img img
  • CN 62-1091/P
  • ISSN 1001-8166
  • 月刊 创刊于1986年
高级检索

地球科学进展, 2019, 34(3): 255-264 doi: 10.11867/j.issn.1001-8166.2019.03.0255

大气成分的遥感监测方法与应用

陈泽青,1, 刘诚,1,2,3,4, 胡启后2, 洪茜茜2, 刘浩然1, 邢成志1, 苏文静1

1. 中国科学技术大学地球和空间科学学院,安徽 合肥 230026

2. 中国科学院安徽光学精密机械研究所中国科学院环境光学与技术重点实验室,安徽 合肥 230031

3. 中国科学院城市环境研究所 中国科学院城市大气环境研究卓越创新中心,福建 厦门 361021

4. 中国科学技术大学极地环境与全球变化安徽省重点实验室,安徽 合肥 230026

Remote Sensing Monitoring Methods and Applications of Atmospheric Constituents

Chen Zeqing,1, Liu Cheng,1,2,3,4, Hu Qihou2, Hong Qianqian2, Liu Haoran1, Xing Chengzhi1, Su Wenjing1

1. School of Earth and Space Sciences, University of Science and Technology of China, Hefei 230026, China

2. Key Laboratory of Environmental Optics and Technology,Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031, China

3. Center for Excellence in Regional Atmospheric Environment, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China

4. Anhui Province Key Laboratory of Polar Environment and Global Change, University of Science and Technology of China, Hefei 230026, China

收稿日期: 2018-12-02   修回日期: 2019-02-01   网络出版日期: 2019-04-25

基金资助: 科技部国家重点研发计划项目“近海大气污染物立体遥感定量表征技术”.  2018YFC0213104
国家自然科学基金优秀青年科学基金项目“大气污染/温室气体立体遥感监测”.  41722501

Received: 2018-12-02   Revised: 2019-02-01   Online: 2019-04-25

作者简介 About authors

ChenZeqing(1994-),female,ShijiazhuangCity,HebeiProvince,Masterstudent.Researchareasincludesatellite-basedatmospherictracegasretrieval.E-mail:grateful@mail.ustc.edu.cn , E-mail:grateful@mail.ustc.edu.cn

LiuCheng(1981-),male,BengbuCity,AnhuiProvinve,Professor.Researchareasincludestereoremotesensingmonitoringofatmosphericpollution.E-mail:chliu81@ustc.edu.cn , E-mail:chliu81@ustc.edu.cn

摘要

对大气成分准确、及时地监测是掌握大气成分分布特征、研究大气污染成因机制、有效防治大气污染的前提。遥感监测技术在大气成分的观测过程中具有远距离实时观测、快速分析成分多样的大气混合物、无需采样便可获得目标成分的立体时空分布结果等优势。大气成分的遥感监测方法多样,各种仪器优势各异,覆盖了多样的气体和气溶胶的监测范围。根据各仪器距地面高度的差异,遥感平台可划分为地面平台、航空平台和航天平台。遥感技术在大气成分监测领域中应用广泛,已满足了多种观测目的的观测要求。介绍了大气成分的遥感监测方法和平台,并总结了针对不同目的的遥感应用实例,展望了遥感方法在大气成分观测方面的发展方向。

关键词: 大气成分 ; 遥感监测 ; 遥感平台 ; 应用

Abstract

Accurate and timely monitoring of atmospheric constituents is the prerequisite for mastering the distribution characteristics of atmospheric constituents, studying the genetic mechanism of the forming of atmospheric pollution, and effectively preventing and controlling air pollution. Among various observation methods of atmospheric constituents, remote sensing monitoring technology can provide the long-distance and real-time observation, have the ability of rapid analysis of diverse atmospheric mixtures, and obtain stereoscopic spatiotemporal distribution of target constituents without sampling. There are various methods and instruments for remote sensing monitoring of atmospheric constituents, and each of them has its unique advantage, covering a multiple gases and aerosol. According to the difference of the height of the remote sensing platform, it can be divided into ground platform, aviation platform and space platform. Remote sensing technology is widely applied in the field of atmospheric constituents monitoring, and meets the observational requirements for a variety of purposes. This paper introduced the remote sensing monitoring methods and platforms of atmospheric constituents and summarized their application examples for different purposes. It also outlined the future development direction of remote sensing methods in atmospheric constituents’ observation.

Keywords: Atmospheric constituents ; Remote sensing monitoring ; Remote sensing platforms ; Applications

PDF (703KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈泽青, 刘诚, 胡启后, 洪茜茜, 刘浩然, 邢成志, 苏文静. 大气成分的遥感监测方法与应用. 地球科学进展[J], 2019, 34(3): 255-264 doi:10.11867/j.issn.1001-8166.2019.03.0255

Chen Zeqing. Remote Sensing Monitoring Methods and Applications of Atmospheric Constituents. Advances in Earth Science[J], 2019, 34(3): 255-264 doi:10.11867/j.issn.1001-8166.2019.03.0255

工业革命以来,人类向大气中排放的污染成分含量、种类逐年增加,由此引发的大气污染问题吸引了世界多国的关注,对其中关键成分进行准确监测十分必要。大气成分的探测方法主要分为直接探测和遥感探测。直接探测能够获得采样点的高精度测量数据,但其结果的代表范围有限,缺乏对大气成分垂直结构的观测能力;遥感技术是近几十年来迅速发展起来的综合性探测技术,它的应用是传统采样方法的有力补充,它能够对大气成分进行远距离的实时监测、快速分析多成分大气混合物、不需要繁琐的取样程序便可获得地面或高空大区域、长时段的三维空间数据,特别是在大气成分的垂直结构探测方面具有独特的优势[1]。遥感技术已用于监测多种大气成分,如气溶胶、臭氧(O3)、二氧化氮(NO2)、一氧化碳(CO)、甲醛(HCHO)和二氧化硫(SO2)等。遥感方法在大气成分监测领域发挥着不可替代的作用,其监测内容也由某一气体的单独测量逐渐扩展至多种成分同时测量、且具有更多监测目的的观测,如环境空气质量观测和污染源排放监测等。由于距地面的高度存在差异,遥感可按平台划分为地面平台、航空平台和航天平台。本文将从3个部分展开讨论:大气成分的遥感监测方法;大气成分的遥感监测平台;大气成分遥感监测的应用。

1 大气成分的遥感监测方法

大气成分遥感监测方法主要有:差分吸收光谱法(Differential Optical Absorption Spectroscopy,DOAS)、傅里叶变换红外光谱法(Fourier Transform Infrared,FTIR)、激光雷达(Light Detection And Ranging,LIDAR)探测法和太阳光度计遥感法等。

DOAS是目前测量大气痕量气体最常用的光谱方法之一,其原理基于朗伯比尔定律,将吸收光谱中分离得到的窄带谱结构进行分析,根据光强变化及对应气体的特征吸收截面确定气体浓度,可分为主动DOAS和被动DOAS 2类,前者使用人造光源,后者依靠自然光源。DOAS的目标成分主要为: O3, NO2,SO2,HCHO和四聚氧(O4)等。近年来主动DOAS技术与腔体仪器结合,能够独立确定光子路径,在痕量气体和气溶胶的测量方面具有更高的灵敏度。在被动DOAS技术方面,MAX-DOAS对于对流层O3浓度的反演难题将通过添加温度依赖的O3吸收截面得以基本解决;大气成分的MAX-DOAS三维空间分布探测得以实现,未来将有更完善的发展;此外,新的吸收成分[水汽(H2O)在 363 nm附近的吸收线和O4在328 m附近的吸收线]的确定提高了DOAS拟合的准确性。硬件方面,法布里珀罗干涉仪的使用有效提高了DOAS技术的成像速度;线性化光谱失真的影响、使用新的函数类型参数化仪器函数(如超高斯分布)等方法提升了该技术在软件方面的拟合精度。

FTIR是基于对干涉后的红外光进行傅里叶变换的原理而开发的红外光谱分析方法[2],具有高分辨率、高灵敏度、高信噪比、大通量和宽频带等优点[3]。FTIR方法广泛应用于污染源气体排放、突发性大气污染事故的机动应急监测中[4],可分为主动式和被动式2类。主动式测量法类似于传统实验室中的FTIR,可监测大气中的CO,NO和NH3等污染成分。被动式遥感FTIR方法不需要光源和后向反射器,结构简单,在大气成分的遥感监测领域中应用广泛,目标成分主要为CO2,CO,CH4和N2O等。由被动FTIR光谱仪组成的总碳柱观测网(Total Column Carbon Observing Network,TCCON)在全球大气成分的遥感观测中发挥着重要作用,其观测数据被广泛应用于校准和验证星载仪器监测结果,并在环境空气质量监测和大气模拟研究的验证中发挥着作用[5~12]。TCCON在亚洲地区站点稀疏,搭建于中国合肥的FTIR光谱仪是我国唯一的TCCON候选站点。2017年,Wang等[13]对该站点约2年的观测数据的分析结果表明该站点能够有效监测大气CO2和CO的每日变化和季节变化,能够识别北半球的CO2周期,具有验证航天平台观测结果的能力。该站点作为目前中国唯一具有连续运行能力的FTS站点,在校准和验证卫星、模型在中国地区的数据准确性方面发挥着作用。

LIDAR是一种以激光为光源的主动式现代光学遥感设备[14],具有监测范围广、灵敏度高、时空分辨率高等特点,被广泛应用于环境与大气监测等领域[15]。LIDAR按照监测方法和种类可分为米散射激光雷达(Mie LIDAR)、大气成分差分吸收激光雷达(Differential Absorption LIDAR,DIAL)和拉曼激光雷达(Raman LIDAR)等。米散射激光雷达主要应用于探测气溶胶和烟云等颗粒粒状污染物,已被广泛应用于探测大气气溶胶、能见度、边界层的演变过程等[16];大气成分差分吸收激光雷达对气体浓度检测具有极高的灵敏度和抗干扰能力,目标成分为O3、气态污染物和H2O;拉曼激光雷达主要用于对大气中的水汽浓度、大气温度廓线、垂直大气消光廓线及CO2,CH4和SO2等污染气体的探测[17]。边界层对大气污染研究至关重要,激光雷达结合采样方法对大气PM2.5累积性增长过程的观测表明,边界层气象因素对于PM2.5浓度增长的反馈效应对其爆发性累积过程有着重要影响。此外,LIDAR在测定决定低层大气中污染物扩散的边界层高度方面表现出的高时空分辨率优势日益凸显,适用于更多环境、更高精度算法的研发将是这一技术在今后发展的重要方向。

2 大气成分的遥感监测平台

大气成分的遥感监测平台是根据各遥感方法搭载的平台距地面高度的差异进行划分的。大气成分的地面遥感平台距地面一般不超过50 m,主要包括地基、车载和船载遥感。地面平台遥感主要用于对平流层或对流层整层痕量气体浓度的测量以及直接排放的污染气团的测量(如火山)。其中,地基遥感将监测仪器放置于固定地面站点,能够获得长期可靠的总量结果,并能用以分析或对比验证卫星数据。随着智能手机和嵌入式传感器的发展和普及,公众利用智能手机对大气环境参数进行遥感探测的方式出现,无需额外专用仪器,硬件成本低、时空分辨率高、时空覆盖广,成为专业大气探测的有效补充,具有广阔的应用前景[18]。将监测仪器放置在车辆上进行遥感的方式是地面遥感平台的另一种观测形式。它是一种简易、经济的遥感手段,不再局限于固定站点的小范围监测,并能够对污染气体的排放通量进行定量研究。除了常规车辆外,搭载于火车的遥感方式能够以较低的成本、较高的效率获得大面积的大气成分监测结果,在未来将有更多应用。船载遥感是利用船上的遥感仪器进行航测的方式,能够在遥远的海洋环境反演大气痕量成分背景值,并对比验证对于海洋上空气体的反演准确性不足的星载遥感结果[19]。船载的应用对于反演海洋上空无污染的大气背景值具有明显优势,星载遥感受到海洋表面的低反照率、云层覆盖(热带地区尤其明显)以及仪器的检测限度较高的影响,不能保证结果的准确性。

将地基遥感中涉及的仪器搭载于飞机、气球、飞艇或风筝上的遥感方式为机载遥感,机载平台的飞行高度为30~100 m。机载遥感虽然在探测的灵敏度和精度上与地基遥感有一定差距,但它具有快速、机动、可远距离遥测等特点,适用于大尺度区域污染成分的遥感监测[20],并获得高于星载遥感信噪比的高精度数据。机载激光雷达主要用于气溶胶、云和痕量气体的监测,其中对于气溶胶的光学特性、时空分布等信息反演的应用十分广泛。地面平台的激光雷达无法观测包含气溶胶重要信息的对流层底部[21],因此对于地表的气溶胶消光廓线依赖于机载激光雷达系统[22]。机载遥感的特点使其对于突发性大气污染事故的应急监测具有明显优势,机载FTIR常被用于森林火灾气体排放的观测。以上研究搭载的飞机为载人飞机,与之相比,无人机能够在低海拔的人口稠密地区、火山或恶劣天气情况下飞行,具有更低的运行成本低和更高的操作灵活性。Khan等[23]研究了无人机遥感对于大气中温室气体监测的应用。该平台在大气成分的遥感观测中具有应用潜力。

利用卫星作为遥感平台搭载传感器进行遥感已成为大气成分监测的重要组成部分。航天平台遥感技术能够对大气成分进行远距离的实时监测,快速分析多种大气成分,不需要繁琐的取样程序便可获得地面或高空大区域、长时段的三维空间数据[1]。目前在轨运行的大气环境监测载荷主要包括臭氧监测仪(Ozone Monitoring Instrument,OMI)、对流层监测仪(Tropospheric Monitoring Instrument,TROPOMI)、中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)、第二代全球臭氧监测仪(Global Ozone Monitoring Experiment-2,GOME-2)和轨道碳观测2号卫星(Orbiting Carbon Observatory-2,OCO-2)等。

不仅独立的遥感平台在大气成分的监测中发挥着作用,联合多平台的遥感观测方式能够发挥各平台优势,利用多来源数据的对比验证可保证数据结果的可靠性。

3 大气成分遥感监测的应用

遥感技术已广泛应用到大气环境科学研究及污染防控工作中,根据不同监测目的,大气污染遥感监测可分为:环境空气质量观测、污染源排放监测、大气污染管控措施效果评估、雾霾时空分布监测、污染机理研究监测和有害气体泄漏监测等。

3.1 环境空气质量观测

环境空气质量观测是指利用遥感对大气成分进行的常规监测,根据其范围的不同划分为全球性观测和地区性观测,前者利用航天平台,后者主要用到地面平台。最早的空气质量遥感观测可追溯到90多年前,Dobson利用自己制作的第一台大气成分测量仪器进行了臭氧的常规分析;利用卫星的全球性研究则于50年后拉开序幕,1972年8月9日Landset卫星探测了大西洋上空的来自非洲西北部的沙尘粒子[24]

1990年,Edner等[25]利用地基DOAS监测系统自动监测了中等城市瑞典隆德上空大气中的NO2,O3和SO2。2003年春季 Molina等[26]在墨西哥城大都会地区进行了空气质量现场测量,该研究利用移动、固定站点现场测量,采样与遥感并用的方式对北美地区污染最严重的城市的主要污染物排放、二次污染物前体浓度、光化学氧化剂生成和二次气溶胶颗粒形成机制进行了探究,其中DOAS,FTIR和LIDAR等地基遥感技术发挥了重要作用。这一研究为类似的发展中国家特大城市的空气质量改善方法提出了有效建议。而我国在2004年也开展了“珠江三角洲空气质量区域综合试验”大型外场观测项目。该项目采用离线采样测量、原位在线测量和地基遥感观测的方式,研究了该地区空气污染的立体分布、近地面O3的生成过程和敏感性、挥发性有机化合物(Volatile Organic Compounds,VOCs)的排放源等问题,形成了中国珠三角地区最大的空气污染数据集[27]

独立的地基站点在环境空气质量观测的过程中发挥着重要作用,组建遥感地基观测网是全面研究大气成分特性最为精确的手段。国际上欧美等国家组建的全球大气成分变化探测网(Network for the Detection of Atmospheric Composition Change, NDACC)、欧洲气溶胶研究激光雷达网(European Aerosol Research Lidar Network,EARLINET)和全球气溶胶探测网(Aerosol Robotic Network,AERONET)等在大气成分的遥感观测中持续、稳定地发挥着作用。我国已经开展了基于被动式多轴差分光谱法的边界层大气成分高光谱扫描与分析仪(Air-pollution Hyperspectral Scanning Analyzer,AHSA)的地基遥感观测网的组建工作。中国科学技术大学利用AHSA建立了我国的地基遥感观测网,现已覆盖了京津冀、长三角、珠三角区域和西部“一带一路”规划地区等大气成分特征具有区域代表性的地点。该网络依靠自动、快速、在线遥感监测模式稳定地进行着气溶胶、NO2、HCHO、SO2、HONO和CHOCHO的浓度和垂直廓线的监测任务。

3.2 污染源排放监测

3.2.1 污染源烟气排放监测

烟气的排放既可来自自然源,如火山爆发和生物质燃烧等,也可来自人为源,如燃煤电厂和化工厂等。

火山活动作为重要的自然烟气排放源,人类对于火山烟羽的研究已经持续了2个多世纪。对于其排放的测量较为困难,火山上的原位采样可以提供详细的排放信息,但通常不易实现且十分危险,而安全性高的遥感方法十分适合火山烟气的探测。从20世纪70年代开始,相关科研工作者主要利用相关光谱仪(Correlation Spectroscopy,COSPEC)对火山SO2通量进行遥感监测,该仪器在火山危险评估中的重要作用一直持续了30年。2001年,Galle等[28]首次将低成本、微型的紫外光纤差分光学吸收光谱仪(mini-DOAS)作为COSPEC测量的潜在替代品,用于火山SO2通量观测,并利用地基、车载和机载mini-DOAS分别对马萨亚火山和苏弗里埃尔火山进行了观测,两地SO2通量分别为4和1 kg/s,表明该仪器在全球火山地球化学监测方面具有巨大潜力。

FTIR的发展使火山活动中排放的SO2以外的其他气体的测量成为了可能。1997年,太阳掩星法FTIR对于埃特纳火山烟羽成分的观测显示SO2∶HCl和SO2∶HF的摩尔比为4.0和10,相应的HCl和HF的排放速率分别约为8.6和2.2 kg/s,这表示埃特纳火山是这些气体最大的已知持续点排放源[29]

对于人为源排放的监测来说,相关光谱仪也是重要的监测仪器之一,但近年来,MAX-DOAS和LIDAR的应用更为广泛。2003年9月26日,机载MAX-DOAS仪器(AMAX-DOAS)对Porto Tolle电厂排放烟气中的SO2进行了测量,排放通量为 1.93×1025 molec/cm2,与基于直接探测得到的官方排放数据具有很好的一致性[30]。2015年,已经开发出CO2,CH4和气溶胶的移动差分吸收激光雷达(Differential Absorption Lidar,DIAL)系统,搭载于地面平台能够对燃煤电厂烟气进行移动监测[31]

烟气排放的卫星观测实例相对较少,对于自然源如火山来说,总臭氧映射光谱仪(Total Ozone Mapping Spectrometer,TOMS)已被用于火山SO2排放的监测,但主要适用于较大的爆发性火山。2010年,Bovensmann等[32]首次提供了航天平台的高排放人为CO2排放源监测可能性的详细结果,以电厂为例展示了星载仪器可以检测强局部CO2点源并将其排放量化。

3.2.2 交通排放现场监测

交通排放通常是城市地区空气污染的主要来源,为了评估道路对空气质量的影响,利用遥感方法对交通排放现场进行监测的手段受到越来越多的重视。

公路上的光学遥感可以提供实际的车辆排放因子,并以g/L燃料的污染物排放量为单位,它能够详细说明车辆的特定特性,如品牌、型号年份、气象条件以及驾驶条件(速度和加速度)等。在该监测系统中,光源探测器和反射镜布置在单个行车道的两侧。光源探测器将道路上的红外(Infrared Radiation,IR)和紫外(Ultravioletray,UV)共线光束引导至减震反射器。当车辆通过IR和UV光路时,由吸收引起的透射光强度的变化指示车辆排气中的待测气体的浓度。

早在20世纪90年代,相关研究者已经开始利用遥感系统估算交通排放气体的排放因子。1999年,可调谐二极管激光吸收光谱(Tunable Infrared Laser Differential Absorption Spectrometer,TILDAS)远程传感器首次获得了N2O和NO2在路测量数据,并进行了高精度的NO测量[33]。近年来,在洛杉矶、丹佛地区和墨西哥城的研究中[34,35,36],遥感已被提议作为一种直接监测方法来建立基于燃料的移动源排放清单。虽然遥感在世界上被广泛使用,尤其是在发达国家和地区,但在中国大陆开展的这类研究很少。为了增进这方面的认识,Guo等[37]于2004年和2005年利用基于可调二极管激光(Tunable Diode Laser,TDL)技术和紫外差分吸收光谱(UV-DOAS)技术的道路光学遥测方法获得了中国杭州大量车辆的测量数据,对汽油车排放特性进行了全面评估,并建立了基于燃料的排放清单。

3.2.3 区域排放通量监测

对于面源区域排放源的通量监测常采用地面平台的车载仪器展开。对于航天平台来说,卫星单像元覆盖面积大,空间分辨率达不到区域监测的要求;地基站点适合近地面、小范围的污染分布,对于区域测量则需要多台仪器共同配合[38]。车载技术凭借其简易且实时机动的特点成为适合区域排放监测的方法。

地面平台的车载仪器观测法常用来测量来自点源的污染,将其环绕范围扩展便可得到特定区域内的排放通量。Johansson等[39]利用车载迷你DOAS量化来自面源的气体总排放量的新方法,测量了2005年4月和8月中国北京市的SO2和NO2排放通量,证明了车载遥感对于区域污染监测的实用性。2006年3月10日,Johansson等[40]利用这一技术首次针对目标成分HCHO并获得了其在墨西哥城的流出通量。除了城市污染的监测,车载技术还应用于工业区的排放测量,如:2006年3月24日至4月17日,利用车载迷你DOAS技术对于墨西哥Tula工业园区的SO2和NO2排放通量的观测[41]

2009—2010年,Wang等[42]用移动DOAS技术量化了中国上海市内环高架道路封闭的中心城区氮氧化物(NOx)的排放,该研究在2009年10月世博会前期、2010年世博会开幕式和2010年闭幕式期间进行了3次现场测量活动,不仅获得了NOx的通量信息,而且证明了移动DOAS对于工业区或整个城市一类的大面积排放源快速监测的可行性。在2016年12月至2017年2月的冬季期间,Tan等[43]用移动DOAS技术量化了中国合肥NOx的排放,并估算了污染物传输对本地空气质量的影响,为城市发展规划及空气污染控制政策制定提供了关键信息。

3.3 大气污染管控措施效果评估

重大活动时期通常会实施一系列大气污染管控措施,以保障良好的空气质量。如在2008年7~9月筹备北京夏季奥运会和残奥会期间,北京及周边地区实施了一系列严格的排放控制措施,以控制机动车辆和工业排放,改善空气质量。在此期间,Witte等[44]利用航天平台OMI测量了大气中HCHO和NO2柱浓度,并与前3年的同期数据进行比较,在大气污染管控期间,NO2浓度显著降低,随着管控措施的停止,NO2含量恢复到往年的水平;但HCHO的含量在管控前后变化不大。

在2014年亚洲太平洋经济合作组织(Asia-Pacific Economic Cooperation, APEC)峰会期间和2015年中国纪念反法西斯战争胜利70周年阅兵式期间,在大气污染控制措施的影响下,北京地区出现了被称为“APEC蓝”和“阅兵蓝”的蓝天。为定量评估以上2次管控措施的实施效果,Liu等[45]利用地基MAX-DOAS和星载仪器OMI对NO2,HCHO和O3进行了监测,发现NO2浓度在APEC峰会和大阅兵期间突然下降,但由于污染机理的差异,大阅兵期间O3浓度随着前体物NOx浓度的剧烈下降而减少,而APEC会议期间O3浓度有了小幅度的增长。

2016年杭州20国集团(G20)峰会期间,杭州、长三角特大城市及周边地区实施了严格的排放控制措施。Su等[46]采用了地面平台激光雷达监测会议前、会议期间和会议后大气中的O3和气溶胶消光系数,发现污染控制措施在缓解边界层中的颗粒污染方面发挥了作用,但并未对O3污染产生直接影响。利用相关遥感监测方法也对2017年金砖国家峰会期间大气污染展开了调研。

3.4 雾霾时空分布监测

我国是世界上人口最多、发展最快的地区之一,气溶胶颗粒及其前体的过量排放导致高负荷的污染物,由此造成的雾霾已成为我国主要空气污染类型之一。雾霾时空分布的监测主要利用航天平台的卫星传感器或地面平台激光雷达观测。

航天平台的雾霾监测能够覆盖较大的面积。Tao等[47]利用2009年10月至2011年3月航天平台MODIS,PARASOL,OMI和CALIPSO的观测数据,并与地面站点化学监测和气象数据结合,介绍了干旱季节华北平原霾层的时空分布及变化情况。

地面平台能够得到高精度的雾霾监测结果。对2011年和2012年北京发生的2次冬季严重雾霾事件的调查增进了对于重霾条件下气溶胶物理和化学特性的认识[48],该研究使用CIMEL CE318太阳—天空辐射计反演了雾霾气溶胶的光学、物理和化学特性。此外,该研究还提出了平均重霾属性参数,为未来的研究提供了分析实例。

雾霾中的细粒子PM2.5凭借着较小的粒径,能够深入人体呼吸道、肺部,给人类健康带来威胁[49]。对于PM2.5的测量主要依靠地面站点监测网络,它能够提供准确的测量结果,但空间覆盖和分辨率有限。遥感技术的发展给PM2.5的监测带来了便利,基于卫星得到的气溶胶光学厚度产品,利用模型模拟反演得到地面PM2.5浓度[50]

3.5 污染机理研究监测

探究大气污染物的污染机理能够帮助人类在理解污染现象的基础上制定与实施更有效的控制策略和方法。在大气环境监测领域,对于对流层大气污染物O3与其前体之间的关系的研究已经超过了40年。O3是NOx和VOCs在大气中经过一系列光化学反应生成的二次污染物[51],NOx和VOCs与O3形成没有线性关系,它们对O3形成的影响常用VOCs控制区或NOx控制区来描述[52]

1995年,Sillman等[51]发现可以使用HCHO浓度作为VOCs反应性的替代指标。他们利用HCHO和总活性氮(NOy)下午浓度之间的相关性来确定O3生成的化学敏感性,当HCHO与NOy的比率高时为NOx控制区,而当比率低时为HCHO控制区。Martin等[53]将Sillman的方法扩展到航天平台观测,GOME获得的HCHO和NO2对流层柱浓度的比值表明这一结果与地表光化学的结论一致。卫星测得的对流层HCHO和NO2柱浓度已被广泛用于分析VOCs和NOx的地表排放。

2016年,Liu等[45]利用OMI卫星数据分析了北京及周边地区的HCHO/NO2值,研究了不同时期O3生成的敏感性。2017年,Su等[46]在OMI数据HCHO/NO2值的基础上对不同成分原始浓度进行了归一化处理,并考虑了O3对于HCHO和NO2变化的灵敏度,确定了杭州地区不同控制区的阈值,从而对G20峰会期间O3生成前体物进行了分析。

2017年,Xing等[54]利用地基仪器MAX-DOAS和臭氧雷达测得了中国上海地区夏季的HCHO,NO2和O3垂直廓线的时间序列,通过对结果的分析,排除了水平、垂直运输对O3浓度增加的影响,该研究验证了Geng等[55]得出的上海地区地表O3生成的前体物处于VOCs控制区的结论。

除了对O3的短期研究,对于O3长期变化的分析能够使我们了解O3在更长时间序列上的分布特征、各种气象参数对O3形成的影响以及O3预期前体物的关系,从而实施更有效的O3污染控制策略。如Duncan等[56]利用卫星数据分析了2005—2007年夏季美国O3形成的化学限制类型与其前体物质浓度的关系,对于不同城市的污染机理特征有了进一步的认识。

为研究中国长三角地区NO2污染的形成机理,Hong等[57]于2015年冬季沿长江上海和武汉区段进行了船载MAX-DOAS观测实验。实验通过计算环境NO2和SO2比值来确定不同排放源对长江沿岸NO2水平的贡献,结果显示江苏省工业NO2排放贡献较大,而江西省和湖北省的大气NO2主要与车辆排放有关,在安徽省,燃煤电厂和汽车尾气对NO2水平的贡献大致相同。这一研究为上述省份污染控制策略的实施提供了建议。

3.6 有害气体泄漏监测

有害气体的泄露会对人体的健康产生危害,对其进行泄露监测和浓度控制对环境安全来说是一项艰巨的任务。利用遥感方法的监测可使科研工作者在免于暴露在危险环境中即可得到气体的浓度信息。

可调谐二极管激光器吸收光谱技术(Tunable Diode Laser Absorption Spectroscopy,TDLAS)的应用提高了气体泄漏监测的效率,多用于甲烷泄露的观测中[58]。2001年,Frish等[59]发明了一种基于TDLAS的手持式光学工具,用于帮助石化炼油厂和化学加工厂人员在加工区域外围确定有毒或有害气体泄漏的来源。

2002年,Li等[60]利用开放光程傅里叶变换红外光谱(Open-Path Fourier Transform Infrared,OP-FTIR)法进行了泄漏气体的监测实验,气体成分包括二氯甲烷、氯仿和丙酮,实验结果表明,OP-FTIR是一种对室内或现场空气污染进行定量分析的好方法,还可利用遥感OP-FTIR系统持续监测更多有毒气体,并作为一个警报系统,用于实时监测各种区域(如生活区或工业区)泄露的有害气体。

4 结语与展望

在大气成分遥感监测领域,基于DOAS,FTIR和LIDAR原理的仪器应用占据着主要地位,如:MAX-DOAS,LP-DOAS,CE-DOAS,AHSA,FTIR和LIDAR等,遥感监测技术按各遥感系统距地面高度划分为地面平台、航空平台和航天平台。不同的仪器和平台各具优势,在实际监测过程中解决了不同监测目的的观测难题。

当前MAX-DOAS在大气成分的浓度和廓线监测方面应用广泛,其对于目标成分三维空间分布的探测能力也会在未来得以完善。激光雷达对于边界层高度的测量结果尚无法满足科学研究的需要,适应更多环境的高精度算法的缺乏问题急需解决。此外,遥感平台不再局限于传统的内容,搭载传感器或各种遥感仪器的智能手机、火车和无人机平台具有广阔的应用前景。大气成分的不同平台遥感监测具有各自的特点,联合多平台的遥感方式能够发挥各自优势,取长补短,得到更高质量的立体监测数据结果,是立体观测的大势所趋。影响遥感观测精度的原因包括观测仪器(硬件)和反演算法(软件)2个方面。实际操作中发现,不同的硬件或软件反演得到的数据结果相对趋势近似,但对相同目标的观测结果也会存在差异。因而,需要在联合观测、多仪器观测的基础上建立来自不同硬件、软件对同一目标成分数据的统一性标准。当今遥感观测的数据分辨率与精度与之前相比有了很大的提升,但随着大气成分研究的深入,其对大气成分观测数据质量的要求也不断提高,在今后的发展过程中,大气成分的遥感监测方法势必提高其空间、光谱分辨率,获得更高精度的数据结果,这也对硬件研发提出了更高的要求。此外,增强数据的代表性、时间连续性是获得高质量结果不可或缺的一步。如今监测的大气成分的种类数量有限,不断明确未实现观测的成分特征以得到其遥感定量化结果有助于了解大气成分分布特征、认识污染现状并制定管控措施。

参考文献

Tian Biao , Ding Minghu , Sun Weijun , et al .

Research progress of atmospheric carbon monoxide

[J]. Advances in Earth Science, 2017,32(1):34-43.

[本文引用: 2]

田彪, 丁明虎, 孙维君, .

大气 CO 研究进展

[J]. 地球科学进展, 2017,32(1):34-43.

[本文引用: 2]

Harbeck S , Emirik Ö F , Gürol I , et al .

Understanding the VOC sorption processes on fluoro alkyl substituted phthalocyanines using ATR FT-IR spectroscopy and QCM measurements

[J]. Sensors and Actuators B: Chemical, 2013,176:838-849.

[本文引用: 1]

Griffiths P R , De Haseth James A .

Fourier Transform Infrared Spectrometry

[M]. New Jersey:John Wiley & Sons, 2007.

[本文引用: 1]

Wu Jinguang .

The Technology and Application of Fourier Transform Infrared Spectroscopy

[M]. Beijing: Scientific and Technical Documents Publishing House, 1994.

[本文引用: 1]

吴瑾光 .

近代傅里叶变换红外光谱技术及应用

[M]. 北京: 科学技术文献出版社, 1994.

[本文引用: 1]

Griffith D W , Toon G C , Connor B , et al .

Preliminary validation of column-averaged volume mixing ratios of carbon dioxide and methane retrieved from GOSAT short-wavelength infrared spectra

[J]. Atmospheric Measurement Techniques, 2011, 4:1 061-1 076.

Reuter M , Bovensmann H , Buchwitz M , et al .

Retrieval of atmospheric CO2 with enhanced accuracy and precision from SCIAMACHY: Validation with FTS measurements and comparison with model results

[J]. Journal of Geophysical Research: Atmospheres, 2011,

116(D4)

.DOI: 10.1029/2010JD015047.

Schneising O , Bergamaschi P , Bovensmann H , et al .

Atmospheric greenhouse gases retrieved from SCIAMACHY: Comparison to ground-based FTS measurements and model results

[J]. Atmospheric Chemistry and Physics, 2012,12(3):1527-1540.

Guerlet S , Butz A , Schepers D , et al .

Impact of aerosol and thin cirrus on retrieving and validating XCO2 from GOSAT shortwave infrared measurements

[J]. Journal of Geophysical Research: Atmospheres, 2013,118(10):4887-4905.

Dils B , Buchwitz M , Markus Reuter , et al .

The Greenhouse Gas Climate Change Initiative (GHG-CCI): Comparative validation of GHG-CCI SCIAMACHY/ENVISAT and TANSO-FTS/GOSAT CO2 and CH4 retrieval algorithm products with measurements from the TCCON

[J]. Atmospheric Measurement Techniques, 2014, 7 (6): 1 723-1 744.

Lindqvist H , O'Dell C W , Basu S , et al .

Does GOSAT capture the true seasonal cycle of carbon dioxide?

[J]. Atmospheric Chemistry and Physics, 2015, 15 (22): 13 023-13 040.

Ohyama H , Kawakami S , Tanaka T , et al .

Observations of XCO2 and XCH4 with ground-based high-resolution FTS at Saga, Japan, and comparisons with GOSAT products

[J]. Atmospheric Measurement Techniques, 2015,8(12):5 263-5 276.

Kulawik S S , Debra Wunch , Christopher O'Dell , et al .

Consistent evaluation of GOSAT, SCIAMACHY, carbon tracker, and MACC through comparisons to TCCON

[J]. Atmospheric Measurement Techniques Discussions, 2016,9:683-709.

Wang Wei , Tian Yuan , Liu Cheng , et al .

Investigating the performance of a greenhouse gas observatory in Hefei, China

[J]. Atmospheric Measurement Techniques, 2017,10(7):2 627.

[本文引用: 1]

Dong Yunsheng , Liu Wenqing , Liu Jianguo , et al .

Application study of lidar in urban traffic pollution

[J]. Acta Optica Sinica, 201030(2):315-320.

[本文引用: 1]

董云升,刘文清,刘建国, .

激光雷达在城市交通污染中应用研究

[J]. 光学学报, 2010,30(2):315-320.

[本文引用: 1]

Lihui , Liu Wenqing , Zhang Tianshu , et al .

A new micro-pulse lidar for atmospheric horizontal visibility measurement

[J]. Chinese Journal of Lasers, 201441(9):218-222.

[本文引用: 1]

吕立慧, 刘文清, 张天舒, .

新型微脉冲激光雷达测量大气水平能见度

[J]. 中国激光, 2014,41(9):218-222.

[本文引用: 1]

Burton S P , Ferrare R A , Hostetler C A , et al .

Aerosol classification using airborne High Spectral Resolution Lidar measurements-methodology and examples

[J]. Atmospheric Measurement Techniques, 2012,5(1):73.

[本文引用: 1]

Liu Wenqing , Chen Zhenyi , Liu Jianguo , et al .

Research progress on optical observations for atmospheric environment in China

[J]. Journal of Remote Sensing, 2016,20(5):724-732.

[本文引用: 1]

刘文清, 陈臻懿, 刘建国, .

中国大气环境光学探测研究

[J]. 遥感学报, 2016,20(5):724-732.

[本文引用: 1]

Liu Xichuan , Gao Taichang , He Binsheng , et al .

Advances and trends in atmospheric measurement by smartphones

[J]. Advances in Earth Science, 2018, 33(12): 1 223-1 236.

[本文引用: 1]

刘西川, 高太长, 贺彬晟, .

智能手机参与大气探测的研究进展与展望

[J]. 地球科学进展, 2018, 33(12): 1 223-1 236.

[本文引用: 1]

Peters E , Wittrock F , Großmann K , et al .

Formaldehyde and nitrogen dioxide over the remote western Pacific Ocean: SCIAMACHY and GOME-2 validation using ship-based MAX-DOAS observations

[J]. Atmospheric Chemistry and Physics, 2012,12(22):11 179-11 197.

[本文引用: 1]

Gao Minguang , Liu Wenqing , Zhang Tianshu , et al .

Remote sensing of atmospheric trace gas by airborne passive FTIR

[J]. Spectroscopy and Spectral Amlysis, 2006,26(12):2 203-2 206.

[本文引用: 1]

高闽光, 刘文清, 张天舒, .

机载 FTIR 被动遥测大气痕量气体

[J]. 光谱学与光谱分析, 2006,26(12):2 203-2 206.

[本文引用: 1]

Marenco F , Santacesaria V , Bais A F , et al .

Optical properties of tropospheric aerosols determined by lidar and spectrophotometric measurements (photochemical activity and solar ultraviolet radiation campaign)

[J]. Applied Optics, 1997,36(27): 6 875-6 886.

[本文引用: 1]

Mohan K V , Palm S P , Reagen J A , et al .

Validation of the Saharan dust plume conceptual model using lidar, Meteosat, and ECMWF data

[J]. Bulletin of the American Meteorological Society, 1999,80(6):1 045-1 075.

[本文引用: 1]

Amir Khan , David Schaefer , Tao Lei , et al .

Low power greenhouse gas sensors for unmanned aerial vehicles

[J]. Remote Sensing, 2012,4(5):1 355-1 368.

[本文引用: 1]

Fraser R S .

Satellite measurement of mass of Sahara dust in the atmosphere

[J]. Applied Optics, 1976,15(10):2 471-2 479.

[本文引用: 1]

Hans Edner , Pär Ragnarson , Stefan Spännare , et al .

Differential Optical Absorption Spectroscopy (DOAS) system for urban atmospheric pollution monitoring

[J]. Applied Optics, 1993,32(3):327-333.

[本文引用: 1]

Molina L T , Kolb C E , B de Foy , et al .

Air quality in North America's most populous city-overview of the MCMA-2003 campaign

[J]. Atmospheric Chemistry and Physics, 2007,7(10): 2 447-2 473.

[本文引用: 1]

Zhang Y H , Hu Min , Zhong L J , et al .

Regional integrated experiments on air quality over Pearl River Delta 2004 (PRIDE-PRD2004): Overview

[J]. Atmospheric Environment, 2008,42(25):6 157-6 173.

[本文引用: 1]

Galle Bo, Oppenheimer C , Geyer A , et al .

A miniaturised ultraviolet spectrometer for remote sensing of SO2 fluxes: A new tool for volcano surveillance

[J]. Journal of Volcanology and Geothermal Research, 2003,119(1/4):241-254.

[本文引用: 1]

Francis P , Burton M R , Oppenheimer C .

Remote measurements of volcanic gas compositions by solar occultation spectroscopy

[J]. Nature, 1998,396(6 711):567.

[本文引用: 1]

Wang P , Richter A , Bruns M , et al .

Airborne multi-axis DOAS measurements of tropospheric SO2 plumes in the Po-valley, Italy

[J]. Atmospheric Chemistry and Physics, 2006,6(2):329-338.

[本文引用: 1]

Wojcik M , Crowther B , Lemon R et al .

Demonstration of a differential absorption lidar for emissions measurement of a coal-fired power plant

[C]// CLEO: Science andInnovations. Optical Society of America, 2015.

[本文引用: 1]

Bovensmann H , Buchwitz M , Burrows J P , et al .

A remote sensing technique for global monitoring of power plant CO2 emissions from space and related applications

[J]. Atmospheric Measurement Techniques, 2010,3(4):781.

[本文引用: 1]

Jimenez-Palacios, Luis Jose .

Understanding and Quantifying Motor Vehicle Emissions with Vehicle Specific Power and TILDAS Remote Sensing

[D]. Cambridge,MA:Massachusetts Institute of Technology, 1998.

[本文引用: 1]

Singer B C , Harley R A .

A fuel-based inventory of motor vehicle exhaust emissions in the Los Angeles area during summer 1997

[J]. Atmospheric Environment, 2000,34(11):1 783-1 795.

[本文引用: 1]

Pokharel S S , Bishop G A , Stedman D H .

An on-road motor vehicle emissions inventory for Denver: An efficient alternative to modeling

[J]. Atmospheric Environment, 2002,36(33):5 177-5 184.

[本文引用: 1]

Schifter I , Diaz L , Mugica V , et al .

Fuel-based motor vehicle emission inventory for the metropolitan area of Mexico City

[J]. Atmospheric Environment, 2005,39(5):931-940.

[本文引用: 1]

Guo Hui , Zhang Qingyu , Shi Yao , et al .

On-road remote sensing measurements and fuel-based motor vehicle emission inventory in Hangzhou, China

[J]. Atmospheric Environment, 2007,41(14):3 095-3 107.

[本文引用: 1]

Wu Fengcheng , Li Ang , Xie Pinhua , et al .

Studies on remote measurement of the distribution of city gaseous pollutant by mobile passive differential optical absorptions spectroscopy

[J]. Spectroscopy and Spectral Analysis, 2011,31(3):583-588.

[本文引用: 1]

吴丰成, 李昂, 谢品华, .

城市污染气体分布的车载被动差分光学吸收光谱遥测技术研究

[J]. 光谱学与光谱分析, 2011,31(3):583-588.

[本文引用: 1]

Mattias Johansson , Galle Bo, Yu Tong , et al .

Quantification of total emission of air pollutants from Beijing using mobile mini-DOAS

[J]. Atmospheric Environment, 2008,42(29):6 926-6 933.

[本文引用: 1]

Johansson M , Claudia Rivera , B de Foy , et al .

Mobile mini-DOAS measurement of the outflow of NO2 and HCHO from Mexico City

[J]. Atmospheric Chemistry and Physics, 2009,9(15):5 647-5 653.

[本文引用: 1]

Rivera C , Sosa G , Wohrnschimmel H , et al .

Tula industrial complex (Mexico) emissions of SO2 and NO2 during the MCMA 2006 field campaign using a mobile mini-DOAS system

[J]. Atmospheric Chemistry & Physics Discussions, 2009, 9(1):6 351-6 361.

[本文引用: 1]

Wang Shanshan , Zhou Bin , Wang Zhuoru , et al .

Remote sensing of NO2 emission from the central urban area of Shanghai (China) using the mobile DOAS technique

[J]. Journal of Geophysical Research: Atmospheres, 2012,

117(D13)

.DOI:10.1029/2011JD016983.

[本文引用: 1]

Tan Wei , Zhao Shaohua , Liu Cheng , et al .

Estimation of winter time NO x emissions in Hefei, a typical inland city of China, using mobile MAX-DOAS observations

[J]. Atmospheric Environment, 2019,200:228-242.

[本文引用: 1]

Witte J C , Duncan B N , Douglass A R , et al .

The unique OMI HCHO/NO2 feature during the 2008 Beijing Olympics: Implications for ozone production sensitivity

[J]. Atmospheric Environment, 2011,45(18):3 103-3 111.

[本文引用: 1]

Liu Haoran , Liu Cheng , Xie Zhouqing , et al .

A paradox for air pollution controlling in China revealed by “APEC Blue” and “Parade Blue”

[J]. Scientific Reports, 2016,6:34 408.

[本文引用: 2]

Su Wenjing , Liu Cheng , Hu Qihou , et al .

Characterization of ozone in the lower troposphere during the 2016 G20 conference in Hangzhou

[J]. Scientific Reports, 2017,7(1):17 368.

[本文引用: 2]

Tao Minghui , Chen Liangfu , Su Lin , et al .

Satellite observation of regional haze pollution over the North China Plain

[J]. Journal of Geophysical Research: Atmospheres, 2012,

117(D12)

.DOI: 10.1029/2012JD017915.

[本文引用: 1]

Li Z , Gu X , Wang L , et al .

Aerosol physical and chemical properties retrieved from ground-based remote sensing measurements during heavy haze days in Beijing winter

[J]. Atmospheric Chemistry and Physics, 2013,13(20):10 171-10 183.

[本文引用: 1]

Wang Di , Feng Haiyan , Jing Huimin .

Elements’ geochemical characteristics of PM10 and PM2.5 in Beijing during winter and spring

[J]. Advances in Earth Science, 2017, 32(8): 850-858.

[本文引用: 1]

王的,冯海艳,景慧敏 .

北京市冬季、春季PM10和PM2.5中元素地球化学特征

[J]. 地球科学进展, 2017, 32(8): 850-858.

[本文引用: 1]

Ma Zongwei , Hu Xuefei , Huang Lei , et al .

Estimating ground-level PM2. 5 in China using satellite remote sensing

[J]. Environmental Science & Technology, 2014,48(13):7 436-7 444.

[本文引用: 1]

Sanford Sillman .

The use of NO y , H2O2, and HNO3 as indicators for ozone‐NO x ‐hydrocarbon sensitivity in urban locations

[J]. Journal of Geophysical Research: Atmospheres, 1995,100(D7):14 175-14 188.

[本文引用: 2]

Zhang Renyi , Lei Wenfang , Xuexi Tie , et al .

Industrial emissions cause extreme urban ozone diurnal variability

[J]. Proceedings of the National Academy of Sciences of the United States of America, 2004,101(17):6 346-6 350.

[本文引用: 1]

Martin Randall V , Fiore Arlene M , Van Donkelaar Aaron .

Space‐based diagnosis of surface ozone sensitivity to anthropogenic emissions

[J]. Geophysical Research Letters, 2004,31(6).DOI : 10.1029/2004GL019416.

[本文引用: 1]

Xing Chengzhi , Liu Cheng , Wang Shanshan , et al .

Observations of the vertical distributions of summertime atmospheric pollutants and the corresponding ozone production in Shanghai, China

[J]. Atmospheric Chemistry and Physics, 2017,17(23):14 275.

[本文引用: 1]

Geng Fuhai , Xuexi Tie , Xu Jianmin , et al .

Characterizations of ozone, NO x , and VOCs measured in Shanghai, China

[J]. Atmospheric Environment, 2008,42(29):6 873-6 883.

[本文引用: 1]

Duncan Bryan N , Yasuko Yoshida , Olson Jennifer R , et al .

Application of OMI observations to a space-based indicator of NO x and VOC controls on surface ozone formation

[J]. Atmospheric Environment, 2010,44(18): 2 213-2 223.

[本文引用: 1]

Hong Qianqian , Liu Cheng , Chan Ka Lok, et al .

Ship-based MAX-DOAS measurements of tropospheric NO2, SO2, and HCHO distribution along the Yangtze River

[J]. Atmospheric Chemistry and Physics, 2018,18(8):5 931-5 951.

[本文引用: 1]

Frish M B , Laderer M C , Wainner R T , et al .

The next generation of TDLAS analyzers

[C]// Next-Generation Spectroscopic Technologies. International Society for Optics and Photonics.2001. DOI: 10.1117/12.417375.

[本文引用: 1]

Frish M B , White M A , Allen M G .

Handheld laser-based sensor for remote detection of toxic and hazardous gases

[C]// Proceedings SPIE 4199,Water, Ground, and Air Pollution Monitoring and Remediation. International Society for Optics and Photonics,2001.

[本文引用: 1]

Li Yan , Wang Junde , Huang Zhonghua , et al .

Monitoring leaking gases by OP-FTIR remote sensing

[J]. Journal of Environmental Science and Health(Part A), 2002,37(8):1 453-1 462.

[本文引用: 1]

/