2. 生态环境部南京环境科学研究所, 江苏 南京 210042;
3. 南京林业大学南方现代林业协同创新中心, 江苏 南京 210037
2. Nanjing Institute of Environmental Sciences, Ministry of Ecology and Environment, Nanjing 210042, China;
3. Co-Innovation Center for Sustainable Forestry in Southern China, Nanjing 210037, China
秸秆焚烧指将诸如小麦、玉米等成熟的农作物籽实收获后,其残余的茎叶(穗)等部位通过火烧进行焚毁的行为。有调查结果显示,稻谷、玉米和小麦是进行露天秸秆焚烧的3大作物,其污染物排放占比较高。在我国每到农作物收获季节,直接在农田中进行露天秸秆焚烧的行为非常普遍[1-2]。焚烧秸秆时产生的SO2和NO2等大气污染物及颗粒污染物会进入空气造成污染。另外,秸秆焚烧导致大气中PM2.5、CO和NO2浓度呈显著波动变化规律[3-5]。然而,由于秸秆的焚烧时间随机、焚烧火点分布零散且其污染物扩散受气象和地形因素等制约[6-7],大地域范围内的秸秆焚烧人工监测面临诸多挑战。人工调查等传统地面监测手段不能及时获得大范围的火点监测信息,只能通过有限的样本点获取秸秆焚烧强度和对空气质量的影响状况。另外,地面人工调查由于烟雾遮挡等原因而不能准确快速收集秸秆焚烧的火点位置和分布范围,对于一些未出现明火焚烧的低温火点探测的敏感性也不足。而利用遥感监测手段可以在大范围内快速获取并定量分析秸秆焚烧的火点位置、数量和分布以及烟尘浓度等信息,这为及时有效地制定大气环境应急管理方案提供重要支撑。
随着各类卫星传感器的发展,基于遥感的火点探测手段也随数据源的更新而取得相应进展[8-9],新型传感器用于火灾探测的算法也在不断优化[10]。而MODIS是主要搭载在EOS系列卫星Terra和Aqua上的包含36个波段的中分辨率成像光谱仪,两颗卫星相互配合能够实现每1~2 d重复观测整个地球表面的目标。MODIS数据因其具有更新频率高、全球免费、光谱范围广的优势,是目前被最广泛用于检测地面火点的基础遥感数据。很多研究证明MODIS数据可用于有效监测秸秆焚烧事件,其中,有全国尺度较多年份的秸秆焚烧状况监测及火灾地图制作[11-12];在中等范围研究区内针对秸秆焚烧最严重的时期(5—6月)对火点进行监测,并将大气污染因子引入进而讨论秸秆焚烧与空气质量变化的相关性[13-15]。但目前,还鲜有研究考虑不同地理位置(如内陆地区和沿海地区)在空气扩散条件下秸秆焚烧带来的空气质量影响差异化的分区问题。
笔者选取山东省作为全国秸秆焚烧典型区域,利用MODIS数据提取山东省6月1日至30日的秸秆焚烧火点情况,并结合夏收期各地市的空气质量指数(air quality index,AQI)和6个空气质量分指数(individual air quality index,IAQI)数据,分析秸秆焚烧火点数与提取后区域空气质量表征值的相关性及火点发生在内陆和沿海不同地区时产生的空气污染差异,为制定有效的农作物秸秆处理策略及大气环境应急管理方案提供有益参考。
1 研究区域与数据 1.1 研究区域山东省地处我国中东部沿海地区,位于北纬34°22.9′~38°24.01′、东经114°47.5′~122°42.3′之间,属于暖温带季风气候区。研究区四季分明,冬夏季时间长于春秋季,降水集中在夏季,东西部气温差异较大,全省年平均气温为11~14 ℃,无霜期在180 d以上。
由于具有良好的水文资源和适宜农作物生长的环境条件,山东省成为我国重要的粮食生产大省,种植的主要粮食类农作物为小麦和玉米。夏季收获物主要为越冬型小麦,在春末夏初时节收割后于田间再复种玉米。在每年5—6月对成熟的冬小麦进行收割后,农民为防止延误玉米等复种作物的播种,通常以快速焚烧方式处理农田中的秸秆。因此,选取秸秆焚烧的集中期6月为研究时间窗口。
1.2 数据及预处理用于火点探测的MODIS数据通过美国国家航空航天局(National Aeronautics and Space Administration,NASA)官网(https://www.nasa.gov/)免费下载。选择下载研究区对应时间的MODIS 1B级别影像,并根据国际地圈生物圈计划(International Geosphere Biosphere Programme,IGBP)对土地覆盖类型的定义,将MODIS系列产品中的MCD12Q1土地覆盖类型产品进行相应的重分类进而提取研究区的农业用地范围。所用MODIS产品的基础信息见表 1,表 1中最后一行列出的是由MODIS数据发展而来的涵盖研究区的土地覆盖产品。
为了准确分析秸秆焚烧造成的空气污染状况,利用来自原环境保护部每日发布的城市空气质量报告,整理得到研究区各地市日均AQI和IAQI数据。AQI是由原环境保护部发布的常规监测的几种空气污染物浓度经简化得到的单一的概念性指数值形式,是定量描述空气质量状况的无量纲指数,适合于表示城市的短期空气质量状况和变化趋势。IAQI则是单项污染物的AQI,这些单项污染物指地面环境监测站监测到的SO2、NO2、PM2.5、PM10、CO和O3这6种大气污染物[16]。同时,还收集了中国气象局(http://www.cma.gov.cn/)和中央气象台(http://www.nmc.cn/)发布的气象数据,并整理出山东省各地市2017年6月6日至23日的日均降水量和风速数据。
2 研究方法 2.1 火点遥感探测方法火点燃烧产生的火焰、烟雾以及燃烧的物体本身都会导致地面温度急剧上升,导致较高能量的辐射。利用普通地物本身辐射能与火点位置燃烧辐射能的差异,选择火点热辐射峰值所在的波长4 μm附近对应的数据通道与常温地物辐射峰值所在的波长11 μm附近波段,进行对比并计算亮温,即可提取燃烧物与常温物体在中红外波段有显著差异的火点像元。EOS系列卫星设计者充分考虑火灾监测的需要,已做改进的传感器对高温比较敏感,它们具有能较好地监测秸秆焚烧的动态变化、灵敏度高、时效性强等优势,适用于探测火点。其中,MODIS适宜进行火灾监测的一些波段的特性见表 2。
将MODIS数据进行辐射定标、大气校正和几何校正等数据预处理后,采用MODIS火点探测上下文算法[17]提取火点。该算法认为在白天如果像元满足式(1),则认为该点为潜在火点:
$ {T_4} > 310\;或\;\Delta T > 10\;且\;{\rho _{0.86}} < 0.3。$ | (1) |
式(1)中,T4和T11为中心波长为4和11 μm波段的亮温,K,ΔT=T4-T11。ρ0.86为中心波长为0.86 μm波段的反射率,设置阈值为0.3,用于去除耀斑。在夜晚,如果满足T4>305 K,也判定该点为潜在火点。GIGLIO等[18]基于上下文算法发展了MODIS火点探测v4算法,延续了KAUFMAN等[19]提出的绝对阈值法,认为如果待判点满足4 μm波段亮温大于340 K即为绝对火点。而笔者在使用该算法时发现,山东省地表热异常点亮度温度普遍较高,绝对火点的阈值应调整到360 K,如式(2)所示。
$ {T_4} > 360\; (夜晚为320)。$ | (2) |
潜在火点像元包含了低温火点和高温火点以及误报的假火点,还需进一步以潜在火点像元为中心,从3×3像素的正方形窗口开始,按5×5、7×7向上最大增加到21×21。选取属于陆地的无云非背景火点像元作为有效邻近像元,构建动态窗口,结合式(3)~(7)对其亮温差、平均绝对偏差等数值差异性加以分析进而做出判别:
$ \Delta T > \Delta \bar T + 3.5{\delta _{\Delta T}}, $ | (3) |
$ \Delta T > \Delta \bar T + 6, $ | (4) |
$ {T_4} > {{\bar T}_4} + 3{\delta _4}, $ | (5) |
$ {T_{11}} > {{\bar T}_{11}} + {\delta _{11}} - 4, $ | (6) |
$ {\delta _4}\prime > 5。$ | (7) |
式(3)~(7)中,T4、T11为潜在火点像元4、11 μm波段亮温,K;ΔT为潜在火点像元在4、11 μm波段的亮温差值,K;T4为有效邻近像元的T4平均值,K;δ4为邻近像元T4平均绝对偏差,K;T11为有效邻近像元T11平均值,K;δ11为有效邻近像元的平均绝对偏差,K;ΔT为有效邻近像元ΔT平均值,K;δΔT为邻近像元ΔT的平均绝对偏差,K;δ4′为背景火点像元4 μm波段的亮温平均绝对偏差,K。
当待判定的潜在火点像元满足前3个条件且满足第4、5个条件之一时,则认为该点是火点。最后利用山东省MCD12Q1土地利用数据中农业用地类型数据,将其与火点分布进行叠加分析,排除非秸秆焚烧造成的热异常点(如钢铁厂),得到山东省秸秆焚烧火点数据。
2.2 火点与空气质量关系分析方法AQI能够反映和评价空气质量,IAQI能够表明污染物浓度及其对空气污染的贡献[20]。在获取山东省秸秆焚烧火点信息、AQI数据以及风速等气象数据后,对3者之间的关系做出分析,能更好地了解污染的发生和消散过程。
在进行火点和空气质量相关性分析时,为了对比气象因素的影响,选择秸秆焚烧火点密集出现的时间段,按照风速、降水量的不同,并以“是否沿海岸线分布”为条件将研究区划分为沿海地区和内陆地区。滨州、东营、潍坊、淄博、临沂、日照、青岛、烟台和威海9个地市属于沿海地区,聊城、德州、济南、莱芜、泰安、济宁、枣庄和菏泽8个地市属于内陆地区。
将2类地区的环境AQI和PM2.5浓度等空气质量数据以各个空气监测站的每日观测值在时间窗口内进行逆距离(IDW)空间插值,获得整个区域的多幅空气污染指标分布图,求得每日代表沿海和内陆2个区域污染状况的所有栅格点空气污染指数总和,然后对火点数与该区域像元点空气污染指数总和的时间序列进行相关分析,并讨论每日火点发生数量与沿海和内陆2类地区空气污染程度的相关性。上述分析有助于掌握秸秆焚烧造成的污染对环境空气质量的影响程度以及沿海和内陆的影响差异,并结合气象因素验证风速、降水量对空气质量变化的影响。
3 结果与分析 3.1 火点提取结果根据原环境保护部发布的火点数据,2017年6月山东省秸秆焚烧火点数共计163个。而该研究探测到的秸秆焚烧火点数为276个,没有出现漏检现象。对未被原环境保护部监测到的火点进行分析发现这些火点都是温度较低的小火点。该研究提取到的山东省6月秸秆焚烧火点随时间的分布频率见图 1。由图 1可知,6月6日至23日之间,火点密集出现,是山东省露天焚烧秸秆的高峰时期。火点数在6月16日达到峰值,共计67个火点。在此期间出现的秸秆焚烧火点数为230个,占6月山东火点数的83.33%,其空间分布见图 2。
所探测到的火点大多数集中在山东省西部以及中部的潍坊市,其他东部沿海地市只有少量零星火点存在。其中,处于内陆地区的德州、菏泽、聊城和济宁4个地市连续出现较多的秸秆焚烧火点,占山东省17个地市火点数的46.38%。处于沿海地区的潍坊、烟台、临沂和滨州4个地市也出现相对较多的秸秆焚烧火点,占山东省火点总数的29.71%(图 2)。选择6月6日至23日这段火点密集出现的18 d作为研究时间窗口进行数据对比分析,并探讨这段时间出现的秸秆火点与空气质量的关系。
3.2 火点与空气质量分析内陆和沿海地区没有焚烧秸秆的4月和存在焚烧秸秆的6月的AQI差异见图 3。由图 3可知,6月整体AQI较4月有明显增大。通过方差分析并进行差异显著性检验(表 3),以95%的可靠性(即α=0.05)分别得到内陆地区和沿海地区4、6月AQI的检验统计量F为117.436和85.870,均远大于F临界值,说明4月与6月的AQI在α=0.05水平上存在显著差异。这表明山东省6月AQI升高主要受到秸秆焚烧的影响(假定其他生产生活排放量保持恒定)。
将提取到的6月6日至23日的秸秆焚烧火点数据,与对应的可以代表该地区每日各个空气质量的栅格总和数据进行相关性分析,结果见表 4。从Pearson相关性来看,火点数量与AQI、PM2.5、PM10和O3之间的相关性系数分别为0.529、0.504、0.417和0.511,呈现中等强度的正相关,两个变量总体趋势具有一致性。这表明在火点数量相同的情况下,山东省秸秆焚烧火点对AQI、PM2.5、PM10和O3这4个指数的影响较大,这也与秸秆生物质燃烧实际释放的主要污染物情况相符。在参考置信度为99%的条件下,火点数量分别与AQI、PM2.5、PM10和O3之间的双侧显著性都小于0.01,判定它们之间相关极显著。同时,火点数量分别与SO2、NO2、CO浓度之间的显著性在0.01水平上未达显著水平,表明山东省秸秆焚烧火点对空气中SO2、NO、CO浓度的影响不显著。
内陆和沿海地区秸秆焚烧火点与分别插值得到的沿海和内陆4个AQI区域栅格点总和的相关系数见表 5。就这4个与火点相关性较强的AQI而言,沿海地区受到火点数量的影响比内陆地区更大,其中相关系数差距较大的是PM2.5和PM10两个指数。
空气污染物产生后,不同的气象条件会对其扩散速度产生影响。沿海和内陆地区气象因素、AQI均值和火点数量的关系见图 4~5。由图 4~5可知,内陆地区出现降雨的时间长于沿海地区,沿海地区的大风天气频率则高于内陆地区;风速增大或者出现降雨天气时,AQI均值则呈下降趋势,即使出现秸秆焚烧火点,空气中污染物仍然随着大风或雨水出现扩散稀释或沉降的现象,导致AQI均值并未明显增高;而当风速降低或天气晴朗时,AQI均值随着火点的增加而呈现上升趋势,尤其表现在第11天即6月17日前后,为空气质量最差的时期,不管是内陆地区还是沿海地区,均无降雨且风速相对较低。
利用MODIS 1B级别的影像结合修订的上下文算法成功提取山东省秸秆焚烧火点。经与原环境保护部发布的秸秆焚烧火点数据进行对比验证的结果表明,基于遥感方法探测一定区域范围内的秸秆焚烧事件具有全面、高效、准确的优势。ZHUANG等[12]研究2003—2017年中国秸秆焚烧的时空分布,表明2017年中国东部地区夏季火点数明显高于春季,且夏季全国范围秸秆焚烧状况以中国东部为最严重。笔者研究中与4月相比山东省6月火点数明显增加,且火点分布的密集度与ZHUANG等[12]的研究结果相符。总体来看,MODIS数据可用于有效监测秸秆焚烧状况,但近年来其他通过气象卫星[8]或合成孔径卫星[9]应用于火点监测的方法得到持续发展完善,可见光红外成像辐射仪(visible infrared imaging radiometer,VIIRS)的出现就促进了地球观测系列中分辨率成像光谱仪MODIS系列的拓展和改进,目前将VIIRS应用于我国东部秸秆焚烧监测方面的研究已取得较好成果[10]。它们有着更高的空间分辨率去实现小范围火点监控,但也存在重访时间较长、数据昂贵等问题,相应的算法也有待完善。在秸秆焚烧火点的监测方面MODIS数据具有更经济、即时且应用广泛的特点。
4.2 火点和气象条件对空气污染的影响对比沿海地区和内陆地区由秸秆焚烧带来的空气污染影响,沿海地区秸秆焚烧火点与AQI的相关性强于内陆地区火点与AQI的相关性,这进一步证实了前人研究结果的可靠性。沿海地区的大风天气使得空气质量始终较好,因此在出现秸秆焚烧火点后,空气污染能够很直观地表现在AQI上,其与火点相关性高于内陆地区,此与李梅[21]的研究结论相一致。很多研究证实风速和降水是影响空气污染扩散速度的主要气象因素,受强劲的海风影响,内陆和沿海地区间的温度和湿度及降水量等其他气象因素存在明显不同[22-23]。气象条件的差异导致空气中污染物的扩散速度不同,被稀释所需的时间也不同。厉青等[15]对2007年6月中国秸秆焚烧遥感监测火点的统计结果反映了平均风速、降水对秸秆焚烧产生烟雾扩散的作用。笔者对比分析降雨量和风速分别对沿海地区和内陆地区空气质量的影响,发现即使在秸秆焚烧高发时段,空气中污染物仍然随着大风或雨水而出现扩散稀释或沉降的现象,AQI均值没有明显增高,进一步证明了笔者研究方法的正确性。由于受大气扩散条件的限制,内陆还受到很多其他因素的共同污染作用,以致秸秆焚烧与空气质量的关联性就不如沿海地区。沿海地区大气扩散条件优于内陆地区,同时受临时性气候因素影响也较大。因此,沿海地区秸秆焚烧火点与栅格点AQI总和的相关性便凸显出来,明显强于内陆地区火点与该总和的相关性,主要表现在PM2.5和PM10上。该结果有助于制定有针对性的差异化大气环境应急管理方案。
4.3 不足与展望在对遥感图像进行预处理时,利用由反射率和亮温计算得到的阈值来剔除云和水体,便于提高后续火点提取的准确性,在进一步的研究中应该考虑云对像元造成的影响,比如反射率升高导致中红外波段亮温偏高,进而出现火点的虚假警报等问题。厚云本身就遮盖了地面可能存在的火点或者高温物体,后续研究中可以采用MODIS系列产品中的MOD35二级标准产品对水体和云进行掩膜。遥感方法虽然能够高效便捷地获取大范围地面信息,达到实时、快速的监测效果,但由于其是基于远程探测的原理,受大气和云的干扰较大,传感器本身性能的改变和遥感数据处理过程中引起的不确定性,会在一定程度上影响研究结果的精确性。遥感影像地物单元空间分布的相互交错关联,致使低空间分辨率的影像数据像元混合问题尤其突出。基于EOS/MODIS数据的秸秆焚烧火点检测算法能够在检测火点方面获得较高精度,但在重访时间上还达不到实时监测的要求,还应结合多源卫星数据及地面巡查,发展新传感器数据的火点检测算法[24]。此外,借助大数据分析和数据挖掘技术,分析热力异常信息背后隐藏的其他信息,从而有助于火点提取算法充分利用获取的热异常信息来改进秸秆焚烧火点的探测精度。可以将类似方法扩展到对工厂偷排高热量废气和废水等的监测工作上,也可应用于对森林火灾和草原火灾中火势、火情和过火面积等信息的监测[25]。
决定空气质量的因素复杂多变,各个因素受不同地域和时空条件的限制呈现多变性。大气扩散理论和实践观测表明,同一污染源排放所造成的近地面污染在不同气象条件下可相差几十倍甚至几百倍[26]。每日火点都有一定的离散性,会存在局部空气质量出现较大差异的情况,笔者综合各气象站点观测到的空气数据插值到整个区域,以栅格点AQI总和表征空气污染程度来分析相关性,仅将研究区划分为沿海和内陆地区,对比分析降雨量、风速和火点数变化对空气质量的整体影响,未将更详细全面的气象因素和细致的空间影响关系纳入研究范畴。秸秆的燃烧程度和燃烧量也是影响空气质量的综合因素,若要在小尺度范围内更好地利用遥感手段监测秸秆焚烧带来的空气污染状况,需深入考虑周围气压、相对湿度和风向对污染物颗粒扩散方向的影响。近年来,已有引入气溶胶光学厚度等数据结合后向轨迹分析方法对整个市域范围内空气污染物时空分布特征的研究[27],在后续研究中可利用气象模型更好地分析秸秆焚烧污染物扩散的影响范围,以及将每日火点出现的空间分布特征与AQI联系起来,进而讨论秸秆焚烧与空气质量的空间变化关系。
5 结论(1) 基于MODIS数据火点提取算法,根据火点像元特性选择阈值和算式,并以潜在火点像元为中心设立动态窗口,在中心波长为4和11 μm波段,计算其平均值和平均绝对偏差来确定火点是否为真。与需要研究者考虑地物所处地理环境的研究方法相比,涵盖不同地物特性和地表温度差异等因素的固定阈值法具有更好地快速准确提取火点的能力。
(2) 火点数与整个区域栅格点AQI总和呈现正相关的响应关系,若火点增多,则区域AQI总和升高,表明污染导致空气质量下降。除了污染源本身给空气质量造成破坏以外,气象条件也是影响空气质量的重要因素。火点数分别与AQI、PM2.5、PM10和O3呈现极显著相关,山东省秸秆焚烧火点对AQI、PM2.5、PM10和O3的影响较大。
(3) 沿海地区秸秆焚烧火点与城市AQI均值的相关性强于内陆地区。这是因为内陆地区存在多种污染源,且由于风速低等气象原因导致污染不容易扩散,使内陆地区空气质量始终较差,即使发生了秸秆焚烧现象,也很难使AQI急剧升高。而沿海地区由于毗邻没有污染源的海洋,空气质量良好,一旦发生秸秆焚烧,污染物很快扩散到空气中且可被检测到,表现为AQI均值升高。
(4) 与内陆地区相比,沿海地区秸秆焚烧造成的污染现象在PM2.5和PM10两个指标上表现得更加明显。
[1] |
李飞跃, 汪建飞. 中国粮食作物秸秆焚烧排碳量及转化生物炭固碳量的估算[J]. 农业工程学报, 2013, 29(14): 1-7. [ LI Fei-yue, WANG Jian-fei. Estimation of Carbon Emission From Burning and Carbon Sequestration From Biochar Producing Using Crop Straw in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(14): 1-7. DOI:10.3969/j.issn.1002-6819.2013.14.001] (0) |
[2] |
彭立群, 张强, 贺克斌. 基于调查的中国秸秆露天焚烧污染物排放清单[J]. 环境科学研究, 2016, 29(8): 1109-1118. [ PENG Li-qun, ZHANG Qiang, HE Ke-bin. Emissions Inventory of Atmospheric Pollutants From Open Burning of Crop Residues in China Based on a National Questionnaire[J]. Research of Environmental Sciences, 2016, 29(8): 1109-1118.] (0) |
[3] |
薛传金. 浅谈秸秆焚烧对空气质量的影响[J]. 干旱环境监测, 2015, 29(1): 23-27. [ XUE Chuan-jin. Discuss of Straw Burning Effects on the Air Quality[J]. Arid Environmental Monitoring, 2015, 29(1): 23-27. DOI:10.3969/j.issn.1007-1504.2015.01.005] (0) |
[4] |
朱佳雷, 王体健, 邓君俊, 等. 长三角地区秸秆焚烧污染物排放清单及其在重霾污染天气模拟中的应用[J]. 环境科学学报, 2012, 32(12): 3045-3055. [ ZHU Jia-lei, WANG Ti-jian, DENG Jun-jun, et al. An Emission Inventory of Air Pollutants From Crop Residue Burning in Yangtze River Delta Region and Its Application in Simulation of a Heavy Haze Weather Process[J]. Acta Scientiae Circumstantiae, 2012, 32(12): 3045-3055.] (0) |
[5] |
毛宇清, 李聪, 沈澄, 等. 两次秸秆焚烧污染过程的气象条件对比分析[J]. 气象, 2013, 39(11): 1473-1480. [ MAO Yu-qing, LI Cong, SHEN Cheng, et al. Comparative Analysis on Meteorological Condition for Two Air Pollution Events From Crop Residue Burning[J]. Meteorological Monthly, 2013, 39(11): 1473-1480. DOI:10.7519/j.issn.1000-0526.2013.11.011] (0) |
[6] |
邵卫伟, 杨哲, 周斌. 基于中分辨率成像光谱仪的秸秆焚烧火点提取方法的改进[J]. 环境污染与防治, 2012, 34(9): 38-42. [ SHAO Wei-wei, YANG Zhe, ZHOU Bin. Improvement of Remote Sensing Identifying Methods of Crop Residue Burning Based on Moderate-Resolution Imaging Spectroradiometer Data[J]. Environmental Pollution & Control, 2012, 34(9): 38-42. DOI:10.3969/j.issn.1001-3865.2012.09.009] (0) |
[7] |
李小飞, 张明军, 王圣杰, 等. 中国空气污染指数变化特征及影响因素分析[J]. 环境科学, 2012, 33(6): 1936-1943. [ LI Xiao-fei, ZHANG Ming-jun, WANG Sheng-jie, et al. Variation Characteristics and Influencing Factors of Air Pollution Index in China[J]. Environmental Science, 2012, 33(6): 1936-1943.] (0) |
[8] |
WCKRAMASINGHE C, JOES S, REINEK K, et al. Development of a Multi-Spatial Resolution Approach to the Surveillance of Active Fire Lines Using Himawari-8[J]. Remote Sensing, 2016, 8(11): 932. DOI:10.3390/rs8110932 (0) |
[9] |
WANG Q, WU C Q, LI Q, et al. Chinese HJ-1A/B Satellites and Data Characteristics[J]. Science China Earth Sciences, 2010, 53(Suppl. 1): 51-57. (0) |
[10] |
ZHANG T R, WOOSTER M J, XU W D. Approaches for Synergistically Exploiting VⅡRS I-and M-Band Data in Regional Active Fire Detection and FRP Assessment:A Demonstration With Respect to Agricultural Residue Burning in Eastern China[J]. Remote Sensing of Environment, 2017, 198: 407-424. DOI:10.1016/j.rse.2017.06.028 (0) |
[11] |
CHEN D M, PEREIRA M C, MASIERO A, et al. Mapping Fire Regimes in China Using MODIS Active Fire and Burned Area Data[J]. Applied Geography, 2017, 85: 14-26. DOI:10.1016/j.apgeog.2017.05.013 (0) |
[12] |
ZHUANG Y, LI R Y, YANG H, et al. Understanding Temporal and Spatial Distribution of Crop Residue Burning in China From 2003 to 2017 Using MODIS Data[J]. Remote Sensing, 2018, 10(3): 390. DOI:10.3390/rs10030390 (0) |
[13] |
胡梅, 齐述华, 舒晓波, 等. 华北平原秸秆焚烧火点的MODIS影像识别监测[J]. 地球信息科学, 2008, 10(6): 6802-6807. [ HU Mei, QI Shu-hua, SHU Xiao-bo, et al. Monitoring Fire From Crop Residues Burning With MODIS Data in North China Plain[J]. Geo-Information Science, 2008, 10(6): 6802-6807.] (0) |
[14] |
LI H Y, HAN Z W, CHENG T T, et al. Agricultural Fire Impacts on the Air Quality of Shanghai During Summer Harvesttime[J]. Aerosol and Air Quality Research, 2010, 10(2): 95-101. DOI:10.4209/aaqr.2009.08.0049 (0) |
[15] |
厉青, 张丽娟, 吴传庆, 等. 基于卫星遥感的秸秆焚烧监测及对空气质量影响分析[J]. 生态与农村环境学报, 2009, 25(1): 32-37. [ LI Qing, ZHANG Li-juan, WU Chuan-qing, et al. Satellite-Remote-Sensing-Based Monitoring of Straw Burning and Analysis of Its Impact on Air Quality[J]. Journal of Ecology and Rural Environment, 2009, 25(1): 32-37. DOI:10.3969/j.issn.1673-4831.2009.01.007] (0) |
[16] |
CHENG W L, CHEN Y S, ZHANG J F, et al. Comparison of the Revised Air Quality Index With the PSI and AQI Indices[J]. Science of the Total Environment, 2007, 382(2/3): 191-198. (0) |
[17] |
FLASSE S P, CECCATO P. A Contextual Algorithm for AVHRR Fire Detection[J]. International Journal of Remote Sensing, 1996, 17(2): 419-424. DOI:10.1080/01431169608949018 (0) |
[18] |
GIGLIO L, DESCLOITRES J, JUSTICE C O, et al. An Enhanced Contextual Fire Detection Algorithm for MODIS[J]. Remote Sensing of Environment, 2003, 87(2/3): 273-282. (0) |
[19] |
KAUFMAN Y J, JUSTICE C O, FLYNN L P, et al. Potential Global Fire Monitoring From EOS-MODIS[J]. Journal of Geophysical Research:Atmospheres, 1998, 103(D24): 32215-32238. DOI:10.1029/98JD01644 (0) |
[20] |
环境空气质量指数(AQI)技术规定(试行)[J].中国环境管理干部学院学报, 2012(1): 44.
(0) |
[21] |
李梅.永州市空气质量时空分布特征及其影响因素分析[D].长沙: 湖南师范大学, 2016. [LI Mei.The Spatial-Temporal Distribution Pattern of Air Quality in Yongzhou City(Hunan, China): Implication for Its Impacting Factors[D].Changsha: Hunan Normal University, 2016.] http://cdmd.cnki.com.cn/Article/CDMD-10542-1016092790.htm
(0) |
[22] |
刘燚.京津冀地区空气质量状况及其与气象条件的关系[D].长沙: 湖南师范大学, 2010. [LIU Yi.Air Quality in Beijing-Tianjin-Hebei and Relationships Between Air Quality and Meteorological Conditions[D].Changsha: Hunan Normal University, 2010.]
(0) |
[23] |
江志新, 江莉莉, 施洲洲. 沿海风与内陆风的对比观测研究[J]. 安徽农业科学, 2010(4): 1902-1904. [ JIANG Zhi-xin, JIANG Li-li, SHI Zhou-zhou. Comparative Observation on Aeolian Sand and Inland Sand[J]. Journal of Anhui Agricultural Sciences, 2010(4): 1902-1904. DOI:10.3969/j.issn.0517-6611.2010.04.096] (0) |
[24] |
LI Y, VODACEK A, KREMENS R L, et al. A Hybrid Contextual Approach to Wildland Fire Detection Using Multispectral Imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(9): 2115-2126. DOI:10.1109/TGRS.2005.853935 (0) |
[25] |
SCHROEDER W, RUMINSKI M, CSISZAR I, et al. Validation Analyses of an Operational Fire Monitoring Product:The Hazard Mapping System[J]. International Journal of Remote Sensing, 2008, 29(20): 6059-6066. DOI:10.1080/01431160802235845 (0) |
[26] |
李宗恺, 潘云仙, 孙润桥. 空气污染气象学原理及应用[M]. 北京: 气象出版社, 1985: 12.
(0) |
[27] |
吴立新, 吕鑫, 秦凯, 等. 秸秆焚烧期间徐州市空气污染物时空分布特征分析[J]. 地理与地理信息科学, 2014, 30(1): 18-22, 31. [ WU Li-xin, LÜ Xin, QIN Kai, et al. On Spatio-Temporal Features of Air Pollutants in Xuzhou City During Straw Burning Period[J]. Geography and Geo-Information Science, 2014, 30(1): 18-22, 31.] (0) |