基于光譜特征的北京城區(qū)植被滯塵分布反演

王皓飛，房 娜，晏 星，陳凡濤，熊秋林，趙文吉*

1.首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室，北京 100048 2.首都師范大學(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室，北京 100048 3.成都理工大學(xué)旅游與城鄉(xiāng)規(guī)劃學(xué)院，四川 成都 610059 4.香港理工大學(xué)土地測量及地理資訊學(xué)系，中國 香港

基于光譜特征的北京城區(qū)植被滯塵分布反演

王皓飛1,2，房 娜3，晏 星4，陳凡濤1,2，熊秋林1,2，趙文吉1,2*

1.首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室，北京 100048 2.首都師范大學(xué)資源環(huán)境與地理信息系統(tǒng)北京市重點實驗室，北京 100048 3.成都理工大學(xué)旅游與城鄉(xiāng)規(guī)劃學(xué)院，四川 成都 610059 4.香港理工大學(xué)土地測量及地理資訊學(xué)系，中國 香港

植被葉片的滯塵量可以表征空氣污染的程度, 分析城市植被滯塵的空間特征對于制定更為有效的空氣污染控制政策具有重要的現(xiàn)實意義。基于北京市主城區(qū)采集的大葉黃楊、國槐、毛白楊和山桃等四種典型綠化植被葉片的滯塵量、光譜反射率和葉面積等數(shù)據(jù)，比較四種植被葉片滯塵前后的光譜曲線，進(jìn)行窄波段與衛(wèi)星波段滯塵前后葉片光譜反射率比值與滯塵量的相關(guān)分析。然后，分別建立相關(guān)性最大的衛(wèi)星波段反射率和NDVI與滯塵量之間的回歸模型, 選取擬合較好的模型反演北京城區(qū)植被的滯塵量分布，進(jìn)而插值得到整個北京城區(qū)的塵埃分布。最后，根據(jù)高滯塵區(qū)域周圍的土地覆蓋和土地利用以及滯塵期間PM10濃度的空間分布對反演的的合理性進(jìn)行檢驗。結(jié)果表明：在780～1 300 nm波段，大葉黃楊、國槐、毛白楊和山桃四種植被的滯塵葉片反射率均明顯低于干凈葉片；窄波段反射率與滯塵量在520～650 nm波段和1 390～1 600 nm波段具有較高的相關(guān)性，相關(guān)系數(shù)的絕對值最高達(dá)到0.626；利用Landsat8的green波段和NDVI構(gòu)建的滯塵反演模型，決定系數(shù)(R2)分別為0.446和0.465。NDVI模型反演的北京城區(qū)植被的滯塵量分布結(jié)果表明，北京城區(qū)滯塵含量呈現(xiàn)出北高南低，東高西低，中心城區(qū)高于郊區(qū)的空間分布格局。該研究通過高光譜和遙感影像數(shù)據(jù)反演滯塵量，可以為快速全面監(jiān)測城市地區(qū)塵埃分布提供參考。

遙感；高光譜；回歸分析；滯塵反演

引 言

大氣塵埃的分布是工業(yè)化城市的一種常見現(xiàn)象，大氣塵埃不僅影響植被的健康生長，也是危害生態(tài)系統(tǒng)的重要因素。同時，攜帶有重金屬和顆粒物的大氣塵埃被認(rèn)為空氣中最有害的成分之一，嚴(yán)重危害著人們的身體健康。Yang等[1]和He等[2]通過對北京市區(qū)空氣長期監(jiān)測發(fā)現(xiàn)，市區(qū)大氣顆粒物和塵埃粒子含量皆處于較高水平。近期的研究表明，葉片表面的滯塵分布可以用來作為表征空氣污染的指數(shù)[3]。因此，獲取滯塵量的空間分布并分析其來源可以為環(huán)保部門減少空氣污染提供數(shù)據(jù)支持。

雖然現(xiàn)階段有關(guān)空氣污染監(jiān)測的技術(shù)手段已趨于成熟，包括地面實測、氣溶膠光學(xué)厚度(aerosol optical thickness, AOT)反演等，但是通過采集顆粒物來測定大氣污染的方法，器材昂貴，耗費時間，同時需要高密度的采樣點來保證精度，耗費大量人力物力[4]?；谛l(wèi)星的方法可以彌補以上不足，被廣泛應(yīng)用于監(jiān)測大氣污染，但這種技術(shù)仍然存在很多問題，比如所選的指數(shù)(如AOT)與空氣質(zhì)量之間的相關(guān)性較弱[5]。已經(jīng)有很多研究利用衛(wèi)星圖像來獲取AOT并反演得到顆粒物的濃度。然而，很少有研究利用衛(wèi)星遙感影像來監(jiān)測城市塵埃，獲得塵埃分布特征及其來源。隨著光譜技術(shù)的迅速發(fā)展，分辨率高、信息量大、數(shù)據(jù)連續(xù)性強、獲取途徑簡單等特點也隨之凸現(xiàn)出來。因此，將光譜與遙感技術(shù)相結(jié)合，應(yīng)用于塵埃污染監(jiān)測，可以實現(xiàn)大范圍、快速、實時獲取大氣污染信息的目的。植被葉片上的滯塵對葉片光譜有顯著影響。研究發(fā)現(xiàn)[6]，在780～1 300 nm波段，冬青和大葉黃楊的干凈葉片光譜反射率遠(yuǎn)高出滯塵葉片。城市地區(qū)的植被可以用來獲得大氣塵埃的空間分布。Yan[7]利用近紅外波段估測葉片滯塵的分布，結(jié)果顯示出較高的精度。Chudnovsky[8]提出了一種利用光譜估測室內(nèi)塵埃含量的方法。Ong[9]利用可見光、近紅外以及短波紅外波段的高光譜分辨率的圖像定量的獲取紅樹林的葉片滯塵量。

現(xiàn)有研究多為小范圍的滯塵分布研究，城市尺度的研究很少，同時現(xiàn)有的城市尺度的滯塵反演研究所使用的遙感圖像空間分辨率較低，嚴(yán)重影響反演精度。因此, 本研究選取空間分辨率較高的衛(wèi)星圖像對城市尺度的滯塵反演進(jìn)行一次嘗試，利用植被葉片的光譜數(shù)據(jù)和衛(wèi)星遙感數(shù)據(jù)獲取北京城區(qū)的塵埃分布。通過進(jìn)行光譜反射率與植被葉片滯塵量的相關(guān)分析，建立滯塵反演模型，根據(jù)滯塵反演模型獲取滯塵分布，嘗試尋找一種快速、全面估算植物葉片滯塵量的方法。

1 實驗部分

1.1 研究區(qū)概況

北京市位于東經(jīng)39.92°、北緯116.46°，占地約16 507.5 km2，位于華北平原的北部邊緣，內(nèi)蒙古高原、黃土高原和華北平原的交接地，從西到東由山地過渡到平原，海拔逐漸降低，北京的氣候是典型的暖溫帶半濕潤大陸性季風(fēng)氣候，年均溫度在10～12 ℃之間，年均降水量為626 mm。

1.2 實驗設(shè)計

研究選取大葉黃楊、國槐、毛白楊以及山桃作為實驗植物。此四種植被，耐陰抗寒、枝葉茂密、成活率高，對環(huán)境中有害物質(zhì)的吸附效果較好，據(jù)統(tǒng)計[10]，北京市大葉黃楊的應(yīng)用數(shù)量占灌木總量的13.69%，在灌木中排名第二，毛白楊和國槐分別占到喬木總量的5.61%和5.36%，喬木中排名為第四和第五，另外山桃也屬于北京地區(qū)常用綠化植物物種。采樣點的空間分布如圖1。采樣點布置在北京市主城區(qū)內(nèi)不同的下墊面上，空間分布遵循廣泛性、均勻性、規(guī)律性的原則。每個采樣點均采集同樣數(shù)量四種植被葉片，保證同樣數(shù)量的四種植被葉片來自同一滯塵環(huán)境。

圖1 采樣點分布

按照上述原則采集大葉黃楊、國槐、毛白楊和山桃各40個葉片。利用電子分析天平(精度為0.000 01 g)將葉片進(jìn)行“兩次”稱重，即“除塵前”葉片質(zhì)量(W1)和“除塵后”葉片質(zhì)量(W2)。然后，將葉片經(jīng)由掃描儀掃描后，使用WinFOLIA多用途葉面積儀計算葉片的面積(S)。同時在暗室條件下由ASD單通道分光輻射譜儀(Analytical Spectral Devices Field SpecPro, ASD 2001)分別測定除塵前后葉片的光譜反射率，其中光譜數(shù)據(jù)約2 100個波段，本實驗中只取490～1 600 nm波段。實驗中葉片滯塵使用超純凈水沖洗并用吸水紙進(jìn)行干燥處理。

1.3 數(shù)據(jù)處理

1.3.1 野外實測數(shù)據(jù)

(1)滯塵量和窄波段光譜

對不同植被的葉片樣本的葉面積、除塵前后的質(zhì)量以及除塵前的光譜反射率RDust和除塵后光譜反射率RClean進(jìn)行多次測量求平均值，分別獲得單位面積滯塵量P(g·m-3)和除塵前后光譜反射率比值γ，運算過程如下

(2)葉片光譜重采樣

由于利用ASD光譜儀測定的葉片光譜有1 110個波段，而且波段之間的相似性較大，為了消除波段之間的偶然性誤差，同時為了利用衛(wèi)星遙感影像獲取大范圍的滯塵分布，利用光譜響應(yīng)函數(shù)(spectral response function，SRF)，將采集到的窄波段反射率分別轉(zhuǎn)化為Landsat8、資源三號衛(wèi)星(ZY-3)、SPOT6以及MODIS和環(huán)境1號衛(wèi)星(HJ-1-B)等五種衛(wèi)星的寬波段反射率，具體的計算公式如下

這里R(λ)指衛(wèi)星波段反射率，f(λ)指衛(wèi)星的光譜響應(yīng)函數(shù)，不同的衛(wèi)星具有不同的光譜響應(yīng)函數(shù)，λmin和λmax指每個衛(wèi)星波段的最小波長和最大波長，λ表示每個波段內(nèi)的中間波長。然后，葉片除塵前后的反射率比值可以運用下面的公式計算

RDust(λ)和RClean(λ)分別指滯塵和干凈葉片對應(yīng)的衛(wèi)星波段的反射率。

(3)NDVI

在植被遙感中，NDVI是植被生長狀態(tài)及植被覆蓋度的最佳指示因子，本研究利用NDVI反演滯塵含量。其具體表達(dá)式如下

式中RNIR和RRED分別表示近紅外波段和紅波段的反射率。然后，葉片除塵前后的NDVI比值可以運用下面的公式計算出

1.3.2 遙感數(shù)據(jù)選取與處理

為了與地面采集數(shù)據(jù)相一致，需要持續(xù)強降雨前后的衛(wèi)星遙感影像，持續(xù)強降雨可以將葉片表面的滯塵沖刷干凈，模擬實驗室人工沖洗葉片，因此將持續(xù)降雨結(jié)束當(dāng)天的影像作為干凈植被的影像，降雨前一段時間和降雨后一段時間可以作為滯塵植被的影像。如表1所示，2014年8月28日至9月3日持續(xù)強降雨，9月4日為晴天，因此將9月4日的影像作為干凈植被影像，選取8月19日和10月6日作為滯塵植被影像。從NASA’s Goddard Space Flight Center(美國宇航局哥達(dá)德太空飛行中心，http://landsat.gsfc.nasa.gov)獲取此三日的Landsat8 OLI遙感數(shù)據(jù)，軌道號是123-32，空間分辨率為30 m, 重訪周期為16 d。Landsat8 OLI的軌道設(shè)計為與太陽同步的近極地圓形軌道，以確保北半球中緯度地區(qū)在獲得中等太陽高度角(25°—30°)的上午成像，而且衛(wèi)星以同一地方時、同一方向通過同一地點。保證遙感觀測條件的基本一致，利于圖像的對比。三幅圖像云量均在10%以下，利用6S模型對圖像進(jìn)行大氣校正，得到地表反射率數(shù)據(jù)。計算圖像的NDVI值，將NDVI大于0.4的區(qū)域提取出來，該區(qū)域就是植被覆蓋區(qū)域。分別獲得三幅圖像植被覆蓋區(qū)域的地表反射率和NDVI。將8月19日和10月6日的植被覆蓋區(qū)域的地表反射率數(shù)據(jù)和NDVI數(shù)據(jù)與9月4日的地表反射率數(shù)據(jù)和NDVI數(shù)據(jù)作除法運算，模擬地面數(shù)據(jù)滯塵前后光譜反射率的比值?；诘孛娌杉臏m量與光譜反射率之間的相關(guān)性，建立滯塵反演模型，通過滯塵反演模型，利用滯塵前后衛(wèi)星遙感數(shù)據(jù)獲得植被覆蓋區(qū)域的滯塵含量的空間分布，最后用局部多項式插值方法，得到北京城區(qū)的塵埃污染分布。反演流程如圖2。

表1 2014年8月28日至9月4日的天氣信息

圖2 滯塵反演的流程圖

2 結(jié)果與討論

2.1 滯塵對葉片光譜的影響

圖3(a)—(d)展示的是大葉黃楊、國槐、毛白楊和山桃等四種不同植物滯塵與干凈葉片光譜反射率的差異。雖然葉片的光譜反射率受到許多因素的影響，例如葉綠素含量，植物健康程度和含水量等，但是本研究是對比同一葉片滯塵和干凈兩種狀態(tài)下的光譜反射率，屬于樣本的自身對比，可以消除上述因素的影響。近期的研究表明，光譜的490～1 600 nm波段內(nèi)滯塵前后光譜反射率差異較大[6-7]，因此本研究只選取490～1 600 nm波段作為研究區(qū)域?？梢悦黠@的看出，四種植被干凈葉片光譜反射率的趨勢與滯塵葉片的趨勢相似，但是在某些特定波段具有差別。在490～700 nm波段，大葉黃楊、山桃的滯塵葉片反射率略高于干凈葉片，國槐與毛白楊的滯塵葉片與干凈葉片反射率相差無幾；在780～1 300 nm波段，四種植被的滯塵葉片反射率均明顯低于干凈葉片，這可能與塵埃對光的吸收和散射有關(guān)；在大于1 300～1 600 nm波段，四種植被滯塵葉片的光譜反射率與干凈葉片的差異較小，但仍低于干凈葉片。以上結(jié)果顯示滯塵葉片與干凈葉片的光譜反射率存在較大差異，說明滯塵對葉片光譜影響顯著。

綜合利用大葉黃楊、國槐、毛白楊和山桃等四種植被的葉片數(shù)據(jù)，計算除塵前后葉片不同波段光譜反射率比值(滯塵/干凈)與單位面積滯塵量的相關(guān)性。如圖3(e)，在490～1 600 nm波段范圍內(nèi)，植被的相關(guān)性均為負(fù)相關(guān)，且相關(guān)性大小波動明顯。在490～568 nm波段，負(fù)相關(guān)逐漸增大，568 nm波段處達(dá)到負(fù)相關(guān)極大值-0.622；在698 nm之后，相關(guān)性急劇下降，在735 nm波段達(dá)到負(fù)相關(guān)性最小值-0.112；735～1 290 nm波段，負(fù)相關(guān)性穩(wěn)定增加；1 290～1 400 nm波段，相關(guān)性急劇增加，在1 502 nm波段達(dá)到負(fù)相關(guān)最大值-0.626。在715～1 320 nm波段負(fù)相關(guān)性較小，均小于-0.3；在520～650 nm波段和1 390～1 600 nm波段負(fù)相關(guān)性較大，負(fù)相關(guān)性均大于-0.5。因此，光譜反射率與滯塵量在520～650 nm波段和1 390～1 600 nm波段具有較高的相關(guān)性。

2.2 衛(wèi)星波段光譜反射率與滯塵量的相關(guān)分析

利用光譜響應(yīng)函數(shù)將地面采集的窄波段光譜反射率數(shù)據(jù)分別轉(zhuǎn)化為Landsat8，ZY-3，Spot6以及MODIS和HJ-1-B等衛(wèi)星的寬波段光譜反射率數(shù)據(jù)。選取在490～1 600 nm波段內(nèi)的五種衛(wèi)星的波段，進(jìn)行除塵前后的衛(wèi)星波段光譜反射率比值與單位面積滯塵量的相關(guān)分析，結(jié)果如圖4所示。不同衛(wèi)星在所研究波段范圍內(nèi)的相關(guān)性變化趨勢與對應(yīng)窄波段的趨勢相同，Landsat8最大相關(guān)性波段是green波段，ZY-3最大相關(guān)性波段是red波段，Spot6最大相關(guān)性波段是pan波段，MODIS最大相關(guān)性波段是B4波段，HJ-1-B最大相關(guān)性波段是SWIR波段。由表2可知，除HJ-1-B外，其他四種衛(wèi)星的相關(guān)性最大值相差不大。因此，理論上Landsat8，ZY-3，Spot6和MODIS均適合反演。在本反演研究中，選取植被和非植被信息反差較大，分辨率較高的Landsat8衛(wèi)星作為遙感數(shù)據(jù)來源。

圖3 滯塵對光譜特征的影響

圖4 五種衛(wèi)星的反射率比值與滯塵量的相關(guān)分析

2.3 滯塵反演模型的建立

由于Landsat8的green波段的相關(guān)性最大，建立green波段滯塵前后光譜反射率比值與單位面積滯塵量的回歸模型，如圖5所示；同時，建立滯塵前后NDVI比值與單位面積滯塵量的回歸模型，如圖6所示。比較可以發(fā)現(xiàn)，利用green波段和NDVI建立的回歸模型的決定系數(shù)R2分別為0.446和0.465，NDVI的回歸模型擬合較好，因此，將NDVI模型作為滯塵反演模型。因為本研究利用大葉黃楊、國槐、毛白楊和山桃等四種分布較廣的植被數(shù)據(jù)，這四種植被一定程度上代表北京市城區(qū)主要的植被，獲得的滯塵反演模型能較準(zhǔn)確的反演出北京城區(qū)植被滯塵含量的空間分布。

表2 五種衛(wèi)星的最大相關(guān)性波段

表3 滯塵反演模型

注：x表示滯塵前后green波段反射率或NDVI的比值，y表示單位面積滯塵量，單位為g·m-2。

圖5 利用綠光波段建立滯塵反演模型

圖6 利用NDVI建立滯塵反演模型

2.4 滯塵含量空間分布的反演

濟(jì)南厚坤房地產(chǎn)經(jīng)紀(jì)有限公司（統(tǒng)一社會信用代碼913701023517554212）經(jīng)股東決定，擬向公司登記機關(guān)申請注銷登記，清算組由李萌、李學(xué)忠組成，請債權(quán)人于2019年1月1日起45日內(nèi)向本公司清算組申報債權(quán)。

利用NDVI滯塵反演模型進(jìn)行反演研究。運用ArcGIS 10.2軟件，將8月19日影像的NDVI與9月4日NDVI的比值以及10月6日與9月4日的比值作為自變量，經(jīng)過滯塵反演模型，輸出即為每個像元單位面積滯塵量, 持續(xù)降雨前8月19日和持續(xù)降雨后10月6日北京城區(qū)植被區(qū)域葉片滯塵分布結(jié)果如圖7所示。8月19日，城區(qū)東北滯塵含量偏高，平均值高達(dá)35 g·m-2；西北和南部滯塵量較低，平均為9 g·m-2; 10月6日北京城區(qū)的高滯塵含量區(qū)主要集中在城區(qū)中部，平均值達(dá)到38 g·m-2; 四環(huán)向外顯著降低。相比8月9日的滯塵分布，10月6日城區(qū)高滯塵區(qū)域有所擴大，城區(qū)南部和西北部滯塵含量顯著增加，這與10月6日圖像滯塵期間間歇性降雨較少以及空氣質(zhì)量較差有關(guān)。兩日的滯塵量分布，均呈現(xiàn)北部較南部高，東部較西部高，中心城區(qū)高于郊區(qū)的分布趨勢。

圖7 北京城區(qū)植被覆蓋區(qū)域的滯塵分布

2.5 北京城區(qū)塵埃污染的空間分布

葉片表面的滯塵分布可以作為表征空氣污染的指數(shù)。某區(qū)域植被葉片的滯塵量能一定程度上代表該區(qū)域塵埃污染的水平。因此，在這些植被覆蓋區(qū)域均勻選取2 000個采樣點，獲取采樣點的滯塵量數(shù)據(jù)，運用局部多項式插值方法得到北京市整個城區(qū)塵埃污染的空間分布。圖8所顯示的是降雨前8月19日和降雨后10月6日北京市城區(qū)的塵埃污染分布。在這段時間內(nèi)，塵埃污染的分布在空間和時間上具有顯著的變化。可以明顯的看出，10月6日的塵埃污染在8月19日污染的基礎(chǔ)上向東北和南部擴散，這種變化除了與污染源的排放相關(guān)，也會受到塵埃累積時間的影響。兩日的塵埃污染均主要集中在城區(qū)中部、北部和東部，可排除塵埃積累時間不同的干擾，表明城區(qū)中部、北部和東部易產(chǎn)生塵埃污染。這些地區(qū)是北京市主要的人口集中地和重要商業(yè)區(qū)所在地，交通繁忙，車流量大。如位于城區(qū)中部的東城區(qū)和西城區(qū)是北京市旅游客流最集中的區(qū)域, 兩個區(qū)的旅游接待總量達(dá)到3 500萬人次左右, 其中西城區(qū)年接待游客數(shù)量達(dá)到2 585萬人次, 是北京市客流量最大的區(qū)[11]。隨著軌道交通的快速發(fā)展，北京市核心區(qū)(二環(huán)內(nèi))軌道交通車站覆蓋密度達(dá)0.51 km-2, 標(biāo)志著北京市軌道交通在核心區(qū)的供給已處于較高水平。

圖8 北京城區(qū)的塵埃污染分布

圖9 滯塵反演的合理性檢驗

2.6 滯塵反演的合理性檢驗

植被滯塵的空間分布受到周圍土地覆蓋和土地利用等相關(guān)因素的影響，比如建筑和人口的集中程度，空氣的流通率，以及交通網(wǎng)絡(luò)的分布等。根據(jù)高滯塵區(qū)域周圍的土地覆蓋和土地利用對滯塵反演的合理性進(jìn)行檢驗。圖9(a)—(e)顯示的是高滯塵區(qū)域的土地覆蓋情況。大型建設(shè)項目均處在高滯塵區(qū)域，可能是該區(qū)域塵埃的主要來源。Wen[12]的研究表明建設(shè)工地會帶來大量的塵埃和顆粒物，易發(fā)生空氣污染問題。因此，國家圖書館附近在建的16號線地鐵[圖9(a)]應(yīng)該處在高滯塵區(qū)域。北京二環(huán)內(nèi)的胡同區(qū)域的滯塵含量處于很高的水平[圖9(b)]，這些區(qū)域房屋密集，道路狹窄，有限的空間影響污染的擴散，與Yan[13]的研究相一致。圖9(c)是南五環(huán)附近的一工業(yè)園區(qū)，高滯塵可能來源于該工業(yè)區(qū)的粉塵排放[14]。圖9(d)為五環(huán)和高速交匯處的立交橋，交通網(wǎng)絡(luò)密集，車流量大，大量的尾氣排放會帶來嚴(yán)重的顆粒物污染[14]。圖9(e)為北京市最繁忙的10號地鐵經(jīng)過區(qū)域，人口的大量聚集使此地成為塵埃的高污染區(qū)[15]。五環(huán)附近大量植被覆蓋區(qū)域滯塵量較低，這些區(qū)域均不存在上述塵埃的污染源。綜上所述, 高滯塵區(qū)域的土地覆蓋及土地利用與相關(guān)研究相一致，說明反演的北京城區(qū)植被滯塵分布具有較好的合理性。

圖10 北京城區(qū)的PM10的平均濃度

空氣中PM10的濃度與葉片滯塵具有顯著的相關(guān)性[17]，利用北京市主城區(qū)內(nèi)環(huán)保部門設(shè)置的國控監(jiān)測點提供的PM10的濃度數(shù)據(jù)，對本研究得到的城區(qū)滯塵分布結(jié)果進(jìn)行對比驗證。數(shù)據(jù)的時間范圍是從持續(xù)降雨之后的9月5日至10月6日，將監(jiān)測點提供的小時數(shù)據(jù)處理為每天PM10濃度的日均值，進(jìn)而獲得9月5日—10月6日時間內(nèi)PM10的平均濃度。采用均值可以避免短時大風(fēng)造成的顆粒物濃度驟降帶來的數(shù)據(jù)不穩(wěn)定。由監(jiān)測站點的濃度值，插值得到北京市主城區(qū)滯塵期間PM10的平均濃度，如圖10所示。PM10濃度的分布特征表現(xiàn)在北部高于南部，東部高于西部，具有從城市中心向周圍擴散的趨勢。與反演得到的滯塵量的空間分布大體一致。由于監(jiān)測站點個數(shù)的限制，插值得到的圖像只能呈現(xiàn)大體的趨勢，在具體的區(qū)域有些差異。

3 結(jié) 論

本文以北京市常見植被大葉黃楊、國槐、毛白楊和山桃的葉片光譜和滯塵量數(shù)據(jù)為基礎(chǔ)，將地面采集的窄波段光譜數(shù)據(jù)轉(zhuǎn)化為衛(wèi)星寬波段的數(shù)據(jù)，建立滯塵反演模型，利用衛(wèi)星影像獲取北京城區(qū)滯塵含量的空間分布，研究結(jié)論如下：

(1)在780～1 300 nm波段，四種植被的滯塵葉片反射率均明顯低于干凈葉片。進(jìn)行滯塵前后光譜反射率比值與單位面積滯塵量的相關(guān)分析：在490～1 600 nm波段范圍內(nèi)，植被的相關(guān)性均為負(fù)相關(guān)，且相關(guān)性大小變化明顯，在1 502 nm波段達(dá)到負(fù)相關(guān)最大值-0.626。

(2)進(jìn)行寬波段滯塵前后光譜反射率與單位面積滯塵量的相關(guān)分析：除HJ-1-B外，Landsat8，ZY-3，Spot6和MODIS四種衛(wèi)星的相關(guān)性最大值相差無幾。利用Landsat8的相關(guān)性最大波段green波段和NDVI構(gòu)建滯塵反演模型，其模型的決定系數(shù)(R2)分別為0.446和0.465，NDVI的擬合效果較好，因此，選取NDVI建立的模型作為最終的滯塵反演模型。

(3)以2014年8月19日和10月6日的兩景Landsat8數(shù)據(jù)為基礎(chǔ)，利用滯塵反演模型獲取北京城區(qū)的滯塵分布，通過對高滯塵區(qū)域土地覆蓋的驗證，表明反演的北京城區(qū)植被滯塵分布具有較好的合理性。滯塵量分布呈現(xiàn)出北高南低，東高西低，中心城區(qū)高于郊區(qū)的分布趨勢。城區(qū)中部、北部和東部易產(chǎn)生塵埃污染。

本研究表明利用遙感手段獲取滯塵量的空間分布是一種有效的監(jiān)測大氣污染水平的方法。同時，可以為環(huán)保部門分析污染來源提供參考。本文反演出了北京城區(qū)植被滯塵含量的空間分布，并對滯塵的空間分布進(jìn)行了合理性驗證，但缺乏對反演時期的滯塵量進(jìn)行實地取樣驗證，這將是以后研究工作的一個重點。

[1] Yang F M，Ye B M，He K B，et al.Total Environ.，2005, 343：221.

[2] He K B，Yang F M，Ma Y L，et al.Atmos.Environ.，2001, 35：4959.

[3] Ram S S, Kumar R V, Chaudhuri P, et al.Ecol.Indic., 2014，36: 334.

[4] Shu J, Dearing J A, Morse A P, et al.Atmos Environ., 2000; 35: 2615.

[5] Bilal M, Nichol J E, Chan P W.Remote Sens.Environ., 2014，153: 50.

[6] LUO Na-na，ZHAO Wen-ji，YAN Xing(羅娜娜，趙文吉，晏 星).Spectroscopy and Spectral Analysis(光譜學(xué)與光譜分析), 2013, 33(), 2715.

[7] Yan X, Shi W Z, Zhao W J, et al.Spectrosc.Lett., 2014a, 47: 536.

[8] Chudnovsky A, Ben-Dor E, Saaroin H.Adv.Geosci., 2007, 1: 51.

[9] Ong C, Cudahy T, Caccetta M, et al.Geosci.Remote Sens.Lett., 2001, 1: 296.

[10] ZHANG Xi-ping, ZHANG Qi-xiang(鄭西平, 張啟翔).Landscape Plants(中國園林)，2011, 5: 81.

[11] NIU Ya-fei, XIE Li-bo, LIU Chun-feng(牛亞菲, 謝麗波, 劉春鳳).Geographical Research(地理研究)，2005, 2: 283.

[12] Wen Q H, Yang S H.Environ.Monit.Assess., 2006, 117: 463.

[13] Yan Xing, Shi Wenzhong, Zhao Wenji, et al.Science of the Total Environment, 2015，506-507：604.

[14] TANG Xin-ming, LIU Hao, LI Jing, et al(唐新明, 劉 浩, 李 京, 等).China Environmental Science(中國環(huán)境科學(xué)), 2015, 35(9)：2561.

[15] TANG Ming(唐 明).Master Dissertation.Capital Normal University, 2011.

[16] WANG Yan-hui, XIAO Yao(王艷慧，肖 瑤).Environmental Science(環(huán)境科學(xué)), 2014, 2: 428.

[17] Bealey W J, McDonald A G, Nemitz E, et al.Journal of Environmental Management, 2007, 85: 44.

*Corresponding author

(Received Jan.23, 2016; accepted May 10, 2016)

Retrieving Dustfall Distribution in Beijing City Based on Ground Spectral Data and Remote Sensing

WANG Hao-fei1,2, FANG Na3, YAN Xing4, CHEN Fan-tao1,2, XIONG Qiu-lin1,2, ZHAO Wen-ji1,2*

1.Key Laboratory of 3D Information Acquisition and Application of Ministry of Education, Capital Normal University, Beijing 100048, China 2.Beijng Key Laboratory of Resource Environment and Geographic Information System, Capital Normal University, Beijing 100048, China 3.Chengdu University of Technology, College of Tourism and Urban-Rural Planning, Chengdu 610059, China 4.Department of Land Surveying and Geo-Informatics, Hong Kong Polytechnic University, Hong Kong, China

Dust-fall distribution of vegetation leaves can indicate the degree of air pollution; therefore the analysis of spatial characteristics of urban vegetation dust-fall has important practical significance for making more effective air pollution control policy.Based on the data of weight of dust, spectral reflectance and leaf area of Euonymus japonicus, Sophora japonica, poplar and davidiana collected in the main area of Beijing city, we compared the curve of spectrum of four plants “dust leaves” to “clean leaves”; the correlation analysis between leaf spectral reflectance ratio (Dust/Clean) of narrow band and satellite band was processed with the weight of dust-fall respectively, with application of four plants leaf data.Then, we built the regression model of the satellite band reflectance and NDVI with dustfall weight respectively, and we used the best model to retrieve the dust-fall distribution of vegetation coverage area in Beijing city, furthermore, we obtained the dust distribution of the whole Beijing city through interpolation.Finally, we carried out the rationality verification of the result by the land cover and land use of the high dust region, as well as the average concentration of PM10.The results showed that, dust leaves had an obviously lower reflectance than clean leaves in 780～1 300 nm which belonged to near-infrared bands; therewas a higher correlation between narrow band reflectance and dust-fall weight in 520～620 and 1 390～1 600 nm, up to -0.626; the coefficients of determination (R2) of inversion models were respectively 0.446 and 0.465,which were constructed by green band and NDVI of Landsat8 with dust-fall weight.Using the model established with NDVI to retrieving the dust-fall distribution of Beijing city, the results demonstrate that the distribution of dust-fall is high in north and low in south, high in east and low in west, high in downtown and low in the suburbs.This study offers a low-cost and effective method for investigating dust-fall distribution in urban area, and provides data support to analysis sources of pollution for the environmental protection department.

Remote sensing; Hyperspectral; Correlation analysis; Retrieval of dust-fall weight

2016-01-23，

2016-05-10

國家青年科學(xué)基金項目(41201488)，國家基礎(chǔ)測繪基金項目(2011A2011)，高等學(xué)校博士學(xué)科點專項科研基金項目(20111108110004)資助

王皓飛，1989年生，首都師范大學(xué)三維信息獲取與應(yīng)用教育部重點實驗室碩士研究生 e-mail：zhwhf2011@163.com *通訊聯(lián)系人 e-mail: zhwenji1215@163.com

X513

A

10.3964/j.issn.1000-0593(2016)09-2911-08