章吴婷1
,
张秀英1
,
刘磊1
,
赵丽敏1,2
,
卢学鹤1
|
收稿日期: 2017-07-28
基金项目: 国家自然科学基金(编号：41471343；41501212)；博士研究创新基金(编号：2016CL07)
第一作者简介: 章吴婷(1992— )，女，硕士研究生，研究方向为大气环境遥感。E-mail：zhangwuting75@163.com
通讯作者简介: 张秀英(1977— )，女，副教授，研究方向为大气环境遥感。E-mail：lzhxy77@163.com
中图分类号: TP79
文献标识码: A
|
摘要
为探讨1996年以来华北平原对流层NO2柱浓度变化的空间特征，基于GOME、SCIAMACHY和OMI卫星传感器的监测数据，以SCIAMACHY的NO2柱浓度为基准，根据建立的GOME和SCIAMACHY，SCIAMACHY和OMI之间的相关关系，校正GOME和OMI监测的NO2数据；利用线性正弦曲线模型拟合方法研究1996年—2016年长时间序列华北平原对流层NO2变化的空间分布特征。结果显示，华北平原对流层NO2浓度自1996年开始持续上升，到2011年达到最高值，然后呈现下降趋势。该变化趋势主要受经济发展和环保政策的双重影响。1996年—2011年，NO2柱浓度高值区分布在北京市、天津市、河北唐山市和保定市、山东德州市和济南市、安徽滁州市以及江苏南京市、常州市和无锡市，并且具有较高增长率；2012年—2016年NO2柱浓度平均值远高于1996年—2011年NO2柱浓度平均值，高值地区范围扩大，分布在河北南部、河南北部和山东西部，但华北平原地区NO2柱浓度均呈现负增长，表明 “十二五”规划提出的大气环保政策取得了显著成效。同时，对流层NO2柱浓度可以反映典型环保事件如北京奥运会、国庆阅兵和南京青奥会时期大气环保政策的实施效果。
关键词
变化趋势, 对流层NO2柱浓度, 华北平原, 多源遥感, 长时间序列
ZHANG Wuting1
,
ZHANG Xiuying1
,
LIU Lei1
,
ZHAO Limin1,2
,
LU Xuehe1
Abstract
A trend analysis based on observations from GOME, SCIAMACHY, and OMI of the tropospheric NO2 column from 1996 to 2016 in North China Plain is presented. The columnar NO2 showed a rapid increase from 1996 to 2011, especially in Beijing, Tianjin, and Hebei. On the contrary, a significant decrease in tropospheric NO2 column was observed in North China Plain from 2012 to 2016 because of the effective control strategies from the twelfth Five-Year Plan. This study aims to investigate the spatial variations in tropospheric NO2 trend from 1996 to 2016 in North China Plain, from which the driving factors of economic development and polices were derived. First, the liner regression analysis method was used among tropospheric NO2 columns from GOME, SCIAMCHY, and OMI. Second, the spatial variations in NO2 trend in North China Plain were investigated using multivariate linear regression. Results showed that NO2 columns in North China Plain increased by 10.3% per year from 1996 to 2011, and then decreased by 8.77% per year from 2012 to 2016 because of the rapid economic development, environmental protection policy, and rainfall. From 1996 to 2011, high NO2 columns were mainly concentrated in Beijing, Tianjin, Tangshan, Baoding, Dezhou, Jinan, Nanjing, Changzhou, and Wuxi, with the value of NO2 columns being larger than 600×1013 molec·/cm2. Low NO2 columns were mainly concentrated in northern Hebei and southwestern Henan provinces, with the value of NO2 columns being less than 200×1013 molec·/cm2. The trend of NO2 columns had an acceptable agreement (0.54) with NO2 concentration in the space, indicating that the increase was mostly distributed in the region with high value. From 2012 to 2016, the high value of NO2 columns spread to southern Hebei, northern Henan, and western Shandong. Generally, the average NO2 column from 2012 to 2016 was considerably higher than that from 1996 to 2011. The trend of NO2 column decreased from 2012 to 2016 over North China Plain probably because of the effective control strategies implemented during the twelfth Five-Year Plan. In addition, tropospheric NO2 column showed a significant reduction during typical events in North China Plain, such as, Beijing Olympics, military parade, and Nanjing Youth Olympic Games. The tropospheric NO2 columns measured by GOME, SCIAMACHY, and OMI could be used to indicate the variations of NOx emissions. Results showed that the increase and decrease trends may be affected by rapid economic development, environmental protection policies, and rainfall.
Key words
trend analysis, tropospheric NO2 columns, North China Plain, multi-source satellite remote sensing, long time period
1 引 言
大气NO2是对流层中重要的化学成分，是形成硝酸性酸雨、酸雾以及光化学烟雾的主要污染物，对人体健康和生态系统已经产生了负面影响(Logan，1983；Chiusolo 等，2011)。中国快速发展的经济导致能源消耗增加，致使大气中NO2有了显著增加，已经成为全球大气NO2浓度最高的三大地区之一。中国NO2浓度高值主要分布在华北平原(Krotkov 等，2016)，因此，迫切需要探讨华北平原地区大气NO2浓度时空分布特征，为制定国家适应性政策提供科学依据。
地面监测NO2技术逐渐成熟，时间分辨率不断提高，监测站点数量不断增加，但是仍无法获得空间连续和长时间的NO2浓度变化趋势。与传统的单点尺度地面监测相比，遥感技术由于具有较高的时间和空间分辨率，对于探测区域尺度大气NO2时空分布研究提供了可靠依据。目前，用于探测大气NO2浓度的传感器主要有GOME (The Global Ozone Monitoring Experiment, 1996年—2003年)、GOME2A (2007年至今)、GOME2B (2013年至今)、OMPS (Ozone Mapping & Profiler Suite)、SCIAMACHY (Scanning Imaging Absorption Spectrometer for Atmospheric Cartography, 2002年—2012年)以及OMI (Ozone Monitoring Instrument，2004年至今)。因此，基于遥感监测可以获得1996年到当前的大气NO 2柱浓度时空分布数据。
许多学者探讨了全国尺度大气NO2的时空分布格局，如王跃启等人(2009)基于OMI的NO2柱浓度研究2004年—2008年8个自然区的时空分布变化；肖钟湧等人(2011)基于OMI数据分析了2004年—2011年对流层NO2柱浓度和总柱浓度的时空特征；Richter等人(2005)基于GOME和SCIAMACHY数据探讨了1996年—2004年NO2浓度的时空变化；de Foy等人(2016)基于OMI数据探讨了环保政策对NOX排放的影响；Chen等人(2017)探讨了5种传感器监测的NO2数据产品在中国的差异。另外，也有研究探讨了区域尺度大气NO2的时空分布。符传博等人(2016)基于OMI监测数据探讨了海南省2004年—2015年大气NO2浓度的时空分布，该研究表明NO2浓度在近12年表现为上升趋势，与经济水平和人口分布密切相关；张杰等人(2016)基于OMI对流层NO2数据详细探讨了中国中部平原地区2007年—2014年NO2时空变化特征及其成因；胡春梓等人(2016)基于GOME、SCIAMACHY和GOME-2卫星探测数据分1996年—2002年，2003年—2006年和2007年—2012年3个时间段，探讨了河北省NO2浓度的变化，并结合气温、降水、人口和生产总值及能源消耗探讨了成因；周春艳等人(2016)基于OMI数据研究了京津冀地区2005年—2014年对流层NO2柱浓度的时空变化及影响因素；王英等人(2012)基于OMI数据分析对比了2005年—2011年京津冀与长三角区域大气NO2污染特征。
以上研究为探讨中国华北平原长时间序列的大气NO2提供了依据。但是到目前为止，还未见对华北平原长时间序列变化趋势进行综合分析探讨1996年—2016年；也未见对于不同传感器获得的数据进行长时间序列分析时进行归一化处理的研究报道。本研究将基于GOME、SCIAMACHY、和OMI传感器监测反演的NO2柱浓度数据，着重探讨华北平原地区大气NO2浓度随着时间变化的空间分布特征以及经济发展和环境保护政策的驱动分析。
2 数据和方法
2.1 研究区概况
华北平原是中国三大平原之一，位于北纬32°—40°，东经114°—121°。华北平原地区范围涵盖北京市、天津市、河北省、山东省、河南省、安徽省、江苏省(图1)。华北平原属温带季风气候，四季气温变化明显，平均气温为8—15 ℃，年降水量为500—900 mm。华北平原为中国人口、城市高度密集和工农业较发达的地区。
华北平原三省(河北省、山东省、江苏省)两市(北京市、天津市)均为中国“十二五”规划大气污染防治重点区域。“十二五”期间，中国工业化和城市化仍快速发展，资源能源消耗持续增长，大气环境面临前所未有的压力。为实现2020年全面建设小康社会对大气环境质量的要求，在重点区域率先推进大气污染联防联控工作，2012年年底国家环保部和发改委等部门联合颁布《重点区域大气污染防治“十二五”规划》，提出了“三区十群”13个区域的重点控制区。“三区”即“京津冀”、“长三角”和“珠三角”，“十群”即辽宁中部、山东、武汉及其周边等10个城市群，涉及山东等19个省(市、区)，117个地级及以上城市，总面积132.56万km2(钱伟，2013)。
2.2 数据资料
研究选用的1996年—2016年对流层NO2柱浓度数据来自全球臭氧监测实验(GOME)、大气层制图扫描成像吸收频谱仪(SCIAMACHY)和臭氧监测(OMI)卫星传感器。其中，1996-04—2002-12、2003-01—2011-12和2012-01—2016-12的NO2柱浓度数据分别来自GOME、SCIAMACHY和OMI (http://www.temis.nl[2017-07-28])。GOME和SCIAMACHY数据版本是TM4NO2A version 2.3，分辨率是0.25°×0.25°；OMI数据版本是DOMINO version 2.0，分辨率是0.125°×0.125°。由于OMI卫星数据分辨率与GOME、SCIAMACHY数据分辨率不一致，利用重采样方法将OMI数据采样成0.25°×0.25°。GOME、SCIAMACHY和OMI数据与地面观测或机载数据验证具有较好的一致性，同时也存在一定的误差(Schaub 等，2006；Heue 等，2005；Celarier 等，2008)，而NO2浓度趋势研究主要受传感器相对误差影响。
GOME是搭载在欧洲航天局ERS-2卫星上的传感器，ERS-2卫星于1995年4月发射，GOME测量紫外-可见光光谱地球表面及大气层的反向散射和太阳直接辐射，光谱波段为240—790 nm，空间分辨率为320×40 km，过境时间是当地时间10:30，赤道附近重访周期为3 d (Burrows 等，1999)。污染地区对流层NO2柱浓度精度达到35%—60%(Boersma 等，2004)。
SCIAMACHY是搭载在欧洲航天局欧洲环境1号(ENVISAT-1)卫星上的传感器，ENVISAT-1卫星于2002年3月发射，光谱波段为240—2380 nm，空间分辨率为60×30 km，过境时间是当地时间10:00，赤道附近重访周期为6 d。星下点对流层NO2柱浓度的精度为10% (Bovensmann 等，1999)。SCIAMACHY卫星获得的对流层NO2柱浓度在复杂地形的不确定性达到40%(Schaub 等，2007)。
OMI是搭载在美国国家航空航天局(NASA)的Aura卫星上的传感器，Aura卫星于2004年7月发射，采用紫外–可见光光谱仪探测太阳直射光和后向散射光，探测波段是270—500 nm，空间分辨率为24×13 km，扫描过境时间约为当地时间13:45，1 d覆盖全球一次 (Levelt 等，2006)。OMI卫星遥感数据采用实时反演方法获取，经过轨道校正的斜柱浓度误差是0.7×1015 molec./cm2(Boersma 等，2007)。OMI卫星NO2总柱浓度和对流层浓度数据不确定性为15%—30%(Celarier 等，2008)。
此外，本研究还用到了1996年—2015年华北平原各省GDP数据(http://data.stats.gov.cn./[2017-07-28])，北京和南京市的气象数据(https://www.wunderground.com/[2017-07-28])以及华北平原的降雨量数据(https://www.esrl.noaa.gov/[2017-07-28])，数据下载时间为2017年7月。
2.3 多元线性回归方法
为了定量描述NO2柱浓度月平均变化特征和年变化趋势，采用多元线性回归模型进行数据分析(张彦军 等，2008)
| ${Y_t} = A + B{X_t} + C\sin (D{X_t} + E) + {N_t}$ | (1) |
式中，Yt表示t月NO2月平均柱浓度，Xt表示1996年4月以后的月份数(0表示1996年4月，每增加1个月，Xt增加1)。A，B，C，D，E为模型的拟合参数。A 表示1996年4月NO2柱浓度，B表示NO2柱浓度月平均趋势，C表示季节性变化振幅，D表示变化的频率(本研究取D=π/6)，A+BXt表示NO2柱浓度的变化趋势线，Csin(DXt+E)描述NO2柱浓度每年的季节性变化特征。3–6E/π描述NO2柱浓度最大值月份，–3–6E/π描述NO2柱浓度最小值月份。Nt表示NO2柱浓度实际值和模型拟合值之间的残差，Weatherhead等人(1998)认为残差Nt具有自相关性，用下式表示
| ${N_t} = \phi {N_{t - 1}} + {\varepsilon _t}$ | (2) |
式中，εt为自相关中的噪音，ϕ为残差之间的自相关性。残差之间的自相关性会影响NO2柱浓度月均值的变化趋势的精度，Weatherhead等人(1998)认为趋势的精度σB是自相关ϕ、时间跨度T和残差的标准偏差σN的函数，可近似表示为
| ${\sigma _B} \approx \frac{{{\sigma _N}}}{{{T^{3/2}}}}\sqrt {\frac{{1 + \phi }}{{1 - \phi }}} $ | (3) |
如果趋势B和精度σB满足|B/σB|>2，可认为月平均变化趋势B在95%的置信水平下显著(Weatherhead 等，1998)。
3 结果与讨论
3.1 3种传感器获得的NO2柱浓度的相关性分析
图2显示了卫星数据重合时间段内SCIAMACHY和GOME(2002-08—2003-06)，以及SCIAMCHY和OMI(2004-10—2012-03)获得的对流层NO2柱浓度的散点图和空间分布图。无论由SCIAMACHY和GOME还是SCIAMCHY和OMI获得的NO2柱浓度，在栅格尺度上都存在显著的相关关系，以上两组数据的决定系数分别为0.77和0.89，在空间上的相关系数分别为0.91和0.96，表明这3个传感器获得的NO2柱浓度数据，具有比较一致的时空变异特征。从图2(a)空间分布图上可以看出，SCIAMACHY获得的NO2柱浓度小于1500×1013 molec./cm2和大于2000×1013 molec./cm2的范围比GOME范围大。但总体上GOME获得的NO2柱浓度值稍高，GOME平均NO2柱浓度值比SCIAMACHY平均值高出3%。这与Richter等(2005)在全国尺度上认为SCIAMACHY和GOME获得的NO2柱浓度可以无缝对接的研究结果不同。
从图2(b)空间分布图和散点图上均可以看出，与SCIAMACHY获得NO2柱浓度相比，OMI的值偏低，SCIAMACHY平均NO2柱浓度值比OMI平均值低出43.68%。除了传感器本身的误差，主要原因是OMI过境的时间是下午1:30左右，而SCIAMACHY过境的时间是上午10:30左右。研究表明NO2浓度存在比较大的日变化(程念亮 等，2016)。对于城区而言，受交通流的影响，上午10:30的NO2浓度高于下午1:30；非城区的温度和气压也会影响NOx与大气中其他物质反应速率，进而在天尺度上不同时刻获取的NO2存在一定的差异(尉鹏 等，2011)。
3.2 华北平原地区大气NO2柱浓度1996年—2016年变化
基于图2建立的SCIAMACHY和GOME、OMI获得的大气NO2柱浓度的相关关系，将GOME和OMI的NO2数据以SCIAMACHY为基准进行校正，然后探讨1996年—2016年间华北平原NO2浓度、GDP和降雨量变化。
华北平原地区大气NO2年均值与GDP、降雨量的变化趋势见图3。可以看出，大气NO2浓度从1996年受经济发展的影响持续上升，到2011年到达顶点；2012年开始呈现下降趋势。从1996年—2011年，对流层NO2柱浓度从424.64×1013 molec./cm2增加到1792.48×1013 molec./cm2，每年平均增长率为10.3%。在相应时间段内，全国的GDP从3425.73亿元增加到26968.41亿元，每年平均增长率为14.84%。年均大气NO2浓度与GDP的相关系数高达0.96，表明二者存在强相关。而1996年到2011年NO2柱浓度与降雨量不存在相关性。因此，从这点上看，经济的增加导致了NO2排放量的增加，进而导致大气NO2浓度的增加。
中国在十二五规划期间，明确提出控制NOX排放，大气NO2浓度到2015年要比基期年2010年下降10%(钱伟，2013)。随着政策的颁布，电厂和主要的重工业产业陆续安装了氮氧化物过滤装置，安装率从2011年18%上升到2015年的86%，该装置可以大量降低NOX排放量(Liu 等，2016)。本研究显示，华北平原大气NO2柱浓度自2011年开始持续降低，到2016年降低到1123.44×1013 molec./cm2，每年平均降低率为8.77%。同时，华北平原的GDP从26968.41亿元增加到37355.48亿元，增加的百分比为每年8.5%。长时间序列(1996年—2016年)的大气NO2年均值与GDP的相关系数为0.76，低于1996年—2011年的相关系数，表明华北平原大气NO2浓度受经济和政策双重因素影响。华北平原在实现经济增长的同时，实现了降低大气污染的目标。从2011年—2016年，华北平原的降雨量呈现增加趋势，从776 mm增加到992 mm，2011年—2016年NO2柱浓度和降雨量表现负相关性，相关系数为0.71。因此除政策因素外，降雨量也是影响NO2柱浓度变化的重要因素。
为了评估十二五环保政策取得的成效，对比了2010年和2015年的大气NO2浓度。2010年NO2浓度为1469.24×1013 molec./cm2，2015年NO2浓度为1253.69×1013 molec./cm2，下降率为14.67%，已经超过政策预定的10%的目标，表明到2015年华北平原大气NO2已经实现了既定目标。
1996年—2016年华北平原大气NO2浓度最大值年份分布图见图4。华北平原地区NO2柱浓度大部分在2011年、2012年和2013年达到最大值，分别占总栅格数的45.24%、18.6%和19.28%，其中在2011年达到最大值的栅格数占比最大，其余年份占比均不超过6%。2011年、2012年和2013年华北平原降雨量平均值为766 mm，明显低于前3年(812 mm)和后3年降雨量(879 mm)的平均值，因此这3年NO2柱浓度表现最大值的原因除了排放量的增加外，与降雨量的减少也有关。从栅格尺度上看，华北平原地区NO2柱浓度在2011年和2012年达到最大值的栅格占总栅格数的63.84%，从华北平原整体上看，NO2柱浓度在2011年前后呈现相反的变化趋势，因此分别对1996年—2011年和2012年—2016年两个时间段NO2柱浓度变化的空间分布进行研究。
3.3 大气NO2柱浓度1996年—2011年变化的空间分布
使用校正后的NO2柱浓度数据逐像元探讨大气NO2在1996年—2011年间变化的空间分布趋势。模拟结果表明，华北平原地区98.6%的栅格模拟结果达到显著，p值低于0.05，可以用于后续分析研究。图5(a)反映了对流层NO2 柱浓度的空间变异情况。华北平原地区对流层NO2柱浓度的平均值为390×1013 molec./cm2，NO2柱浓度总体呈现中间高，边缘低的分布规律。大气NO2柱浓度超过600×1013 molec./cm2的高值主要分布在北京市、天津市、河北唐山市和保定市、山东德州市和济南市、安徽滁州市以及江苏南京市、常州市和无锡市。大气NO2柱浓度低于200×1013 molec./cm2的区域主要分布在河北承德市、河南南阳市和安徽贵池市。其余地区NO2柱浓度在200×1013—600×1013 molec./cm2之间，占模拟显著栅格数的69.98%(表1)。
表 1 1996年—2011年NO2浓度值(A)和月变化值(B)分级的栅格数及其占总栅格数百分比
Table 1 Numbers and percentages of pixels at different levels for the NO2 concentration (A) and trend (B)
| NO2柱浓度(×1013 molec./cm2) | NO2柱浓度变化(×1013 molec./cm2/month) | ||||||||||
| <200 | 200—400 | 400—600 | 600—800 | >800 | 0—4 | 4—8 | 8—12 | 12—16 | 16—32 | ||
| 栅格数 | 237 | 410 | 476 | 111 | 32 | 197 | 341 | 305 | 190 | 233 | |
| 百分比/% | 18.72 | 32.38 | 37.60 | 8.77 | 2.53 | 15.56 | 26.94 | 24.09 | 15.01 | 18.4 | |
图5(b)主要反映了1996年—2011年大气NO2柱浓度的每月增长量。华北平原地区NO2浓度都呈现正增长，总体表现出在NO2浓度比较高的地方，对流层NO2柱浓度变化量较高，二者在空间分布上具有比较好的空间相关性，相关系数达到0.54。增长量较高的主要分布在经济增长比较快速的地区，这些地区汽车数量的增加和能源资源利用量的增加，都加速了NOX的排放，进而增加了大气NO2的浓度(Huang 等，2013；Richter 等，2005；Zhang 等，2009)。
研究显示，对流层NO2柱浓度呈现非常明显的年周期，受排放源、气候条件的影响，大气NO2柱浓度呈现出冬季高、夏季低、春秋季居中的趋势(王跃启 等，2009)。图6是华北平原地区NO2柱浓度最大值和最小值月份的空间分布图。可以看出，华北平原地区NO2浓度最大值月份大部分在1月份和2月份，其中77.95%的华北平原地区NO2柱浓度最大值在1月份，NO2浓度最小值月份大部分在7月份和8月份，78.03%的华北平原地区NO2柱浓度最小值在7月份。NO2浓度最大值和最小值月份分布情况表明华北平原地区NO2柱浓度季节变化呈现冬季高、夏季低的特征。
3.4 大气NO2柱浓度2012年—2016年变化的空间分布
使用校正后的NO2柱浓度数据逐像元探讨大气NO2在2012年—2016年间变化的空间分布趋势。模拟结果表明，华北平原地区97.53%的栅格模拟结果达到显著，p值低于0.05，可以用于后续分析研究。图7(a)与1996年—2011年的图5(a)空间分布比较相似，但是2012年—2016年大部分地区NO2浓度均高于1996年—2011年NO2浓度最高值。在1996年—2011年的NO2柱浓度分布图上，高值区分别在北京市、天津市、河北唐山市和保定市、山东德州市和济南市、安徽滁州市以及江苏南京市、常州市和无锡市，呈条状分布。但是在2012年—2016年的NO2空间分布图上，高值区范围扩大，主要分布在河北南部、河南北部和山东西部，呈面状分布。从平均值上看，2012年—2016年平均NO2柱浓度为2391×1013 molec./cm2，远远高于1996年—2011年的平均值。
表 2 2012—2016年NO2浓度值(A)和月变化值(B)分级的栅格数及其占总栅格数百分比
Table 2 Numbers and percentages of pixels at different levels for NO2 concentration (A) and trend (B)
| NO2柱浓度(×1013 molec./cm2) | NO2柱浓度变化(×1013 molec./cm2/month) | ||||||||||
| <1500 | 1500—2500 | 2500—3500 | 3500—4500 | >4500 | –65— –35 | –35— –25 | –25— –15 | –15— –5 | –5—0 | ||
| 栅格数 | 280 | 385 | 394 | 148 | 55 | 67 | 173 | 446 | 482 | 94 | |
| 百分比/(%) | 22.19 | 30.51 | 31.22 | 11.73 | 4.36 | 5.31 | 13.71 | 35.34 | 38.19 | 7.45 | |
图7(b)主要反映了2012年—2016年大气NO2柱浓度的每月增长量。与1996年—2011年情况相反，2012年—2016年华北平原地区NO2柱浓度都呈现负增长，总体表现出在NO2浓度比较高的区域，对流层NO2柱浓度变化量较大，二者在空间分布上具有比较好的空间相关性，相关系数达到–0.85。降低量较大的主要分布在NO2浓度比较高的地区，原因并不是由于这些地区经济增长下降，主要原因可能是环境保护政策的实施。
“十二五规划”范围包括华北平原地区5个省市，分别为北京市、天津市、河北省、山东省和江苏省。从对流层柱浓度的空间分布上看(图7(a))，规划的重点区域与NO2高值的分布比较吻合，表明规划范围的制定是合理的。变化量的空间分布(图7(b))也表明，在政策颁布之后的4年期间，规划区域内对流层NO2柱浓度几乎都呈现下降趋势，而且下降趋势明显，最高达到–65×1013 molec./cm2。该研究也表明，提出的重点区域大气防治规划起到了非常明显的成效。
3.5 对流层NO2柱浓度对典型环保事件的响应
为了更加具体地探讨对流层NO2柱浓度对典型环保事件的响应，选择北京奥运会、国庆阅兵和南京青奥会期间NO2浓度变化进行研究。北京和南京两个城市，NO2月平均浓度呈现明显的周期变化。长时间序列的变化趋势与年均NO2相似，1996年—2011年呈现逐渐上升的趋势，2011年达到顶峰，然后逐渐下降。近年来，在这两个城市先后举办了北京奥运会，南京青奥会，纪念抗战胜利70周年阅兵式等重要活动，活动期间制定了一系列措施保障空气质量。
研究表明，气温、降水、风速与NO2浓度相关性较强，降水对NO2起到重要的清除作用，风速影响NO2的扩散(赵辉 等，2015)。为最大可能去除天气的影响，选用活动期间一到两个月的NO2平均浓度数据与同期数据对比，并对不同年份典型事件所在月份的气象数据进行对比。由表3可以看出，相邻年份相同月份气温差值不超过±5 ℃，降水相差不超过±2 mm，风速相差不超过±4 km/h，气象要素相差较小，可以不考虑气象因素对NO2浓度的影响。
表 3 典型事件期间气温、降水和风速与前后两年同期数据对比
Table 3 Temperature, precipitation and wind speed were compared in the same period during typical events
| 年份 | 北京奥运会(8、9月) | 北京阅兵式(8、9月) | 南京青奥会(8月) | ||||||||||
| 2006 | 2007 | 2009 | 2010 | 2013 | 2014 | 2016 | 2012 | 2013 | 2015 | 2016 | |||
| 气温/(℃) | 0 | 1 | –1 | –1 | 0 | 0 | 0.5 | 2 | 5 | 2 | 4 | ||
| 降水/mm | 0.7 | 0 | 0 | 0 | 0.25 | 0.45 | 0.1 | 0.7 | –1.6 | 0.6 | –1.3 | ||
| 风速/(km/h) | 0 | 0 | –0.5 | 0.5 | 0.5 | –0.5 | 0.5 | 4 | 4 | 2 | 3 | ||
| 注：北京奥运会2009年气温–1表示2009年8、9月份平均气温与2008年相比低1 ℃。 | |||||||||||||
从图8可以看出，2008年北京奥运会、残奥会期间(7月20日—9月20日)，与前后两年同期(8月—9月)相比，NO2柱浓度呈现明显下降，下降率分别为39.78%和51.78%。该结果与余环等人(2009) 研究结果相一致，2008年北京奥运会、残奥会期间北京和周边省市实施空气质量保障措施，加强机动车管理、严格控制重点污染企业，使得北京市NO2浓度下降，确保了良好的空气质量。2015年9月3日纪念中国人民抗战胜利70周年阅兵仪式在北京举行，期间(8月20日—9月3日)实行机动车单双号限行和重点工业企业停产限产等措施。从卫星数据上看，8月—9月NO2柱浓度相比前两年同期下降了15.31%，与后一年同期下降了18.78%，这与地面监测结果一致(赵辉 等，2016)。
2014年8月份南京青年奥林匹克运动会期间，NO2柱浓度较前后两年同期分别下降了41.39%和16.61%。青奥会期间各种污染物的浓度均有大幅度的下降，环保部从扬尘、汽车尾气和工业排放等方面实行了相应的控制措施。苏浙沪两省一市建立长江三角洲大气污染联防联控系统，达成长江三角洲地区环境保护合作协议，在重大活动中保障了空气质量(赵辉 等，2015)。
4 结 论
本文利用GOME、SCIAMACHY和OMI传感器获得1996年—2016年对流层NO2柱浓度长时间序列数据，使用线性正弦曲线模型拟合方法研究华北平原对流层NO2柱浓度的趋势变化。
从华北平原整体上看，NO2柱浓度年变化趋势主要受到经济和政策的双重影响。1996年—2011年，经济快速发展导致NO2浓度的增加，两者间相关性高达0.96。2011年之后大气NO2浓度有了明显的下降，2015年与2010年相比，下降率为14.67%，大气NO2浓度下降范围达到“十二五”规划既定目标。
从栅格尺度上看，1996年—2011年华北平原地区NO2柱浓度平均值为390×1013 molec./cm2，柱浓度高值区主要分布在北京市、天津市、河北唐山市和保定市、山东德州市和济南市、安徽滁州市以及江苏南京市、常州市和无锡市，低值区主要分布在河北承德市、河南南阳市和安徽贵池市。1996年—2011年，华北平原地区NO2浓度值均呈现正增长，且NO2浓度值高低和NO2浓度变化具有好的空间相关性，即NO2浓度值越高，增长率也越大，主要原因是高值区分布在经济发达地区，这些地区汽车排放和能源利用排放大量NOX，从而使NO2浓度增加。
2012年—2016年平均NO2浓度值为2391×1013 molec./cm2，远高于1996年—2011年平均值，高值区范围扩大，主要分布在河北南部、河南北部和山东西部。2012年—2016年大部分地区NO2呈现负增长，且与高值区空间分布有较好的负相关性，即NO2浓度值越高，下降率也越高，主要原因是“十二五”规划政策对污染地区NO2排放的控制。
环境保障政策的有效实施，使北京奥运会，阅兵式和南京青奥会期间NO2柱浓度与相邻年份同期数据对比有较大幅度的下降，表明遥感NO2柱浓度对重大事件过程中NO2浓度的监测具有较好的响应，为空气质量保障及相关环境保护政策法规的制定提供重要依据。
参考文献(References)
-
Boersma K F, Eskes H J and Brinksma E J. 2004. Error analysis for tropospheric NO2 retrieval from space . Journal of Geophysical Research, 109 (D4): D04311 [DOI: 10.1029/2003JD003962]
-
Boersma K F, Eskes H J, Veefkind J P, Brinksma E J, Van Der A R J, Sneep M, van den Oord G H J, Levelt P F, Stammes P, Gleason J F and Bucsela E J. 2007. Near-real time retrieval of tropospheric NO2 from OMI . Atmospheric Chemistry and Physics, 7 (8): 2103–2118. [DOI: 10.5194/acp-7-2103-2007]
-
Bovensmann H, Burrows J P, Buchwitz M, Frerick J, Noël S, Rozanov V V, Chance K V and Goede A P H. 1999. SCIAMACHY: Mission objectives and measurement modes. Journal of the Atmospheric Sciences, 56 (2): 127–150. [DOI: 10.1175/1520-0469(1999)056<0127:SMOAMM>2.0.CO;2]
-
Burrows J P, Weber M, Buchwitz M, Rozanov V, Ladstätter-Weißenmayer A, Richter A, DeBeek R, Hoogen R, Bramstedt K, Eichmann K U, Eisinger M and Perner D. 1999. The global ozone monitoring experiment (GOME): mission concept and first scientific results. Journal of the Atmospheric Sciences, 56 (2): 151–175. [DOI: 10.1175/1520-0469(1999)056<0151:TGOMEG>2.0.CO;2]
-
Celarier E A, Brinksma E J, Gleason J F, Veefkind J P, Cede A, Herman J R, Ionov D, Goutail F, Pommereau J P, Lambert J C, van Roozendael M, Pinardi G, Wittrock F, Schönhardt A, Richter A, Ibrahim O W, Wagner T, Bojkov B, Mount G, Spinei E, Chen C M, Pongetti T J, Sander S P, Bucsela E J, Wenig M O, Swart D P J, Volten H, Kroon M and Levelt P F. 2008. Validation of Ozone Monitoring Instrument nitrogen dioxide columns. Journal of Geophysical Research, 113 (D15): D15S15 [DOI: 10.1029/2007JD008908]
-
Chen D M, Feng Y and Zhang X Y. 2017. Comparison of variability and change rate in tropospheric NO2 column obtained from satellite products across China during 1997-2015 . International Journal of Digital Earth, 10 (8): 814–828. [DOI: 10.1080/17538947.2016.1252435]
-
Cheng N L, Li Y T, Zhang D W, Chen T, Dong X, Wang X, Huan N, Liu B X, Yan H and Meng F. 2016. Spatial and temporal distribution of NO2 during 2013~2014 in Beijing . China Envinronmental Science, 36 (1): 18–26. [DOI: 10.3969/j.issn.1000-6923.2016.01.004] ( 程念亮, 李云婷, 张大伟, 陈添, 董欣, 王欣, 郇宁, 刘保献, 闫贺, 孟凡. 2016. 2013~2014年北京市NO2时空分布研究 . 中国环境科学, 36 (1): 18–26. [DOI: 10.3969/j.issn.1000-6923.2016.01.004] )
-
Chiusolo M, Cadum E, Stafoggia M, Galassi C, Berti G, Faustini A, Bisanti L, Vigotti M A, Dessi M P, Cernigliaro A, Mallone S, Pacelli B, Minerba S, Simonato L and Forastiere F. 2011. Short-term effects of nitrogen dioxide on mortality and susceptibility factors in 10 Italian cities: the EpiAir study. Environmental Health Perspectives, 119 (9): 1233–1238. [DOI: 10.1289/ehp.1002904]
-
de Foy B, Lu Z F and Streets D G. 2016. Satellite NO2 retrievals suggest China has exceeded its NOx reduction goals from the twelfth Five-Year Plan . Scientific Reports, 6 : 35912 [DOI: 10.1038/srep35912]
-
Fu C B, Tang J X, Dan L and Xue Y J. 2016. Satellite-based long-term trends analysis in TroNO2 over Hainan Island and its possible reason . Acta Scientiae Circumstantiae, 36 (4): 1402–1410. [DOI: 10.13671/j.hjkxxb.2015.0549] ( 符传博, 唐家翔, 丹利, 薛羽君. 2016. 基于卫星遥感的海南地区对流层NO2长期变化及成因分析 . 环境科学学报, 36 (4): 1402–1410. [DOI: 10.13671/j.hjkxxb.2015.0549] )
-
Heue K P, Richter A, Bruns M, Burrows J P, Friedeburg C V, Platt U, Pundt I, Wang P and Wagner T. 2005. Validation of SCIAMACHY tropospheric NO2-columns with AMAXDOAS measurements . Atmospheric Chemistry and Physics, 5 (4): 1039–1051. [DOI: 10.5194/acp-5-1039-2005]
-
Hu C Z and Yuan J G. 2016. Spatio-temporal Change of NO2 column density in Hebei province based on multi-source satellite remote sensing data . Bulletin of Science and Technology, 32 (11): 30–36, 232. [DOI: 10.3969/j.issn.1001-7119.2016.11.006] ( 胡春梓, 袁金国. 2016. 基于多源卫星遥感数据的河北省NO2柱浓度时空变化 . 科技通报, 32 (11): 30–36, 232. [DOI: 10.3969/j.issn.1001-7119.2016.11.006] )
-
Huang J P, Zhou C H, Lee X, Bao Y X, Zhao X Y, Fung J, Richter A, Liu X and Zheng Y Q. 2013. The effects of rapid urbanization on the levels in tropospheric nitrogen dioxide and ozone over East China. Atmospheric Environment, 77 : 558–567. [DOI: 10.1016/j.atmosenv.2013.05.030]
-
Huang Y M, Wei H P, Duan Y S and Zhang Y H. 2013. Ambient air quality status and reason analysis of Shanghai World Expo. Environmental Monitoring in China, 29 (5): 58–63. [DOI: 10.3969/j.issn.1002-6002.2013.05.012] ( 黄嫣旻, 魏海萍, 段玉森, 张懿华. 2013. 上海世博会环境空气质量状况和原因分析. 中国环境监测, 29 (5): 58–63. [DOI: 10.3969/j.issn.1002-6002.2013.05.012] )
-
Krotkov N A, McLinden C A, Li C, Lamsal L N, Celarier E A, Marchenko S V, Swartz W H, Bucsela E J, Joiner J, Duncan B N, Boersma K F, Veefkind J P, Levelt P F, Fioletov V E, Dickerson R R, He H, Lu Z F and Streets D G. 2016. Aura OMI observations of regional SO2 and NO2 pollution changes from 2005 to 2015 . Atmospheric Chemistry and Physics, 16 (7): 4605–4629. [DOI: 10.5194/acp-16-4605-2016]
-
Levelt P F, van den Oord G H J, Dobber M R, Mälkki A, Visser H, de Vries J, Stammes P, Lundell J O V and Saari H. 2006. The ozone monitoring instrument. IEEE Transactions on Geoscience and Remote Sensing, 44 (5): 1093–1101. [DOI: 10.1109/TGRS.2006.872333]
-
Liu F, Zhang Q, Zheng B, Tong D, Yan L, Zheng Y X and He K B. 2016. Recent reduction in NOx emissions over China: synthesis of satellite observations and emission inventories . Environmental Research Letters, 11 (11): 114002 [DOI: 10.1088/1748-9326/11/11/114002]
-
Logan J A. 1983. Nitrogen oxides in the troposphere: global and regional budgets. Journal of Geophysical Research, 88 (C15): 10785–10807. [DOI: 10.1029/JC088iC15p10785]
-
Qian W. 2013. Atmospheric pollution prevention and control in the period of 12th Five-Year Plan. China Environmental Protection Industry (1): 4–18. ( 钱伟. 2013. 重点区域大气污染防治" 十二五”规划. 中国环保产业 (1): 4–18. )
-
Richter A, Burrows JP, Nüss H, Granier C and Niemeier U. 2005. Increase in tropospheric nitrogen dioxide over China observed from space. Nature, 437 (7055): 129–132. [DOI: 10.1038/nature04092]
-
Schaub D, Boersma K F, Kaiser J W, Weiss A K, Folini D, Eskes H J and Buchmann B. 2006. Comparison of GOME tropospheric NO2 columns with NO2 profiles deduced from ground-based in situ measurements . Atmospheric Chemistry and Physics, 6 (11): 3211–3229. [DOI: 10.5194/acp-6-3211-2006]
-
Schaub D, Brunner D, Boersma K F, Keller J, Folini D, Buchmann B, Berresheim H and Staehelin J. 2007. SCIAMACHY tropospheric NO2 over Switzerland: estimates of NOx lifetimes and impact of the complex Alpine topography on the retrieval . Atmospheric Chemistry and Physics, 7 (23): 5971–5987. [DOI: 10.5194/acp-7-5971-2007]
-
Wang Y Q, Jiang H, Zhang X Y, Zhou G M, Yu S Q and Xiao Z Y. 2009. Temporal-spatial distribution of tropospheric NO2 in China using OMI satellite remote sensing data . Research of Environmental Sciences, 22 (8): 932–937. [DOI: 10.13198/j.res.2009.08.60.wangyq.018] ( 王跃启, 江洪, 张秀英, 周国模, 余树全, 肖钟湧. 2009. 基于OMI卫星遥感数据的中国对流层NO2时空分布 . 环境科学研究, 22 (8): 932–937. [DOI: 10.13198/j.res.2009.08.60.wangyq.018] )
-
Wang Y, Li L J and Liu Y. 2012. Characteristics of atmospheric NO2 in the Beijing-Tianjin-Hebei Region and the Yangtze River Delta analyzed by satellite and ground observations . Environmental Science, 33 (11): 3685–3692. [DOI: 10.13227/j.hjkx.2012.11.015] ( 王英, 李令军, 刘阳. 2012. 京津冀与长三角区域大气NO2污染特征 . 环境科学, 33 (11): 3685–3692. [DOI: 10.13227/j.hjkx.2012.11.015] )
-
Weatherhead E C, Reinsel G C, Tiao G C, Meng X L, Choi D, Cheang W K, Keller T, DeLuisi J, Wuebbles D J, Kerr J B, Miller A J, Oltmans S J and Frederick J E. 1998. Factors affecting the detection of trends: Statistical considerations and applications to environmental data. Journal of Geophysical Research, 103 (D14): 17149–17161. [DOI: 10.1029/98JD00995]
-
Wei P, Ren Z H, Su F Q, Chen S Y, Zhang P and Gao Q X. 2011. Seasonal distribution and cause analysis of NO2 in China . Research of Environmental Sciences, 24 (2): 155–161. [DOI: 10.13198/j.res.2011.02.35.yup.013] ( 尉鹏, 任阵海, 苏福庆, 程水源, 张鹏, 高庆先. 2011. 中国NO2的季节分布及成因分析 . 环境科学研究, 24 (2): 155–161. [DOI: 10.13198/j.res.2011.02.35.yup.013] )
-
Xiao Z Y, Jiang H and Cheng M M. 2011. Characteristics of atmospheric NO2 over China using OMI remote sensing data . Acta Scientiae Circumstantiae, 31 (10): 2080–2090. [DOI: 10.13671/j.hjkxxb.2011.10.014] ( 肖钟湧, 江洪, 程苗苗. 2011. 利用OMI遥感数据研究中国区域大气NO2. 环境科学学报, 31 (10): 2080–2090. [DOI: 10.13671/j.hjkxxb.2011.10.014] )
-
Yu H, Wang P C, Zong X M, Li X and Lü D R. 2009. Change of NO2 column density over Beijing from satellite measurement during the Beijing 2008 Olympic Games . Chinese Science Bulletin, 54 (3): 299–304. ( 余环, 王普才, 宗雪梅, 李昕, 吕达仁. 2009. 奥运期间北京地区卫星监测NO2柱浓度的变化 . 科学通报, 54 (3): 299–304. )
-
Zhang J, Li A, Xie P H, Wu F C, Xu J, Shen J C, Rong Z, Mou F S and Hu Z K. 2016. Spatiotemporal variation characteristics of NO2 tropsopheric column concentration over Chinese central region based on OMI data during. 奥运~2014 . Journal of Atmospheric and Environmental Optics, 11 (4): 288–299. [DOI: 10.3969/j.issn.1673-6141.2016.04.007] ( 张杰, 李昂, 谢品华, 吴丰成, 徐晋, 申进朝, 戎征, 牟福生, 胡肇焜. 2016. 基于OMI数据的中国中部平原地区NO2对流层柱浓度2007~2014年时空变化特征分析 . 大气与环境光学学报, 11 (4): 288–299. [DOI: 10.3969/j.issn.1673-6141.2016.04.007] )
-
Zhang Q, Streets D G, Carmichael G R, He K B, Huo H, Kannari A, Klimont Z, Park I S, Reddy S, Fu J S, Chen D, Duan L, Lei Y, Wang L T and Yao Z L. 2009. Asian emissions in 2006 for the NASA INTEX-B mission. Atmospheric Chemistry and Physics, 9 (14): 5131–5153. [DOI: 10.5194/acp-9-5131-2009]
-
Zhang Y J, Niu Z, Wang L and Chang C Y. 2008. Study on tropospheric NO2 change trend in cities using OMI satellite data . Geography and Geo-Information Science, 24 (3): 96–99. ( 张彦军, 牛铮, 王力, 常超一. 2008. 基于OMI卫星数据的城市对流层NO2变化趋势研究 . 地理与地理信息科学, 24 (3): 96–99. )
-
Zhao H, Zheng Y F, Wu X Y and Wu J M. 2015. Variation and analysis of air pollutants concentration in Nanjing during the Youth Olympic Games. Environmental Chemistry, 34 (5): 824–831. [DOI: 10.7524/j.issn.0254-6108.2015.05.2014101505] ( 赵辉, 郑有飞, 吴晓云, 吴佳敏. 2015. 青年奥林匹克运动会期间南京市主要大气污染物浓度变化与分析. 环境化学, 34 (5): 824–831. [DOI: 10.7524/j.issn.0254-6108.2015.05.2014101505] )
-
Zhao H, Zheng Y F, Xu J X, Wang Z S, Yuan Y, Huang J Q and Chu Z F. 2016. Evaluation of the improvement of the air quality during the parade in Beijing. China Environmental Science, 36 (10): 2881–2889. [DOI: 10.3969/j.issn.1000-6923.2016.10.001] ( 赵辉, 郑有飞, 徐静馨, 王占山, 袁月, 黄积庆, 储仲芳. 2016. 大阅兵期间北京市大气质量改善效果评估. 中国环境科学, 36 (10): 2881–2889. [DOI: 10.3969/j.issn.1000-6923.2016.10.001] )
-
Zhou C Y, Li Q, Wang Z T, Gao Y H, Zhang L J, Chen H, Ma P F and Tan C. 2016. Spatio–temporal trend and changing factors of tropospheric NO2 column density in Beijing-Tianjin-Hebei region from 2005 to 2014 . Journal of Remote Sensing, 20 (3): 468–480. [DOI: 10.11834/jrs.20165087] ( 周春艳, 厉青, 王中挺, 高彦华, 张丽娟, 陈辉, 马鹏飞, 檀畅. 2016. 2005年—2014年京津冀对流层NO2柱浓度时空变化及影响因素 . 遥感学报, 20 (3): 468–480. [DOI: 10.11834/jrs.20165087] )
