环境科学  2019, Vol. 40 Issue (1): 44-54   PDF    
引用本文
王海林, 刘琼, 陈勇航, 孙冉, 李霞, 张华, 魏刚, 胡俊, 刘统强. MODIS C006气溶胶光学厚度产品在京津冀典型环境背景下的适用性[J]. 环境科学, 2019, 40(1): 44-54.
WANG Hai-lin, LIU Qiong, CHEN Yong-hang, SUN Ran, LI Xia, ZHANG Hua, WEI Gang, HU Jun, LIU Tong-qiang. Applicability of MODIS C006 Aerosol Products in a Typical Environmental Area of the Beijing-Tianjin-Hebei Region[J]. Environmental Science, 2019, 40(1): 44-54.
MODIS C006气溶胶光学厚度产品在京津冀典型环境背景下的适用性
王海林1, 刘琼1, 陈勇航1,2, 孙冉1, 李霞2, 张华3, 魏刚2, 胡俊1, 刘统强1     
1. 东华大学环境科学与工程学院, 上海 201620;
2. 中国气象局乌鲁木齐沙漠气象研究所, 乌鲁木齐 830002;
3. 中国气象科学研究院灾害天气国家重点实验室 100081
收稿日期: 2018-04-19; 修订日期: 2018-07-11
基金项目: 国家自然科学基金项目（91644211，41375021）；2015年新疆高层次人才引进工程项目
作者简介: 王海林(1992~), 男, 硕士研究生, 主要研究方向为大气环境遥感, E-mail:w18354255623@163.com
通信作者: 陈勇航, E-mail:yonghangchen@126.com
摘要: 选取3个代表京津冀地区典型环境背景下的站点——北京、香河和兴隆，利用AERONET地基观测的气溶胶光学厚度（AOD）数据，研究了MODIS针对暗地表的C051暗像元法（DT C051）和C006暗像元法（DT C006），针对亮地表的C006深蓝算法（DB C006），以及融合了暗像元法和深蓝算法的融合产品（Combined C006），探讨了基于上述算法的AOD产品在京津冀地区的适应性.结果表明：①C006算法的改进对北京和香河站点反演AOD的精度改善较大，而在兴隆站点改善不明显；北京站点，C006深蓝算法AOD适用性最佳；位于城郊的香河站，C006暗像元法AOD最接近AERONET AOD；植被茂盛的兴隆站，Combined C006 AOD反演精度最高.②MODIS DT C006在北京站点的反演误差可能是由气溶胶模型与地表反照率共同造成的；MODIS DB C006在香河站点反演误差主要来源于春季的地表反照率和冬季的气溶胶模型两方面.③相较于DT C051 AOD，DT C006有效数据覆盖率有所降低，但DB C006和Combined C006的数据覆盖率有所增加，且Combined C006 AOD产品数据覆盖率最广；结合MODIS AOD与各站点AERONET的对比验证，结果表明，Combined AOD产品在京津冀地区适用性最佳.
关键词: 中分辨率成像光谱仪(MODIS)      气溶胶光学厚度      暗像元法      深蓝算法      气溶胶融合产品     
Applicability of MODIS C006 Aerosol Products in a Typical Environmental Area of the Beijing-Tianjin-Hebei Region
WANG Hai-lin1 , LIU Qiong1 , CHEN Yong-hang1,2 , SUN Ran1 , LI Xia2 , ZHANG Hua3 , WEI Gang2 , HU Jun1 , LIU Tong-qiang1     
1. College of Environmental Science and Engineering, Donghua University, Shanghai 201620, China;
2. Institute of Desert Meteorology, China Meteorological Administration, Urumqi 830002, China;
3. State Key Laboratory of Severe Weather, Chinese Academy of Meteorological, Beijing 100081, China
Abstract: By fitting with the aerosol optical depth (AOD) from AERONET ground observations at sites in Beijing, Xianghe, and Xinglong with different environmental backgrounds, MODIS C051 Dark Target (DT C051), C006 Dark Target (DT C006), C006 Deep Blue (DB C006), and C006 Deep Blue/Dark Target merged AOD products were compared and evaluated to understand their applicability in the Beijing-Tianjin-Hebei region. The main conclusions are as follows:① The comparison of the C051 and C006 algorithms shows that the accuracy of the AOD at the Beijing and Xianghe sites notably improved, while an improvement was not observed at the Xinglong site; the DB C006 AOD is closest to the AERONET AOD at the Beijing site and the DT C006 AOD is closest to the AERONET AOD at the Xianghe site; the combined C006 AOD is closest to the AERONET AOD at the Xinglong site. ② The inversion error of the MODIS DT C006 at the Beijing site is caused by the improper selection of the aerosol model and surface reflectance; the inversion error of the MODIS DB C006 is mainly due to surface reflectance in spring and the aerosol model in winter. ③ Compared with the DT C051 AOD, the effective data coverage of the DT C006 is reduced, but that of DB C006 and the combined C006 increased; the combined C006 AOD data have the largest coverage. The results show that the application of the combined AOD product is best for the Beijing-Tianjin-Hebei region.
Key words: MODerate-resolution imaging spectroradiometer (MODIS)      aerosol optical depth      dark target      deep blue      combined AOD     

近年来, 京津冀的大气污染问题虽有缓解但依然严峻.气溶胶作为大气污染物的重要组成部分, 不仅是形成京津冀地区雾、霾的重要因素, 而且还会影响其气候环境.气溶胶光学厚度(aerosol optical depth, AOD)是反映气溶胶消光特性的一个重要光学参数, 也是评估大气颗粒物污染程度、研究气溶胶辐射效应的关键因子, 在环境监测、大气辐射传输、遥感应用以及气候变化等领域具有重要的科学意义和应用价值[1~3].气溶胶光学厚度主要可通过地基遥感和卫星遥感获得.地基遥感多为单点观测, 虽然精度高, 但通常无法同时获取大范围的大气气溶胶特征[4]; 卫星遥感具有大范围同步观测、相对成本低等优势, 能够反映区域甚至全球大气气溶胶的时空变化规律, 其中搭载于Terra/Aqua卫星上的中分辨率成像光谱仪MODIS(MODerate-resolution imaging spectroradiometer)提供的AOD产品具有较高的时空分辨率, 数据质量良好, 使得该产品在大气环境业务科研领域得到了最为广泛的应用[3~5].

相比于利用太阳光度计等地基遥感反演得到的AOD数据, MODIS AOD仍存在一定误差[6].由于AOD数据的准确性会直接影响大气环境和气候效应等的定量研究, 因此, 为了提高其精度, 科研人员一直在改进AOD的反演算法[7, 8], 并对其在不同地区的适用性进行验证[5, 9].云是影响MODIS AOD反演精度的一个重要因素[10], 当出现严重气溶胶污染且气溶胶粒子较大时(如沙尘), MODIS采用的云检测算法可能会将气溶胶误判为云, 并将其剔除, 最终影响AOD的反演精度[11].针对上述问题, MODIS C006气溶胶产品在云检测算法、气溶胶模型和地表反照率估算等方面进行了改进.已有研究显示[12], 全球区域海洋上平均AOD (DT)下降0.02, 陆地上平均AOD增长0.02, 同时AOD有效覆盖率有所增加.我国学者也开展了MODIS C006气溶胶产品在中国适用性的研究, 朱于红[13]对比了浙江地区MODIS C051暗像元法和C006融合了暗像元法和深蓝算法的AOD数据, 结果发现相较于C051, C006的AOD在植被覆盖度较高的地区反演精度有所提升, 但城市地区的反演精度有所下降; 赵仕伟等[3]基于AERONET地基观测数据对我国西北地区的MODIS AOD融合产品进行了验证, 发现MODIS AOD融合产品的覆盖度良好, 产品数据精度较好; Wang等[14]评估了MODIS C051与C006的暗像元法和C006深蓝算法AOD产品在京津冀地区的适用性, 结果发现C006暗像元法较C051略有改善, 符合期望误差的数据增加了9%; Wei等[15]和Bilal等[16]研究了MODIS C051与C006多种AOD产品在北京、香河等地的适用性, 结果发现C006深蓝算法AOD更加接近AERONET AOD; Zhang等[17]利用东灵山和北京的CSHNET站点地基AOD分析了MODIS C051和C006多种AOD产品的精度与误差, 结果发现C006暗像元法AOD产品精度没有明显提高.由此可见, MODIS C006 AOD在不同地区仍有不同程度误差, 虽然上述研究开展了MODIS不同版本不同算法的气溶胶产品在我国不同地区反演精度的验证工作, 但是对于其反演误差来源的分析尚不足, 也缺乏MODIS C006气溶胶产品对京津冀地区城市、城郊和森林这3种典型环境背景下的适用性研究.

因此, 本文以京津冀为研究区域, 选取北京、香河和兴隆这3个代表城市、城郊和森林下垫面的AERONET地基观测站的AOD数据为参照, 分别研究C051和C006版本的4种MODIS AOD产品在典型环境背景下的反演精度, 并分析其误差来源, 最后在此基础上揭示京津冀地区AOD时空分布特征, 以期为进一步准确评估MODIS AOD产品在不同地区的适用性及其反演算法的改进提供新的参考依据.

1 材料与方法 1.1 数据来源

本文以京津冀地区的北京、香河和兴隆3个AERONET站点的AOD数据作为卫星资料的对比数据, 研究区域及站点分布情况见图 1, 具体站点信息和资料时段见表 1. AERONET的AOD数据分为3级：L1.0没有云过滤和质量验证; L1.5完成了去云处理但没有质量验证; L2.0完成了去云处理和质量验证.本文选用L2.0级AOD数据.

图 1 本文研究所用的京津冀地区AERONET站点位置 Fig. 1 Location of AERONET sites in the Beijing-Tianjin-Hebei region in this paper

表 1 本文所用AERONET站点的基本信息 Table 1 Information about the AERONET sites used in this paper

本文使用的是时间范围为2006-01-01~2015-12-31的AQUA-MODIS C051 Level 2和AQUA-MODIS C006 Level 2气溶胶数据集, 提取的4种MODIS AOD产品(DT C051 AOD、DT C006 AOD、DB C006 AOD和Combined AOD)均为波长为0.55 μm处质量控制最优数据, 即AOD产品质量等级(详见表 2)为3的数据.

表 2 MODIS AOD产品质量控制(QA)标志 Table 2 Quality assurance (QA) flags of the MODIS AOD product

Combined AOD是依据以下融合方案产生的：基于归一化植被指数(NDVI)将地表分为3类：当NDVI>0.3时选择DT AOD; 当NDVI < 0.2时选择DB AOD; 当0.2 < NDVI < 0.3时, 如果DT和DB的AOD产品质量等级QA_DT=3或QA_DB ≥2, Combined AOD选二者中最优, 若两者QA均为3, 则取二者平均值, 如果QA_DT < 3且QA_DB < 2, Combined AOD为无效值[11].

1.2 处理方法

由于MODIS AOD为0.55 μm波长处的AOD, 而AERONET AOD无此波长, 需利用Ångström公式将0.44 μm和0.67 μm波长下的AOD进行插值得到0.55 μm AOD. Ångström关系式[18]描述了满足Junge谱分布的气溶胶粒子在无水汽影响波段上气溶胶光学厚度(τ)与波长(λ)之间的定量关系：

(1)

式中, α为描述粒子大小的Ångström指数, β为大气浊度系数, λ为波长(μm).

计算好波段后, 即可通过时间窗口与空间范围的确定, 完成地基与卫星AOD数据的匹配.时间窗口的选取规则是：以卫星过境时间为依据, 选择该时刻前后30 min内AERONET站的AOD数据并取平均值; 空间范围的选取规则是：以AERONET站点为中心, 选取其周围0.3°×0.3°经纬度范围内MODIS AOD数据并取平均值.最终形成AERONET-MODIS时间与空间分辨率相匹配的AOD数据集.格点处理方法为：将京津冀地区划分为445个格点, 每个格点是边长为0.3°的矩形, 以该矩形的中心经纬度代表该格点经纬度, 并对该格点内AOD取平均值或统计AOD样本数.

本文采用的季节划分标准是：3~5月为春季, 6~8月为夏季, 9~11月为秋季, 12月~次年2月为冬季.

1.3 拟合及评估方法

经过对AERONET AOD数据进行波长插值, 并与MODIS数据进行时空匹配后, 对两者进行线性拟合分析.将得到如下线性回归曲线：

(2)

拟合结果将由线性回归的斜率a, 截距b, 相关系数R等参数评价; 同时计算均方根误差(root-mean-square-error, RMSE)、相对平均偏差(relative-mean-bias, RMB)和期望误差(expected-error, EE)等指标, 综合评价和分析MODIS气溶胶产品的反演精度.

(3)
(4)
(5)

此外, 利用误差比(error-ratio, ER)来定量评估MODIS AOD产品质量, 误差比定义为样本真实误差落在期望误差范围内的百分比, 即：

(6)

式中, NEE为误差落在期望误差范围的的样本个数; N为样本总数. ER值越大, 代表数据质量越高.

2 结果与讨论 2.1 MODIS AOD与AERONET AOD对比分析

北京作为城市下垫面的代表, DT C051与DT C006落在期望误差范围内的样本数百分比仅有17.35%和25.91%, 其中分别有81.46%和73.04%的样本超出了期望误差上限, 且MODIS AOD平均值比AERONET AOD分别偏高67.42%和56.15%(图 2), 表明暗像元法的AOD在该站点严重高估.这主要是因为城市地区植被覆盖率较低, 适用于暗像元法反演所需的浓密植被较少, 且城市地区地表异质性高, 增加了地表反照率估算的不确定性[14]. DB C006 AOD落在期望误差范围内的样本数为82.24%, 可见C006深蓝算法较大程度减少了暗像元法在城市亮地表的高估问题.此外, MODIS AOD相对于AERONET地基观测值结果存在高估, 还可能与云检测不彻底导致残留云的存在有关[19].

实线：回归曲线; 虚线：期望误差线; %Witnin EE：落在误差范围内的样本数百分比;
%above EE：超出误差范围上限的样本数百分比; %below EE：低于误差范围下限的样本数百分比, 下同 图 2 北京站点MODIS Fig. 2 AERONET validation results of MODIS for the Beijing sites

香河站代表城郊, 4种MODIS AOD产品中, DT C006 AOD与AERONET AOD拟合结果最好.从该站点DT C051、DT C006、DB C006和Combined C006 AOD与AERONET AOD的拟合效果来看(图 3), 相关系数R分别为0.96、0.96、0.93和0.95, 落在期望误差范围内的样本数比例分别为66.67%、79.31%、69.55%和73.85%, 斜率分别为1.17、1.11、1.04和1.14, 表明DT C006 AOD更加适用于该站点, 这是因为香河站点被稀疏的建筑和农田环绕, 在暗像元法反演中地表反照率比北京站点的取值更准确[14].

图 3 香河站点MODIS-AERONET对比验证结果 Fig. 3 AERONET validation results of MODIS for the Xianghe sites

兴隆站作为森林下垫面的代表, 综合拟合系数、落在期望误差范围内的样本比例等方面(图 4)可知, 兴隆站C006 DT AOD较C051产品质量改善不明显, 但与北京、香河两个站点相比, 该站点DT AOD与AERONET AOD拟合结果最佳, 这是因为良好的植被覆盖使得地表反照率更容易准确设定[13]. DT C051、DT C006、DB C006和Combined C006 AOD与AERONET AOD的拟合系数R分别为0.92、0.83、0.88和0.89, 落在期望误差范围内的样本比例依次为77.03%、76.36%、96.23%和76.88%, 虽然DB C006落在期望误差范围内样本最多, 但是该算法的AOD均值显著低于AERONET AOD均值, RMB仅为0.83, 低估最严重, 而其他3种AOD产品RMB分别为0.9、0.92和0.93, 低估相对较好.同时, 该站点DT算法AOD反演结果整体优于DB算法, 说明在植被覆盖度较高的地区暗像元法较深蓝算法反演结果更精确.

图 4 兴隆站点MODIS-AERONET对比验证结果 Fig. 4 AERONET validation results of MODIS for the Xinglong sitess

综上可知, 与C051相比, C006 AOD反演算法在北京、香河所代表的城市或城郊站点的改进是十分明显的; 而在兴隆这种植被覆盖度较高的暗地表改善并不明显, DT C051在该点与AERONET拟合度最高.这与朱于红[13]研究C006 AOD反演算法在杭州城市站点稍有下降的结果不同, 说明改进的C006 AOD反演算法在不同地区的适应性是不同的. 3种MODIS C006 AOD反演产品中, DB AOD产品在北京站的适用性最佳, Combined AOD产品其次, DT AOD产品最差; DT AOD产品在香河站的适用性最佳, Combined AOD产品其次, DB AOD产品最差; Combined AOD产品在兴隆站的适用性最佳, DT AOD产品其次, DB AOD产品最差.

2.2 MODIS DT C006与DB C006 AOD误差来源分析

MODIS AOD反演的误差主要来源于两个方面：地表假设和气溶胶模型假设. Levy等[20]认为当AOD < 0.15时, 气溶胶影响相对较小, 这时卫星接收到的信号主要来源于地表的贡献, 此时不准确的地表反照率是反演误差的主要来源; 当AOD>0.4时, 相对于气溶胶信号, 地面的信号可以忽略, 此时气溶胶模型假设的不合理是反演误差的主要原因.因此, 利用误差比ER分析DT AOD和DB AOD反演算法的误差来源.当AOD < 0.15时, 若ER < 60%, 则AOD的误差主要来源于地表; 当AOD>0.4时, 若ER < 60%, AOD的误差则主要来源于气溶胶模型.

表 3中列出了香河、北京和兴隆站全年与各季节两种算法AOD<0.15和AOD>0.4时的误差比ER.北京站的MODIS DT AOD < 0.15的样本太少, 无法得到此时的ER; 当MODIS DT AOD>0.4时, 北京站全年与各个季节的ER都小于60%, 误差较大, 可见此时MODIS DT反演误差主要来自不合适的气溶胶模型. DB AOD在两种情况下只有当AOD>0.4时夏季ER仅为53.57%, 低于60%, 而其他情况全年与其他季节的ER均大于60%, 说明DB AOD在北京站总体反演效果较好, 同时深蓝算法在夏季选取的气溶胶模型精度还需进一步修正.

表 3 各站点每个季节平均误差比(ER) Table 3 Error ratio (ER) at each site and for each season

香河站的MODIS DT AOD在两种情况下误差比ER均大于60%, 说明香河站总体反演效果较好, 不过值得注意的是, 当AOD>0.4时, 春季ER最低, 为60.81%, 说明在香河站春季的MODIS暗像元法选取的气溶胶模型还需进一步改善.深蓝算法相对与暗像元法在该站点的两种情况下全年的ER分别降低了14.84%和0.99%, 说明深蓝算法在该站点反演效果不如暗像元法, 与2.1节结果相符, 同时, 当MODIS DB AOD<0.15时, ER最低值出现在春季, 为55.56%;当MODIS DB AOD>0.4时, ER最低值出现在冬季, 为51.72%;说明该算法在香河站春季和冬季的反演误差分别来源于地表反照率和气溶胶模型.

与北京和香河站相比, 兴隆站除夏、秋和冬这3个季节的深蓝算法以及夏季的暗像元法样本数过少, 无法计算ER值外, 其他情况(AOD<0.15和AOD>0.4)DT和DB算法的ER值均大于60%, 表明地表反照率和气溶胶模型的选取相对更合适, 因此该站点MODIS DT和DB算法反演的AOD结果均较好.但是值得注意的是, DB C006在AOD>0.4时的样本数过少, 所以该站点研究结果有待进一步验证.

2.3 MODIS AOD有效数据覆盖度分析

为了研究C006算法改进对京津冀地区有效数据(AOD产品质量等级均为3)覆盖的影响, 本文给出了MODIS 4种AOD产品的有效数据样本数分布情况(图 5), 发现有效数据多分布在北京、天津以及河北南部, 而北部的数据覆盖度较低. DT C006 AOD样本区域均值(2520)较DT C051(3203)减少了683个有效数据样本, 表明在京津冀地区DT C006有效数据的覆盖度下降, 而云检测算法的改动是一个重要原因[12, 13]; Combined与DB C006 AOD有效样本区域均值分别为3 469和3 457个, 比DT C051增加了266和254个样本, 说明DB C006及Combined C006增加了该区域的有效数据覆盖率, 这与levy等[12]对C006 AOD产品全球区域验证结果相同.

图 5 京津冀2006~2015年有效样本数空间分布 Fig. 5 Spatial distribution of the number of effective data retrievals for the period 2006-2015 in the Beijing-Tianjing-Hebei region

由MODIS AOD样本在京津冀的季节分布(图 6)可以看出, 样本覆盖度在秋季最高, 这是因为京津冀地区秋季满足反射率阈值的像元数最多(DT像元数为35 789 351个, DB像元数为51 208 273个)且云量较少(秋季平均云量为58.16%, 如表 4), 夏季DT C006和C051 AOD数据覆盖度较高, 植被覆盖度增加使得暗像元法AOD产品在京津冀地区的适用性增强[14].而冬季C006 DB AOD与Combined AOD有效样本覆盖度增加, 是因为地表植被稀疏, 深蓝算法及暗像元法与深蓝算法融合的AOD产品更加适用于京津冀的地区.

图 6 京津冀2006~2015年有效样本数季节空间分布 Fig. 6 Seasonal spatial distribution of the number of effective data retrievals for the period 2006-2015 in the Beijing-Tianjing-Hebei region

表 4 京津冀地区各季节平均云量及像元数 Table 4 Seasonal average cloud cover and seasonal number of pixel in the Beijing-Tianjin-Hebei region

2.4 MODIS AOD时空分布特征分析

综合2.1节及2.3节的分析, Combined AOD产品在京津冀地区适用性最强.因此, 下面使用Combined AOD产品进行京津冀地区气溶胶光学厚度的分布研究.

从京津冀地区2006~2015年平均AOD空间分布来看(图 7), AOD高值区主要集中在北京、天津以及河北南部(AOD>0.7), 而低值区均在京津冀北部地区(AOD < 0.3), 京津冀北部多为山区, 植被覆盖度较高、人口密度较低, 而往南人口密度较大, 工业污染源较多[21], 因此造成AOD高值区集中在北京、天津及河北南部, 低值区多分布在京津冀北部.

图 7 京津冀2006~2015年平均AOD空间分布 Fig. 7 Mean spatial distribution of the mean AOD retrievals for the period 2006-2015 in the Beijing-Tianjing-Hebei region

京津冀地区MODIS AOD的四季空间分布特征(图 8)与其多年平均分布特征相似.夏季AOD均值最高(0.6), 消光作用最强且影响范围最广, 这主要是因为夏季温度高使得气溶胶光化学反应更活跃, 生成大量二次气溶胶[22~25], 二次气溶胶是细粒子的主要组成, 细粒子气溶胶在高湿度的情况下易吸湿增长[26, 27], 显著增强气溶胶消光作用[28].春季该地区常受沙尘远距离传输的影响, 且干燥的气候也有利于本地扬尘的产生[29], 颗粒物粒径较大, 消光作用较强, 因此春季AOD均值也偏高(0.46)仅低于夏季.冬季, AOD值较低(0.37), 一是因为京津冀地区冬季常受到西北或偏北气流带来的清洁干空气影响[30], 二是可能与污染物的边界层高度的季节性变化有关[31].秋季AOD最低(0.34), 这可能与8月以后该地区降水增加、大气气溶胶湿沉降的增加有关[32].

图 8 京津冀2006~2015年平均AOD季节空间分布 Fig. 8 Seasonal spatial distribution of the mean AOD retrievals for the period 2006-2015 in the Beijing-Tianjing-Hebei region

3 结论

(1) 与MODIS C051 AOD产品相比, C006 AOD反演算法在北京、香河所代表的城市或城郊站点的改进是十分明显的; 而在兴隆这种植被覆盖度较高的暗地表改善并不明显.在C006产品中, DB AOD在代表城市的北京站的适用性最佳, Combined AOD产品其次, DT AOD产品最差. DT AOD产品在位于城郊的香河站的适用性最佳, Combined AOD产品其次, DB AOD产品最差; Combined AOD产品在植被茂盛的兴隆站的适用性最佳, DT AOD产品其次, DB AOD产品最差.

(2) DT C006在北京站点的反演误差可能是由气溶胶模型与地表反照率共同造成, DB C006在夏季选取的气溶胶模型精度还需进一步修正; 香河站春季的DT C006反演算法选取的气溶胶模型还需进一步改善, DB C006在香河站春季和冬季的反演误差主要来源分别是地表反照率和气溶胶模型.与前两个站点相比, 兴隆站DT和DB C006地表反照率和气溶胶模型的选取相对更合适, 但该站点也存在样本数过少情况, 所以该站点研究结果有待进一步验证.同时, 反演算法的误差分析是一项复杂的工作需要地表反照率、气溶胶模型等多方面的基础性研究结果进行支撑, 本文给出的是初步的结果, 后续还需要综合考虑多方面因素进行不断量化, 提高反演算法的精度.

(3) 有效样本数在京津冀地区的分布特征表明, 相较于DT C051 AOD, DT C006 AOD有效数据覆盖率有所降低, 而DB C006和Combined C006则增加了数据覆盖率, 且Combined C006 AOD产品有效样本数最多.结合MODIS产品与各站点AERONET对比验证结果表明, Combined AOD产品对京津冀地区整体而言适用性最佳.

(4) 京津冀地区的AOD多年平均及季节空间分布结果表明, AOD高值区分布在北京、天津以及河北东南部, 最高值约达0.9;低值区主要分布在京津冀北部. AOD季节分布结果表明, 夏季AOD均值(0.6)最高, 春季的AOD值略低于夏季, 其次为冬季, 秋季最低.

致谢: 本研究卫星数据来自美国NASA Langley Research Center Atmospheric Science Data Center, 在此表示衷心感谢.
参考文献
[1] Ramachandran S. Aerosol optical depth and fine mode fraction variations deduced from Moderate Resolution Imaging Spectroradiometer (MODIS) over four urban areas in India[J]. Journal of Geophysical Research, 2007, 112(D16): D16207. DOI:10.1029/2007JD008500
[2] 刘玉杰, 牛生杰, 郑有飞. 用CE-318太阳光度计资料研究银川地区气溶胶光学厚度特性[J]. 南京气象学院学报, 2004, 27(5): 615-622.
Liu Y J, Niu S J, Zheng Y F. Optical depth characteristics of Yinchuan atmospheric aerosols based on the CE-318 sun tracking spectrophotometer data[J]. Journal of Nanjing Institute of Meteorology, 2004, 27(5): 615-622. DOI:10.3969/j.issn.1674-7097.2004.05.005
[3] 赵仕伟, 高晓清. 利用MODIS C6数据分析中国西北地区气溶胶光学厚度时空变化特征[J]. 环境科学, 2017, 38(7): 2637-2646.
Zhao S W, Gao X Q. Analysis of spatio-temporal distribution and variation characteristics of aerosol optical depth over the northwest of China by MODIS C6 product[J]. Environmental Science, 2017, 38(7): 2637-2646.
[4] 林海峰, 辛金元, 张文煜, 等. 北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究[J]. 环境科学, 2013, 34(3): 826-834.
Lin H F, Xin J Y, Zhang W Y, et al. Comparison of atmospheric particulate matter and aerosol optical depth in Beijing City[J]. Environmental Science, 2013, 34(3): 826-834.
[5] 周春艳, 柳钦火, 唐勇, 等. MODIS气溶胶C004、C005产品的对比分析及其在中国北方地区的适用性评价[J]. 遥感学报, 2009, 13(5): 854-872.
Zhou C Y, Liu Q H, Tang Y, et al. Comparison between MODIS aerosol product C004 and C005 and evaluation of their applicability in the north of China[J]. Journal of Remote Sensing, 2009, 13(5): 854-872.
[6] Xin J Y, Wang L L, Wang Y S, et al. Trends in aerosol optical properties over the Bohai Rim in Northeast China from 2004 to 2010[J]. Atmospheric Environment, 2011, 45(35): 6317-6325. DOI:10.1016/j.atmosenv.2011.08.052
[7] Kaufman Y J, Tanré D, Remer L A, et al. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer[J]. Journal of Geophysical Research, 1997, 102(D14): 17051-17067. DOI:10.1029/96JD03988
[8] Kaufman Y J, Wald A E, Remer L A, et al. The MODIS 2.1-μm channel-correlation with visible reflectance for use in remote sensing of aeroso[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(5): 1286-1298. DOI:10.1109/36.628795
[9] Papadimas C D, Hatzianastassiou N, Mihalopoulos N, et al. Assessment of the MODIS Collections C005 and C004 aerosol optical depth products over the Mediterranean basin[J]. Atmospheric Chemistry and Physics, 2009, 9(9): 2987-2999. DOI:10.5194/acp-9-2987-2009
[10] Twohy C H, Coakley Jr J A, Tahnk W R. Effect of changes in relative humidity on aerosol scattering near clouds[J]. Journal of Geophysical Research, 2009, 114(D5): D05205.
[11] Charlson R J, Ackerman A S, Bender F A M, et al. On the climate forcing consequences of the albedo continuum between cloudy and clear air[J]. Tellus B:Chemical and Physical Meteorology, 2007, 59(4): 715-727. DOI:10.1111/j.1600-0889.2007.00297.x
[12] Levy R C, Mattoo S, Munchak L A, et al. The collection 6 MODIS aerosol products over land and ocean[J]. Atmospheric Measurement Techniques, 2013, 6(11): 2989-3034. DOI:10.5194/amt-6-2989-2013
[13] 朱于红. MODIS C006气溶胶产品评估及其在省域大气污染研究中的应用[D].杭州: 浙江大学, 2015.
Zhu Y H. Evaluation of MODIS Aerosol product collection 006 and its application to air pollution research in Zhejiang Province[D]. Hangzhou: Zhejiang University, 2015.
[14] Wang K, Sun X J, Zhou Y B, et al. Validation of MODIS-aqua aerosol products C051 and C006 over the Beijing-Tianjin-Hebei region[J]. Atmosphere, 2017, 8(9): 172.
[15] Wei J, Sun L. Comparison and evaluation of Different MODIS aerosol optical depth products over the Beijing-Tianjin-Hebei region in China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(3): 835-844. DOI:10.1109/JSTARS.2016.2595624
[16] Bilal M, Nichol J E. Evaluation of MODIS aerosol retrieval algorithms over the Beijing-Tianjin-Hebei region during low to very high pollution events[J]. Journal of Geophysical Research:Atmospheres, 2015, 120(15): 7941-7957. DOI:10.1002/2015JD023082
[17] Zhang Q, Xin J Y, Yin Y, et al. The variations and trends of MODIS C5 & C6 products' errors in the recent decade over the background and urban areas of North China[J]. Remote Sensing, 2016, 8(9): 754. DOI:10.3390/rs8090754
[18] Ångström A. The parameters of atmospheric turbidity[J]. Tellus, 1964, 16(1): 64-75.
[19] 孙晓雷, 甘伟, 林燕, 等. MODIS 3 km气溶胶光学厚度产品检验及其环境空气质量指示[J]. 环境科学学报, 2015, 35(6): 1657-1666.
Sun X L, Gan W, Lin Y, et al. Validation of MODIS 3 km aerosol optical depth product and its air quality indication[J]. Acta Scientiae Circumstantiae, 2015, 35(6): 1657-1666.
[20] Levy R C, Remer L A, Kleidman R G, et al. Global evaluation of the Collection 5 MODIS dark-target aerosol products over land[J]. Atmospheric Chemistry and Physics, 2010, 10(21): 10399-10420. DOI:10.5194/acp-10-10399-2010
[21] 张西雅, 扈海波. 京津冀地区气溶胶时空分布及与城市化关系的研究[J]. 大气科学, 2017, 41(4): 797-810.
Zhang X Y, Hu H B. Spatio-temporal characteristics of aerosol optical depth and their relationship with urbanization over Beijing-Tianjin-Hebei region[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(4): 797-810.
[22] Jang M, Czoschke N M, Lee S, et al. Heterogeneous atmospheric aerosol production by acid-catalyzed particle-phase reactions[J]. Science, 2002, 298(5594): 814-817. DOI:10.1126/science.1075798
[23] Claeys M, Graham B, Vas G, et al. Formation of secondary organic aerosols through photooxidation of isoprene[J]. Science, 2004, 303(5661): 1173-1176. DOI:10.1126/science.1092805
[24] Lim Y B, Tan Y, Perri M J, et al. Aqueous chemistry and its role in secondary organic aerosol (SOA) formation[J]. Atmospheric Chemistry and Physics, 2010, 10(21): 10521-10539. DOI:10.5194/acp-10-10521-2010
[25] Ehn M, Thornton J A, Kleist E, et al. A large source of low-volatility secondary organic aerosol[J]. Nature, 2014, 506(7489): 476-479. DOI:10.1038/nature13032
[26] He Q S, Li C C, Geng F H, et al. Aerosol optical properties retrieved from Sun photometer measurements over Shanghai, China[J]. Journal of Geophysical Research:Atmospheres, 2012, 117(D16): D16204. DOI:10.1029/2011JD017220
[27] 李琦, 银燕, 顾雪松, 等. 南京夏季气溶胶吸湿增长因子和云凝结核的观测研究[J]. 中国环境科学, 2015, 35(2): 337-346.
Li Q, Yin Y, Gu X S, et al. An observational study of aerosol hygroscopic growth factor and cloud condensation nuclei in Nanjing in summer[J]. China Environmental Science, 2015, 35(2): 337-346.
[28] 陈一娜, 赵普生, 何迪, 等. 北京地区大气消光特征及参数化研究[J]. 环境科学, 2015, 36(10): 3582-3589.
Chen Y N, Zhao P S, He D, et al. Characteristics and parameterization for atmospheric extinction coefficient in Beijing[J]. Environmental Science, 2015, 36(10): 3582-3589.
[29] 刘浩, 高小明, 谢志英, 等. 京津冀晋鲁区域气溶胶光学厚度的时空特征[J]. 环境科学学报, 2015, 35(5): 1506-1511.
Liu H, Gao X M, Xie Z Y, et al. Spatio-temporal characteristics of aerosol optical depth over Beijing-Tianjin-Hebei-Shanxi-Shandong region during 2000-2013[J]. Acta Scientiae Circumstantiae, 2015, 35(5): 1506-1511.
[30] 晏利斌, 刘晓东. 京津冀地区气溶胶季节变化及与云量的关系[J]. 环境科学研究, 2009, 22(8): 924-931.
Yan L B, Liu X D. Seasonal variation of atmospheric aerosol and its relation to cloud faction over Beijing-Tianjin-Hebei region[J]. Research of Environmental Sciences, 2009, 22(8): 924-931.
[31] Yu X N, Lü R, Liu C, et al. Seasonal variation of columnar aerosol optical properties and radiative forcing over Beijing, China[J]. Atmospheric Environment, 2017, 166: 340-350. DOI:10.1016/j.atmosenv.2017.07.011
[32] 罗宇翔, 陈娟, 郑小波, 等. 近10年中国大陆MODIS遥感气溶胶光学厚度特征[J]. 生态环境学报, 2012, 21(5): 876-883.
Luo Y X, Chen J, Zheng X B, et al. Characteristics of aerosol optical depth over China from recent 10 years of MODIS remote sensing data[J]. Ecology and Environmental Sciences, 2012, 21(5): 876-883.