2019, Vol. 40
2. 四川省气候中心, 成都 610072;
3. 高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610072
2. Sichuan Climate Center, Chengdu 610072, China;
3. Sichuan Provincial Main Laboratory of Heavy Rain and Drought Disaster in Plateau and Basin, Chengdu 610072, China
大气气溶胶在地球辐射平衡和气候变化中扮演着重要角色.气溶胶粒子通过散射、吸收太阳短波辐射以及吸收地面长波辐射改变地-气系统辐射平衡的过程称为直接辐射效应；气溶胶粒子通过影响云的微物理特性、光学性质、生命周期、沉淀效率以及辐射特性改变地-气系统辐射平衡的过程称为间接辐射效应[1, 2].不同效应的产生取决于气溶胶粒子的大小、形状、类型、化学成分、混合状态及周边大气环境[3~6].气溶胶通过影响大气中的物理和化学过程, 对温室气体的浓度、分布及水循环产生重要影响, 进而可能导致环境和公共健康问题[7~10].尽管相关研究已经对气溶胶来源、性质和演化过程等方面做了大量分析, 但气溶胶光学特性参数(特别是气溶胶光学厚度)仍是当前全球气候变化评估中最大的不确定因素之一[11~13].
气溶胶光学厚度(aerosol optical depth, AOD)作为最基本的光学参数之一, 因能反映整层大气气溶胶的消光作用被广泛地作为评估空气污染程度的关键参数, 同时, AOD作为纵向整合量可以反映气溶胶浓度和气溶胶对地球辐射的影响.目前, 地基和卫星遥感是长期观测气溶胶特性的两种重要手段[14].然而, 由于地面观测网分布较为稀疏, 各种相关仪器难以在全球范围内实现对气溶胶特性和浓度进行连续观测.近几十年来, 利用卫星遥感反演获取气溶胶光学参数已得到了越来越多的应用.其中, 中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS)的全球气溶胶观测产品因具有较高的空间覆盖率和时间分辨率(接近连续的逐日时间)以及准确地反演算法, 已广泛运用于气溶胶领域研究.
随着格局-尺度-驱动力的范式在环境学等学科领域的广泛应用, 学者们对AOD开展了许多探索, Qiu等[15]通过估算宽带消光法反演了北京等9个地区的气溶胶光学厚度；罗云峰等[16~18]利用太阳辐射日总量和日照时数等资料, 反演了中国各观测站0.75 μm大气气溶胶光学厚度；李成才等[19]利用卫星资料对中国部分区域的气溶胶光学特征进行了研究[20~22]；Kim等[23]利用MODIS产品分析了2000~2005年东亚气溶胶光学特性的月际变化特征. Zhang等[24]用Terra和Aqua卫星的MODIS资料, 分析了近10年全球海上AOD的季节和年际间变化趋势.目前, 多见于较小区域、较短时间的AOD时空分布和变化趋势研究[20, 25], 相对少见于大区域、较长时间的AOD时空分布和变化趋势研究.此外, 我国在近20年的不同时间节点发布了多项减排政策, 分析AOD在不同时期的变化趋势也将给相关部门评估减排措施效率提供一定的科学依据.本文使用最新发布的融合了暗像元法(DT)与深蓝算法(DB)的MODIS/Terra C6.1版本的550 nm AOD月产品数据(空间分辨率为1°×1°), 分析了2001年到2017年我国AOD的时空分布特征及不同时期的变化趋势, 以期为了解中国大气气溶胶光学厚度的时空变化规律提供方法参考.
1 材料与方法 1.1 MODIS C6.1 AOD数据MODIS传感器具有36个离散光谱段, 光谱范围从0.41~14.5 μm, 视场宽度为2330 km, 空间分辨率为1 km, 这些功能可以准确有效地反演陆地和海洋上的AOD[26, 27].最新的C6.1 MODIS气溶胶产品提供了用于反演陆地和海洋上的气溶胶特性的精确算法, 特别是适用于沙漠、高原和干旱地区等亮地表下垫面的扩展深蓝算法尤为重要[28, 29], C6.1采用融合的DT/DB产品, 该产品从海洋到沙漠都可生成涵盖多种表面类型的数据集, 不仅包括标准的10 km气溶胶产品, 还包括3km的全球(DT-陆地和DT-海洋)气溶胶产品[30].相对于全球自动观测网(Aerosol Robotic Network, AERONET)光学厚度(τAERONET), C6.1 DT-陆地期望误差为±(0.05+0.15)τAERONET, 相对于MODIS光学厚度(τMODIS), C6.1 DB期望误差约为±(0.03+0.20)τMODIS[28].此外, MODIS Terra蓝色通道的偏移已经从C5校正到C6[29].通过与中国地区AERONET地面观测结果对比评估, 及对MODIS DT/DB C6.1 AOD产品的性能进行评估, 结果表明从DT中收到的AOD远高于DB, AOD季节平均值在中国东部超过0.30~0.40[31].
1.2 研究区域本文对MODIS反演得到的我国2001~2017年AOD时空变化趋势进行了分析.由于我国面积辽阔, 下垫面情况复杂, 本文选取全国8个不同的典型区域, 来分别分析AOD的长期变化趋势.如图 1所示, 本文分析的8个区域分别位于：①东北地区、②塔克拉玛干沙漠地区、③内蒙古地区、④华北平原、⑤四川盆地、⑥华中地区、⑦长三角地区和⑧珠三角地区.
|
图 1 中国地形及典型区域 Fig. 1 National terrain and typical areas |
通过月平均AOD数据计算出年平均AOD值和季节平均AOD值, 以2001~2017年的MODIS Terra C6.1数据统计分析全国区域AOD分布状况, 并采用最小二乘法分析其变化趋势.最小二乘法是一种参数估计的基本方法, 其出发点是认为最适合的曲线会使估计误差的平方和最小, 利用最小二乘法原理对直线型(Y=kX+b)的方程参数进行估计：令 
|
(1) |
根据MODIS Terra C6.1的DT/DB AOD组合数据的月平均值计算得出了2001~2017年全国多年平均的AOD空间分布.如图 2 (a)所示, 2001~2017年我国AOD的分布形势呈现出明显的高、中、低值中心. AOD高值(0.65~1.00)区域位于华北平原、华中地区中北部、长三角地区中北部、珠三角地区及四川盆地.这些区域是我国人口最密集, 工业化程度最高且海拔较低的地区, 人类活动导致气溶胶局地排放量增加, 其中细粒子占较高比例[32]. AOD中值(0.35~0.60)区域位于塔克拉玛干沙漠地区、黄土高原中北部、东北地区中部和云贵地区, 其中塔克拉玛干沙漠是高浓度的天然气溶胶源地, 沙漠尘埃占主导地位. AOD低值(< 0.25)区域主要分布在内蒙古至东北地区北部以及我国西北部(新疆北部、青海)和西南部(青藏高原).
|
图 2 2001~2017年全国年均AOD空间分布及区域平均AOD值 Fig. 2 Annual mean AOD spatial distribution over China and regional mean AOD value for the period 2001-2017 |
图 2 (b)为2001~2017年全国8个典型区域AOD平均值的情况, 最高值出现在华中地区(0.72±0.11), 其次是长三角地区(0.69±0.19), 再次是华北平原(0.66±0.27), 往后依次为四川盆地(0.56±0.25)、珠三角地区(0.54±0.09)、塔克拉玛干沙漠地区(0.34±0.10)、东北地区(0.28±0.08)和内蒙古地区(0.22±0.04).
我国主要有两种气溶胶来源：一是我国东部地区的人为排放, 二是我国西北沙漠地区的天然粉尘.华北平原、长三角地区和珠三角地区以人为源气溶胶占主导, 塔克拉玛干沙漠地区以自然源气溶胶为主, 这两个主要的气溶胶源地之间的区域从我国东北部延伸到青藏高原, 内蒙古地区中东部和东北北部地区因天然密林覆盖使得气溶胶浓度较低, 西北地区(新疆北部、青海)和西南地区(青藏高原)等中西部地区人口稀少且工业气溶胶排放有限, 这些地区的气溶胶浓度较低, 主要受气溶胶源地输送影响[33], 将此类自然源气溶胶和人为源气溶胶浓度都较低的地区视为气溶胶受体区域.从气溶胶源地到受体区域的传输过程较为复杂, 通常影响气溶胶源地与受体区域之间传输过程的因素可分为两类：排放因子和气象因子[34, 35].排放因子主要包含污染源的排放强度及化学转化；气象因子主要控制从源地到受体区域的传输途径、边界层和对流层之间的物质交换以及传输途径中发生的清除过程.
2.2 全国AOD时空分布的季节变化图 3为全国AOD季节平均后的空间分布, AOD中心强度呈现各自区域的季节变化.春季, 全国AOD呈现两低两高的区域分布特征, 低值中心分别位于川西高原和准格尔盆地, 高值中心分别位于塔克拉玛干沙漠地区以及四川盆地至我国中东部地区(华中地区-珠三角地区-长三角北部地区-华北平原).夏季, 全国AOD两低两高的区域分布特征基本不变, 塔克拉玛干沙漠地区AOD开始降低, AOD低值区域扩展至我国西部大部地区(青藏高原-青海-新疆北部)；高值区域范围开始缩小, 集中在四川盆地以及华北平原-华中地区-长三角部分地区, 污染程度加深.秋、冬季, AOD低值区域延伸至内蒙古地区和东北地区北部, 华北平原、华中地区和长三角地区AOD降低, AOD高值区范围明显缩小, 且较分散.
|
图 3 2001~2017全国季节平均AOD空间分布 Fig. 3 Seasonal mean AOD over China for the period 2001-2017 |
图 4为典型区域平均AOD的季节和年际变化, 8个典型区域AOD存在较大的季节性差异, 根据每个区域的变化特点, 可归为3种主要类型：第一种类型的特征为春、夏季AOD达到高峰, 春季最高, 如：塔克拉玛干沙漠地区、四川盆地和珠三角地区, 春季是我国西北地区沙尘输送的高峰, 塔克拉玛干沙漠作为我国西北部较大的干旱半干旱地区以及天然气溶胶的主要源地[34], AOD峰值出现在春季与其在春季经常发生沙尘暴事件有关[36, 37], 加之高浓度的生物材料燃烧和自然表面的扬尘, 春季是上述地区污染最严重的季节.第二种类型的特征为春、夏季AOD达到高峰, 夏季最高, 如华北平原和长三角地区, 这可能是由于夏季的高温和丰富的水汽含量以及更易发生的光化学反应导致[32, 38].此外, 华北平原是小麦的主要产区, 夏季是小麦的收获季节, 大量的秸秆燃烧也是造成该地夏季AOD较高的原因之一.华北平原AOD在夏(冬)季出现高峰(低谷)与地面监测的污染物浓度结果相反, 这是由于地面监测和反演过程均存在一定的不确定因素, 二者容易出现较大的偏差[26].相关研究表明：对华北平原而言, 地面监测和MODIS AOD的季节性变化差异较大, 趋势几近相反.一方面由于夏季降雨增多且扩散条件变好, 污染物近地面浓度较低且垂直分布较均匀, 造成地面监测结果较低, 加之夏季盛行偏南风, 北部地区“马蹄形”大地形结构会抑制南来污染物向北输送, 同时, 高温高湿条件使“气-粒”转换作用以及气溶胶粒子吸湿增长过程更易发生, 污染物在华北平原上空堆积[39], 使得反演出的华北平原夏季AOD较高.另一方面也由于冬季排放源增加且扩散条件转差, 导致近地面污染物浓度增加且垂直分布不均匀, 同时, 冬季地表覆盖情况的改变不满足暗像元法[42], 使得反演出的华北平原冬季AOD较低.第三种类型的特点是四季平均AOD都相对偏低, 如东北地区和内蒙古地区, 两地4季的AOD均值大多低于0.4.冬季在东北地区北部和北蒙古地区东北部存在AOD缺失, 这与MODIS AOD的反演算法有关. MODIS AOD的反演算法采用暗像元法, 暗像元包括陆地上的植被、湿土壤和水体覆盖区.上述地区冬季由于天气因素, 植被覆盖面积减小, 有时地面被雪覆盖形成了较亮的下垫面背景, 反射率发生变化, 与暗像元法的要求差距较大, 这成为冬季MODIS AOD缺失的重要原因之一[40~43].
|
(a)东北；(b)；塔克拉玛干沙漠；(c)内蒙古；(d)华北平原；(e)四川盆地；(f)华中；(g)长三角；(h)珠三角 图 4 2001~2017年典型区域平均AOD与季节和年份的关系 Fig. 4 Regional-averaged AOD distribution in relation to season and year in typical areas for the period 2001-2017 |
图 5为全国AOD各月平均后的空间分布. 1月AOD高值区范围较小且分散. 2月AOD高值区范围开始扩展并集中在华北平原、华中地区、四川盆地以及长三角地区北部. 3~4月, 塔克拉玛干沙漠地区AOD开始增长并达到峰值, AOD高值区范围进一步扩展至珠三角地区, 5~7月塔克拉玛干沙漠地区与珠三角地区AOD高值中心逐渐瓦解, 中东部地区的AOD高值区范围逐渐缩小至华北平原、华中地区和长三角北部地区, 高值中心污染程度进一步加深. 8~12月, 中东部地区的AOD高值中心开始自北向南分散并逐步瓦解.
|
图 5 2001~2017年全国逐月平均AOD空间分布 Fig. 5 Monthly mean AOD over China for the period 2001-2017 |
图 6为区域平均AOD的月际变化, 8个典型区域AOD的低谷都出现在12月至次年1月.内蒙古地区和东北地区的AOD各月均值较低且变化幅度较小.塔克拉玛干沙漠地区AOD月际变化呈现单峰型, 4月达到峰值.四川盆地和珠三角地区的月际变化呈现双峰型, 两地AOD分别在3~4月和8~9月出现第一峰值和第二峰值；5~7月四川盆地受孟加拉湾西南气流影响, AOD逐渐降低.珠三角地区进入华南前汛期后, 降雨对气溶胶的冲刷作用使AOD迅速降低, 8月副热带高压北抬, 雨带逐渐北移, 珠三角地区AOD出现次高峰. 6月华中地区和长三角地区AOD达到峰值, 伴随长江中下游进入梅雨期[44], 华中地区和长三角地区的AOD逐渐降低. 6~7月华北平原处于秸秆焚烧的高峰期[45], 有研究利用MODIS卫星火点产品分析了中国地区农作物燃烧排放情况, 结果表明华北平原地区夏季火点数多而密集[46], 因而华北平原AOD在6~7月达到高峰, 进入华北雨季后, 兼受大尺度天气系统南移过程中阻止污染物向北输送的影响, 华北平原AOD迅速降低.
|
图 6 2001~2017年典型区域平均AOD与月份的关系 Fig. 6 Regional-averaged AOD distribution in relation to month in typical areas for the period 2001-2017 |
图 7为全国AOD变化趋势空间分布, 2001~2017年全国大部分地区AOD呈现弱的下降趋势, 仅东北地区北部、山东半岛以及准格尔盆地呈小幅度增长. 2001~2017年春、夏季AOD变化趋势的空间分布与年均AOD变化趋势的空间分布大致相同, 变化程度略有加深, 其中, 春季AOD呈下降趋势的范围相对于年均AOD在长江以北(南)略有增大(减小), 夏季AOD在东北地区北部的增长趋势有所增强. 2001~2017年秋、冬季AOD变化趋势在长江以北主要呈小幅增长, 在长江以南主要呈降低, 秋季AOD变化程度相对于冬季更大.为了进一步探究全国AOD变化趋势的时空分布, 将整个时间序列分为3段, 分别为：2001~2006年、2007~2012年和2013~2017年, 从春季(图 8)、夏季(图 9)、秋季(图 10)和冬季(图 11)分析全国区域AOD变化趋势.
|
图 7 4个时期的全国年均AOD变化趋势的空间分布 Fig. 7 Spatial distribution of annual mean AOD trends during the four periods |
|
图 8 4个时期的全国春季平均AOD变化趋势的空间分布 Fig. 8 Spatial distribution of spring mean AOD trends during the four periods |
|
图 9 4个时期的全国夏季平均AOD变化趋势的空间分布 Fig. 9 Spatial distribution of summer mean AOD trends during the four periods |
|
图 10 4个时期的全国秋季平均AOD变化趋势的空间分布 Fig. 10 Spatial distribution of autumn mean AOD trends during the four periods |
|
图 11 4个时期的全国冬季平均AOD变化趋势的空间分布 Fig. 11 Spatial distribution of winter mean AOD trends during the four periods |
2001~2006年, 我国西北地区中北部和内蒙古地区西部年均AOD变化趋势呈现小幅减少, 我国中东部地区和西南地区东部年均AOD变化趋势呈现增长, 尤其是华北平原和四川盆地增幅较大. 2001~2006年春季, AOD升高的区域主要集中在山东半岛、华中地区以及四川盆地, AOD下降的区域主要集中在内蒙古地区西部和新疆东北部. 2001~2006年夏季, 我国西南地区东部及黄土高原中南部AOD保持增长且幅度加大. 2001~2006年秋季, 季节平均AOD变化趋势的空间分布与年均AOD变化趋势的空间分布较为一致, 我国中东部地区AOD以增长趋势为主, 升高区域幅度进一步加大. 2001~2006年冬季, 我国西南地区南部、黄土高原西部以及山东半岛AOD呈小幅增长, 青藏高原西北部AOD呈现小幅减少.
2007~2012年内蒙古西部年均AOD仍呈减少趋势, 新疆北部及青藏高原西北部年均AOD变化趋势转为增长, 华北平原年均AOD增幅略有减小, 长三角地区年均AOD变化趋势转为弱的下降. 2007~2012年春季, 青藏高原西北部AOD变化趋势以弱的增长为主, 华中地区AOD变化趋势以弱的减少为主. 2007~2012年夏季, 东北地区北部和珠三角地区AOD呈明显的增长趋势. 2007~2012年秋季, 我国西北地区中部和东北地区北部AOD主要呈较弱的增长趋势. 2007~2012年冬季, 我国AOD变化趋势的空间分布与秋季相似, 青藏高原西部AOD增长幅度相对于秋季更为明显, 内蒙古地区西部AOD变化呈弱的降低.
2013~2017年全国年均AOD以下降趋势为主, 我国中东部地区、西北部地区和西南地区东部年均AOD下降趋势较为显著, 青藏高原西北部AOD下降趋势较弱. 2013~2017年春季, AOD变化趋势的空间分布与年均AOD变化趋势的空间分布大致相同, 我国西北地区及内蒙古地区西部AOD下降趋势增强. 2013~2017年夏季, 我国中东部地区AOD呈较强下降趋势的范围缩小, 我国西北地区AOD下降趋势减弱. 2013~2017年秋季, 我国西南地区东部、青藏高原中西部、新疆地区以及内蒙古西部地区AOD下降趋势再次增强. 2013~2017年冬季, 我国中东部地区AOD维持较明显的下降趋势, 四川盆地及青藏高原中西部地区AOD下降趋势减弱.
3 结论(1) 研究时段内年我国平均AOD分布存在两个高值中心, 第一高值区位于华北平原-长三角地区-华中地区和四川盆地(0.65~1.00).第二高值区位于新疆南部的塔克拉玛干沙漠地区(0.35~0.60). AOD的两个低中心分别位于东北地区北部-内蒙古地区以及青藏高原, 全国8个典型区域中, AOD的最高值位于华中地区(0.72±0.11), 其次是长三角地区(0.69±0.19), 再次是华北平原(0.66±0.27), 往后依次为四川盆地(0.56±0.25)、珠三角地区(0.54±0.09)、塔克拉玛干沙漠地区(0.34±0.10)、东北地区(0.28±0.08)和内蒙古地区(0.22±0.04).
(2) AOD空间分布的季节变化特征可归为3种主要类型, 第一种类型为春、夏季平均AOD比其它季节更高, 春天最高, 如塔克拉玛干沙漠地区、四川盆地和珠三角地区；第二种类型为春、夏季平均AOD比其它季节更高, 夏季最高，如华北平原和长三角地区; 第三种类型的特点是四季平均AOD都相对偏低, 如东北地区和内蒙古地区.
(3) 塔克拉玛干沙漠地区AOD在3~4月出现峰值, 四川盆地、珠三角地区AOD分别在3~4月和8~9月出现第一峰值和第二峰值, 华中地区和长三角地区AOD在5~6月出现峰值, 华北平原AOD在7月出现峰值.
(4) 2001~2017年全国大部分地区AOD呈现弱的下降趋势, 仅东北地区北部、山东半岛以及准格尔盆地呈小幅度增长.其中, 2001~2006年, 我国西北地区中北部和内蒙古地区西部年均AOD变化趋势呈现小幅减少, 我国中东部地区和西南地区东部年均AOD变化趋势呈现增长. 2007~2012年内蒙古西部年均AOD仍呈减少趋势, 新疆北部及青藏高原西北部年均AOD变化趋势转为增长, 华北平原年均AOD增幅略有减小, 长三角地区年均AOD变化趋势转为弱的下降. 2013~2017年全国年均AOD以下降趋势为主, 我国中东部地区、西北部地区、西南地区东部年均AOD下降趋势较为显著, 青藏高原西北部AOD下降趋势较弱.
| [1] | Ramanathan V, Li F, Ramana M V, et al. Atmospheric brown clouds: Hemispherical and regional variations in long-range transport, absorption, and radiative forcing[J]. Journal of Geophysical Research-Atmospheres, 2007, 112(D22): D22S21. |
| [2] | Li Z Q, Niu F, Fan J W, et al. Long-term impacts of aerosols on the vertical development of clouds and precipitation[J]. Nature Geoscience, 2011, 4(12): 888-894. DOI:10.1038/ngeo1313 |
| [3] | Charlson R J, Schwartz S E, Hales J M, et al. Climate forcing by anthropogenic aerosols[J]. Science, 1992, 255(5043): 423-430. DOI:10.1126/science.255.5043.423 |
| [4] | Gui K, Che H Z, Chen Q L, et al. Aerosol optical properties based on ground and satellite retrievals during a serious haze episode in December 2015 over Beijing[J]. Atmosphere, 2016, 7(5): 70. DOI:10.3390/atmos7050070 |
| [5] | Rosenfeld D, Lohmann U, Raga G B, et al. Flood or drought: how do aerosols affect precipitation?[J]. Science, 2008, 321(5894): 1309-1313. DOI:10.1126/science.1160606 |
| [6] | Claquin T, Schulz M, Balkanski Y, et al. Uncertainties in assessing radiative forcing by mineral dust[J]. Tellus B: Chemical and Physical Meteorology, 1998, 50(5): 491-505. DOI:10.3402/tellusb.v50i5.16233 |
| [7] | Gui K, Che H Z, Chen Q L, et al. Water vapor variation and the effect of aerosols in China[J]. Atmospheric Environment, 2017, 165: 322-335. DOI:10.1016/j.atmosenv.2017.07.005 |
| [8] |
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. Climatology 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. |
| [9] | Tie X X, Wu D, Brasseur G. Lung cancer mortality and exposure to atmospheric aerosol particles in Guangzhou, China[J]. Atmospheric Environment, 2009, 43(14): 2375-2377. DOI:10.1016/j.atmosenv.2009.01.036 |
| [10] | Schäfer K, Thomas W, Peters A, et al. Influences of the 2010 Eyjafjallajökull volcanic plume on air quality in the northern Alpine region[J]. Atmospheric Chemistry and Physics, 2011, 11(16): 8555-8575. DOI:10.5194/acp-11-8555-2011 |
| [11] | Ramanathan V, Crutzen P J, Lelieveld J, et al. Indian Ocean experiment: an integrated analysis of the climate forcing and effects of the great Indo-Asian haze[J]. Journal of Geophysical Research: Atmospheres, 2001, 106(D22): 28371-28398. DOI:10.1029/2001JD900133 |
| [12] | Susan S, Qin D H, Martin M, et al. Intergovernmental panel on climate change (IPCC). Climate Change 2007: The Physical Scientific Basis[M]. New York, NY, USA: Cambridge University Press, 2007: 996. |
| [13] | Stocker T F, Qin D, Plattner G K, et al. Intergovernmental Panel on Climate Change (IPCC). Climate change 2013: the physical science basis[M]. Cambridge: Cambridge University Press, 2013: 1535. |
| [14] | Che H, Zhang X Y, Xia X, et al. Ground-based aerosol climatology of China: aerosol optical depths from the China aerosol remote sensing network (CARSNET) 2002-2013[J]. Atmospheric Chemistry and Physics, 2015, 15(13): 7619-7652. DOI:10.5194/acp-15-7619-2015 |
| [15] | Qiu J H, Yang L Q. Variation characteristics of atmospheric aerosol optical depths and visibility in North China during 1980-1994[J]. Atmospheric Environment, 2000, 34(4): 603-609. DOI:10.1016/S1352-2310(99)00173-9 |
| [16] |
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. |
| [17] |
罗云峰, 李维亮, 周秀骥. 20世纪80年代中国地区大气气溶胶光学厚度的平均状况分析[J]. 气象学报, 2001, 59(1): 77-87. Luo Y F, Li W L, Zhou X J. Analyses of the 1980's atmospheric aerosol optical depth over China[J]. Acta Meteorologica Sinica, 2001, 59(1): 77-87. |
| [18] |
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. Luo Y F, Lü D R, He Q, et al. Characteristics of atmospheric aerosol optical depth variation over China in recent 30 years[J]. Chinese Science Bulletin, 2000, 45(14): 1328-1334. |
| [19] |
李成才, 毛节泰, 刘启汉, 等. 利用MODIS研究中国东部地区气溶胶光学厚度的分布和季节变化特征[J]. 科学通报, 2003, 48(19): 2094-2100. Li C C, Mao J T, Lua K H A, et al. Characteristics of distribution and seasonal variation of aerosol optical depth in eastern China with MODIS products[J]. Chinese Science Bulletin, 2003, 48(22): 2488-2495. |
| [20] |
段靖, 毛节泰. 长江三角洲大气气溶胶光学厚度分布和变化趋势研究[J]. 环境科学学报, 2007, 27(4): 537-543. Duan J, Mao J T. Study on the distribution and variation trends of atmospheric aerosol optical depth over the Yangtze River Delta[J]. Acta Scientiae Circumstantiae, 2007, 27(4): 537-543. DOI:10.3321/j.issn:0253-2468.2007.04.002 |
| [21] |
关佳欣, 李成才. 我国中、东部主要地区气溶胶光学厚度的分布和变化[J]. 北京大学学报(自然科学版), 2010, 46(2): 185-191. Guan J X, Li C C. Spatial distributions and changes of aerosol optical depth over eastern and central China[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010, 46(2): 185-191. |
| [22] |
邓学良, 邓伟涛, 何冬燕. 近年来华东地区大气气溶胶的时空特征[J]. 大气科学学报, 2010, 33(3): 347-354. Deng X L, Deng W T, He D Y. Spatial-temporal features of atmospheric aerosol in east China in recent year[J]. Transactions of Atmospheric Sciences, 2010, 33(3): 347-354. DOI:10.3969/j.issn.1674-7097.2010.03.012 |
| [23] | Kim S W, Yoon S C, Kim J, et al. Seasonal and monthly variations of columnar aerosol optical properties over east Asia determined from multi-year MODIS, LIDAR, and AERONET Sun/Sky radiometer measurements[J]. Atmospheric Environment, 2007, 41(8): 1634-1651. DOI:10.1016/j.atmosenv.2006.10.044 |
| [24] | Zhang J, Reid J S. A decadal regional and global trend analysis of the aerosol optical depth using a data-assimilation grade over-water MODIS and Level 2 MISR aerosol products[J]. Atmospheric Chemistry and Physics, 2010, 10(22): 10949-10963. DOI:10.5194/acp-10-10949-2010 |
| [25] |
黄文声, 李真, 李权镐, 等. 香港及珠三角地区MODIS高分辨率气溶胶光学厚度的反演[J]. 环境科学学报, 2009, 29(7): 1372-1380. Huang W S, Li Z, Li Q G, et al. Retrieval of aerosol optical thickness over Hong Kong and Pearl River Delta region using MODIS satellite data[J]. Acta Scientiae Circumstantiae, 2009, 29(7): 1372-1380. DOI:10.3321/j.issn:0253-2468.2009.07.005 |
| [26] | Remer L A, Kaufman Y J, Tanré D, et al. The MODIS aerosol algorithm, products, and validation[J]. Journal of the Atmospheric Sciences, 2005, 62(4): 947-973. DOI:10.1175/JAS3385.1 |
| [27] | 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 |
| [28] | Sayer A M, Munchak L A, Hsu N C, et al. MODIS collection 6 aerosol products: comparison between aqua's e-deep blue, dark target, and "merged" data sets, and usage recommendations[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(24): 13965-13989. DOI:10.1002/2014JD022453 |
| [29] | 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 |
| [30] | de Leeuw G, Sogacheva L, Rodriguez E, et al. Two decades of satellite observations of AOD over mainland China using ATSR-2, AATSR and MODIS/Terra: data set evaluation and large-scale patterns[J]. Atmospheric Chemistry and Physics, 2018, 18(3): 1573-1592. DOI:10.5194/acp-18-1573-2018 |
| [31] | Tao M H, Chen L F, Wang Z F, et al. Comparison and evaluation of the MODIS collection 6 aerosol data in China[J]. Journal of Geophysical Research: Atmospheres, 2015, 120(14): 6992-7005. DOI:10.1002/2015JD023360 |
| [32] | Lei Y, Zhang Q, He K B, et al. Primary anthropogenic aerosol emission trends for China, 1990-2005[J]. Atmospheric Chemistry and Physics, 2011, 11(3): 931-954. DOI:10.5194/acp-11-931-2011 |
| [33] |
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, Luo 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. |
| [34] | Voulgarakis A, Savage N H, Wild O, et al. Interannual variability of tropospheric composition: the influence of changes in emissions, meteorology and clouds[J]. Atmospheric Chemistry and Physics, 2010, 10(5): 2491-2506. DOI:10.5194/acp-10-2491-2010 |
| [35] | Zhao T L, Gong S L, Zhang X Y, et al. A simulated climatology of Asian dust aerosol and its Trans-Pacific transport. Part Ⅰ: mean climate and validation[J]. Journal of Climate, 2006, 19(1): 88-103. DOI:10.1175/JCLI3605.1 |
| [36] |
薛福民, 刘新春, 马燕, 等. 1997-2007年塔克拉玛干沙漠腹地沙尘天气变化特征[J]. 沙漠与绿洲气象, 2009, 3(1): 31-34. Xue F M, Liu X C, Ma Y, et al. Variation characteristics of dust weather in the hinterland of Taklimakan Desert during 1997-2007[J]. Desert and Oasis Meteorology, 2009, 3(1): 31-34. DOI:10.3969/j.issn.1002-0799.2009.01.008 |
| [37] | Che H Z, Wang Y Q, Sun J Y, et al. Variation of aerosol optical properties over the Taklimakan Desert in China[J]. Aerosol and Air Quality Research, 2013, 13: 777-785. DOI:10.4209/aaqr.2012.07.0200 |
| [38] | Dickerson R R, Kondragunta S, Stenchikov G, et al. The impact of aerosols on solar ultraviolet radiation and photochemical smog[J]. Science, 1997, 278(5339): 827-830. DOI:10.1126/science.278.5339.827 |
| [39] |
徐祥德, 施晓辉, 张胜军, 等. 北京及周边城市群落气溶胶影响域及其相关气候效应[J]. 科学通报, 2006, 51(22): 2522-2530. Xu X D, Shi X H, Zhang S J, et al. Aerosol influence domain of Beijing and peripheral city agglomeration and its climatic effect[J]. Chinese Science Bulletin, 2006, 51(16): 2016-2026. |
| [40] | 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-Atmospheres, 1997, 102(D14): 17051-17067. DOI:10.1029/96JD03988 |
| [41] | Chu D A, Kaufman Y J, Zibordi G, et al. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS)[J]. Journal of Geophysical Research-Atmospheres, 2003, 108(D21): 4661. |
| [42] | Levy R C, Remer L A, Dubovik O. Global aerosol optical properties and application to Moderate Resolution Imaging Spectroradiometer aerosol retrieval over land[J]. Journal of Geophysical Research-Atmospheres, 2007, 112(D13): D13210. |
| [43] | Levy R C, Remer L A, Mattoo S, et al. Second-generation operational algorithm: retrieval of aerosol properties over land from inversion of moderate resolution imaging spectroradiometer spectral reflectance[J]. Journal of Geophysical Research-Atmospheres, 2007, 112(D13): D13211. |
| [44] | 丁一汇, 村上胜人. 亚洲季风[M]. 北京: 气象出版社, 1994: 76-83. |
| [45] |
厉青, 张丽娟, 吴传庆, 等. 基于卫星遥感的秸秆焚烧监测及对空气质量影响分析[J]. 生态与农村环境学报, 2009, 25(1): 32-37. Li Q, Zhang L J, Wu C Q, et al. Satellite-remote-sensing-based monitoring of straw burning and analysis of its impact on air quality[J]. Journal of Ecology and Rural Environment, 2009, 25(1): 32-37. DOI:10.3969/j.issn.1673-4831.2009.01.007 |
| [46] |
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, 2008, 10(6): 802-807. Hu M, Qi S H, Shu X B, et al. Monitoring fire from crop residues burning with MODIS data in North China plain[J]. Geo-Information Science, 2008, 10(6): 802-807. DOI:10.3969/j.issn.1560-8999.2008.06.021 |