京津冀秋冬季工业生产热异常遥感监测探讨
邱昀1, 李令军1, 王新辉1, 赵文吉2, 鹿海峰1, 李金香1, 孙爽2     
1. 北京市环境保护监测中心,北京 100048;
2. 首都师范大学,北京 100048
摘要: 为全面、客观掌握工业生产热排放对大气污染的影响,利用遥感手段分析了2018—2019年秋冬季京津冀工业生产热排放及其同比变化。结果显示:2018—2019年秋冬季,京津冀地区工业热异常点数量及秋冬热异常点辐射功率(FRP秋冬)较上年同期明显增加,工业生产活动规模及强度同比有所扩大,区域PM2.5浓度呈增长趋势。根据FRP秋冬分布特点可将京津冀工业生产分为3类,密集型、分散型和稀少型。工业生产密集型城市FRP秋冬通常>1 500 MW,较为典型的城市如唐山、邯郸,FRP秋冬可达2 000 MW以上甚至上万MW,这些城市的空气质量也相对较差;保定是工业生产分散型城市,该城市热异常点增长显著,FRP秋冬也可达2 000 MW以上,但空间分布分散;工业生产稀少型城市热异常点较少且空气质量相对较好。
关键词: 热异常    京津冀    辐射功率    工业企业    
Discussion of Industrial Production in Beijing-Tianjin-Hebei Region Based on Thermal Anomaly Remote Sensing Monitoring during Autumn and Winter Seasons
QIU Yun1, LI Ling-jun1, WANG Xin-hui1, ZHAO Wen-ji2, LU Hai-feng1, LI Jin-xiang1, SUN Shuang2     
1. Beijing Environmental Monitoring Center, Beijing 100048, China;
2. Capital Normal University, Beijing 100048, China
Abstract: In order to monitor the regional industrial production situation comprehensively and objectively and having a better understanding of industrial emission impact, remote sensing was used to identify the thermal emission from industrial production and growth in Beijing-Tianjin-Hebei region (BTH region). The distribution and comparative changes of thermal anomalies were analyzed in BTH region during Autumn and Winter Period from 2018 to 2019. The result showed that the number and fire radiation power (FRP) of industrial thermal anomalies increased significantly from 2018 to 2019, compared the same period of last year. The scale and intensity of industrial production expanded and the regional PM2.5 concentration also increased. According to the distribution characteristics of FRP, industrial production in BTH region can be divided into three types: intensive, dispersal and rare. The FRP value in industrial intensive cities is usually higher than 1 500 MW. In typical intensive cities such as Tangshan and Handan, the FRP value can exceed 2 000 MW or even ten thousands MW. The air quality of these cities is also relatively poor. Dispersed city like Baoding, its thermal anomaly points have increased significantly, and the FRP value can reach more than 2 000 MW, but the spatial distribution is scattered. Industrial sparse cities have fewer thermal anomalies and generally have relatively good air quality.
Key words: Thermal anomaly    Beijing-Tianjin-Hebei region    Fire radiation power    Industrial enterprise    

2018年9月21日,生态环境部发布的《京津冀及周边地区2018—2019年秋冬季大气污染综合治理攻坚行动方案》中要求秋冬季京津冀及周边地区PM2.5平均浓度同比下降3%左右。各地重点对钢铁、建材、焦化、铸造、有色、化工等高排放行业实施采暖期错峰生产。为对工业企业排放进行全面、客观评估,需要对京津冀地区工业企业进行实时动态的监测[1-3]。卫星遥感技术可以快速、准确地获取工业企业的地理信息。同时,工业特别是重工业生产往往伴随大量的能源消耗,在污染排放的同时释放大量热能,造成局地气温明显升高,利用热红外遥感技术可探测到地面温度的异常高值,生成热异常数据产品。该产品可反映区域工业生产热释放的规模、强度和变化。

目前,热异常探测技术已经比较成熟,但基于热异常探测的工业热源识别的研究还比较少。从20世纪80年代,国外就开始了对于地表热异常探测的研究[4-5]。当前可用于地表热异常探测的遥感数据源有AQUA ASTER,NOAA AVHRR,Terra/AQUA MODIS[6],其中MODIS数据由于时间分辨率可达2次/d,且波谱分辨率(36个波段)和空间分辨率(500~1 000 m)均较高,被广泛应用于地表热异常点的研究。2011年,随着NPP卫星的升空,其搭载的VIIRS传感器数据也逐渐用于热异常点的研究[7-8],该传感器的热异常数据产品的空间分辨率可达375 m。随着MODIS和VIIRS传感器数据的普及,我国也不断有学者对热异常点识别算法进行修正[9-11],研究了适用于我国的热异常点探测方法[12-13],这一技术主要应用在秸秆焚烧和森林火灾识别上[14-15]。近年国内开始有学者尝试使用NPP VIIRS夜间热异常数据产品提取工业热源并通过时间、空间、温度特征确定其类型[16-19],Liu等[20]认为该数据在工业热源识别上具有很大的潜力。

为全面、客观掌握2018—2019年秋冬季京津冀工业生产热排放及其同比变化,利用2018年10月—2019年3月秋冬季逐日累计热异常结果,对京津冀13个城市的热异常点分布情况进行分析,并使用2017—2018年同期数据进行同比变化分析。对增长显著的典型城市结合统计数据和空气质量同比变化数据进行分析。

1 材料与方法

使用Suomi-NPP/VIIRS VNP14IMGTDL产品集, 该产品每天可实现对北京及周边地区地面热异常点昼夜各1次的监测,监测空间分辨可达375 m,使用了Schroeder等[7]在2014年提出的官方算法[7]。该算法延续了MODIS热异常点和热异常点识别方法,通过综合判据识别地表的生物质燃烧和温度异常区域[21]。热异常点的识别主要通过对I4、I5通道亮温值进行阈值筛选,云、水体、背景影响以及虚假热异常点的去除主要基于对I1、I2、I3通道的筛选[7],可分辨温度为400~1 200 K[7, 22],再利用M13通道计算热异常点的辐射功率(FRP,Fire Radiative Power)。识别的热异常点产品包含热异常点的地理位置信息、亮温值信息、监测时间信息以及FRP参数,FRP参数可反映热异常点的辐射功率,计算公式见公式(1)。为剔除太阳辐射、白天生活源等因素的影响,仅选取每日1:00的热异常产品代表每日北京及周边区域热异常情况。

$ {\rm FRP}= \frac{{A∂(L_{13}-L_{13{\rm B}})}}{{a}} $ (1)

式中:FRP——热异常点辐射功率,MW;A——像元的面积,受入射角度影响, km2;∂——斯蒂芬-玻尔兹曼常数,约为5.76×10-8 W/(m2·K4);a——通道常数,VIIRS的M13通道取2.88×10-9 W/(m2·sr·μm·K4);L13L13B——M13通道下热异常像元点辐亮度值和背景平均辐亮度值。

热异常产品的经纬度信息和时间信息可用于筛选并统计出各城市秋冬季夜间热异常点数据。逐日热异常点FRP参数相加即为各城市秋冬季期间的FRP累计和,见公式(2),将秋冬季期间各城市出现热异常点个数进行计数统计得到各城市的热异常点数量数据。统计数据显示,京津冀地区近20年来日照时数平均在2 500 h/a,阴雨天数量平均为80 d/a,变化幅度不大[23-24],因此年际间不良天气(阴雨、多云、雪)的天数差别可忽略不计。通过统计热异常数据的数量和FRP可以反映区域工业规模和生产排放强度。考虑到电厂热能转化效率高、散逸少,文中讨论的重工业仅指钢铁、水泥、建材以及石化等非电行业。

$ {\rm FRP}_{秋冬}=\sum^{i}_{0}{\rm FRP}_{i} $ (2)

式中:FRP秋冬——秋冬季热异常点辐射功率总和,MW;FRPi——热异常点日辐射功率,MW;i——秋冬季天数, d。

此外,本研究还使用了京津冀各城市的PM2.5、NO2、SO2浓度数据。采用自动监测国控站点小时数据,监测方法采用微震荡天平法。分别选取京津冀地区各城市2017年9月—2018年2月以及2018年9月—2019年2月的PM2.5、NO2、SO2小时浓度数据分别计算算术平均值,所得结果用于代表各城市2年秋冬季空气质量。

2 结果与分析 2.1 京津冀工业热异常整体趋势

热异常点数量和FRP秋冬统计结果见图 1(a)(b),京津冀地区热异常点多出现在唐山和邯郸,热异常点数量均>1 000个,FRP秋冬>2 000 MW, 约相当于950.4万t标准煤释放的热量。与上一年同期相比,2018—2019年秋冬季京津冀工业热异常点数量及FRP秋冬都呈增长趋势,唐山、邯郸、保定和天津是热异常点增长最为显著的4个城市,热异常点数目分别增长了1 367,633,347和379个;FRP秋冬分别增长了2 144,569,855和583 MW。统计数据显示,2018—2019年秋冬季京津冀生铁、粗钢、水泥生产的产量呈增长趋势,分别同比增长33.1%,32.8%和34.7%[25-26]。这与实际监测结果较为一致,反映出2018—2019年秋冬季京津冀工业生产规模和强度整体回升。

图 1 2017—2018年与2018—2019年秋冬季京津冀各城市热异常点数量及FRP秋冬统计

2.2 工业热异常空间分布及对空气质量的影响

对京津冀地区热异常点空间分布进行核密度分析,结果显示,热异常点较密集的城市大部分位于京津冀东部和西南部的污染传输通道上,对区域空气质量潜在影响较大[21, 27-28],京津冀东部和西南部沿山前一带热异常点密度都成同比增长趋势,见图 2(a)(b)(c)。空气质量数据也显示,京津冀及周边地区2018—2019年秋冬季PM2.5平均浓度增幅为10.5%。

图 2 2017—2018年与2018—2019秋冬季京津冀各城市热异常点核密度空间分布及同比变化

2018—2019年秋冬季唐山工业热异常点数量占京津冀总数的47%,FRP秋冬占50%;邯郸热异常点数量占京津冀总数的20%,FRP秋冬占18%。由图 2(a)(b)可见,两市工业热异常点较为密集且排放强度大。分别对唐山、邯郸两地的热异常点分布情况和FRP秋冬同比变化进行分析,结果显示,2018—2019年秋冬季唐山热异常点分布更为集中,集中后FRP秋冬有所增大,增加了27.9%。邯郸的热异常点主要分布在城市西部,2018—2019年秋冬季邯郸热异常点分布也更为集中,且西部多地FRP秋冬有所下降,热异常点整体呈现东移的趋势。文献[28-30]对邯郸市大气污染的研究表明,邯郸的钢铁和水泥行业主要分布在东部的武安市和涉县一带。虽然热异常点呈同比增长趋势,但由于污染源分布更为集中,2018年秋冬季唐山和邯郸的NO2和SO2浓度有所下降,PM2.5平均浓度仅有小幅增长(分别增长了14%和1%)。位于京津冀地区西南传输通道上的保定热异常点同比增长较明显,热异常点数量增加了1.24倍,FRP秋冬增加了2.24倍,而且新增点位分散。这些新增的热异常点位于保定西南部,对该城市空气质量造成一定影响,2018—2019年秋冬季保定PM2.5平均浓度增幅也较为显著,达21%。

根据FRP秋冬,可将京津冀工业生产布局特征划分为密集型、分散型和稀少型。冀北张家口、承德、秦皇岛以及冀东沧州-衡水一带属于稀少型,这些城市FRP秋冬<1 500 MW。对应的秋冬季空气质量污染物浓度相对较低,ρ(PM2.5)<90 μg/m3ρ(NO2)<55 μg/m3ρ(SO2)<25~35 μg/m3。热异常点密集型典型城市为唐山和邯郸,FRP秋冬>3 000 MW,其中唐山工业生产的FRP秋冬可达13 000 MW左右,空气质量也相对较差,可见两地工业生产对环境的影响较大。2018—2019年秋冬季保定的FRP秋冬>2 000 MW,但热异常点分布相对分散(图 2),散布在西部沿山前一带,对保定市的空气质量也存在一定影响。因此,将保定这种FRP秋冬较高,但热异常点空间分布分散的城市划分为工业生产分散型城市。

2017—2018年秋冬季与2018—2019年秋冬季京津冀各城市NO2、SO2、PM2.5浓度统计见图 3(a)(b)(c)

注:虚框内为热异常点稀少型城市。 图 3 2017—2018年与2018—2019年秋冬季京津冀各城市NO2、SO2、PM2.5浓度

图 3可见,受益于2017年以来京津冀地区的清洁能源改造工程,SO2浓度整体下降显著,但区域PM2.5和NO2浓度依旧呈增长趋势,该趋势与工业热异常点的增长趋势一致。工业热异常点稀少型城市的PM2.5和NO2浓度相对较低,空气质量相对较好;而工业热异常点密集型和分散型城市的空气质量相对较差。

3 结论

(1) 首次利用NPP卫星VIIRS传感器的热异常点数据产品对2018—2019年秋冬季京津冀地区工业企业生产分布和同比变化进行分析。利用热红外遥感技术探测工业生产过程的辐射变化,反映能源消耗情况。

(2) 2018—2019年秋冬季,京津冀工业热异常点数量及FRP秋冬较上年同期明显增加,工业生产活动规模及强度同比有所扩大,该结果与统计数据中生铁、粗钢、焦炭、水泥等产量的增长趋势一致,且造成区域空气质量下降。

(3) 根据FRP秋冬和分布特点,可将京津冀工业生产分为3类,密集型、分散型和稀少型。工业生产密集型城市FRP秋冬通常>1 500 MW。较为典型的城市如唐山、邯郸,FRP秋冬>2 000 MW,甚至上万MW,这些城市的空气质量也相对较差;保定是工业生产分散型城市,该城市热异常点增长显著,FRP秋冬>2 000 MW,但空间分布分散;工业生产稀少型城市热异常点较少且空气质量相对较好。

参考文献
[1]
蒋春来, 袁宋, 晓晖袁, 等. 2010-2015年我国水泥工业NOx排放清单及排放特征[J]. 环境科学, 2018, 11(39): 4841-4848.
[2]
韩龙, 常旭. 工业污染源真实排放量核算方法与应用[J]. 工程建设与设计, 2017(8): 136-137.
[3]
盛文龙, 王亮. 固定污染源废气污染物排放总量核算方法探讨[J]. 石油石化绿色低碳, 2018, 3(3): 65-69. DOI:10.3969/j.issn.2095-0942.2018.03.017
[4]
ICHOKU C, GIGLIO L, WOOSTER M J, et al. Global characterization of biomass-burning patterns using satellite measurements of fire radiative energy[J]. Remote Sensing of Environment, 2008, 112(6): 2950-2962. DOI:10.1016/j.rse.2008.02.009
[5]
ELVIDGE C D, ZHIZHIN M, HSU F C, et al. VIIRS nightfire:Satellite pyrometry at night[J]. Remote Sensing, 2013, 5(9): 4423-4449. DOI:10.3390/rs5094423
[6]
ABRAMS M. The advanced spaceborne thermal emission and reflection radiometer (ASTER):data products for the high spatial resolution imager on NASA's Terra platform[J]. Int. J. Remote Sens, 2000, 21: 847-859. DOI:10.1080/014311600210326
[7]
SCHROEDER W, OLIVA P, GIGLIO L, et al. The New VIIRS 375 m active fire detection data product:Algorithm description and initial assessment[J]. Remote Sensing of Environment, 2014, 143(6): 85-96.
[8]
CAO C, LUCCIA F J D, XIONG X, et al. Early on-orbit performance of the visible infrared lmaging radiometer suite onboard the suomi national polar-orbiting partnership (S-NPP) Satellite[J]. IEEE Transactions on Geoscience & Remote Sensing, 2013, 52(2): 1142-1156.
[9]
王子峰, 陈良富, 顾行发. 基于MODIS数据的华北地区秸秆焚烧监测[J]. 遥感技术与应用, 2008, 23(6): 611-617.
[10]
杨珊荣, 李虎, 余涛, 等. 基于MODIS的秸秆焚烧火点识别原理及算法IDL实现[J]. 遥感信息, 2009(2): 91-97. DOI:10.3969/j.issn.1000-3177.2009.02.018
[11]
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]. 地球信息科学学报, 2008, 10(6): 802-807. DOI:10.3969/j.issn.1560-8999.2008.06.021
[12]
徐迅, 李建松, 赵伶俐. 基于VIIRS影像的秸秆焚烧火点监测方法[J]. 地理空间信息, 2018, 16(6): 90-93. DOI:10.3969/j.issn.1672-4623.2018.06.027
[13]
翟锡丹, 邢立新, 元楠楠, 等. 热红外遥感在地热异常提取中的应用[J]. 安徽农业科学, 2015, 43(3): 3-6.
[14]
ICHOKU C, GIGLIO L, WOOSTER M J, et al. Global characterization of biomass-burning patterns using satellite measurements of fire radiative energy[J]. Remote Sensing of Environment, 2008, 112(6): 2950-2962. DOI:10.1016/j.rse.2008.02.009
[15]
GIGLIO L, CSISZAR I, JUSTICE C O. Global distribution and seasonality of active fires as observed with the Terra and Aqua Moderate Resolution Imaging Spectroradiometer (MODIS) sensors[J]. Journal of Geophysical Research:Biogeosciences, 2006, 111(G2).
[16]
XIA H, CHEN Y, QUAN J. A simple method based on the thermal anomaly index to detect industrial heat sources[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 73: 627-637. DOI:10.1016/j.jag.2018.08.003
[17]
伯鑫, 赵春丽, 吴铁, 等. 京津冀地区钢铁行业高时空分辨率排放清单方法研究[J]. 中国环境科学, 2015, 35(8): 2554-2560. DOI:10.3969/j.issn.1000-6923.2015.08.038
[18]
伯鑫, 徐峻, 杜晓惠, 等. 京津冀地区钢铁企业大气污染影响评估[J]. 中国环境科学, 2017, 37(5): 1684-1692. DOI:10.3969/j.issn.1000-6923.2017.05.011
[19]
伯鑫, 王刚, 温柔, 等. 京津冀地区火电企业的大气污染影响[J]. 中国环境科学, 2015, 35(2): 364-373.
[20]
LIU Y, HU C, ZHAN W, et al. Identifying industrial heat sources using time-series of the VIIRS Nightfire product with an object-oriented approach[J]. Remote Sensing of Environment, 2017(10).
[21]
张伟, 张杰, 汪峰, 等. 京津冀工业源大气污染排放空间集聚特征分析[J]. 城市发展研究, 2017(9): 81-87. DOI:10.3969/j.issn.1006-3862.2017.09.011
[22]
孙爽, 李令军, 赵文吉, 等. 基于热异常遥感的冀南城市群工业能耗及大气污染[J]. 中国环境科学, 2019, 39(7): 3120-3129. DOI:10.3969/j.issn.1000-6923.2019.07.051
[23]
北京市统计局. 北京统计年鉴2018[M]. 北京: 中国统计出版社, 2018.
[24]
杨玲珠, 张燕宁, 刘建伟. 近59年邯郸市日照时数变化特征分析[J]. 安徽农业科学, 2015, 43(11): 203-206. DOI:10.3969/j.issn.0517-6611.2015.11.077
[25]
河北省人民政府. 河北经济年鉴2018[M]. 北京: 中国统计出版社, 2018.
[26]
天津市统计局. 天津统计年鉴2018[M]. 北京: 中国统计出版社, 2018.
[27]
崔立明, 赵春丽, 周春瑶. 京津冀地区重点耗煤行业大气污染物排放清单研究[J]. 中国环境管理, 2018(3): 27-31.
[28]
徐辉. 京津冀城市群:探索生态文明理念下的新型城镇化模式[J]. 北京规划建设, 2014(5): 39-44.
[29]
张霞, 孟琛琛, 王丽涛, 等. 邯郸市大气污染特征及变化趋势研究[J]. 河北工程大学学报(自然科学版), 2015(4): 69-74. DOI:10.3969/j.issn.1673-9469.2015.04.015
[30]
张霞. 2013-2014年邯郸市大气污染特征及变化研究[D].邯郸: 河北工程大学, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10076-1016018593.htm