2021, Vol. 42
2. 新疆大学资源与环境科学学院, 智慧城市与环境建模自治区普通高校重点实验室, 乌鲁木齐 830046;
3. 新疆大学绿洲生态教育部重点实验室, 乌鲁木齐 830046
, DING Jian-li2,3
, WANG Jin-jie2,3 , CHEN Xiang-yue2,3 , LIU Xing-tao2 , Atican Osman2
2. Key Laboratory of Smart City and Environment Modelling of Higher Education Institute, College of Resources and Environment Science, Xinjiang University, Urumqi 830046, China;
3. Key Laboratory of Oasis Ecosystem, Ministry of Education, Xinjiang University, Urumqi 830046, China
气溶胶是大气重要组成成分之一, 其可通过吸收和散射太阳辐射, 改变地-气系统辐射平衡[1], 又可作为云凝结核, 参与云微物理过程, 从而影响区域降水[2, 3], 在全球和区域气候变化中扮演十分重要的角色.多波段光度计遥感AOD是气溶胶地基遥感中最准确的方法, 依靠AERONET、CARSNET和CSHNET等联合观测网络提供数据支持, 国内外诸多学者针对AOD和Angström波长指数(α)、浑浊系数、粒子尺度谱分布和单次散射反照率等气溶胶光学特性参数的变化特征, 讨论各地区大气气溶胶光学特性及其时空分布状况, 揭示各参数长时间序列的变化规律[4~8].尤其是兰州大学半干旱气候与环境观测站的设立, 为中国西北地区开展针对大气云和气溶胶的生态环境长期连续观测研究具有重要意义[9~11].
地基遥感只能在有限的地面站点进行布设, 具有一定的空间局限性.与地基遥感相比, 卫星遥感不受空间覆盖的限制, 参数获取和数据传输也更为连续和便捷, 方便及时获取大区域范围内的大气气溶胶变化, 弥补了地基观测空间代表性不足的缺陷.搭载在EOS系列卫星上的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer, MODIS)自2000年来开展大气AOD反演业务, 已广泛应用于气溶胶时空分布、环境污染动态变化分析和空气质量监测研究中[12~18].尤其是2014年发布的MODIS Collection 6版气溶胶产品, 其包含二代深蓝算法、暗像元算法和数据融合产品, 适用于沙漠和干旱半干旱等高亮地区, 被广泛应用于西北干旱地区AOD时空变化特征分析中[19~22].但受其10 km的空间分辨率所限, 相关研究大多针对大区域尺度开展, 中、小尺度的研究缺乏细节的展示.最新发布的高分辨率气溶胶产品MCD19A2有效弥补了这一缺陷, 其采用多角度辅助大气校正算法, 可提供全球尺度1 km空间分辨率的AOD数据集.该数据集良好的时空分辨率使得表征局部尺度气溶胶光学特性, 尤其是针对城市等气溶胶空间变化剧烈的局部地区的大气污染状况研究提供了可能.但受地基观测资料限制, 针对该产品在西北干旱区的反演精度的验证研究相对较少.
天山北坡经济带是新疆建设丝绸之路经济带核心区的重要支撑和载体, 也是自治区优先发展的重点区域, 及时掌握该地区大气气溶胶环境现状, 提高大气污染物扩散的科学认识水平, 是保障西部地区生态安全与“一带一路”国家重大战略成功实施的重要基础[23].卫星和地基遥感相结合开展该地区气溶胶光学特性调查研究, 既有助于大气气溶胶状况的宏观把握, 又可深入分析局地气溶胶光学特性, 为实现区域大气气溶胶环境的准确评估提供科学技术支持.本文首先利用天山北坡重点城市群设立的气溶胶地基观测资料, 对MODIS的AOD产品(MCD19-A2)精度进行验证; 在此基础上, 讨论2000~2019年天山北坡经济带地区AOD时空分布特征; 利用地基遥感太阳光度计资料, 反演获得AOD和α等重要光学参数, 讨论其季节性差异.卫星和地基遥感相结合实现天山北坡城市群上空大气气溶胶时空分布的了解和光学特性的准确估算, 以期为该地区气溶胶光学特性及其气候效应研究提供参考依据.
1 材料与方法 1.1 研究区概况天山北坡经济带是国家二级重点经济开发带, 也是新疆维吾尔自治区经济发展中心.区域范围包括以乌鲁木齐市为核心的乌-昌城镇经济区、以石河子为中心的石-玛-沙城镇经济区、奎屯-乌苏-克拉玛依三角区和伊宁-博乐双核心城镇经济区, 共计27个县(市), 地形地貌复杂, 地势高差悬殊, 气候类型多样[24, 25].综合下垫面状况、城市发展水平和粉尘自然源等多重因素, 本研究以乌鲁木齐市、石河子市、克拉玛依市和博乐为轴心选取经济带的重点城市, 包括昌吉市、阜康市、奎屯市、乌苏市、博乐市、精河县、沙湾县、玛纳斯县和呼图壁县共8市4县为研究区(图 1).一方面, 在丝绸之路经济带建设背景下, 该城市群面临经济、工业的快速发展和城市化进程的推进, 大气污染物排放量剧增, 空气质量不断恶化, 严重威胁人体健康和生态环境, 另一方面, 其北部的古尔班通古特沙漠, 西部上风向的艾比湖干涸湖底作为稳定的自然尘源, 提供了丰富的沙尘和盐尘, 使得该地区面临严重的沙尘和盐尘威胁.
|
图 1 研究区位置示意 Fig. 1 Location of the study area |
太阳光度计遥感AOD尽管在空间代表性上有一定缺陷, 但其丰富的信息含量, 相对比较成熟的反演理论, 使其在气溶胶研究中具有不可替代的作用.本文地基观测数据来自精河县、乌苏市、石河子市和乌鲁木齐市设立气溶胶观测地基站点, 站点分布如图 1所示.为避免矿石燃烧导致的人为气溶胶的影响, 观测时间主要集中在非供暖期4~10月.
Microtops Ⅱ太阳光度计是一款用于AOD精确测量的5通道手持式太阳光度计, 其拥有其他大型昂贵仪器一样的精确度, 手持式的采样方式为野外测量提供了方便, 可计算440、675、870、936和1 020 nm等5个波段的AOD[26].在精河县、乌苏市、石河子市和乌鲁木齐市进行观测时, 观测点定位于城市上风向的开阔地带, 周围无明显工业大气污染源.观测时段为08:00~21:00, 采样间隔0.50 h.每次观测连续测量5组读数, 如果5组读数出现的波动超过0.03, 则认为此时存在瞄准偏差或者有云遮挡太阳.
CE318太阳光度计为法国CIMEL公司生产的一种自动跟踪扫描的太阳光度计, 是当今应用最广、权威性最高的太阳光度计仪器, 广泛应用于美国全球AERONET、法国PHOTONS、加拿大AEROCAN、西班牙RIMA、中国气象局、中华人民共和国环境保护部和中国海洋局等各类气溶胶监测网平台.其可通过观测太阳、天空和地面的反射等信息来反映大气的光学特性[27].该仪器架设于精河县气象局楼顶, 周围无密集建筑物阻挡, 视野开阔.该仪器在可见近红外波段有9个光谱通道, 可获取340、380、440、500、675、870、936、1 020和1 640 nm的AOD值.太阳光度计数据处理结果包括2个质量等级：1.5级数据为没有做去云处理的数据, 2.0级数据为经过去云处理的数据, 本研究选用的是2.0级反演数据.
根据Angström波长指数的计算方法：
|
(1) |
式中, λ1和λ2分别代表不同波长(nm); AOD(λ)为某一波长下的AOD; α代表Angström波长指数, 其主要反映出气溶胶组成中大小粒子的比例, 取值范围一般在0~2.α值越小表示气溶胶分布中大粒子占优势, α值越大则表示气溶胶分布中小粒子占优势.当α≥1, 气溶胶以细模态形式存在, 此时大气气溶胶主要类型为人为源气溶胶; 当α＜1, 表示气溶胶主要以粗模态形式存在.沙尘气溶胶一般为α≤0.50, 0.50＜α＜1则被认为受沙尘源与人为源气溶胶混合影响[28].
Gobbi等[29]提出的气溶胶分类图解法, 主要是基于不同波长计算得到AOD和α, 在获取细模态气溶胶对总AOD的贡献和细模态粒子的尺度的同时, 还可以分离出AOD的增加是由于细模态粒子的吸湿性增长引起还是由于粗模态粒子增加引起的.利用440、675和870 nm波段的数据进行计算, 得到α(440-675)、α(440-870)和α(675-870), 进而得到δα=α(440-675)-α(675-870), 将其描绘在气溶胶分类上, 即可得到细模态气溶胶对总AOD的贡献η和细模态粒子的尺度Rf.气溶胶细粒子亲水特性会同时导致气溶胶的粒径和η的增加, 而云干扰仅仅会导致η的增加, 气溶胶细粒子的粒径保值不变.
1.2.2 卫星遥感数据利用卫星遥感技术仅能获取有限的气溶胶光学特性参数, 但有效克服了地基观测的地域限制问题, 为及时了解大区域范围内的大气气溶胶状况进行宏观分析提供了可能.MCD19A2是MODIS官方发布的气溶胶产品, 使用多角度大气校正算法中的气溶胶算法产生, 空间分辨率为1 km.其反演范围广, 有效弥补了暗像元和深蓝算法的缺陷, 针对亮地表精度优于深蓝算法, 适用于西北干旱区[30, 31].该产品采用的是正弦曲线投影, 处理时需提前转换坐标系.
受相对湿度、风速、风向、降雨和沙尘天气等多重气象条件影响, AOD时空分布及变化趋势存在一定的随机性, 选取长时间序列、多年均值的AOD数据在一定程度上可减少气象条件等随机因素的影响.本文选择2000年2月~2020年2月的AOD月均值数据作为数据源, 对该产品进行投影-重采样-拼接-裁剪等预处理, 通过月平均AOD数据计算年平均AOD值和季节平均AOD值, 获取AOD空间分布变化信息, 揭示研究区2000~2019年大气环境总体特征及变化趋势.
通过最小二乘法拟合研究区逐像元AOD年际变化趋势, 能够描述每个栅格累计观测年内AOD总体变化趋势, 综合反映AOD时空变化, 计算公式为：
|
(2) |
式中, slope为2000~2019年AOD变化趋势斜率, n为时长(以年为单位n=20), i为年序号, 取值范围1-n, xi为第i年AOD. slope＞0表示研究时段AOD呈增加趋势; slope＜0表示研究时段内AOD呈减小趋势, slope=0则表示研究时段内AOD基本保持不变.
1.2.3 MODIS AOD的验证基于卫星遥感技术获取的AOD数据是550 nm处的AOD, 而太阳光度计不直接提供550 nm处的AOD值.为了与卫星遥感数据相匹配, 使用Angström指数算法, 利用受水汽影响较小的440 nm和870 nm波段的数据进行计算, 得到550 nm波段的AOD.为确保卫星遥感数据的准确性, 本文以地基观测站点为中心, 空间窗口30 km×30 km[31], 匹配时间窗口±30 min[32, 33]的AOD地基数据均值, 选取相关系数(R)、决定系数(R2)和均方根误差(RMSE)作为评价气溶胶产品的指标.
期望误差(EE)内的样本点量也可反映MODIS AOD产品的质量, 本文采用EE=±(0.05+0.02AOD地基).当MODIS反演得到的AOD满足AOD地基-|EE|≤AODMODIS≤AOD地基+|EE|时, 说明AODMODIS反演结果较好.由于观测时间有限, 可匹配的样本较少, 评价仅作为初步参考, 若要得到更可靠的精度评价, 则需更长时间序列的地基观测数据.
由图 2可知, AODMODIS与AOD地基二者之间存在一定差异, 但整体趋势较为一致.R(0.81)和R2(0.66)较高, RMSE(0.06)较低, 说明利用该数据源进行AOD时空分布分析较为可信.在匹配的样本中, 65.82%在期望误差范围内, 9.49%的样本超出期望误差上限, 24.68%的样本超出期望误差下限, 表明研究区内AODMODIS质量较好, 但存在一定程度的低估, 可以通过拟合线的截距对其进行订正.整体而言, MCD19A2的AODMODIS产品在本文研究区内具有良好的适用性, 可成为适用于干旱区气溶胶遥感研究的优选数据源.
|
虚线和实线分别代表期望误差线和线性拟合线 图 2 AODMODIS与AOD地基对比 Fig. 2 Comparison between AODMODIS and AODsunphotometer |
基于AODMODIS数据集进行计算, 获取研究区2000~2019年平均AOD空间分布(图 3).如图 3所示, 该地区多年平均AOD空间分布与地形基本一致, 海拔在小于500 m、500~1 000 m、1 000~2 000 m和大于2 000 m高度范围所对应的AOD均值分别为0.12、0.11、0.10和0.05, 随着海拔的增加, AOD呈现减小趋势, 与相关学者[18, 34]的既得成果相对比, 整体结论较为符合.气溶胶主要集中在低海拔地区, 受天山山脉阻挡, 随气团沿北坡山脉走向, 向西-南和东-南方向扩散; 另一方面, 人类生产/生活产生的油烟、道路扬尘、工业废气及化石燃料排放的烟尘等都会受到高山阻挡而在低海拔地区积聚, 所以加剧气溶胶聚集程度; AOD低值(＜0.05)区域主要分布在高海拔山区, 天山北坡中段较高的天然林覆盖也是导致该地区气溶胶浓度偏低的原因之一.
|
图 3 2000~2019年多年平均AOD时空分布 Fig. 3 Spatial distribution of AOD during 2000-2019 |
图 4为2000~2019年研究区所包含的8市4县AOD均值统计, 为了避免高海拔地区AOD低值的影响, 仅对海拔＜2 000 m高度范围内地区的AOD进行统计分析.从中可知, 除克拉玛依市和乌鲁木齐市AOD偏高外, AOD整体以石河子市、奎屯市和沙湾县(0.12±0.01)为中心, 往东-南和西-北方向依次降低.造成克拉玛依市和乌鲁木齐市AOD高值的原因是：克拉玛依市是一个以石油工业为主的小型城市, 与研究区其他城市所属的天山北坡气候带相比, 该地区属于戈壁荒漠气候带, 降水少, 蒸发大, 气候十分干燥.其东部与古尔班通古特沙漠接壤, 地处沙漠边缘, 多平坦的戈壁荒漠, 地表植被稀少, 且气候干旱少雨多大风天气, 所以外来沙尘和地面扬尘是造成该地AOD高值的主要原因; 乌鲁木齐市东、南、西三面环绕天山, 地势东南高、西北低, 从北向南逐渐收缩, 形成细长的条状峡谷, 其独特的地形和复杂的气象条件, 不利于大气污染物的扩散, 在加上该地区全疆政治、经济和文化中心, 人口密集, 故加剧了该地区AOD的聚集.
|
图 4 研究区各城镇AOD均值 Fig. 4 AOD mean value of each town in the study area |
图 5和图 6表现出2000~2019年多年月平均AOD(3~11月)的时空分布变化特征. 1、2月和12月由于季节下降雪, 影响冬季AOD空间分布的判读, 故主要针对AOD数据质量较好的3~11月进行分析.整体而言, AOD月均值空间分布与年均值空间分布特征保持一致, AOD高值仍主要集中在低海拔地区, 随着海拔的增加, AOD呈现减小趋势. 3月的AOD＞0.15的高值区范围较小且分散, 主要集中在艾比湖周边的精河县和乌苏市, 以及昌吉市和乌鲁木齐市; 4~5月的AOD＞0.15的高值区范围扩散至全区51.61%的面积, AOD开始增长并达到峰值(0.14±0.07), 这主要是因为春季是粉尘释放和输送的高峰, AOD峰值的出现与该地区春季尘暴天气频发有关, 此时的AOD呈现北高南低的区域分布特征, 低值区域仍位于海拔较高的天山山脉, 高值区分布较为集中; 进入夏天后, AOD区域分布特征与春季相比有所改变.温度的回升和降水的增多, 使得AOD高值集聚现象逐渐瓦解.随着大气对流活动的增加, 水平输送能力增强, 经济带城市群地区AOD开始降低, AOD高值区域延伸至克拉玛依市中部和东北部, 低值区域范围开始缩小, 集中在天山北坡中段地区; 6~10月AOD在0.11~0.13范围内, 时空变化不明显; 11月, AOD再现峰值(0.13±0.06), 主要由于该地区自10月下旬开始冬季供暖, 与燃烧量增加有密切关系.整体而言, 本地区AOD存在明显的季节性差异, 表现为AOD春季(0.15±0.03)＞秋季(0.14±0.03)＞夏季(0.14±0.02).
|
图 5 2000~2019年研究区逐月平均AOD空间分布 Fig. 5 Spatial distribution of the monthly average AOD during 2000-2019 |
|
图 6 2000~2019年逐月平均AOD年内分布 Fig. 6 Annual distribution of the monthly average AOD during 2000-2019 |
利用线性趋势分析方法对20年间AOD变化趋势进行分析发现(图 7), AOD变化趋势的空间分布与年均AOD空间分布大致相同, 大部分低海拔地区AOD呈现增长趋势, 仅高海拔山地呈小幅度减少.全区呈现增长、下降和不变的比例分别为58.87%、7.63%和33.50%, 其中, 乌苏市、克拉玛依市和沙湾县等地增长趋势较为明显, 年增幅为1.57%.整体而言, 2000~2019年间研究区AOD年均值为0.12, 年增幅1.03%, 20年间存在多次波动, 2013年前后表现为先增大后减小, 整体呈增加趋势. 其中, 2008年和2013年为两个峰值, AOD年均值分别为0.12和0.13, 自2016年后, AOD较为平稳(图 8).
|
图 7 2000~2019年AOD变化趋势空间分布 Fig. 7 Spatial changes in AOD based on inter-annual trends during 2000-2019 |
|
图 8 2000~2019年AOD年际变化 Fig. 8 Annual changes in AOD during 2000-2019 |
图 9和图 10表示出20年间AOD月均值(3~11月)变化趋势空间分布及年内变化, 整体而言, 该地区AOD月均值的年际变化表现为双峰型, 5月和10月为第一峰值和第二峰值, 分别为2.05%和2.58%, 3月最低为0.18%, 除4月外, 其他月份19年间均呈现增加趋势.从空间分布上来看, 该地区AOD月均值的年际变化空间分布差异较大, 其中, 5月呈现较为明显的增加趋势, 尤其是精河、乌苏和沙湾等地, 年增幅为3.77%.
|
图 9 2000~2019年研究区AOD年际变化趋势空间分布 Fig. 9 Spatial distribution of the trends of interannual variation in AOD during 2000-2019 |
|
图 10 2000~2019年月平均AOD变化趋年内分布 Fig. 10 Annual distribution of the changes in the monthly AOD during 2000-2019 |
综合上述分析, 选取AOD高值及年际变化较大的典型地区及时段设立地基观测站点, 以便针对天山北坡经济带重点城市群大气环境状况进行讨论.地基观测站点设立于精河县、乌苏市、石河子市和乌鲁木齐市, 空间分布较为合理.
精河县、乌苏市、石河子市和乌鲁木齐市AODMODIS多年均值分别为0.11、0.12、0.12和0.11, 年增幅分别为0.37%、3.11%、1.32%和0.21%, 20年间除乌苏地区持续增长外, 精河、石河子和乌鲁木齐市AOD均以2013年为节点呈现先增大后减小的变化趋势(图 11), 符合研究区全区AOD变化特征, 也与前人的研究结果相一致[22]. 2016~2019年全区AOD较为平稳, 故以此时段利用地基遥感技术所获取的气溶胶信息, 作为近4年间研究区大气环境评价的依据较为可信.受地基观测时段限制, 仅针对春季(4~5月)和夏季(6~7月)讨论城市群气溶胶光学特性.
|
图 11 2000~2019年地基观测站点所在城镇AOD年际变化 Fig. 11 AOD annual change in the town where the foundation observation stations were located during 2000-2019 |
AOD和Angström波长指数(α)是表征气溶胶含量和气溶胶尺度的基本参数, 二者相结合进行综合讨论, 在一定程度上能够反映区域大气的污染程度和污染类型. 4个典型地区地基观测得到的AOD和α特征不存在显著的地域性差异, 但季节性差异明显.对比春、夏两季AOD和α概率分布及数理统计特征发现(图 12)：城市群春、夏两季AOD出现频率均呈单峰型分布特征, AOD在极端清洁值区间0~0.10的出现频率均较低, 除此之外, 随着AOD的增加, 发生频率依次递减; 春、夏AOD均集中分布在0.10~0.30区间范围, 分别占总样本的57.72%和72.33%; 其中, 夏季AOD分布在0.10~0.20和0.20~0.30区间的样本分别占总样47.92%和24.41, 高于春季的34.57%和23.14%; 春季和夏季在0.30~1.00区间范围样本数占总样本数的38.30%和26.72%, 且该范围内, 以0.10为间隔的每个区间范围, 春季所占比例均高于夏季, 说明春季气溶胶出现高值的概率高于夏季.观测期间春季AOD平均值为0.38, 略高于夏季的0.29; 春、夏两季AOD变异系数分别59.32%和52.99%, 这是由于受春季沙尘天气影响, 观测期间AOD出现高值, 造成极大值与平均值差值过大.
|
图 12 春、夏季AOD和α的概率分布 Fig. 12 Frequency distributions of AOD and α in spring and summer |
与AOD分布情况类似, α的频率分布同样呈现出单峰分布特征和季节性差异.春季α最高频区间为0.70~0.80, 次高区间为0.80~0.90, 分别占总样本的9.89%和9.53%, 小于0.50的α值占总样本的30.76%, 大于1.10的α值占总样本的20.57%; 夏季α最高频区间为1.20~1.40, 次高区间为1.10~1.20, 分别占总样本的26.37%和10.46%, 小于0.50的α值占总样本的13.15%, 大于1.10的α值占总样本的47.71%; 春夏两季α平均值分别为0.70和1.07, 变异系数分别为59.34%和43.67%, 说明研究区气溶胶粒子主控模态存在季节性差异, 春季大气气溶胶主控粒子粒径大于夏季, 且粒径变化幅度较大.
2.2.2 AOD与α的关系图 13显示出观测期间AOD和α日变化(08:00~21:00)特征.与夏季相比, 春季AOD和α具有较为明显的日变化规律.一天之中AOD呈现先增长后降低的单峰型变化趋势, 峰值出现在午后的15:00, 与α波动规律具有明显的负相关关系, 说明春季AOD波动受主控粒子粒径变化影响较为明显.春季α日均值0.86, 且在AOD高值时段(12:00~16:00), α小于0.80, 说明春季研究区受沙尘源与人为源气溶胶混合影响, 粗粒子的输入是影响该地区AOD日变化的主要原因.下班晚高峰期(18:00~20:00)人类活动产生的气溶胶集中释放, 此时AOD在0.20左右波动, α值明显增大, 均值升至1.01.夏季, 虽然α波动范围较大(0.80~1.40), 但日均值为1.12, 说明夏季人为源气溶胶占主导地位, 且在α波动影响下, AOD日变化幅度较小, 说明细模态气溶胶粒径的变化对AOD影响较小.
|
图 13 AOD和α日变化 Fig. 13 Daily variations of AOD and α |
图 14是以折射率m=1.4-0.001i 为参考, 采用双模态、对数正态分布的α 和δα=α(440-675)nm-α(675-870)nm函数对气溶胶类型进行分类的示意.从中可知, AOD高值(AOD＞0.70)的情况主要出现在α≤0.50, η＜30%区域, 此时粒径大小范围约在0.15~0.50 μm之间, 说明AOD高值主要是受粗粒子气溶胶的影响; 0.15＜AOD＜0.30时, 气溶胶主要集中在细模态粒子增长区域(α＞1.00, δα < 0), 与之相对应的η＞70%, 粒径大小范围约在0.10~0.20 μm之间, 说明气溶胶以细模态粒子为主时, AOD出现高值的概率很小.夏季, 0.30＜AOD＜0.40在细模态粒子增长区域(α＞1.00, δα < 0)也偶有分布, 表现为细模态粒子AOD的比例(η)增加但粒径保持不变, 因此判定为云干扰; 春季, 部分0.40＜AOD＜0.70在细模态粒子增长区域(α＞1.00, δα < 0)所占比例η＞70%, 表现出气溶胶细粒子的亲水性, 但整体而言, 研究区AOD高值主要受粗模态粒子气溶胶的影响, 细模态粒子吸湿增长会引起AOD的波动, 但不易导致AOD高值.
|
黑色实线代表细模态粒子粒径的大小（Rf），蓝色虚线代表细模态粒子AOD的比例（η） 图 14 AOD675 nm、α和δα的关系 Fig. 14 Relationships among AOD675 nm, α, and δα |
(1) 研究区AOD高值现象主要分布在低海拔地区, 地形与气溶胶空间分布特征基本一致; 以石河子市-奎屯市-沙湾县为中心, 往东-南和西-北方向AOD依次降低; AOD存在季节性差异, 表现为AOD春季(0.15±0.03)＞秋季(0.14±0.03)＞夏季(0.14±0.02); 受粉尘释放的影响, 春季AOD较高且较为集中; 夏季, AOD空间分布范围明显增大, 主要是因为高温高湿的环境下, 气溶胶随大气对流活动的增加, 水平输送能力增强.
(2) 2000~2019年间研究区AOD年均值为0.12, 年增幅1.03%, 整体呈现增加趋势, 其中, 低海拔地区AOD呈现增长趋势, 高海拔山地呈小幅度减少趋势, 乌苏市、克拉玛依市和沙湾县等地增长趋势较为明显; 该地区AOD月均值的年际变化表现为双峰型, 5月和11月为第一峰值和第二峰值, 春季自然尘源粉尘的释放和传输以及秋末人类社会燃煤供暖是造成AOD增加的主要原因.
(3) 研究区气溶胶粒子浓度和主控模态具有明显的季节性差异.观测期间, AOD春季(0.38)＞夏季(0.29), 变异系数分别59.32%和52.99%, 受沙尘天气的影响, 春季AOD的变化幅度较为剧烈; α表现为夏季(1.07)＞春季(0.70); 变异系数分别为59.34%和43.67%, 春季气溶胶主控粒子粒径及变化幅度均大于夏季; 研究区AOD高值主要受粗模态粒子气溶胶的影响, 细模态粒子吸湿增长会引起AOD的波动, 但不易导致AOD高值.
(4) 本文综合地基和卫星遥感技术, 分析天山北坡经济带重点城市2000~2019年气溶胶时空分布特征和演变规律, 评价该区域大气环境现状, 但对影响气溶胶时空分布格局的影响因子分析较为浅显, 未深入讨论目前形成此格局的内在原因.下一步工作会将重点放在气候变化对气溶胶的影响等方面, 深入讨论不同尺度气象因子对局地气溶胶格局的影响.
| [1] | Coakley J A Jr, Cess R D, Yurevich F B. The effect of tropospheric aerosols on the earth's radiation budget: a parameterization for climate models[J]. Journal of the Atmospheric Sciences, 1983, 40(1): 116-138. DOI:10.1175/1520-0469(1983)040<0116:TEOTAO>2.0.CO;2 |
| [2] | Twomey S. The influence of pollution on the shortwave albedo of clouds[J]. Journal of the Atmospheric Sciences, 1977, 34(7): 1149-1152. DOI:10.1175/1520-0469(1977)034<1149:TIOPOT>2.0.CO;2 |
| [3] | Rosenfeld D, Andreae M O, Asmi A, et al. Global observations of aerosol-cloud-precipitation-climate interactions[J]. Reviews of Geophysics, 2014, 52(4): 750-808. DOI:10.1002/2013RG000441 |
| [4] |
饶加旺, 马荣华, 段洪涛, 等. 太湖上空大气气溶胶光学厚度及其特征分析[J]. 环境科学, 2012, 33(7): 2158-2164. Rao J W, Ma R H, Duan H T, et al. Aerosol optical thickness of the atmospheric aerosol over Taihu Lake and its features: results of in-site measurements[J]. Environmental Science, 2012, 33(7): 2158-2164. |
| [5] |
齐冰, 杜荣光, 于之锋, 等. 杭州市大气气溶胶光学厚度研究[J]. 中国环境科学, 2014, 34(3): 588-595. Qi B, Du R G, Yu Z F, et al. Aerosol optical depth in urban site of Hangzhou[J]. Chinese Environmental Science, 2014, 34(3): 588-595. |
| [6] | Barreto Á, Cuevas E, Granados-Muñoz M J, et al. The new sun-sky-lunar Cimel CE318-T multiband photometer-a comprehensive performance evaluation[J]. Atmospheric Measurement Techniques, 2016, 9(2): 631-654. DOI:10.5194/amt-9-631-2016 |
| [7] |
韩亚芳, 吴立新, 白杨, 等. 太湖北岸气溶胶光学特性长期变化特征[J]. 中国环境科学, 2017, 37(7): 2492-2503. Han Y F, Wu L X, Bai Y, et al. Long-term variation of aerosol optical properties at Tai Lake's North Bank[J]. China Environmental Science, 2017, 37(7): 2492-2503. |
| [8] |
张芝娟. 基于多源数据的气溶胶光学特性及时空分布特征的研究[D]. 兰州: 兰州大学, 2019. Zhang Z J. Study on characteristics of aerosol optical property and spatio-temporal distribution based on multi-source datasets[D]. Lanzhou: Lanzhou University, 2019. |
| [9] |
闭建荣. 西北地区气溶胶特征及其直接辐射强迫的观测模拟研究[D]. 兰州: 兰州大学, 2014. Bi J R. Observation and simulation study of aerosol features and their direct radiative forcing over northwestern China[D]. Lanzhou: Lanzhou University, 2014. |
| [10] |
衣娜娜, 张镭, 刘卫平, 等. 西北地区气溶胶光学特性及辐射影响[J]. 大气科学, 2017, 41(2): 409-420. Yi N N, Zhang L, Liu W P, et al. Optical characteristics and radiative effects of atmospheric aerosol over Northwest China[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(2): 409-420. |
| [11] |
白冰, 张强, 陈旭辉, 等. 中国西北干旱半干旱区气溶胶分类及特征[J]. 中国沙漠, 2019, 39(5): 105-110. Bai B, Zhang Q, Chen X H, et al. Classification and characteristics of aerosols in Arid and semi-arid Areas of Northwest China[J]. Journal of Desert Research, 2019, 39(5): 105-110. |
| [12] | Christopher S A, Zhang J L. Shortwave aerosol radiative forcing from MODIS and CERES observations over the oceans[J]. Geophysical Research Letters, 2002, 29(18). DOI:10.1029/2002GL014803 |
| [13] | Ichoku C, Remer L A, Kaufman Y J, et al. MODIS observation of aerosols and estimation of aerosol radiative forcing over southern Africa during SAFARI 2000[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(13). DOI:10.1029/2002JD002366 |
| [14] | Benas N, Hatzianastassiou N, Matsoukas C, et al. Aerosol shortwave direct radiative effect and forcing based on MODIS Level 2 data in the eastern Mediterranean (Crete)[J]. Atmospheric Chemistry and Physics, 2011, 11(24): 12647-12662. DOI:10.5194/acp-11-12647-2011 |
| [15] | Fu Y F, Zhu J C, Yang Y J, et al. Grid-cell aerosol direct shortwave radiative forcing calculated using the SBDART model with MODIS and AERONET observations: an application in winter and summer in eastern China[J]. Advances in Atmospheric Sciences, 2017, 34(8): 952-964. DOI:10.1007/s00376-017-6226-z |
| [16] |
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. |
| [17] |
陈洪滨, 范学花, 夏祥鳌. 大气气溶胶的卫星遥感及其在气候和环境研究中的应用[J]. 大气科学, 2018, 42(3): 621-633. Chen H B, Fan X H, Xia X A. Review of satellite remote sensing of atmospheric aerosols and its applications in climate and environment studies[J]. Chinese Journal of Atmospheric Sciences, 2018, 42(3): 621-633. |
| [18] |
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. |
| [19] |
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. |
| [20] |
高宇潇, 刘志辉, 王敬哲. 乌鲁木市PM2.5浓度与MODIS气溶胶光学厚度相关性分析[J]. 干旱区地理, 2018, 41(2): 298-305. Gao Y X, Liu Z H, Wang J Z. Correlation analysis of PM2.5 concentration and MODIS aerosol optical depth in Urumqi City[J]. Arid Land Geography, 2018, 41(2): 298-305. |
| [21] |
胡俊, 钟珂, 亢燕铭, 等. 新疆典型城市气溶胶光学厚度变化特征[J]. 中国环境科学, 2019, 39(10): 4074-4081. Hu J, Zhong K, Kang Y M, et al. Variation in aerosol optical depth over the typical cities in the Xinjiang region[J]. China Environmental Science, 2019, 39(10): 4074-4081. |
| [22] |
雷茜. "一带一路"区域大气气溶胶时空动态特征及环境效应研究[D]. 重庆: 西南大学, 2019. Lei X. The spatial and temporal characteristics of atmospheric aerosol and its environmental effects over the Belt and Road[D]. Chongqing: Southwest University, 2019. |
| [23] |
马珊. 丝绸之路甘肃-新疆段沿线城市大气气溶胶物化性质研究[D]. 兰州: 兰州大学, 2019. Ma S. Study on physical and chemical properties of atmospheric aerosols along the Silk Road in Gansu and Xinjiang[D]. Lanzhou: Lanzhou University, 2019. |
| [24] |
陶江, 杨德刚. 天山北坡经济带可持续发展能力的综合评价[J]. 干旱区地理, 2005, 28(6): 874-878. Tao J, Yang D G. Synthesized evaluation on the sustainable development capacity of the Economic Belt on the northern slope of the Tianshan Mountains[J]. Arid Land Geography, 2005, 28(6): 874-878. |
| [25] |
张山清, 普宗朝, 李新建, 等. 气候变化对天山北坡经济带设施农业气候适宜性的影响[J]. 中国农业气象, 2016, 37(5): 495-504. Zhang S Q, Pu Z C, Li X J, et al. Impact of climate change on facility agriculture climatic suitability in Economic Belt on North Slope of Tianshan Mountains in Xinjiang[J]. Chinese Journal of Agrometeorology, 2016, 37(5): 495-504. |
| [26] |
毕雪岩, 吴兑, 谭浩波, 等. MicrotopsⅡ型太阳光度计的使用、计算及定标[J]. 气象科技, 2007, 35(4): 583-588. Bi X Y, Wu D, Tan H B, et al. Application, calculation and calibration of Microtops Ⅱ sunphotometer[J]. Meteorological Science and Technology, 2007, 35(4): 583-588. |
| [27] | Habib A, Chen B, Khalid B, et al. Estimation and inter-comparison of dust aerosols based on MODIS, MISR and AERONET retrievals over Asian desert regions[J]. Journal of Environmental Sciences, 2019, 76: 154-166. DOI:10.1016/j.jes.2018.04.019 |
| [28] | Dubovik O, Holben B, Eck T F, et al. Variability of absorption and optical properties of key aerosol types observed in worldwide locations[J]. Journal of the Atmospheric Sciences, 2002, 59(3): 590-608. DOI:10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2 |
| [29] | Gobbi G P, Kaufman Y J, Koren I, et al. Classification of aerosol properties derived from AERONET direct sun data[J]. Atmospheric Chemistry and Physics, 2007, 7(2): 453-458. |
| [30] | Tao M H, Wang J, Li R, et al. Performance of MODIS high-resolution MAIAC aerosol algorithm in China: characterization and limitation[J]. Atmospheric Environment, 2019, 213: 159-169. |
| [31] |
李忠宾, 王楠, 张自力, 等. 中国地区MODIS气溶胶光学厚度产品综合验证及分析[J]. 中国环境科学, 2020, 40(10): 4190-4204. Li Z B, Wang N, Zhang Z L, et al. Validation and analyzation of MODIS aerosol optical depth products over China[J]. China Environmental Science, 2020, 40(10): 4190-4204. |
| [32] | He Q Q, Zhang M, Huang B, et al. MODIS 3 km and 10 km aerosol optical depth for China: evaluation and comparison[J]. Atmospheric Environment, 2017, 153: 150-162. |
| [33] | Anderson J C, Wang J, Zeng J, et al. Long-term statistical assessment of Aqua-MODIS aerosol optical depth over coastal regions: bias characteristics and uncertainty sources[J]. Tellus B: Chemical and Physical Meteorology, 2013, 65(1). DOI:10.3402/tellusb.v65i0.20805 |
| [34] |
李慧娟, 胡列群, 李帅. 北疆地区MODIS 3 km气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报, 2018, 38(3): 1109-1116. Li H J, Hu L Q, Li S. A correlation analysis of MODIS 3 km aerosol optical depth and PM10 concentration in northern Xinjiang[J]. Acta Scientiae Circumstantiae, 2018, 38(3): 1109-1116. |