2019, Vol. 40
2. 中国地质大学(武汉)信息工程学院, 武汉 430074;
3. 中国国土资源航空物探遥感中心, 北京 100083
2. Faculty of Information Engineering, China University of Geosciences(Wuhan), Wuhan 430074, China;
3. China Aero Geophysical Survey & Remote Sensing Center for Land and Resources, Beijing 100083, China
精确地观测或反演气溶胶的光学特性, 是科学地认识和理解全球气候变化的基础.其中, 气溶胶光学厚度(aerosol optical depth, AOD)是气溶胶光学特性的主要物理参数, 是表征气溶胶含量、大气浑浊度和大气污染状况的关键因子, AOD值可以通过地基站点观测和卫星遥感等方式获得[1].地基观测是最为有效和准确的AOD数据获取方式, 目前全球各地已建立起了一系列的气溶胶光学特性观测网络, 例如Aerosol Robotic Network(AERONET)[2]、Aerosol Radiation Observation Network(Skynet)[3]、Canadian Sun-Photometer Network(AEROCAN)[4]和中国气象局气溶胶观测网络(CASNET)[5]等.地面观测网络精度虽较高, 但受建设成本的影响, 地面观测站点空间分布极为稀疏, 难以生成高分辨率和大尺度的气溶胶光学特性产品; 相比之下, 卫星遥感可提供大尺度和实时连续的气溶胶观测数据, 弥补了地基观测的不足, 为大气环境研究提供了技术支持, 目前已有多种覆盖区域和全球的气溶胶遥感观测网络, 如搭载在Terra和Aqua卫星的中分辨成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer), 基于Nimbus卫星的臭氧观测仪TOMS(Total Ozone Mapping Spectrometer); 还有搭载在Aura卫星的OMI传感器以及搭载在Terra卫星的MISR传感器等对AOD进行观测和反演.
改革开放以来, 中国的工业化和城市化进程不断加快, 人口数量剧增, 能源的消费量和排放量日益增加[6], 空气中的气溶胶粒子含量不断增加, 气溶胶光学厚度不断上升, 中国地区已成为引起全球气溶胶辐射强迫效应和气候效应的不确定性的主要区域之一.国内外诸多学者对该区域气溶胶光学厚度的时空分布和变化进行了大量科学研究.薛文博等[7]和Luo等[8]采用MODIS大气气溶胶光学厚度资料来分析中国10 a(2000~2010年)的AOD值, 其空间分布中心大体呈现两低两高格局.郑小波等[9]和千家乐等[10]则以胡焕庸线为界, 发现两侧AOD值东高西低的特点.罗云峰等[11, 12]基于逐日太阳辐射和日照时数观测数据, 反演了全国47个站点的1960~1990年的气溶胶光学厚度的时空分布特征. Zhang等[13]应用一种新方法KM-Elterman, 研究推断AOD可用于探索气溶胶对气候变化和地球辐射预算的影响.此外, 中国幅员辽阔, 地区差异较大, 诸多学者从不同时空尺度分析了中国各地区的气溶胶光学厚度的时空分布特征, 主要有北方地区[14, 15]、东北地区[16]、华北地区[17~20]、东部地区[21, 22]、西北地区[23, 24]和西南地区[25, 26]等.
综上, 国内外学者对中国各地区AOD时空分布的研究取得了一定成果, 但相对于中国尺度范围的研究, 在时间序列及所采用数据上都有其不足.本研究通过分析卫星遥感观测数据, 围绕1990年以来中国地区20多年间气溶胶光学厚度变化, 从时间尺度和空间尺度上对中国地区不同地形区和气候区进行连续的趋势观测分析, 并讨论了不同类型气溶胶的时空分布, 更加准确了解中国地区气溶胶光学特性, 揭示1990~2017年20多年间AOD空间格局变化, 提高未来气候变化预测可信度, 以期为应对全球气候变化的决策提出合理依据.
1 材料与方法 1.1 研究区概况中国地区幅员辽阔, 地势西高东低, 地形复杂多样, 其中山区面积广大, 经纬度范围大致为：17°~55°N, 73°~136°E.基于中国气象局所提供的839个台站的日平均气温、相对湿度、平均气压和日照时长, 分析了中国大陆地区的气候特征.中国各地区的平均气温约为-4.78~24.99℃; 相对湿度约为29.73%~87.01%;平均气压约为562.30~1 048.70 hPa; 日照时长约为2.42~9.69 h.由于跨越的纬度范围较大, 各地区接收的总热量不一, 同时受到海拔高度、太阳高度角、云量、地势等的影响, 中国地区的平均气温、平均气压、相对湿度、日照时长都呈现由东南向西北的显著变化.
1.2 数据来源 1.2.1 气溶胶光学厚度数据MERRA2(The Modern Era Retrospective-Analysis for Research and Applications)数据集是由NASA戈达德地球科学数据和信息服务中心(GESDISC, Goddard Earth Sciences Data and Information Services Center)在融合多种气象观测资料和卫星数据基础上, 所生成的同化数据集.该数据集涵盖了气温、降水、风速、气压、湿度、地表反照率和地表反射率等多种自然地理特性数据, 本研究将提取该数据集中国地区1990~2017年的气溶胶光学厚度数据集进行分析研究. MERRA2数据的原始分辨率为0.5°(纬度)×0.625°(经度), 时间分辨率为每日, 主要使用参数包括气溶胶光学厚度(AOD, 550 nm)、沙尘气溶胶(DUAOD, 550 nm)、黑炭气溶胶(BCAOD, 550 nm)、有机碳气溶胶(OCAOD, 550 nm)、海盐气溶胶(SSAOD, 550 nm)、硫酸盐气溶胶(SO4AOD, 550 nm).
1.2.2 生态地理分区数据中国地区之间的气候特征和地形特征差异极大.为分析中国地区气溶胶光学厚度的气候学特征, 本研究引入了中国科学院资源与环境科学数据中心所提供的生态地理分区数据(http://www.resdc.cn/data.aspx?DATAID=125).该数据集按温度、湿度和地形等自然地理特征将中国地区划分为了多个温度带、干湿区和地形区, 具体分类体系可参考中国科学院资源与环境科学中心所提供的说明文档(http://www.resdc.cn/data.aspx?DATAID=125). 图 1和图 2分别为中国的干湿区分布、温度带分布和地形区分区.
|
图 1 中国地区干湿区和温度带分布示意 Fig. 1 Distribution of wet and dry zones and temperature zones in China |
|
图 2 中国地区地形区分布 Fig. 2 Distribution of the terrain area in China |
为定量分析气溶胶光学厚度时空变化趋势及其显著性, 本文选用了Man-Kendall趋势检验方法和Sen's slope变化趋势分析方法来分别分析时间序列数据的变化趋势的显著性和变化程度.
1.3.1 Man-Kendall趋势检验方法Man-Kendall趋势检验方法是一种使用较为广泛的非参数统计检验方法, 用以检验时间序列数据的变化趋势.该方法的原假设H0为时间序列数据, 由n个独立的随机变量样本组成; 备择假设为时间序列数据单调递增或递减的趋势.该检验方法通过统计原假设和备择假设正偏差的总次数来判断变化趋势的显著程度.首先, 定义检验统计量S：
|
(1) |
式中, sign为函数符号.当xj＞xi时sign(xj-xi)为1, 当xj＜xi时sign(xj-xi)为-1, 当xj=xi时sign(xj-xi)为0;当S为正数时表征上升的趋势, 负数表征下降的趋势, 零值表征无波动.检验统计量S的方差VAR(S)可通过以下公式来计算：
|
(2) |
式中, m为数据序列, to为p组数据点的数目.进一步可计算标准正态分布检验量Z, 用以评估趋势的显著性.具体公式如下：
|
(3) |
式中, Z＞0时表示存在增加趋势, Z＜0时表示存在减少趋势. Z的绝对值在大于等于1.96和2.58时表示分别通过了信度95%和99%显著性检验.
1.3.2 Sen's slope变化趋势分析方法Sen's slope趋势分析法用于分析估算时间序列数据的变化趋势度, 具体可用下列公式计算：
|
(4) |
式中, Q值的计算公式为：
|
(5) |
式中, xp和xq分别为数据在p时刻和q时刻的值(p＞q).当只有一组时间序列时, N=n(n-1)/2;当存在多组时间序列时, N＜n(n-1)/2.
2 结果与分析 2.1 气溶胶光学厚度年际时空变化图 3为1990~2017年间中国地区气溶胶光学厚度的年平均值变化曲线以及距平.可以看出, 气溶胶光学厚度整体上呈波动上升的趋势, 这与中国改革开放以来经济的飞速发展、城市迅速扩张、人口数量激增和工业污染加剧的历程有着密切的联系. 1990年初气溶胶光学厚度值剧烈上升, 主要是由于1991年6月, 东南亚菲律宾的皮纳图博火山剧烈喷发[27~29], 向亚洲地区的大气中释放了大量的烟雾和火山灰, 造成了中国全境空气中的气溶胶粒子浓度剧烈上升, AOD值从1990年的0.196上升到了历史最高值0.342. 1992~1995年, 空气中的气溶胶粒子逐渐消散, AOD值从0.342降到了0.193. 1996~1999年, 中国地区的气溶胶光学厚度值较为平稳, 保持在0.198~0.212之间.进入21世纪, 经济发展开始提速, 人类活动强度增强, 人为气溶胶排放量剧烈上升, 2000~2008年中国地区的AOD值迅速波动增加, AOD值从0.227上升到了0.297;在2007年中国共产党“十七大”把“生态文明”作为一项战略任务首次明确下来之后, 人为气溶胶排放量得到了一定的控制[30], 因此2008~2017年AOD值呈现出平稳下降的趋势, 从2008年的0.297下降到了2017年的0.256.但总体上, 中国地区气溶胶光学厚度值的slope值为正, 呈波动上升.
|
图 3 1990~2017年AOD年际变化和距平 Fig. 3 Interannual variation and spacing of AOD in 1990-2017 |
图 4为1990~2017年间中国地区AOD年均值空间分布特征, 可以看出：AOD年均值总体分布上中东部和西北部较高, 东北部和西南部较低.结合图 5中不同地形区的AOD空间分布可以看出, 四川盆地是AOD的最高值分布区, 年平均值达到了0.536, 这与该区域气候湿润且盆地地形不易气溶胶粒子扩散密切相关, 另一方面该区域人口较为密集、经济发达, 人为气溶胶排放量较大; 华北地区人口集中, 工业产业分布较为密集, 且耕地面积大, 农民季节性焚烧秸秆较多, 导致人为气溶胶排放量大, 因而该区域AOD值较高(0.509);江南地区也是高值区(0.450), 主要由于其湖泊众多, 水系发达, 暖湿气候带来的云雾天气有利于气溶胶在空气中集聚, 同时该区域人类活动强度也较大; 西北地区的塔里木与吐鲁番盆地内部为世界第二大流动沙漠塔克拉玛干沙漠, 常年多风沙天气, 空气中的沙尘气溶胶粒子极为丰富, 而且盆地地形不易该地的沙尘气溶胶粒子的扩散, 因而该区域的AOD值也较高(0.310).而在东北地区的大小兴安岭附近, 植被覆盖率高, 人类活动强度小; 青藏高原地区空气稀薄, 气候干旱, 人烟稀少, 不利于气溶胶粒子的形成和集聚, 因而在东北地区和青藏高原地区形成了AOD值的低值区(0.077).
|
图 4 1990~2017年AOD年均值空间分布 Fig. 4 Spatial distribution of the average annual value of AOD in 1990-2017 |
|
图 5 1990~2017年不同地形区的AOD空间分布 Fig. 5 Spatial distribution characteristics of AOD in different terrain areas during 1990-2017 |
图 6分别展示了1990~2017年间AOD平均值在不同的温度带和干湿区的空间分布特征.从图中可以看出, 暖湿地区更易于气溶胶粒子的形成和集聚, AOD年均值更高, 例如北亚热带湿润地区(0.483)、暖温带半湿润地区(0.359)和中亚热带湿润地区(0.404)等; 而高寒气候区的稀薄空气及干旱气候特征则不利于气溶胶粒子的形成, 是AOD年均值的低值分布区, 例如高原温带干旱地区(0.109)、高原温带半干旱地区(0.126)、高原亚寒带干旱地区(0.076)等.
|
图 6 1990~2017年不同干湿区和温度带的AOD空间分布 Fig. 6 Spatial distribution of AOD in different dry and wet zones and temperature zones in 1990-2017 |
基于重建的1990~2017年的中国地区AOD值的历史数据, 本文拟合出了研究区内的MK指数和Sen's slope指数, 用以分别表征AOD值在1990~2017年的变化趋势显著性(上升或者下降)和变化趋势大小(幅度).
图 7分别展示了中国地区AOD值的MK值、Sen's slope值的空间分布规律.其中结果显示：AOD值的MK和Sen slope值呈现出明显的由东南向西北递减的趋势.东南部及华北平原地区的AOD值呈显著地持续上升趋势, 这主要由于经济持续发展, 人为气溶胶排放量不断增加所导致.而西部地区AOD值呈不连续下降趋势, 例如西北地区的塔里木盆地附近地区MK和Sen's slope值明显高于周边地区, 主要由于该地区常年多风沙天气, 沙尘气溶胶粒子极为丰富, 且受季节变化影响较大[31]; 而在青藏高原地区人口稀少, 东北地区和新疆北部由于植被茂盛, 人类活动强度低, AOD值都呈现出了明显的下降趋势.这个结果也很好地检验了之前研究发现的AOD值在空间分布上的变化.
|
图 7 1990~2017年中国地区AOD的MK值和Sen's slope值分布 Fig. 7 MK value and Sen's slope value distribution of AOD in various regions of China during 1990-2017 |
图 8显示了中国地区1990~2017年的AOD值季节分布特征, 可以看出AOD值整体上呈现了春夏秋依次递减, 冬季再次升高的趋势.其中, 春季(3~5月)在东部地区的AOD月均值明显高于其他各月份(0.300~0.345), 主要由于春季3、4月北方地区频繁的沙尘暴天气[5, 31], 有利于气溶胶粒子的形成, 而在东南部春种开始, 人为的秸秆燃烧等也导致AOD值较高[10].夏季中国各地区的降雨量增多, 稀释了空气中的气溶胶粒子, 降低了AOD值, 但在华北平原尤其是京津冀地区, 相比于其他季节AOD值偏高[32], 主要由于夏季人类活动增强, 夏末小麦主产区的农作物秸秆燃烧所导致的[33], 因此夏季各区域的AOD值仍较高(0.243~0.276).秋季, 气温降低, 降水量减少, 空气干燥, 中国地区整体的AOD值开始降低(0.197~0.217).冬季的1、2月, 由于北方取暖而产生的燃煤排放以及不利的气象扩散条件造成AOD值有所上升[5].另外四川盆地由于秋冬季节大雾等天气原因, AOD值一直保持较高浓度.
|
图 8 中国地区AOD月均值变化 Fig. 8 Variation of the monthly average value of AOD in various regions of China |
地形和气候环境条件作为影响气溶胶光学厚度的主要因素之一, 在中国东西部地区的不同地形区和气候区呈现出了较大的季节分布差异, 整体上呈现出东南部和西北部较高, 东北部和西南部较低. 图 8中可以看出, 东部和南部的平原及丘陵地区一直是AOD高值区, 这主要与该区域较强的人类活动强度以及较高的工业发展水平有关[7].例如, 淮南与长江中下游平原(0.530)、江南丘陵(0.515)和华北平原地区(0.509)等皆为AOD的高值区, 其中四川盆地受地形的影响, 气溶胶粒子不易扩散, 且该区域人口较为密集, 人为气溶胶排放量大, 因而四川盆地一年都是AOD的最高值分布区(0.553), 1~12月每月的气溶胶光学厚度月均值分别为0.658、0.703、0.710、0.609、0.493、0.397、0.391、0.439、0.476、0.552、0.605和0.600.西北地区气候干旱, AOD值相对较低, 例如昆仑山北翼(0.133)、柴达木盆地(0.142)、阿尔泰山与塔城盆地(0.158)都是气溶胶光学厚度低值区.青藏高原地区空气稀薄, 不易于气溶胶的形成和集聚, 例如羌塘高原湖盆(0.066)、藏南山地(0.072)、阿里山地(0.738)都是气溶胶光学厚度低值区.但是夏季在西北干旱地区, 由于近地面的强沙尘天气造成了AOD值较高的现象.
3 讨论根据来源不同, 气溶胶可分为沙尘型、污染型、海洋型等不同类型, 各类型的气溶胶光学特性相差很大, 研究不同类型气溶胶的时空分布特征, 对于天气预报、环境污染、交通运输等领域有着重要的意义.本文通过选取黑炭气溶胶[图 9(a)]、沙尘气溶胶[图 9(b)]、有机碳气溶胶[图 9(c)]、海盐气溶胶[图 9(d)]和硫酸盐气溶胶[图 9(e)]这5种不同类型的气溶胶, 通过计算5类气溶胶在1990~2017年的年均值, 以及不同时间间隔下的该类气溶胶AOD年均值, 讨论其在空间中的分布规律, 如图 9.
|
图 9 不同种类气溶胶年均值分布 Fig. 9 Annual mean AOD over mainland China |
图 9所示为五类气溶胶1990~2017年均值的分布情况, 从中可以看出, 黑炭、有机碳和海盐这3类气溶胶的排放相对较少, 对区域有一定的影响但是不明显; 而沙尘气溶胶和硫酸盐气溶胶的影响较大, 其中明显看出硫酸盐气溶胶是主要的影响因素, 尤其对于中国的东部地区, 硫酸盐气溶胶排放量较大, 主要来自于二氧化硫转化过程与颗粒物中水相的氧化转化过程[34], 工业生产过程中也会产生大量的二氧化硫, 因此这与经济的发展密不可分; 沙尘气溶胶的形成很大程度上来自西北地区的塔克拉玛干沙漠, 由于沙尘暴天气频发所造成[10].近几年由于气候变化、植被破坏等生态环境变化, 风沙天气逐渐增多, 沙尘气溶胶对中国的北方地区影响也在逐年增大.
另外, 以1990、2000、2005、2010和2017年为节点, 计算5类气溶胶在该年份的均值(图 10), 结果与图 9类似, 可以看出, 海盐气溶胶对中国地区的影响一直很小, 而黑炭、有机碳类型的碳质气溶胶的形成主要来自于燃料的不完全燃烧, 但其对紫外波长到红外波长范围内光线具有强吸收作用, 因此在气溶胶含量中所占比例较小[35]. 2000年以后, 沙尘气溶胶和硫酸盐气溶胶对中国地区的影响明显增加.其中沙尘气溶胶的影响范围主要集中在干旱的西北地区[31], 干旱地区更容易产生大量的沙尘气溶胶, 并且影响在不断加深, 可能与该区域植被覆盖率下降, 生态环境恶化有关; 而硫酸盐气溶胶的影响范围主要集中在东部地区以及西南湿润地区, 随着经济发展, 人为气溶胶排放量不断增多, 影响强度也在不断加深.
|
图 10 中国地区1990、2000、2005、2010和2017年不同气溶胶的分布特征 Fig. 10 Distribution characteristics of different aerosols in 1990, 2000, 2005, 2010, and 2017 in various regions of China |
上述讨论可以得出, 沙尘气溶胶和硫酸盐气溶胶对中国地区气溶胶光学厚度分布有主要驱动作用, 两类气溶胶受空气湿度和人类活动强度影响, 具有明显的区域分布特征.在之后的研究中可对这两类气溶胶的影响因素做进一步分析, 探究其影响发展规律.
4 结论(1) 从年际尺度上看, 研究区27年间的平均AOD值整体上呈波动上升的趋势, 在空间分布上呈现明显的空间异质性, 总体呈现东南高西北低的特征.四川盆地、江南地区、西北的塔里木与吐鲁番盆地为AOD值的高值区; 青藏高原地区为AOD值的低值区.同时AOD值与温度和湿度有明显的正相关性, 暖湿地区的AOD值年均值更高, 而在高寒气候区和干旱地区则是AOD值的低值分布区.
(2) 从季节尺度上看, AOD的月均值整体呈现了春夏秋依次递减趋势.春季受沙尘天气影响AOD值最高, 夏季人类活动强度大, AOD值仍较高, 秋冬季节气温降低空气干燥, AOD值逐渐降低.同时, 地形和气候也对季节分布有较大影响.
(3) AOD值变化趋势呈现明显的东南向西北递减趋势, 与AOD值的高低值中心分布大致相似, 其中东部以及中部平原高值区的AOD值上升趋势明显, 而西北、东北地区呈明显的下降趋势.这说明经济的快速发展下人类活动对AOD值有着显著影响.
(4) 黑炭、有机碳和海盐这3类AOD值在中国地区的排放相对较少, 对区域有一定的影响但是不明显, 沙尘气溶胶和硫酸盐气溶胶是主要影响因子, 它们受空气湿度和人类活动强度影响, 具有明显的区域分布特征.
| [1] | Xue Y, He X W, de Leeuw G, et al. Long-time series aerosol optical depth retrieval from AVHRR data over land in north China and central Europe[J]. Remote Sensing of Environment, 2017, 198: 471-489. DOI:10.1016/j.rse.2017.06.036 |
| [2] | He L J, Wang L C, Lin A W, et al. Performance of the NPP-VⅡRS and Aqua-MODIS aerosol optical depth products over the Yangtze River Basin[J]. Remote Sensing, 2018, 10(1): 117. |
| [3] |
延昊, 矫梅燕, 毕宝贵, 等. 国内外气溶胶观测网络发展进展及相关科学计划[J]. 气象科学, 2006, 26(1): 110-117. Yan H, Jiao M Y, Bi B G, et al. Advances in aerosol observation network and corresponding science plan[J]. Scientia Meteorologica Sinica, 2006, 26(1): 110-117. DOI:10.3969/j.issn.1009-0827.2006.01.016 |
| [4] | Freemantle J, O'Neill N, Royer A, et al. AEROCAN: The Canadian sunphotometer network[A]. Proceedings of the 2005 IEEE Workshop on Remote Sensing of Atmospheric Aerosols[C]. Tucson, AZ, USA: IEEE, 2005. 32-35. |
| [5] | Che H Z, Zhang X Y, Chen H B, et al. Instrument calibration and aerosol optical depth validation of the China aerosol remote sensing network[J]. Journal of Geophysical Research:Atmospheres, 2009, 114(D3): D03206. |
| [6] | Xu X F, Qiu J H, Xia X G, et al. Characteristics of atmospheric aerosol optical depth variation in China during 1993-2012[J]. Atomospheric Environment, 2015, 119: 82-94. DOI:10.1016/j.atmosenv.2015.08.042 |
| [7] |
薛文博, 武卫玲, 王金南, 等. 中国气溶胶光学厚度时空演变特征分析[J]. 环境与可持续发展, 2013, 38(4): 17-20. Xue W B, Wu W L, Wang J N, et al. Analysis of temporal and spatial evolution characteristics of aerosol optical thickness in China[J]. Environment and Sustainable Development, 2013, 38(4): 17-20. DOI:10.3969/j.issn.1673-288X.2013.04.005 |
| [8] | Luo Y X, Zheng X B, Zhao T L, et al. A climatology of aerosol optical depth over China from recent 10 years of MODIS remote sensing data[J]. International Journal of Climatology, 2014, 34(3): 863-870. DOI:10.1002/joc.3728 |
| [9] |
郑小波, 罗宇翔, 赵天良, 等. 中国气溶胶分布的地理学和气候学特征[J]. 地理科学, 2012, 32(3): 265-272. Zheng X B, Lou Y X, Zhao T L, et al. Geographical and climatological characterization of aerosol distribution in China[J]. Scientia Geographica Sinica, 2012, 32(3): 265-272. |
| [10] |
千家乐, 刘朝顺. 胡焕庸线两侧气溶胶光学厚度时空分布特征及其与土地利用响应的研究[J]. 环境科学学报, 2018, 38(2): 752-760. Qian J L, Liu C S. Distributions and changes of aerosol optical depth on both sides of HU Huanyong Line and the response to land use and land cover[J]. Acta Scientiae Circumstantiae, 2018, 38(2): 752-760. |
| [11] |
罗云峰, 吕达仁, 周秀骥, 等. 30年来我国大气气溶胶光学厚度平均分布特征分析[J]. 大气科学, 2002, 26(6): 721-730. Luo Y F, Lu D R, Zhou X J, et al. Analyses on the spatial distribution of aerosol optical depth over China in recent 30 years[J]. Chinese Journal of Atmospheric Sciences, 2002, 26(6): 721-730. |
| [12] |
罗云峰, 吕达仁, 李维亮, 等. 近30年来中国地区大气气溶胶光学厚度的变化特征[J]. 科学通报, 2000, 45(5): 549-554. Lou Y F, Lü D R, Li W L, et al. Characteristics of atmospheric aerosol optical depth variation over China in recent 30 years[J]. Chinese Science Bulletin, 2000, 45(14): 1328-1334. |
| [13] | Zhang Z Y, Wu W L, Wei J, et al. Aerosol optical depth retrieval from visibility in China during 1973-2014[J]. Atmospheric Environment, 2017, 171: 38-48. DOI:10.1016/j.atmosenv.2017.09.004 |
| [14] | Li S S, Chen L F, Tao J H, et al. Retrieval of aerosol optical depth over bright targets in the urban areas of north China during winter[J]. Science China Earth Sciences, 2012, 55(9): 1545-1553. DOI:10.1007/s11430-012-4432-1 |
| [15] |
齐玉磊, 葛觐铭, 黄建平. 北方地区MODIS和MISR与AERONET气溶胶光学厚度的比较及其时空分布分析[J]. 科学通报, 2013, 58(17): 1670-1679. Qi Y L, Ge J M, Huang J P. Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET[J]. Chinese Science Bulletin, 2013, 58(20): 2479-2506. |
| [16] |
张宸赫, 赵天良, 王富, 等. 2003~2014年东北三省气溶胶光学厚度变化分析[J]. 环境科学, 2017, 38(2): 476-484. Zhang C H, Zhao T L, Wang F, et al. Variations in aerosol optical depth over three northeastern Provinces of China, in 2003-2014[J]. Environmental Science, 2017, 38(2): 476-484. |
| [17] |
李龙, 施润和, 张璐, 等. 华东地区MODIS与OMI气溶胶光学厚度数据融合[J]. 地球信息科学学报, 2015, 17(10): 1224-1233. Li L, Shi R H, Zhang L, et al. Data fusion of MODIS AOD and OMIAOD over east China using universal kriging[J]. Journal of Geo-information Science, 2015, 17(10): 1224-1233. |
| [18] |
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. |
| [19] | Wang H, Yang L K, Deng A J, et al. Remote sensing of aerosol optical depth using an airborne polarimeter over north China[J]. Remote Sensing, 2017, 9(10): 979. DOI:10.3390/rs9100979 |
| [20] | Qie L L, Li Z Q, Sun X B, et al. Improving remote sensing of aerosol optical depth over land by polarimetric measurements at 1640 nm:Airborne test in north China[J]. Remote Sensing, 2015, 7(5): 6240-6256. DOI:10.3390/rs70506240 |
| [21] |
李嘉伟, 韩志伟. 中国东部气溶胶光学厚度季节变化的数值模拟[J]. 遥感学报, 2016, 20(2): 205-215. Li J W, Han Z W. Numerical simulation of the seasonal variation of aerosol optical depth over eastern China[J]. Journal of Remote Sensing, 2016, 20(2): 205-215. |
| [22] | Lin J T, van Donkelaar A, Xin J Y, et al. Clear-sky aerosol optical depth over east China estimated from visibility measurements and chemical transport modeling[J]. Atmospheric Environment, 2014, 95: 258-267. DOI:10.1016/j.atmosenv.2014.06.044 |
| [23] | Di A J, Xue Y, Yang X H, et al. Dust aerosol optical depth retrieval and dust storm detection for Xinjiang Region using Indian national satellite observations[J]. Remote Sensing, 2016, 8(9): 702. DOI:10.3390/rs8090702 |
| [24] |
胡俊, 亢燕铭, 陈勇航, 等. 基于MODIS_C006的乌鲁木齐10年气溶胶光学厚度变化特征[J]. 环境科学, 2018, 39(8): 3563-3570. Hu J, Kang Y M, Chen Y H, et al. Analysis of aerosol optical depth variation characteristics for 10 years in Urumqi based on MODIS_C006[J]. Environmental Science, 2018, 39(8): 3563-3570. |
| [25] |
张天宇, 王勇, 程炳岩. 1961-2013年四川盆地气溶胶光学厚度的长期变化及与气温的联系[J]. 环境科学学报, 2017, 37(3): 793-802. Zhang T Y, Wang Y, Cheng B Y. Long-term variation of aerosol optical depth over Sichuan Basin of China during 1961-2013 and its relationship with temperature[J]. Acta Scientiae Circumstantiae, 2017, 37(3): 793-802. |
| [26] | Liu X Y, Chen Q L, Che H Z, et al. Spatial distribution and temporal variation of aerosol optical depth in the Sichuan basin, China, the recent ten years[J]. Atmospheric Environment, 2016, 147: 434-445. DOI:10.1016/j.atmosenv.2016.10.008 |
| [27] | Toohey M, Sigl M. Volcanic stratospheric sulfur injections and aerosol optical depth from 500 BCE to 1900 CE[J]. Earth System Science Data, 2017, 9(2): 809-831. DOI:10.5194/essd-9-809-2017 |
| [28] | Skouratov S. Influence of the Pinatubo eruption on the aerosol optical depth in the Arctic in the summer of 1993[J]. Atmospheric Research, 1997, 44(1-2): 125-132. DOI:10.1016/S0169-8095(97)00006-9 |
| [29] | Langmann B. On the role of climate forcing by Volcanic Sulphate and Volcanic Ash[J]. Advances in Meteorology, 2014, 2014: 340123. |
| [30] | He L J, Wang L C, Lin A W, et al. What drives changes in aerosol properties over the Yangtze River Basin in past four decades?[J]. Atmospheric Environment, 2018, 190: 269-283. DOI:10.1016/j.atmosenv.2018.07.034 |
| [31] |
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. |
| [32] |
纪晓璐, 廉丽姝. 京津冀辽鲁地区气溶胶光学厚度时空变化特征[J]. 山东师范大学学报(自然科学版), 2017, 32(1): 118-123. Ji X L, Lian L S. Temporal and spatial variation charactistics of aerosol in the circum-bohai-sea region[J]. Journal of Shandong Normal University(Natural Science), 2017, 32(1): 118-123. DOI:10.3969/j.issn.1001-4748.2017.01.022 |
| [33] | Xia X, Che H, Zhu J, et al. Ground-based remote sensing of aerosol climatology in China:Aerosol optical properties, direct radiative effect and its parameterization[J]. Atmospheric Environment, 2016, 124: 243-251. DOI:10.1016/j.atmosenv.2015.05.071 |
| [34] |
黄丹丹, 周敏, 余传冠, 等. 长三角淳安地区二次颗粒物污染形成机制[J]. 环境科学, 2018, 39(12): 5308-5314. Huang D D, Zhou M, Yu C G, et al. Physiochemical properties of the aerosol particles and their impacts on secondary aerosol formation at the background site of the Yangtze River Delta[J]. Environmental Science, 2018, 39(12): 5308-5314. |
| [35] |
牟臻, 陈庆彩, 王羽琴, 等. 西安市PM2.5中碳质气溶胶污染特征[J]. 环境科学, 2019, 40(4): 1-15. Mou Z, Chen Q C, Wang Y Q, et al. Characteristics of carbonaceous aerosol pollution in PM2.5 in Xi'an[J]. Environmental Science, 2019, 40(4): 1-15. |