧江区、玉屏县、德江县、沿河县、思南县、印江县，这些区域平均海拔相对较低，属中亚热带季风湿润气候区，网格平均温度相对较高，平均植被覆盖度较低，VOCs空间分布图、平均气温分布图和植被覆盖图在空间上存在相似性，空间分布状况具有一定程度上的耦合关系.

结合铜仁地区的大气污染物VOCs空间分布数据与温度空间分布、植被覆盖度空间分布的散点图发现，整个铜仁地区的温度、植被覆盖度与大气污染物VOCs之间的耦合相关指数在置信度0.01时，相关性有统计学意义，温度与污染物呈正相关且相关系数为0.419，植被覆盖度与污染物呈负相关且相关系数为-0.608.

3.2. 讨论

有研究表明污染物随季节变化呈明显时空变化特征^[14]，提高对生态的保护，污染会逐年改善^[15]，特别是在大气污染VOCs高浓度区高质量的植被对城市热岛效应不仅有缓解作用^[16]，也能缓解VOCs对城市的污染，如碧江区、德江县、沿河县等城市污染物排放量较高，温度比较炎热，植被覆盖度相对较少的区域应增加植被覆盖度.

大气污染物VOCs与温度和植被有着密切的联系，由于铜仁地区的工业发展水平不高，铜仁地区VOCs收集到的数据主要来源于生物质燃烧、固定源燃烧和道路.故铜仁地区计算得出的地表温度和植被覆盖度与大气污染浓度的耦合指数属于中等相关.

计算结果表明大气污染物VOCs与铜仁地区温度和植被覆盖度之间存在着一定的相关关系，但这种相关关系属于中等相关关系.一方面是因为数据的获取和反演过程中存在一定误差，另一方面铜仁地区大气污染程度不算严重，植被覆盖较多，工业产业相对较少，空气质量良好.

Figure (5) Reference (16)

Name
	Name cannot be empty!
E-mail
	Mailbox cannot be empty! Mailbox cannot be empty!
Telephone
	Mobile number cannot be empty! Please enter a valid mobile number!
Title

Content
Verification Code

[1]	吴海龙, 余新晓, 师忱, 等. PM2.5特征及森林植被对其调控研究进展[J].中国水土保持科学, 2012, 10(6):116-122. doi: 10.3969/j.issn.1672-3007.2012.06.020 CrossRef Google Scholar
[2]	肖建武, 康文星, 尹少华.城市森林净化环境功能及经济价值评估——以"国家森林城市"长沙市为例[J].浙江林业科技, 2009, 29(6):71-75. doi: 10.3969/j.issn.1001-3776.2009.06.019 CrossRef Google Scholar
[3]	陶豫萍, 吴宁, 罗鹏, 等.森林植被截留对大气污染物湿沉降的影响[J].中国生态农业学报, 2007, 15(4):9-12. Google Scholar
[4]	余应新, 文晟, 吕辉雄, 等.广州森林大气中VOCs昼夜变化特征及对O₃的影响[J].环境科学与技术, 2009, 32(3):94-98. doi: 10.3969/j.issn.1003-6504.2009.03.023 CrossRef Google Scholar
[5]	刘佩琪, 邓志华, 陈伯奇.城市园林对大气颗粒物的消减与大气中二氧化硫和氮氧化物的浓度变化[J].西北林学院学报, 2016, 31(6):13-18. doi: 10.3969/j.issn.1001-7461.2016.06.03 CrossRef Google Scholar
[6]	郑君瑜, 王水胜, 黄志炯, 等.区域高分辨率大气污染排放源清单建立的技术方法与应用[M].北京:科学出版社. 2014. Google Scholar
[7]	郑君瑜, 张礼俊, 钟流举, 等.珠江三角洲大气面源排放清单及空间分布特征[J].中国环境科学, 2009, 29(5):455-460. doi: 10.3321/j.issn:1000-6923.2009.05.002 CrossRef Google Scholar
[8]	李苗苗, 吴炳方, 颜长珍, 等.密云水库上游植被覆盖度的遥感估算[J].资源科学, 2004, 26(4):153-159. doi: 10.3321/j.issn:1007-7588.2004.04.022 CrossRef Google Scholar
[9]	胡德勇, 乔琨, 王兴玲, 等.单窗算法结合Landsat8热红外数据反演地表温度[J].遥感学报, 2015, 19(6):964-976. Google Scholar
[10]	徐涵秋.新型Landsat8卫星影像的反射率和地表温度反演[J].地球物理学报, 2015, 58(3):741-747. Google Scholar
[11]	高文升, 张雨泽, 房世峰, 等.基于Landsat-8TIRS的大气参数快速估算方法[J].地球信息科学学报, 2017, 19(1):110-116. Google Scholar
[12]	OU SC, CHEN Y, LIOU KN, et al.Satellite Remote Sensing of Land Surface Temperatures:Application of the Atmospheric Correction Method and Split-Window Technique to Data of ARM-SGP Site[J].International Journal of Remote Sensing, 2002, 23(24). Google Scholar
[13]	CHANDER G. Revised Landsat-5 TM Radiometric Calibration Procedures and Postcalibration Dynamic Ranges[J].IEEE Transactions on Geoscience & Remote Sensing, 2003, 41(11):2674-2677 Google Scholar
[14]	张永江, 邓茂, 黄晓容, 等.典型生态旅游城市黔江区大气污染物分析及健康风险评估[J].西南师范大学学报(自然科学版), 2017, 42(4):81-87. Google Scholar
[15]	邓茂, 张永江, 李莹莹, 等.基于模糊数学综合评价法的生态保护发展区大气环境研究[J].西南师范大学学报(自然科学版), 2017, 42(7):5-11. Google Scholar
[16]	蒋幸萤, 兰安军, 钟九生.基于遥感反演的喀斯特地区城市热岛效应与叶面积指数相关性分析——以贵阳市为例[J].贵州师范大学学报(自然科学版), 2017, 35(2):1-6. doi: 10.3969/j.issn.1004-5570.2017.02.001 CrossRef Google Scholar

Message Board

Coupling Analysis of Remote Sensing Inversion and VOCs of Atmospheric Pollutants in Tongren Area

Abstract

References

Access History

通讯作者: 陈斌, bchen63@163.com

Article Metrics

Access History

Other Articles By Authors

Coupling Analysis of Remote Sensing Inversion and VOCs of Atmospheric Pollutants in Tongren Area

Corresponding author: An-jun LAN ;