多源卫星观测作为印度尼西亚苏门答腊岛北部2025年严重洪水前后大气污染物指标变化的代理指标

《Journal of Hazardous Materials》：Multi-Source Satellite Observations as Proxies for Identifying Changes in Atmospheric Pollutant Indicators Before and After the 2025 Severe Flood in Northern Sumatra, Indonesia

　　

摘要
极端洪水可能通过改变排放、地表条件和气象过程来改变大气状况，但在地面监测有限的地区，评估这些变化仍然具有挑战性。本研究利用多源卫星观测数据，考察了2025年11月下旬印度尼西亚北苏门答腊严重洪水发生前、期间和后的卫星反演大气污染物指标。采用地理空间和统计方法分析了气溶胶光学厚度（AOD）、AOD空间覆盖范围以及NO?、SO?和O?的总柱含量。所有指标均观察到显著的时间差异（Kruskal–Wallis检验，p < 0.001）。SO?表现出最大的变化，洪水和洪水期间的水平低于洪水前。洪水期间O?下降，此后部分恢复，而AOD量级在洪水期间下降，洪水后上升。相比之下，洪水后AOD空间覆盖范围大幅扩大，从38.6平方公里增加到765.9平方公里（p < 0.001），这表明尽管气溶胶量级有所变化，但可探测的气溶胶覆盖范围更广泛。人口加权分析还显示，在不同人口规模地区，卫星反演指标的变化存在差异。总体而言，研究结果表明，严重洪水后卫星反演大气指标呈现出异质的时间模式，并突出了多源卫星观测在数据稀缺地区进行快速区域评估的实用价值。

1. 引言
严重洪水可能导致超出水毁范围的环境变化，包括对空气质量的短期影响[20], [24], [29]。2025年11月下旬，一场重大洪水袭击了印度尼西亚北苏门答腊，影响范围跨越多个省份，包括亚齐省和北苏门答腊省[41], [45], [55]。该事件造成了重大的人员和财产损失，初步报告显示近950人死亡，超过280,000所房屋受损，超过7,000处基础设施受到影响，导致多个省份的社区和基础服务中断[39]。除这些直接影响外，洪水还将大量沉积物、土壤和木质碎片带入城市地区，这与极端降雨事件中控制径流和沉积物动员的水文过程相一致[30]。这些条件可能促进了与空气质量相关的洪水后大气扰动，可能通过地表干燥、扬尘以及沉积物的再悬浮等途径产生[11], [48]。

洪水期间沉积的物质很可能创造了有利于洪水后大气污染物变化的条件。随着洪水退去，这些物质在开阔空间和居民区积聚，可能成为可再悬浮颗粒的来源[1], [35], [52]。在人口密集地区，碎屑清除、交通恢复和人类活动可能进一步扰动地表，增加大气颗粒物[28]。对这些影响的证据已被观察到，2025年11月下旬至12月初，北苏门答腊记录到约4,300例急性呼吸道感染（ISPA）病例，后续评估报告称最多有17,000名流离失所者受到影响[40]，而在亚齐塔米昂，病例从2025年12月的约9,700例上升到2026年2月的约14,100例[50]。尽管有这些健康结果的报告，洪水后大气污染物的直接测量仍然非常有限，因为每个受灾省份活跃的基于地面的监测站数量都少于五个[26]。这种有限的监测能力不足以捕捉该地区内的空间变异性，使洪水后与大气污染物相关的状况在很大程度上被低估，并突显了数据稀缺环境中对互补卫星观测的需求[22]。

近期研究已应用数据驱动方法分析复杂环境条件下的空气污染物时空变异性[15]。除了基于地面的测量外，卫星遥感为研究此类变化提供了一种实用的替代方案[32], [8]。公开的卫星产品能够提供对大气属性的重复和空间连续观测[38]，因此可作为研究极端事件前后洪水相关大气污染物变化的有用替代指标[6]。特别是，气溶胶光学厚度（AOD）和总柱痕量气体提供了关于气溶胶量级和大气组成的互补信息，允许在缺乏原位测量的地区评估潜在的污染响应[31], [53]。因此，多源卫星框架非常适合识别空间对比，刻画事件后环境扰动，并确定洪水后颗粒再悬浮条件可能增加的区域。

尽管卫星观测在空气污染研究中的应用日益广泛，但关于极端事件的研究主要集中于野火相关的影响[19], [37]，而洪水的大气后果则相对研究不足。特别是，大多数基于卫星的洪水研究主要强调淹没范围、水文损害、基础设施损失和人道主义影响，对洪水后大气组成和空气质量给予的相对关注较少[33], [42], [5]。因此，关于洪水引起的与污染物相关的大气组成变化的证据仍然稀缺，特别是在印度尼西亚等发展中国家。这种差距还因洪水影响地区缺乏公开可获取且具有空间代表性的地面空气质量监测网络而加剧，尽管其对呼吸道健康有潜在影响，但限制了对洪水后空气质量的及时全面评估[27], [51], [9]。

因此，本研究采用多源公开可获取的卫星观测作为替代指标，评估2025年11月下旬印度尼西亚北苏门答腊严重洪水发生前、期间和后的卫星反演大气污染物指标。首先通过与该事件相关的土地覆盖变化检测划定了洪水影响区域。然后，本研究量化了气溶胶光学厚度（AOD）和总柱痕量气体的时间变化，并利用卫星反演指标刻画了其空间分布。这些观测数据用于考察洪水前后大气状况的空间和时间变化。总体而言，本研究证明了多源卫星观测在数据稀缺地区快速刻画洪水后大气状况的适用性，并为改善对严重洪水后大气污染物相关状况的理解提供了空间信息。

2. 材料与方法
2.1. 研究区域
本研究在印度尼西亚苏门答腊岛北部地区开展，涵盖亚齐省和北苏门答腊省。该地区位于苏门答腊岛最北部，包含多样的景观，包括沿海平原、河流盆地和山区地形。该地区属于热带气候，年降雨量大，导致2025年11月下旬发生了一场严重洪水，将大量沉积物、土壤和木质碎片带入居民区，可能影响洪水后的空气质量[11], [48]。平均气温在24至32°C之间，全年湿度较高，盛行风影响污染物在河谷和低地地区的扩散。复杂的地形，包括陡峭的坡地和狭窄的河谷，可能导致空气污染物的局部积聚，特别是在停滞的气象条件下[21]。

亚齐省面积约57,365平方公里，北苏门答腊省面积约72,981平方公里，共同包含56个行政单位，包括43个县和13个城市（亚齐省：18个县和5个城市；北苏门答腊省：25个县和8个城市）。这些省份包含了城市、近郊和农村环境的混合体，能够对不同土地利用和人口条件下卫星反演大气污染物指标的空间变化进行全面评估。如图1所示，主要分析在两个省份的所有县和城市范围内进行，以刻画与2025年11月下旬严重洪水相关的区域大气状况和卫星反演大气污染物指标的空间模式。一个次区域分析重点关注亚齐省的54个区，包括比鲁恩、洛阿塞马维、北亚齐和东亚齐。这些区域是根据其与观察到的洪水影响区域的相关性以及洪水前后更高分辨率卫星数据的可用性选定的，允许对地表和卫星反演大气污染物指标的局部变化进行进一步考察。

下载：下载高分辨率图像（1022KB）下载：下载全尺寸图像
图1. 研究区域：(A) 县级/市级区域分析；(B) 区级次区域分析。受影响地区的记录情况：(i) 中塔帕努利[7]；(ii) 亚齐塔米昂[17]；(iii) 亚齐塔米昂[18]。

2.2. 概念方法
本研究应用了综合地理空间和统计框架，评估洪水事件发生前、期间和后的地表和卫星反演大气污染物指标。由于基于地面的空气质量监测数据有限，卫星反演观测被用作气溶胶相关状况（MODIS AOD）和总柱大气痕量气体（NO?、SO?和O?）的指标，并与土地覆盖指标（NDVI和MNDWI）结合使用。数据预处理包括质量保障筛选、缩放、掩膜和时间合成，以代表不同的研究时期。

生成了所有指标的空间分布图，并在城市和区县级应用了区域统计，以总结每个行政单位内的栅格值。这些汇总估计值随后使用非参数统计检验进行分析，以量化时间差异并识别研究期间之间的显著变化。进行人口加权分析，以刻画所选卫星反演指标的人口加权变化，而区级次区域分析则捕捉更精细的空间变异性。整体研究框架如图2所示。

下载：下载高分辨率图像（545KB）下载：下载全尺寸图像
图2. 研究框架概述。

2.3. 数据来源
a. 土地覆盖指标
土地覆盖指标用于刻画研究区域内的植被和地表水覆盖。对于主要分析，植被由来自MOD13A1 NDVI的归一化植被指数（NDVI）表示，其空间分辨率为0.5公里，时间分辨率为16天。NDVI用于表示该地区的植被密度和绿地分布。地表水动态利用从MOD09A1地表反射率计算的修正归一化差值水指数（MNDWI）进行刻画，该数据以0.5公里空间分辨率提供图像，时间频率为8天。选择MNDWI而不是传统的NDWI，是因为它纳入了绿光和短波红外（SWIR）波段，改进了开阔水体与建成土地和植被表面的区分，这对于检测与洪水相关的地表水扩展是一项重要能力[12], [36]。

对于次区域分析，使用具有更高分辨率的Landsat图像，以更好地捕捉与洪水相关的局部土地覆盖变化。这些由美国国家航空航天管理局和美国地质调查局运营的卫星提供约30米空间分辨率的多光谱图像，重访周期约为16天。对于洪水前后有云量无观测的选定次区域，推导了NDVI和MNDWI，以实现对植被和地表水动态的更详细评估。对于区域和次区域分析，根据表S1中列出的年内日数（DOY）值，从洪水和洪水后时期选择图像，以代表2025年11月下旬洪水事件前后的土地覆盖条件。

b. 大气污染物指标
主要分析中使用的污染物指标来自多个卫星和大气数据集，以刻画洪水事件发生前、期间和后的卫星反演大气污染物指标（表S1）。包括二氧化硫（SO?）、二氧化氮（NO?）和臭氧（O?）在内的痕量气体污染物，是从欧洲空间局在哥白尼计划下提供的Sentinel-5P TROPOMI仪器获取的[54]。这些产品以约3.5 × 7公里的空间分辨率提供总柱密度的日观测，因此代表垂直积分的大气组成，而非近表面污染物浓度。特别是，总柱O?被用作大气组成变化的指标，未用于估计人口暴露或近表面臭氧浓度。

气溶胶状况使用NASA开发的MODIS MAIAC产品（MCD19A2）衍生的气溶胶光学厚度（AOD）表示，其以1公里空间分辨率提供日观测。在这种情况下，评估了两个互补的气溶胶指标。首先，AOD量级直接从MODIS气溶胶光学厚度反演中推导，代表反演气溶胶光学厚度的量级。其次，AOD空间覆盖范围计算为满足预定义AOD标准的像元的累积面积（平方公里），代表可探测AOD信号的空间范围。

此外，MERRA-2的模拟PM2.5浓度用于补充分析，以提供关于模拟颗粒物空间模式的背景信息。先前的研究报告了AOD与PM2.5浓度之间的关系，表明在特定大气条件下，卫星反演的AOD可作为颗粒物污染的指标[23], [49], [56]。因此，MERRA-2 PM2.5仅作为补充替代指标包含在内，以支持AOD分析中观察到的空间模式的定性解释，未用于验证。

为评估洪水事件前后卫星反演大气污染物指标的时间变化，数据被分为三个时期：洪水前（2025年11月11日至24日）、洪水期间（2025年11月25日至27日）和洪水后（2025年11月28日至12月11日）。

2.4. 空间与统计分析
空间与统计分析旨在主要刻画研究区域内土地覆盖和大气污染物指标的分布模式，并评估洪水事件前后的变化。

首先，各数据集在空间分析和统计分析之前均进行了变量特异性预处理。首先，利用MODIS衍生的NDVI和MNDWI评估土地利用状况，分别代表植被绿度和地表水体特征。对这些指标的预处理包括质量保障（QA）筛选和无效观测值掩膜，包括云和其他低质量像元，以确保分析中仅包含有效观测值。随后将NDVI和MNDWI叠加，以观察洪涝事件前后的土地利用状况，从而提供植被胁迫和地表水体变化的洞察。NDVI和MNDWI按照以下公式（式1和式2）计算：

(1) NDVI = (NIR ? Red)/(NIR + Red)
(2) MNDWI = (Green ? SWIR)/(Green + SWIR)

NDVI使用近红外（NIR）和红波段反射率，分别代表近红外和红光波段区域。而MNDWI使用绿波段和短波红外（SWIR）反射率，分别代表绿光和短波红外区域。

其次，对MODIS AOD进行处理以表征大气气溶胶的存在，利用标准MODIS比例因子0.001将原始整数值转换为物理单位。利用卫星提供的QA层排除受云污染的像元，并通过时间合成处理，将洪涝前后14天内的AOD取平均值以表征洪前和洪后状况。这些步骤最大限度地减少了短期反演变异性的影响，确保空间分析和统计分析中仅包含高质量观测值，从而更具代表性地表征气溶胶分布格局。

类似地，卫星衍生的痕量气体污染物（包括NO?、SO?和O?）从各自的遥感产品中反演获取。预处理包括质量保障筛选以排除受云污染和其他低质量观测值，从而减少反演误差。随后生成约14天的时间合成图像，通过对洪前和洪后期间经质量过滤的痕量气体观测值取平均值实现，处理方式与AOD分析一致。这种合成策略减少了短期反演变异性的影响，同时与辅助土地利用数据集（NDVI和MNDWI）的时间分辨率保持兼容，后者以约双周间隔生成。

第三，完成预处理后，生成了土地利用和大气污染物指标的空间分布图以可视化其在研究区的分布情况。为定量总结这些空间格局，针对每个行政单位（市或县）计算了分区统计量。NDVI、MNDWI、AOD和痕量气体指标的汇总值仅使用经质量过滤的观测值计算，缺失反演值（如因云覆盖所致）在计算中被排除。这种方法确保了汇总估计值来源于有效观测值，同时承认不同地点和研究时段的空间覆盖范围存在差异。所得汇总值随后用于统计分析以量化时间差异并识别研究时段间的显著变化。由于环境变量呈非正态分布，采用了非参数检验，包括Wilcoxon符号秩检验和Kruskal–Wallis检验。

为评估研究结果的敏感性，我们使用洪涝事件前后7天的时间窗口进行了额外的敏感性分析，重点关注最接近事件发生的观测值。所有统计分析均使用R 4.3.1版本（奥地利维也纳R统计计算基金会）完成，空间分析则使用ArcGIS Pro 3.4（美国加利福尼亚州雷德兰兹Esri公司）进行。

2.5. 卫星衍生大气污染物指标变化与人口加权分析

将卫星衍生的大气污染物指标与人口数据相结合，以考察卫星衍生指标的空间格局和人口加权变化。人口加权分析应用于SO?和NO?，而O?仅用于表征洪涝事件前后总柱状大气O?的变化。O?未纳入人口加权分析，因为总柱状O?不能直接代表与人群暴露相关的近地面O?浓度。城市和省级人口数据来源于印度尼西亚中央统计局（2025）。

对于每个行政单位，计算了三个互补指标：(1)每个行政单位的指标变化量，定义为各污染物指标在洪后与洪前期间之差；(2)每个行政单位的与人口相关的指标变化量，计算为指标变化量与相应人口数的乘积，在静态人口分布条件下提供人口尺度化的观测指标变化量度量；以及(3)人口加权指标变化量，代表所有行政单位的人口调整总体变化量。这些指标用于表征卫星衍生指标变化量如何分布在不同人口规模区域，并非用于直接表征人群暴露量。人口加权指标变化量按式3计算：

(3) 人口加权指标变化量? = Σ(ΔAQ? × 人口?) / 总人口?

其中ΔAQ?代表第i个城市或县的污染物指标变化量（洪后减去洪前），人口?表示相应城市人口。人口加权指标变化量计算为所有市级行政单位中ΔAQ?与人口?乘积之和，除以研究区总人口。所得指标代表研究区内卫星衍生指标变化量的人口加权平均值，用于在静态人口分布条件下表征不同人口规模区域间的指标变化。

2.6. 子区域分析

进行了子区域分析以考察亚齐省54个县的土地利用和卫星衍生大气污染物指标的更精细尺度变化，包括Bireuen、Lhokseumawe、北亚齐和东亚齐。这些县基于其与观测到的洪涝受灾区域的相关性以及洪前和洪后期间均具备更高分辨率卫星观测数据而选定。利用Landsat衍生的NDVI和MNDWI表征土地利用变化以评估植被和地表水体变异。此外，计算了地表不透水面指数以量化不透水地表覆盖比例，提供建成区变化和其他局部地表特征信息[14]。还评估了AOD作为卫星衍生气溶胶指标以表征研究期内子区域内气溶胶光学厚度空间分布和幅度的变化。

3. 结果

3.1. 土地利用指标变化

植被和地表水体指标的空间叠加揭示了洪涝事件后地表条件的显著空间变化。如图3所示，洪前期间（图A）主要特征为中高NDVI值（均值0.695，显示为绿色），表明亚齐和北苏门答腊地区广泛存在植被覆盖。相比之下，MNDWI值及其覆盖范围总体较低（显示为蓝色），反映正常条件下地表水体有限。洪涝后（图B），NDVI局部下降（均值0.671）同时伴随MNDWI显著增加（均值约0.3）及覆盖范围扩大，表明植被绿度和地表水体范围发生空间变化。

图3. 洪涝前后NDVI和MNDWI的变化表明植被减少和地表水体扩展；红框区域为代表性区域。

为说明洪涝影响的空间变异性，图3中标注了三个区域。亚齐省的第一个集群（包括北亚齐、东亚齐和Lhokseumawe）表现出MNDWI大幅增加和NDVI局部下降，表明地表水体信号增强区域植被绿度降低。亚齐省的第二个集群（包括Aceh Tamiang、Langsa和Subulussalam）沿与北苏门答腊省Langkat的边界，显示MNDWI覆盖范围呈碎片化但广泛增加，反映地表水体信号的空间不连续增长。北苏门答腊南部的第三个集群（特别是Deli Serdang和Serdang Bedagai）在离散区域显示MNDWI中度增加，表明地表水体范围发生更局部化变化。其他区域也显示土地利用指标变化，而这些集群展示了研究区空间响应的范围。

3.2. 大气污染物指标变化的空间格局

图4展示了亚齐和北苏门答腊洪前、洪中和洪后期间卫星衍生大气污染物指标的空间格局。图A显示了AOD的分布。洪前期间，AOD一般为低至中等水平，表明研究区大部分区域卫星观测到的气溶胶负荷相对较低。虽然AOD均值从洪前的0.115降至洪后的0.083，但可探测气溶胶的空间范围大幅增加，AOD覆盖范围从90.4平方公里扩展至856.4平方公里。这些结果表明，洪涝后AOD均值降低的同时，可探测气溶胶信号的空间范围也增加了。洪涝期间，AOD相对洪前条件有所下降，但观测到的变化也可能反映降水、反演条件和其他大气因素的变化。

图4. 洪前、洪中和洪后期间AOD（A）和重采样PM2.5（B）的变化。

为提供所观测气溶胶格局的补充背景，考虑到AOD与PM2.5之间报告的相关性[46], [56]，将模式MERRA-2 PM2.5作为补充指标而非地表PM2.5的直接测量值进行考察。图B展示了重采样PM2.5值。洪涝期间PM2.5值相对较低，与同期AOD的时序变化一致。洪涝后期间，几个区域观察到PM2.5局部增加，大致对应AOD覆盖范围扩展的区域。总体而言，两个数据集在洪涝期间均显示气溶胶相关指标值较低，随后洪涝后可探测气溶胶空间范围扩大且模式化PM2.5局部增加。这些发现应作为互补的空间观测结果来解释，而非地表颗粒物浓度的直接证据。

图5进一步展示了洪前、洪中和洪后期间卫星衍生痕量气体指标的变化。卫星衍生的痕量气体指标代表垂直积分的大气条件；因此，结果反映总柱状大气组成的相对变化而非近地面污染物水平。图A显示O?的空间分布，在整个研究期间保持相对稳定。洪涝期间O?略微下降并在之后部分恢复，北苏门答腊东部和南部区域观察到局部增加，表明洪涝后期间卫星衍生O?指标发生空间异质性变化。

图5. 洪前、洪中和洪后期间大气总柱状O3（A）、SO2（B）和NO2（C）的空间分布。

图B展示了SO?的分布，洪前出现几个局部热点区域。洪涝期间，研究区大部分区域SO?大幅下降。洪涝后，几个地点SO?回升，研究区部分区域热点重新出现，显示部分类似于洪前分布的空间格局。

图C展示了NO?的分布，洪前总体为低至中等水平。洪涝期间，局部区域观察到NO?升高；然而，这些格局呈空间碎片化且与大量与云相关的数据缺口重合。因此，表观增加应谨慎解释，可能反映保留晴天空观测值导致的空间采样不均而非区域均匀增加。洪涝后，观测区域NO?普遍显示较低值，仅保留局部增强，尽管这些格局应作为卫星衍生NO?指标的变化而非近地面NO?浓度来解释。

3.3. 洪前、洪中和洪后指标的比较分析

土地利用和大气污染物指标的比较分析结果见表1、表2。表1总结了评估洪前与洪后条件差异的Wilcoxon符号秩检验结果。对于土地利用指标，NDVI从0.720（IQR: 0.647–0.779）略微降至0.682（0.625–0.755），但此变化无统计显著性（p = 0.108）。相比之下，MNDWI从0.251（0.226–0.287）显著增加至0.305（0.254–0.361）（p < 0.001），表明洪涝后地表水体指标增加。

表1. Wilcoxon符号秩检验比较洪前与洪后条件的结果。

| 指标 | 变量 | 洪前中位数（IQR） | 洪后中位数（IQR） | V值（Wilcoxon） | P值 |
|---|---|---|---|---|---|
| 土地利用 | NDVI | 0.720 (0.647–0.779) | 0.682 (0.625–0.755) | 696 | 0.108 |
| 土地利用 | MNDWI | 0.251 (0.226–0.287) | 0.305 (0.254–0.361) | 1332 | <0.001 |
| 大气污染物替代指标 | O3 (mol/m2) | 0.111 (0.110–0.112) | 0.109 (0.108–0.110) | 0 | <0.001 |
| 大气污染物替代指标 | SO2 (mol/m2) | 2.808×10?? (1.919×10?? – 4.237×10??) | 1.392×10?? (1.037×10?? – 1.999×10??) | 137 | <0.001 |
| 大气污染物替代指标 | NO2 (mol/m2) | 1.239×10?? (0.956×10?? – 1.620×10??) | 1.132×10?? (0.827×10?? – 1.434×10??) | 676 | 0.116 |
| 大气污染物替代指标 | AOD | 0.103 (0.042–0.155) | 0.075 (0.054–0.112) | 602 | 0.050 |
| 大气污染物替代指标 | AOD（覆盖面积/km2） | 38.574 (0.000–81.099) | 765.908 (97.365–1235.306) | 1710 | <0.001 |

表2. Kruskal–Wallis检验洪前、洪中和洪后期间大气污染物指标差异。

| 指标 | 变量 | X2值（Kruskal-Wallis） | P值 | 比较 | Z统计量 | P值 |
|---|---|---|---|---|---|---|
| 大气污染物替代指标 | O3 (mol/m2) | 81.073 | <0.001 | 洪中 vs 洪后 | -0.661 | 0.254 |
| | | | | 洪中 vs 洪前 | -8.107 | <0.001 |
| | | | | 洪后 vs 洪前 | -7.446 | <0.001 |
| 大气污染物替代指标 | SO2 (mol/m2) | 96.455 | <0.001 | 洪中 vs 洪后 | -5.987 | <0.001 |
| | | | | 洪中 vs 洪前 | -9.736 | <0.001 |
| | | | | 洪后 vs 洪前 | -3.748 | <0.001 |
| 大气污染物替代指标 | NO2 (mol/m2) | 19.634 | <0.001 | 洪中 vs 洪后 | 4.244 | <0.001 |
| | | | | 洪中 vs 洪前 | 3.225 | <0.001 |
| | | | | 洪后 vs 洪前 | -1.020 | 0.154 |
| 大气污染物替代指标 | AOD | 77.225 | <0.001 | 洪中 vs 洪后 | -7.255 | <0.001 |
| | | | | 洪中 vs 洪前 | -7.922 | <0.001 |
| | | | | 洪后 vs 洪前 | -0.667 | 0.252 |
| 大气污染物替代指标 | AOD（覆盖面积/km2） | 120.309 | <0.001 | 洪中 vs 洪后 | -10.969 | <0.001 |
| | | | | 洪中 vs 洪前 | -5.473 | <0.001 |
| | | | | 洪后 vs 洪前 | 5.495 | <0.001 |

对于卫星衍生的大气污染物指标（mol/m2），O?从0.111（0.110–0.112）略微但显著下降至0.109（0.108–0.110）（p < 0.001）。

类似地，SO? 从 2.808 × 10??（1.919 × 10??–4.237 × 10??）显著下降至 1.392 × 10??（1.037 × 10??–1.999 × 10??）（p < 0.001）。相比之下，NO? 从 1.239 × 10??（0.956 × 10??–1.620 × 10??）略微下降至 1.132 × 10??（0.827 × 10??–1.434 × 10??），尽管这一变化不具有统计学显著性（p = 0.116）。AOD 幅值从 0.103（0.042–0.155）边缘性下降至 0.075（0.054–0.112），具有边缘统计学显著性（p = 0.050）。相比之下，AOD 的空间覆盖范围从 38.574 km2（0.000–81.099）大幅增加至 765.908 km2（97.365–1235.306）（p < 0.001）。这表明洪水后可检测气溶胶信号的空间范围扩大，反映了研究区域内气溶胶分布的空间变化。

随后，如表 2 所示，Kruskal-Wallis 检验表明各研究时期之间所有卫星反演的 atmospheric pollutant 指标均存在显著差异（O?：X2 = 81.1；SO?：X2 = 96.5；NO?：X2 = 19.6；AOD：X2 = 77.2；AOD 覆盖范围：X2 = 120.3；所有 p < 0.001）。使用 Dunn 检验进行事后成对比较进一步阐明了这些时间模式。AOD 在洪水期间下降，并在洪水后有所部分恢复，而可检测 AOD 的空间覆盖范围在洪水后时期显著扩大（Z = 5.495，p < 0.001）。与洪水前相比，O? 在洪水期间显著下降（Z = -8.107，p < 0.001），此后有所部分恢复，并在北苏门答腊东部地区观察到局部增加。SO? 表现出最大的时间变幅，与洪水前（Z = ?9.736，p < 0.001）和洪水后时期（Z = ?5.987，p < 0.001）相比，在洪水期间均显著下降。与洪水前相比，洪水后 SO? 值仍显著较低（Z = ?3.748，p < 0.001），表明向洪水前水平部分回归。NO? 在各研究时期之间也显著不同，但由于与云相关的数据检索缺失，洪水期间的结果应谨慎解读。

7天时间窗口的敏感性结果见表 S2 和表 S3。总体而言，敏感性分析也显示出与主分析基本一致的时间模式，其中 SO? 和 AOD 覆盖范围变化最为显著，而 O? 和 AOD 的变化则较为温和。

**3.4 城市级别大气污染物指标变化与人口加权卫星指标变化**

图 6 展示了洪水前后各城市的 AOD 幅值变化和 AOD 空间覆盖范围变化。面板 A（左）展示了各城市的 AOD 幅值变化，正值表示相对于洪水前条件增加，负值表示减少。北苏门答腊北部若干城市，包括 Tebing Tinggi、Langsa、Batu Bara 和 Medan，观察到轻微增加，而最大降幅出现在 Bener Meriah、Aceh Tenggara 和 Aceh Barat Daya。面板 B（右）展示了 AOD 空间覆盖范围的变化，代表每个城市内可检测气溶胶存在的地理范围。洪水后，空间覆盖范围普遍增加，尤其在北部和中部若干城市尤为明显，其中 Aceh Tengah、Gayo Lues 和 Aceh Jaya 的扩大最为显著，而南部若干城市的变化相对有限。

下载：下载高分辨率图片（408KB）下载：下载全尺寸图片

**图 6.** 洪水前后各城市的（A）AOD 和（B）AOD 覆盖面积变化，反映气溶胶幅值及其空间范围。

在考虑人口因素（图 S1）后，人口加权 AOD 差值为 ?0.014，表明人口聚居区卫星观测到的 AOD 总体略微下降。相比之下，人口加权 AOD 空间覆盖范围增加了 748.841 km2，反映了人口聚居区内可检测 AOD 信号空间范围的扩大。这些结果表明，虽然人口加权 AOD 幅值略微下降，但洪水后可检测气溶胶存在的地理范围扩大，表明气溶胶呈现更广泛的空间分布，而非幅值的均匀增加。需要注意的是，这些估计基于静态人口分布，因此未考虑洪水事件期间可能的人口迁移。

图 7 展示了卫星反演的 SO?、NO? 和 O? 指标的城市级别变化。SO? 在大多数城市普遍下降，仅有少数地点出现轻微增加。NO? 呈现出混合变化，各城市既有增加也有下降，表明异质性的空间模式，这可能反映了当地大气条件及其他贡献因素之间的差异。相比之下，O? 在几乎所有城市均下降，表明洪水后时期卫星反演的 O? 指标出现广泛的空间性减少。

下载：下载高分辨率图片（361KB）下载：下载全尺寸图片

**图 7.** 洪水事件前后（A）SO?、（B）NO? 和（C）O? 总柱密度的城市级别变化。

此外，在考虑人口因素（图 S1）后，SO? 和 NO? 的人口加权卫星指标差值分别为 2 × 10?? mol/m2 和 2 × 10?? mol/m2，反映了人口聚居区内这些卫星反演指标的变化。人口加权 O? 未纳入分析，因为总柱 O? 无法直接代表近地表 O? 浓度，因此不适合用于人口暴露评估。这些发现强调了不同污染物的空间及人口加权模式存在差异，并突出了将两种方法结合以表征适合该分析的指标的人口加权卫星指标变化的价值。

**3.5 子区域分析**

这一附加分析利用更高分辨率的洪水前后卫星数据及其所报告的洪水影响，对北苏门答腊省 54 个地区的陆地表层特征和卫星反演大气污染物指标进行了精细尺度变化研究，如图 8 所示。面板 A 展示了基于 Landsat 的洪水前土地利用状况，面板 B 展示了洪水后状况，两者共同表明植被覆盖减少和地表水扩展，尤其是在低洼地区。面板 C 展示了洪水前 AOD 分布，面板 D 展示了洪水后分布，表明一些沿海和城市的卫星观测 AOD 较高，气溶胶指标呈现空间异质性的变化。这些空间模式可能受到多种因素的影响，包括气象条件、地表扰动和区域气溶胶传输；然而，本研究无法区分它们的相对贡献。面板 E 展示了地表不透水面指数，显示城市和建成区整体变化有限，但在可能存在地表扰动或碎屑堆积的区域观察到局部增加，表明洪水后存在局部陆地表层变化。

下载：下载高分辨率图片（718KB）下载：下载全尺寸图片

**图 8.** 北苏门答腊省选定地区的洪水子区域影响，展示（A）洪水前土地利用、（B）洪水后土地利用、（C）洪水前 AOD、（D）洪水后 AOD 以及（E）地表不透水面变化。

**4. 讨论**

本研究利用多源卫星观测数据，对 2025 年底北苏门答腊洪水后的土地利用和卫星反演大气污染物指标进行了空间显式评估。观测到的 MNDWI 增加伴随 NDVI 轻微下降，表明洪水后时期地表水扩展和植被绿度降低。所识别聚类之间的空间异质性进一步表明，这些地表变化在研究区域内并非均匀分布，可能反映了地形、水文连通性和土地利用方面的差异。这些发现展示了卫星反演的土地利用指标在划定洪灾影响区域和表征大范围区域内空间变化的景观响应方面的潜力，与此前研究一致 [10]、[13]、[25]、[3]。

与土地利用变化相比，卫星反演的 atmospheric pollutant 指标表现出更为复杂且空间异质的模式。AOD 和 MERRA-2 PM2.5 代理指标在洪水期间下降，这可能与湿润条件下气溶胶负荷减少和降水相关的清除过程一致。在洪水后时期，平均 AOD 相对于洪水前条件略有下降 [44]、[58]；然而，由于有效的空间反演不均匀，这一结果应谨慎解读。与此同时，可检测 AOD 的空间范围在整个区域扩大，表明气溶胶信号在更广的区域内被检测到，而非表明气溶胶幅值的均匀增加。这一模式可能反映了洪水后时期多种相互作用的過程，包括地表物质的潜在再悬浮，正如此前研究所指出的 [16]、[34]、[47]，但本研究无法区分这些过程的相对贡献。

洪水后的人类活动，如碎屑清除，也可能导致颗粒物局部增加 [1]、[28]、[35]。与此一致，模拟的 PM2.5 在洪水期间保持相对较低，但在洪水后若干地区有所增加，总体上遵循与 AOD 相似的空间模式。这些结果表明洪水后时期卫星反演的颗粒物指标存在空间变异性，但本研究无法区分地表扰动、排放和气象条件的相对贡献 [52]。

痕量气体指标表明，洪水期间各污染物呈现出空间异质的变化。SO? 在洪水期间大幅下降，可能反映了排放活动的变化和降水相关的清除过程。洪水后，SO? 在若干地点上升，热点重新出现，表明向洪水前空间模式的局部回归。NO? 在洪水期间表现出更为复杂的空间变异性，部分区域似乎有所升高；然而，这些模式空间碎片化，且与数据缺失重合，表明可能受到不完整反演的影响 [2]。洪水后，NO? 总体上下降，仅有局部增强。相比之下，O? 保持相对稳定，在洪水期间略有下降，此后局部增加，特别是在北苏门答腊东部和南部地区。这些差异与各污染物不同的大气行为一致。SO? 和 NO? 是主要为排放物，可能受到排放活动和湿清除的影响 [4]、[43]。

在后续分析中，城市级别的人口统计指标为人口加权卫星指标变化提供了额外的空间背景。虽然人口加权 AOD 总体略有下降，但 AOD 空间覆盖范围的扩大表明洪水后更大比例的人口聚居区存在可检测的气溶胶信号。这种平均幅值与空间覆盖范围之间的区别至关重要，因为仅基于平均值的指标可能无法充分反映卫星观测大气条件的空间范围。同样，SO? 和 NO? 的污染物特异性变化在各城市呈现出异质模式，反映了大气条件的空间差异 [57]。总体而言，结合空间和人口统计指标为表征人口加权卫星指标变化提供了额外的背景信息，而非直接估算近地表人口暴露水平。

利用更高分辨率卫星数据进行的附加子区域分析，为北苏门答腊省 54 个地区的洪水影响提供了更详细的见解。虽然此前利用较粗数据的分析捕捉了区域性的广泛变化，但这一精细尺度评估表明植被损失和地表水扩展集中在低洼地区，不透水面在可能受碎屑和地表扰动影响的区域表现出更为局部的变化。洪水后 AOD 在沿海和城市地区也有所增加，可能反映了局部的气溶胶活化与传输。综合来看，这些发现表明观测到的变化具有空间异质性，更精细的数据对于准确表征空间变化的地表和卫星反演大气污染物模式具有重要价值。

本研究填补了在监测数据有限的地区对重大洪水事件后卫星观测大气污染物变化进行表征的重要空白。虽然此前的洪水相关研究主要关注水文和基础设施影响，但本研究提供了关于卫星反演大气污染物指标的额外信息，这些指标此前受到的关注相对较少。卫星数据提供了空间和连续一致的覆盖范围，支持在数据匮乏的环境中进行初步环境评估，而这些环境信息是环境决策支持所需的。此外，整合土地利用指标、气溶胶相关指标和痕量气体，实现了对洪水事件后空间变化的环境条件更为全面的评估，有助于增进对洪水后大气污染物模式的理

解。

除上述重要发现外，还应承认若干局限性。首先，卫星反演的代理指标如气溶胶光学厚度（AOD）和总柱痕量气体代表的是垂直积分的大气条件，因此应将其解读为卫星反演的大气污染物指标，而非地表空气质量直接测量值。总柱 O? 被排除在人口加权分析之外，因为它不直接代表近地表浓度。未来的研究可通过在可用时将卫星观测与地面测量相结合来改进地表空气质量评估。其次，洪水期间持续的云层覆盖，特别是对于 NO?，导致了卫星反演数据缺失，可能影响时间比较。此外，降水和 其他大气条件可能影响卫星反演和观测到的污染物指标，尽管采用了持续的质量保证筛选。未来的研究可通过合并多次卫星过境数据或纳入地面观测来减少这一不确定性。第三，缺乏详细的气象分析、大气传输信息、排放清单和地面观测限制了本研究对洪水与其他因素（如降水、湿度、区域传输、火灾、灾后活动和季节变化）相对贡献的评估能力。

此外，将 MERRA-2 PM2.5 用作补充替代指标存在不确定性，涉及气溶胶垂直分布、湿度和组成，特别是在热带环境中，且未通过正式的不确定性分析进行评估。因此，观测到的变化应被解释为洪水事件后的时空相关性，而不是洪水引起变化的确凿证据或机制归因。尽管如此，该研究展示了开放获取卫星观测在数据匮乏地区提供洪水后大气污染物状况初步信息的潜在价值，这些地区的常规空气质量监测有限。

5. 结论

本研究利用多源卫星观测，对 2025 年末北苏门答腊洪水后的陆地表面和卫星衍生大气污染物指标变化进行了空间和统计上的明确评估。观测到的变化包括地表水大幅扩张和植被绿度降低，特别是在低洼地区，而不透水面变化则更为局部化。卫星衍生的大气污染物指标在洪水前、洪水和洪水后期间表现出空间异质性模式。特别是，气溶胶光学厚度（AOD）量级在洪水期间下降并在之后有所恢复，而 AOD 空间覆盖范围在洪水后期间扩大。人口加权卫星指标分析进一步表明，洪水后可检测到的气溶胶信号扩展到了更广泛的区域，包括有人居住的地方。总体而言，这些发现表明，多源卫星观测可以捕捉严重洪水事件后陆地表面和大气污染物指标的空间和时间变化。卫星衍生结果应被解释为大气污染物指标的相对变化，而不是近地面污染物浓度或人群暴露的直接测量值。观测到的模式也不能完全归因于洪水，因为其他因素可能有所贡献。尽管如此，这些发现展示了卫星观测在数据匮乏地区进行快速环境评估的潜在价值。未来研究将卫星观测与地面监测、气象分析、大气传输信息和排放数据相结合，有助于更好地表征近地面空气质量变化及洪水后观测模式背后的因素，支持更有依据的环境和公共健康决策。

研究意义

由于空气质量与各种健康结果相关，本研究是少数利用基于卫星的观测探索数据匮乏地区洪水后大气污染物指标潜在变化的研究之一。该研究强调了严重洪水事件后进行快速环境评估的重要性，特别是为了了解 2025 年 11 月下旬洪水事件后印度尼西亚北苏门答腊地区的潜在灾后空气质量状况。结果显示植被大量损失和地表水扩张，表明洪水影响地区存在广泛的环境破坏。这些变化可能与沉积物沉积、碎片暴露和灾后人类活动有关，这些因素可能影响了当地的大气状况。利用多源卫星观测，该研究进一步确定了洪水事件后气溶胶强度和大气痕量气体的空间异质性变化。总体而言，这些发现展示了基于卫星的方法在捕捉地面监测基础设施有限地区洪水后大气污染物指标变化的潜力，为环境管理和公共卫生管理提供有用的空间信息。

环境意义

该研究突出了严重洪水事件后进行快速环境评估的价值，特别是为了刻画 2025 年 11 月下旬洪水事件后印度尼西亚北苏门答腊地区灾后卫星衍生的大气污染物指标。本研究采用多源卫星数据评估洪水前、洪水和洪水后大气污染物指标的空间和时间变化。气溶胶光学厚度（AOD）和总柱痕量气体，包括二氧化氮（NO?）、二氧化硫（SO?）和臭氧（O?），被用作大气状况的指标。使用陆地表面变化指标确定洪水影响区域。结果显示大气污染物指标存在空间异质性变化，包括 AOD 量级和空间覆盖范围的变化以及痕量气体的特定污染物模式。这些观测到的模式可能反映了多种相互作用的环境和大气过程，本研究无法区分这些过程。总体而言，这些发现展示了多源卫星观测在刻画洪水后大气状况的空间和时间变化以及支持数据匮乏地区快速环境评估方面的价值，提供了可能支持环境管理和未来公共卫生评估的空间信息。

CRediT 作者贡献声明

John D. Spengler：写作 – 审阅与编辑，监督，形式分析。
Chih-Da Wu：写作 – 审阅与编辑，监督，资源，项目管理，经费获取，概念化。
Aji Kusumaning Asri：写作 – 原稿，可视化，验证，软件，方法学，形式分析，数据策划，概念化。
Miao-Ching Chi：写作 – 审阅与编辑，概念化。
Chen Pau‐Chung：写作 – 审阅与编辑，监督。
Lung Shih-Chun Candice：写作 – 审阅与编辑，经费获取。
Chia-Wei Hsu：写作 – 审阅与编辑，数据策划。

Aji Kusumaning Asri|Miao-Ching Chi|Pau-Chung Chen|Shih-Chin Candice Lung|Chia-Wei Hsu|John D. Spengler|Chih-Da Wu

台湾国立成功大学测绘学系，台南，台湾