基于VIIRS的夜间PM_%282.5%29浓度遥感估算.pdf

第 45 卷 第 2 期2023 年 6 月新疆环境保护Environmental Protection of XinjiangVol.45No.2Jun 2023随着城市化进程不断加快，细颗粒物（FineParticulate，PM2.5）空气污染已成为全球重大的环境健康风险之一1、2。全面认知全天时PM2.5浓度时空分布是合理制订污染防控防治措施、有效降低空气污染健康危害的重要前提和支撑。我国当前对空气污染的监测仍主要依赖于布设成本较高、相对稀疏、代表性有限的，尚无法直接提供大范围区域空间连续空气质量浓度。相较而言，遥感卫星技术覆盖范围广、空间分辨率高，为研究大范围区域的空气污染浓度分布提供了可靠的技术手段3、4。如何耦合遥感卫星与地面观测数据获取全天时、空间精细、高精度的PM2.5浓度是国家精细防控空气污染的重大需求。目前卫星耦合下的PM2.5浓度遥感估算模型主要分为物理机理和经验统计模型5。前者基于大气物理化学传输模式估算近地面空气污染浓度，在一定程度上克服了地面监测代表性有限、高成本、低效率等缺陷，但模型结构较为复杂，估算精度和时间分辨率易受污染物排放清单以及大气物理化学反应参数等影响6、7。相比，经验统计模型主要利用中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）气 溶 胶 光 学 厚 度（Aerosol Optical Depth，AOD）产品与地面监测的PM2.5浓度相关性，融合气象等辅助因素开展反演建模，具有数据来源广、获取容易，建模方法灵活、适用性较广等特点8。为了提高PM2.5浓度遥感估算精度，国内外学者针对AOD产品空间覆盖度偏低、浓度估算模型因子单一化及模拟精度较低等方面展开了一系列研究并取得了相应的研究成果，例如Fang等9构建了不确定约束下时空随机效应AOD估算模型，显著提升了AOD空间覆盖度和精度；为充分挖掘AOD以及辅助数据的隐含特征、提基于VIIRS的夜间PM2.5浓度遥感估算吴坚，陈军*，赵芳（湖南省长沙生态环境监测中心，湖南长沙410000）摘要：PM2.5作为主要空气污染物之一，长期影响人类健康和生态环境。目前主流的大气PM2.5遥感监测依赖于日间过境的气溶胶光学厚度AOD产品，夜间时效连续性受到限制。为此，本文在大气辐射传输原理的基础上，顾及气象、土地利用等与PM2.5排放、传输相关的因素，构建基于VIIRS的夜间PM2.5浓度遥感估算方法。以北京市20132014年大气重污染事件为例，定性分析、定量评估大气重污染过程下PM2.5浓度与夜间灯光辐射强度的相关性，开展夜间灯光遥感数据融合多源地理要素的夜间PM2.5浓度估算。结果表明：随着PM2.5浓度的显著上升，夜间灯光遥感影像的同一个区域亮度明显下降，PM2.5浓度值和夜间灯光辐射值的平均相关系数达-0.69（P0.001）；融合夜间灯光数据与多源地理要素可以较好模拟夜间PM2.5浓度，模型精度R2达0.83，RMSE为38.03 g/m3。利用VIIRS夜间灯光遥感数据估算区域夜间PM2.5浓度具备可行性和有效性，可为制定空气污染防控措施提供支撑。关键词：大气污染；PM2.5；夜间灯光遥感数据；VIIRS中图分类号：X513文献标识码：A文章编号：1008-2301（2023）02-0001-08吴坚，陈军，赵芳.基于VIIRS的夜间PM2.5浓度遥感估算 J.新疆环境保护，2023，45（01）：1-8.收稿日期：2023-05-24基金项目：国家环境保护重金属污染监测重点实验室开放课题基金项目（SKLMHM202218）第一作者：吴坚（1972-），男，湖南平江人，硕士，政工师，主要研究方向为生态环境监测。E-mail：通讯作者：陈军（1984-），男，湖南湖乡人，硕士，高级工程师，主要研究方向为生态环境监测。E-mail：新疆环境保护第 45卷高模型精度，彭豪杰等10提出了深度学习与随机森林相结合的 PM2.5浓度估算模型，整体 R2可达 0.89。MODIS AOD产品为大范围PM2.5浓度监测提供了一种新的技术，但搭载MODIS传感器的Terra和Aqua卫星过境时间为日间10 30和1 30，无法为夜间PM2.5浓度监测提供有效数据，限制了全天时PM2.5监测的时效连续性。夜间灯光遥感通过探测夜间微光，揭示人类社会活动强度与规律，广泛应用于城市扩张、社会经济、碳排放估算等领域11。近年来，已有较多学者借助夜间灯光遥感数据监测夜间PM2.5浓度，例如赵笑然等12依据2015年北京市春季夜间城市灯光辐射强度与空气质量站点数据的关系，构建了PM2.5浓度支持向量机反演模型；李珂等13基于大气气溶胶消光原理，通过夜间灯光影像和监测站数据估算上海市20142018年冬季PM2.5浓度，R2达到0.767；陈惠娟等14考虑灯光辐射衰减与散射补偿，利用2019年冬季夜间灯光与地面监测站数据估算了江苏省淮安市夜间 PM2.5浓度。上述研究证实了夜间灯光遥感数据在夜间PM2.5浓度估算中的潜力，却未全面考虑气象、土地利用、高程等地理要素以及不同场景下的差异性，且局限于单个季节的分析，未探究夜间灯光估算各个季节PM2.5浓度的有效性。因此，本研究提出了一种基于可见光红外成像辐射仪（Visible Infrared Imager RadiometerSuite，VIIRS）数据的夜间PM2.5浓度遥感估算方法，以北京市20132014年12次大气重污染事件为例，全面分析各事件、季节、监测站类型夜间灯光辐射强度与PM2.5浓度的关系，构建融合多源地理要素的PM2.5浓度估算模型，为进一步开展大范围夜间PM2.5污染状况监测、更准确评估日夜间PM2.5浓度变化情况提供可行性参考。1研究区概况及数据源1.1研究区概况北京市位于华北平原的北端，背靠太行山余脉和燕山山脉，东南距渤海约 150 km，地势总体上西北高，东南低，如图1所示。受地区温带大陆性季风气候影响，夏季盛行东南风，冬季盛行西北风，且春季风沙较大伴随烟霭及浮尘，全年降水主要集中在夏季，冬季寒冷干燥、逆温频发，加之北京地处西、北、东三面环山之中，易导致大气污染物滞留。随着人口和城市扩张，生活废物处理排放了大量的污染物，建筑工地施工产生了大量的逸散性粉尘、冬季供暖造成的煤炭燃耗、机动车保有量的快速增长，加之外部大气污染物迁移输入，导致北京空气质量状况较差，以PM2.5为首要污染物的污染形势尤为严峻。城区环境评价点（12个）交通污染监控点（5个）郊区环境评价点（11个）对照点及区域点（7个）图1 研究区概况示意图Fig.1Overview of the Study Area1.2数据源1.2.1PM2.5浓度数据地面站点空气质量PM2.5浓度监测数据来自北京市环境保护监测中心（http:/），由北京市空气质量自动监测系统实时获取并发布，采样时间频率为1小时，时间为每天00 0023 00点。为保证PM2.5观测浓度时间与夜间灯光遥感影像数据获取时段（凌晨1 30）相匹配，采用每日凌晨1时和2时的PM2.5浓度数据作为夜间PM2.5观测浓度。北京市空气质量自动监测系统由35个监测点位组成（如图1），依据监测功能将其分为：城区环境评价点、郊区环境评价点、对照点及区域点、交通污染监控点四类。1.2.2VIIRS夜间灯光遥感数据夜间灯光遥感数据源于美国新一代国家极轨业务环境卫星系统预备工程卫NPP（NationalPolar-orbitingOperational Environmental Satellite System PreparatortProject）搭载的可见光红外成像辐射仪VIIRS的日夜2第2期吴 坚，等：基于VIIRS的夜间PM2.5浓度遥感估算间波段DNB（Day-Night Band），相比于早期国防气象卫星 DMSP（Defense Meteorological Satellite Program）搭载的线性扫描业务系统OLS（Operational LineScanSystem）获取的夜间灯光遥感影像，VIIRS DNB有更高的时空分辨率，其空间分辨率为750 m，时间分辨率为 1 d。该数据从美国海洋和大气管理局网站（https:/www.class.ncdc.noaa.gov/）收集，对其进行筛选（包括去除有月光的数据、筛选无云区域、排除灯光异常天等）、投影、匹配、重采样、裁剪等操作。1.2.3气象数据气象数据来自欧洲中期天气预报中心（EuropeanCentre for Medium-Range Weather Forecasts，ECWMF）的大气再分析资料 ERA5 数据集，空间分辨率为0.250.25，时间分辨率为1 h，主要包含边界层高度、气压、温度、纬向风速和经向风速。1.2.4其他地理要素其他与PM2.5排放与扩散潜在相关的的数据包括土地利用/覆盖数据、全国道路矢量数据、人口格网数据和地形高程数据。土地利用/覆盖数据来源于中国地理国情监测云平台（http:/ km 1 km格网人口数据获取于中国科学院资源环境科学数据中心（http:/）。地形高程数据来源于美国宇航局SRTM数据（http:/srtm.csi.cgiar.org/），空间分辨率为90 m 90 m。2研究方法2.1理论基础夜间PM2.5浓度遥感估算基础理论依据为大气辐射传输的基本原理，在大气介质中传输的夜间灯光会因与PM2.5颗粒物的相互作用而导致辐射强度减弱15。根据灯泡光谱透射率、灯光光谱强度和VIIRS DNB波段响应函数的数值试验发现，VIIRS DNB波段对大气气溶胶非常敏感，对水气敏感性相对较低16。由于地表和大气透射情况错综复杂，DNB波段获取的夜间灯光影像的灯光辐射强度是地面人工光源夜间向上辐射的光线在建筑和大气中多次散射反射的共同作用的结果，这使得多因素的建模异常复杂17。因此，参考相关文献18、19，设定如下假设：（1）地面人造光源和地表建筑为朗伯体和和朗伯面，即发射的灯光辐射亮度在所有方向均匀反射；（2）在确定的研究区和研究时相内，建筑分布、人造灯光布局等因素无变化，短时间内城市的灯光强度维持不变，即夜间灯光遥感影像的每一点像素不变，但空间上亮度值是不同的；（3）地面人工光源夜间向上辐射的灯光辐射值在地表和大气中的散射和路径辐射量较小，不加以考虑。卫星观测到的辐射亮度Isat可表示为：Isat=-Ise-/（1）其中，Is为地面灯源上升的辐射亮度，表示大气光学厚度，为卫星观测天顶角的余弦。则地面灯源上升的辐射亮度为：Is=rs(u0F0e-/)+u0F0T(u0)+Ia（1-rsr）（2）其中，Ia表示地面光源自身亮度，rs为表层反射率，u0为月相天顶角余弦，F0为月球辐射亮度，r 为气溶胶反射率。同一地点不同时间的夜间灯光亮度做差分，可得：Isat=Iae-/（3）=-ln（IsatCIa）（4）假设夜间边界层的气溶胶消光系数廓线结构稳定，PM2.5在有效高度内均匀混合，光学厚度可表示为：=CQextH（5）其中，C为PM2.5浓度，Qext为质量消光系数，H为气溶胶混合层有效高度，二者难以现场测量且对模型结果影响很小，故定义为常数。进一步建立地面PM2.5浓度与卫星观测的夜间灯光辐射亮度间的关系：CQextH=ln（IsatCIa）（6）C=（a-bln（Isat)）（7）公式（7）揭示了地面PM2.5质量浓度与卫星遥感夜间灯光辐射强度间的定量关系，可用于进一步开展夜间PM2.5浓度估算。2.2遥感估算方法3新疆环境保护第 45卷在没有云遮挡背景下，当夜间有大量细小大气颗粒物悬浮时，夜间灯光向上空发射会发生散射，可能使得夜光遥感卫星成像值（即 VIIRS DNB）发生改变。尤其在雾霾期间，空气中飘浮大量PM2.5细颗粒物，散射效应明显，可能使得卫星获取夜间灯光遥感影像成像质量下降，即表现为夜间灯光辐射亮度减弱。本研究选取研究区大气重污染事件（无月去云），采集相同时段的VIIRS夜间灯光数据，进而观测在经历一次大气重污染的几天内的夜间灯光辐射强度变化情况，从而定性评价、定量评估重污染过程下PM2.5浓度与夜间灯光辐射强度的响应关系，在此基础上构建PM2.5浓度估算模型。具体分析过程如下：1）定性分析在研究区经历的某一次大气重污染事件过程中，对比这段时间内研究区的VIIRS DNB夜间灯光遥感影像亮度分布和卫星过境时刻地面PM2.5浓度空间分布情况，观测当PM2.5浓度由低到高再到低这个过程中，夜光遥感影像辐射值的变化情况，从而定性分析PM2.5浓度与夜间灯光辐射强度可能存在的定性关系。2）关联测度提取地面PM2.5浓度监测站点55像元范围内的VIIRS DNB辐射值，观测其与卫星过境时刻地面PM2.5浓度的变化及对应关系，采用PEARSON相关系数计算二者的相关程度，从而定量分析PM2.5浓度与夜间灯光辐射强度响应关系，PEARSON计算原理公式如下所示：Rxy=i=1n(xi-x)(yi-y)i=1n(xi-x)2i=1n(yi-y)2（8）式中，xi、yi是元素x、y的第i期观测值，x、y 是平均值。R为相关系数，取值范围为-1，1。若两个变量相关性越强，则相关系数约接近与1，若为0则不相关。相关系数为正值，则称正相关；为负值，则称负相关。3）建模估算不同监测站点或不同大气污染事件的PM2.5浓度和夜光辐射值的背景水平差异显著，因此本研究采用了一种混合效应模型构建PM2.5和夜光辐射值的统计关系。混合效应模型（Mixed Effects Model，MEM）又称为多层次回归模型（Multilevel Model，MLM），是指同时包含固定效应和随机效应的模型，可解决多层嵌套结构数据的组间/组内随机因素造成的差异，即Cij=00+10NTLij+0j+1jNTLij+eij+1N(1N+1N)Geoij（9）式中，Cij为第i个监测网格第j天的PM2.5浓度值，00为固定截距，10表示变量NTL的固定斜率，NTLij为VIIRS DNB辐射值，0j表示随机截距（取决于不同监测站点/不同大气污染事件），1j表示变量NTL随机斜率，eij为噪声，1N与1N表示变量Geo的固定和随机斜率，Geoij为多源地理要素值。3结果与分析3.1PM2.5浓度与夜间灯光辐射强度的定性关系选取研究区20132014年12次大气重污染事件，如表1所示，冬、春、夏、秋季节各发生三次污染，每次污染事件持续事件为621天不等，PM2.5浓度均由低到高再变为低。以2013年冬季一次大气重污染事件为例，该污染事件持续时间为2013年12月6日至2014年12月9日，基于AQI指数计算的空气质量等级是从良重度污染严重污染良。针对这一次大气污染事件，在卫星观测天顶角相近（避免星下点和扫描边缘带的成像差异）、月照度低（避免月光干扰）、无云（避免云层遮挡）的前提下，依次获取了2013年12月6日至2013年12月9日的VIIRS DNB夜间灯光遥感影像，见图2。表1 20132014年研究区大气重污染事件Table 1Heavy air pollution events in the study area from 2013 to 2014污染事件Event_01Event_02Event_03日期2013/12/62013/12/92014/1/252014/2/42014/2/192014/3/5污染事件Event_04Event_05Event_06日期2013/3/202013/4/32014/4/272014/5/22014/5/262014/6/2污染事件Event_07Event_08Event_09日期2013/6/242013/7/22014/7/222014/8/42014/8/252014/8/31污染事件Event_10Event_11Event_12日期2014/9/152014/9/302014/10132014/11/22014/11/162014/12/24第2期图 2（a）是在卫星过境时刻北京时间 2013 年12 月 6 日凌晨 1:30 获取的研究区 VIIRS DNB 夜间灯光遥感影像，此时对应地面 PM2.5浓度均值为90.92 g/m3，夜间灯光遥感影像辐射亮度值最大值为354.3 nWcm-2sr-1；到了2013年12月7日（图2（b），随着PM2.5浓度的急剧上升，达到256.94g/m3，此时夜间灯光遥感影像辐射亮度值最大值下降到289.2 nWcm-2sr-1；再到下一日，PM2.5浓度的持续增加到351.18 g/m3时，卫星遥感影像的灯光亮度持续变暗，成像质量大幅度下降（图2（c），辐射亮度最大值仅为38.6 nWcm-2sr-1；最后，当雾霾扩散而去，卫星过境时刻地面PM2.5浓度均值下降为5.85 g/m3时，夜间灯光遥感影像变得清晰，卫星传感器VIIRS DNB夜光亮度辐射值最高可达1 002.7 nWcm-2sr-1（图2（d）。通过以上定性分析过程可以明显看出，卫星遥感夜间灯光辐射亮度与地面PM2.5浓度存在密不可分的响应关系，随着浓度的上升，PM2.5对夜间灯光亮度的削弱作用逐渐增强，高浓度的PM2.5使得地面光源夜间灯光卫星传输路径间的辐射值明显降低，导致同一地理位置上卫星遥感影像上灯光亮度变低、成像质量下降。由此可见，在满足一定前提下，VIIRS DNB夜间灯光遥感影像能够定性监测和表征夜间PM2.5浓度变化情况。图2大气重污染事件（Event_01）VIIRS DNB夜间灯光遥感影像亮度差异Fig.2Brightness differences of night light remote sensing images of VIIRS DNB in heavy air pollution Event_01（a）（b）（c）（d）0204080KilometersVIIRSDNB夜间灯光辐射亮度（nWcm-2sr-1）0-55-1010-2020-3030-4040-6060-8080-100100-120120-160160-180180-200200-250250-300300-400400-600600-800800-10003.2PM2.5浓度与夜间灯光辐射强度的定量关系大气污染系列事件过程中 PM2.5浓度与 VIIRSDNB夜间灯光辐射强度响应关系的定量分析结果如表2所示，可以明显看出，大气污染系列事件过程中PM2.5浓度值和夜间灯光辐射值呈现显著的负相关关系，相关系数在-0.44 -0.98之间不等，平均相关系数为-0.69（P夏季（-0.79）春季（-0.70）冬季（-0.48）。同时，进一步分析不同监测站点类型PM2.5浓度值和夜间灯光辐射值的相关性。表3说明不同监测站点类型的PM2.5浓度值和夜间灯光辐射值的相关系数有所不同，可能由于站点所处空间位置夜间灯光辐射值自身背景水平差异导致，“城区环境评价点”呈现强相关，二者的负相关系数最高，为-0.68，“郊区环境评价点”次之（-0.61），“交通污染监控点”再次之（-0.54），“对照点及区域点”最低（-0.47）。表3不同季节及监测站点类型PM2.5浓度值和夜间灯光辐射值的相关系数Table 3Correlation coefficients between PM2.5concentrationvalues and nighttime light radiation values in differentseasons and monitoring station types季节冬春夏秋相关系数-0.48*-0.70*-0.79*-0.80*P值0.0000.0000.0000.000监测站点类型城区环境评价点郊区环境评价点对照点及区域点交通污染监控点相关系数-0.68*-0.61*-0.47*-0.54*P值0.0000.0000.0190.000注：*表示在0.01水平上显著相关，*表示在0.05水平上显著相关3.3PM2.5浓度夜间灯光模型估算结果基于夜间PM2.5浓度和VIIRS DNB夜间灯光辐射值定量关系，首先利用混合效应模型开展基于夜间灯光遥感数据单变量的夜间PM2.5浓度模型估算研究，研究区35个站点的PM2.5浓度实测值和估算值的结果如图3（a）所示。在此基础上，融合其他多源地理要素开展多源数据增强下的多变量模型精度评估，实测PM2.5浓度和估算浓度的散点图如图3（b）。由散点图3（a）可以看出，在大气重污染系列事件发生的短短数日PM2.5污染浓度差异强烈的背景下，基于VIIRS DNB夜光辐射值仍然可以较好模拟PM2.5浓度，拟合精度R2可达0.42，均方根误差RMSE为64.15 g/m3。需要指出的是，尽管该精度结果小于目前常见的日间PM2.5浓度AOD统计关系建模精度，但以上结果是基于夜间灯光数据单变量估算结果，同时由于选择研究时相为雾霾期间，可以认为是在污染浓度极端波动情况下的模型性能表现，即：在PM2.5浓度值从低中高（3 g/m3479 g/m3）的显著变化（PM2.5浓度实测值的标准偏差为73.68 g/m3）的雾霾期间开展的建模估算研究。当没有发生PM2.5浓度极端变化的情况下（非大气重污染事件），可以推断，利用夜间灯光单变量的混合效应模型精度表现应为更佳。进而，在以上夜间灯光遥感数据单变量建模的基础上，融合其他多源地理要素（气象因子、人口数量、道路长度、土地利用面积占比）开展夜间PM2.5浓度估算研究，模型精度如图3（b）所示。在VIIRS DNB夜光辐射值数据单变量建模的基础上，辅以多源地理要素，模型的R2提升至0.83，RMSE降至38.03 g/m3，降低了夜间灯光数据在郊区等光线暗淡或无光地区等问题造成的模型代表性不足的问题。因此，基于夜间灯光遥感数据融合多源地理要素的夜间PM2.5浓度估算结果较为可靠。估算PM，浓度值（g/m3）01002003004005000100200300400500实测PM2.5，浓度值（g/m3）01002003004005000100200300400500实测PM2.5，浓度值（g/m3）y=0.47x+55.17R2=0.42RMSE=64.15g/m3（a）y=0.77x+24.46R2=0.83RMSE=38.03g/m3（b）图3夜间PM2.5浓度实测值和估算值散点图（a）夜间灯光遥感数据的单变量模型精度；（b）融合多源地理数据的多变量模型精度（虚线为1 1参考线；实线为模型趋势线）Fig.3Scatter plot of measured and estimated PM2.5concentration at night（a）Univariate model accuracy of nighttime light remotesensing data；（b）Accuracy of multivariate models integrating multisourcegeographic data（dashed line represents 1 1 reference line；solid line representsmodel trend line）6第2期4结论大气污染过程具有时间上的连续性和不可分性。针对目前卫星遥感PM2.5浓度估算主要依赖于日间AOD产品而无法反映夜间PM2.5浓度的问题，本研究基于辐射传输原理提出一种基于 VIIRS 的夜间PM2.5浓度遥感估算方法，从定性和定量两个层面验证大气重污染过程下PM2.5浓度与夜间灯光辐射强度负相关关系的假设，揭示两者的响应关系在不同季节、不同监测站类型下具有一定的差异性；模型估算精度表明以夜间灯光遥感数据为主，融合多源地理要素，可以更好地模拟夜间时刻的PM2.5浓度空间分布，R2可达0.83。不足之处在于，本研究未考虑树木遮蔽效应，下一步工作需综合考虑到植被指数等因素的影响。同时，未来将在非大气重污染期间进一步开展夜间PM2.5浓度大范围估算、探究拓展该方法的适用范围。参考文献：1 涂佩玥，杨欢，陈兰洲，等.中国重点城市大气污染与健康风险的时空分布特征J/OL.环境科学，2023:1-13.2 Abbatt J P D，Leaitch W R，ALIABADI A A，et al.Overview Paper:New Insights into Aerosol and Climate in the ArcticJ.AtmosphericChemistry and Physics，2019，19（4）:2527-2560.3 向娟，陶明辉，郭玲等.基于卫星遥感的近地面PM2.5浓度反演进展J.遥感学报，2022，26（09）:1757-1776.4 Li T，Wang Q，Wang Y.Joint Estimation of PM2.5and O3over Chinausing a Knowledge-informed Neural NetworkJ.Geoscience Frontiers，2023，14（2）：101499-101511.5 沈焕锋，李同文.大气PM2.5遥感制图研究进展J.测绘学报，2019，48（12）:1624-1635.6 Wang Q，Zeng Q，Tao J，et al.Estimating PM2.5ConcentrationsBased on MODIS AOD and NAQPMS Data over Beijing-Tianjin-HebeiJ.Sensors，2019，19（5）：1207-1224.7 薛文博，王金南，杨金田，等.国内外空气质量模型研究进展J.环境与可持续发展，2013，38（3）:14-20.8 Qin K，Rao L，Xu J，et al.Estimating Ground Level NO2Concentrationsover Central-Eastern China Using a Satellite-Based Geographicallyand Temporally Weighted Regression ModelJ.Remote Sensing，2017，9（9）:950-969.9 Fang X，Zou B，Liu X，et al.Satellite-based ground PM2.5estimationusingtimely structure adaptive modelingJ.Remote SensingofEnvironment，2016，186:152-163.10 彭豪杰，周杨，胡校飞，等.基于深度学习与随机森林的PM2.5浓度预测模型J.遥感学报，2023，27（02）:430-440.11 刘泠岑，孙中孝，吴锋，等.基于夜间灯光数据的中国县域发展活力与均衡性动态研究J.地理学报，2023，78（04）:811-823.12 赵笑然，石汉青，杨平吕，等.NPP卫星VIIRS微光资料反演夜间PM2.5质量浓度J.遥感学报，2017，21（02）:291-299.13 李珂，刘朝顺，焦鹏龙.基于NPP/VIIRS夜间灯光遥感数据估算上海地区PM2.5浓度J.环境科学学报，2019，39（06）:1913-1922.14 陈惠娟，徐永明，莫亚萍，等.基于NPP/VIIRS夜光遥感数据的淮安市夜间 PM2.5浓度估算研究J.环境科学学报，2022，42（03）:342-351.15 Zhang X，Hu H.Improving Satellite-Driven PM2.5Models with VIIRSNighttime Light Data in the Beijing-Tianjin-Hebei Region，ChinaJ.Remote Sensing，2017，9（9）:908-921.16 Miller S D，Turner R E.A dynamic lunar spectral irradiance dataset for NPOESS/VIIRS Day/Night band nighttime environmentalapplicationsJ.IEEE Transactions on Geoscience&Remote Sensing，2009，47（7）:2316-2329.17 Wang J，Aegerter C，Xu X，et al.Potential application of VIIRS Day/Night Band for monitoring nighttime surface PM2.5air quality fromspaceJ.Atmospheric Environment，2016，124:55-63.18 Elvidge C D，Keith D M，et al.Spectral identification of lighting typeand characterJ.Sensors，2010，10（4）：3961-3988.19 Fu D，Xia X，Duan M，et al.Mapping nighttime PM2.5from VIIRSDNB using a linear mixed-effect modelJ.Atmospheric environment，2018，178:214-222.吴 坚，等：基于VIIRS的夜间PM2.5浓度遥感估算7新疆环境保护第 45卷Estimation of Nighttime PM2.5Concentration by Remote Sensing Basedon VIIRSWU Jian，CHEN Jun*，ZHAO Fang（Changsha Ecological Environment Monitoring Center，Changsha Hunan 410000，China）Abstract:As one of the main air pollutants，PM2.5had a long-term impact on human health and ecologicalenvironment.Relying on MODIS/MIRS AOD products，the current mainstream atmospheric PM2.5remote sensingmonitoring mainly focuses on the daytime PM2.5concentration，which limited the nighttime temporal continuityof PM2.5monitoring.Therefore，on the basis of the principle of atmospheric radiation transmission，the factorsrelated to PM2.5emission and transmission such as meteorology and land use，and constructs a remote sensingestimation method of PM2.5concentration at night based on VIIRS was comprehensively considered.Taking the heavy air pollution event in Beijing from 2013 to 2014 as an example，the correlation betweenPM2.5concentration and nighttime light radiation intensity in the process of heavy air pollution was evaluatedthrough qualitative analysis and quantitative analysis，and the nighttime PM2.5concentration was estimated byintegrating remote sensing data of night light with multi-source geographical elements.The results showed thatwith a significant increase of PM2.5concentration，the brightness of the same area in the nighttime light remotesensing image decreased significantly，and the average correlation coefficient between PM2.5concentration andnighttime light radiation value reached-0.69（P0.001）.The fusion of nighttime lighting data and multi-sourcegeographic elements could effectively simulate the nighttime PM2.5concentration，with a model accuracy ofR2=0.83 and RMSE of 38.03 g/m3.It was feasible and effective to estimate nighttime PM2.5concentration in aregion using VIIRS nighttime light remote sensing data，which could provide support for the development ofair pollution prevention and control measures.Key words:air pollution，PM2.5，nighttime light remote sensing data，VIIRS8