大氣細顆粒物（PM2.5）是指大氣中空氣動力學直徑小於或等於2.5微米的顆粒物，也稱可入肺顆粒物。它的直徑小於人的髮絲直徑的1/20。雖然PM2.5只是地球大氣成分中含量較少的一部分，但它對人類生產生活的影響卻十分重要。
與粒徑較粗的大氣顆粒物相比，PM2.5粒徑小，富含大量的有毒、有害物質，且在大氣中的停留時間長、輸送距離遠，因此它對人體健康和大氣環境質量的影響更大。在我國，大氣細顆粒物污染是一個具有挑戰性的環境問題。系統性的近地面PM2.5測量直到2013年才在我國全面展開，因此歷史數據的缺乏是回顧分析PM2.5長期趨勢和預測其熱點區域未來演變的關鍵障礙。
那麼，如何彌補歷史數據的不足？PM2.5能否用衛星遙感來觀測呢？
如果遙感觀測的大氣柱積分氣溶膠特性可以充分轉化為PM2.5，衛星數據便可提供一個新的途徑來獲取歷史PM2.5信息。
中國科學院空天信息創新研究院李正強研究員團隊發展了細顆粒物衛星遙感（PMRS）物理模型，顯著降低了國際上同類方法過於依賴模式模擬導致的瞬時結果偏差大的瓶頸問題。進一步，通過地面觀測改進吸濕增長模型，並建立細粒子比的非線性校正函數以校正MODIS產品。校正後的MODIS細粒子氣溶膠光學厚度與POLDER GRASP產品相比，殘差小於-0.03。
該團隊利用MODIS的歷史觀測，重構了2000-2015年中國區域近地面PM2.5月均質量濃度的時間序列。研究發現，全國範圍的PM2.5濃度在2000年以來出現先增加後減小的趨勢，污染區域的平均PM2.5濃度2004-2007年出現了較大程度的上升。隨後，PM2.5在2007-2009年期間略有下降，而在2009年污染再次增加。2013年之後，由於國家實施了嚴格的污染控制措施，PM2.5的質量濃度開始顯著下降。
從空間分布上看，我國PM2.5濃度在華北地區、四川盆地以及江漢平原等幾個地區出現高值。山東省中部由於海拔較高（沂蒙山和泰山地區），在高值環繞的區域出現了一個低濃度區域。四川盆地則是中國污染區域的西部邊界，四川盆地以西，絕大多數區域年均PM2.5濃度顯著低於20 μg m-3（表示每立方米空氣中可入肺顆粒物的含量低於20微克）。略有不同的是，新疆北部的PM2.5濃度出現了輕微升高，這與該地區的沙塵頻發（帶來部分細顆粒物）相關。
更重要的是，該團隊基於PMRS物理模型，進一步區分了人為和氣象因素分別對應的PM2.5貢獻，以此探索PM2.5歷史演變的主要驅動因素。該方程是PMRS模型的重要拓展應用，也是首次從衛星遙感觀測角度出發，區分人為和氣象因素對近地面PM2.5歷史演變貢獻的方法，打破了長期以來只有氣象-化學模型才能區分人為和氣象貢獻的壁壘。
研究結果表明，2008年以前PM2.5的增加主要由人為因素的快速增加導致，人為因素貢獻由於受北京奧運會舉辦影響在2008-2009年間大幅降低，但之後又開始回升，在2011年左右達到新的峰值。2011年之後，由於國家對空氣污染治理力度的加大，PM2.5的人為因素貢獻持續快速降低，帶來了整體空氣品質的顯著改善。與此相對，PM2.5的氣象因素貢獻自2000年以來緩慢但仍在持續上升，此與氣候變化造成的大氣環境改變大背景相關，也明確表明了自然大背景是不利於空氣污染治理的，需要進一步加大人為努力，增加污染治理的力度。
最終，研究人員得以利用上述驅動因素對未來10年的PM2.5濃度變化進行情景預測。結果表明，如果僅保持污染排放在當前水平不變，則氣象因素有可能驅動PM2.5濃度在未來反彈（不降反升）。因此，我國需要進一步減少人為排放以加速PM2.5濃度的下降，從而保證在2025年前達到主要污染地區平均PM2.5濃度低於35μg m-3的目標。如果能持續保持當前空氣污染治理力度不減弱，則部分治理效果顯著的重點區域有望在2021年左右提前達到世界健康組織（WHO）推薦的過渡時期一階段（IT-1）目標（35μg m-3），這可為我國空氣品質持續改善提供更好的基礎。相關結論可以為政府污染治理政策制定、效果評估、公共衛生和健康影響評估等提供宏觀數據參考。
五個污染地區的衛星遙感及地面觀測PM2.5年均質量濃度平均值及不同場景的預測區間
該研究成果由中國科學院空天信息創新研究院、中國科學院大氣物理研究所、中國科學院大學，以及荷蘭皇家氣象研究所（KNMI）和美國威斯康星-麥迪遜大學（WISC）等機構的科研人員聯合完成，發表在SCI期刊 Remote Sensing。第一作者是空天院張瑩副研究員，通訊作者是李正強研究員。該工作得到國家重點研發計劃項目和國家自然科學基金項目的支持。
參考文獻：
Zhang, Y.; Li, Z.; Chang, W.; Zhang, Y.; de Leeuw, G.; Schauer, J.J. Satellite Observations of PM2.5 Changes and Driving Factors Based Forecasting Over China 2000–2025. Remote Sensing, 2020, 12(16), 2518; https://doi.org/10.3390/rs12162518
來源：中國科學院空天信息創新研究院