韓陽 康凌 宋宇

2000—2019年東北三省氣溶膠光學厚度的時空分布特征

韓陽 康凌 宋宇?

北京大學環(huán)境科學與工程學院環(huán)境科學系, 北京 100871; ?通信作者, E-mail: songyu@pku.edu.cn

利用 MODIS 高時空分辨率(日; 1km×1km)氣溶膠光學厚度新產(chǎn)品 MCD19A2, 研究東北三省 2000—2019 年氣溶膠光學厚度(AOD)的時空分布特征。結(jié)果顯示, 東北三省近 20 年來 AOD 變化不大, 均值為 0.23。2003 年, 春旱、揚沙和農(nóng)田秸稈燃燒導(dǎo)致 AOD 最高(0.38)。AOD 從南往北呈遞減趨勢, 總體上遼寧省>吉林省>黑龍江省。AOD 高值區(qū)集中在遼中南城市群等人口密集的工業(yè)發(fā)達地區(qū), 低值區(qū)分布在大興安嶺、小興安嶺和長白山脈等山區(qū)。AOD 具有季節(jié)分布特征, 春夏季高, 秋冬季低。研究結(jié)果可為氣溶膠對大氣輻射收支平衡影響的研究以及模擬顆粒物濃度提供基礎(chǔ)。

MCD19A2; 氣溶膠光學厚度; 東北三省; 時空分布

大氣中均勻地分散著各種固態(tài)和液態(tài)顆粒狀物質(zhì), 構(gòu)成一個相對穩(wěn)定的龐大的懸浮體系, 即氣溶膠體系。氣溶膠顆粒具有一定的穩(wěn)定性, 沉降速度小, 粒徑在 10?3～102μm 之間。氣溶膠是大氣的重要組分, 不利的氣溶膠組分會污染大氣環(huán)境[1], 對氣候變化也起著非常重要的作用[2]。氣溶膠粒子通過直接效應(yīng)和間接效應(yīng)兩種輻射強迫機制影響大氣的輻射收支平衡, 不同效應(yīng)的產(chǎn)生取決于氣溶膠顆粒的光學特性以及微物理特性[3?5]。作為氣溶膠的重要光學特性參數(shù), 氣溶膠光學厚度(aerosol optical depth, AOD)指在晴朗無云的天氣下, 氣溶膠消光系數(shù)在垂直方向的積分, 用于描述氣溶膠對大氣輻射的吸收和散射作用。AOD 能夠反映整層大氣的消光作用, 可以作為衡量空氣污染程度的重要參數(shù)。近年來, 中國學者利用衛(wèi)星遙感數(shù)據(jù), 在反演氣溶膠光學厚度方面做了大量工作, 但針對東北地區(qū)的研究很少。

研究氣溶膠光學厚度的方法包括地面觀測和衛(wèi)星遙感[6]。目前, 東北三省地面觀測站較少, 地面觀測時間序列累積的年份不多, 難以從整體上描述其 AOD 的時間和空間分布特征。利用衛(wèi)星數(shù)據(jù)反演東北地區(qū)的 AOD 是行之有效的方法。MODIS 氣溶膠數(shù)據(jù)相關(guān)的產(chǎn)品有 MOD04_L2 和 MYD04_L2(時空分辨率: 日; 10km×10km)、MOD04_3K 和MYD04_3K (時空分辨率: 日; 3km×3km)及 MOD08和 MYD08 (時空分辨率: 月; 1°×1°)。

羅宇翔等[7]2012 年利用 NASA 的 MODIS/Terra月平均數(shù)據(jù)集(空間分辨率為 1°×1°)反演中國 2001—2010 年的 AOD, 得出全國 AOD 存在季節(jié)差異以及東北地區(qū) AOD 值春夏季較高、秋冬季較低的結(jié)論, 但其中東北地區(qū)缺失大量數(shù)據(jù), 有時甚至缺失整個月份的 AOD 數(shù)據(jù)。2017 年, 張宸赫等[8]利用Aqua 衛(wèi)星的 MODIS 月數(shù)據(jù)(空間分辨率為 1°×1°)反演東北三省 2003—2014 年 AOD 時空特征, 但缺失冬季數(shù)據(jù)。2019 年, 劉海知等[9]利用MODIS 月數(shù)據(jù)(空間分辨率為 1°×1°)反演中國 2001—2017 年的AOD, 指出東北地區(qū) AOD 處于全國較低水平。

以前反演東北三省 AOD 的研究存在以下不足。1)只使用 Terra 或 Aqua 的單個衛(wèi)星 MODIS 數(shù)據(jù), 未融合兩個衛(wèi)星的觀測數(shù)據(jù)來提高數(shù)據(jù)的全面性。例如, 在上午星 Terra 過境的當日上午, 東北地區(qū)有云, 影響 AOD 值的觀測, 此時數(shù)據(jù)就會缺失, 這種情況下就可以獲取下午星 Aqua 的數(shù)據(jù)進行補充。2)數(shù)據(jù)的時空分辨率低, 一般是“月; 1°×1°”, 或是“日; 10km × 10km”, 難以進行精細的分析。3) 東北地區(qū)冬季數(shù)據(jù)缺失嚴重, AOD 反演效果不佳。

為了解決這些問題, 本文采用 2018 年問世的專門用于研究大氣 AOD 的數(shù)據(jù)產(chǎn)品 MCD19A2。該產(chǎn)品將 Terra 與 Aqua 兩個衛(wèi)星的數(shù)據(jù)相結(jié)合, 數(shù)據(jù)缺失率低, 算法先進, 時空分辨率高(日; 1km×1km)。本文旨在獲得 2000—2019 年東北三省 AOD 的時空分布特征, 以期有助于研究大氣氣溶膠對環(huán)境和氣候的影響, 并為制定合理的對策提供科學依據(jù)。

1 數(shù)據(jù)與方法

1.1 MCD19A2數(shù)據(jù)

美國國家宇航局(National Aeronautics and Space Administration, NASA)分別于 1999 和 2002 年發(fā)射Terra 和 Aqua 兩顆近地極軌衛(wèi)星, 其搭載的中尺度分辨率成像光譜儀(MODIS)是 NASA 地球觀測系統(tǒng)的一部分。目前, MODIS 是探測大氣氣溶膠的重要儀器, 具有高光譜分辨率和幾乎每天的全球覆蓋范圍(當?shù)貢r間大約 10:30 和 13:30, 每天對特定地區(qū)的氣溶膠監(jiān)測近兩次)。此前的各種氣溶膠衛(wèi)星反演方法都是針對不同地表類型和不同的氣溶膠組成, 依據(jù)不同的原理對氣溶膠進行反演。MODIS的 AOD 算法中, 針對陸地有兩種獨立的算法, 即針對植被覆蓋陸地等暗背景的暗像元算法[10]以及亮背景的深藍算法[11?12]。2018年, NASA 推出多角度大氣校正算法(multi-angle implementationof atmosphe-ric correction algorithm, MAIAC)的大氣 AOD 產(chǎn)品MCD19A2。MAIAC 是一種嶄新的先進算法, 將時間序列分析與基于像素和圖像的處理相結(jié)合, 提高云探測、氣溶膠反演和大氣校正的精度。在有綠色植被覆蓋的暗背景地表, 反演精度與暗像元算法結(jié)果相似, 對沙漠和荒漠等亮背景地表的反演結(jié)果優(yōu)于深藍算法, 但對雪地和鹽田等亮背景地表的反演結(jié)果依然存在不確定性[13?14]。MCD19A2 直接融合兩個衛(wèi)星的 MODIS 觀測數(shù)據(jù), 具有高時空分辨率, 可以每日生成空間分辨率為 5km×5km 和 1km×1km 的 AOD 數(shù)據(jù)。因為東北地區(qū)全年綠色植被覆蓋時間較短, 無綠色植被覆蓋的地表類似于荒漠的亮背景地表, 所以采用新算法的 MCD19A2, 與以前的數(shù)據(jù)相比, 更適合反演東北三省的 AOD。

本文采用 MCD19A2 數(shù)據(jù)版本 C6, 波長為 550nm, 時間分辨率為日, 空間分辨率為 1km×1km, 時間范圍為 2000 年 3 月 1 日—2020 年 2 月 29 日。從 NASA 官方網(wǎng)站(https://search.earthdata.nasa.gov) 獲取數(shù)據(jù), 解碼計算獲得 AOD 日均值、月均值、年均值、20 年平均值以及 20 年的季節(jié)平均值。

1.2 火點數(shù)據(jù)與土地覆蓋類型數(shù)據(jù)

農(nóng)田秸稈燃燒是環(huán)境污染的一個人為源, 產(chǎn)生的顆粒物會對 AOD 產(chǎn)生影響。因此, 本研究提取2013 年東北三省 Terra 和 Aqua 兩個衛(wèi)星 MODIS 的相關(guān)火點數(shù)據(jù) MOD14 和 MYD14 以及土地覆蓋類型數(shù)據(jù) MCD12 (獲取網(wǎng)址為 https://search.earthdata.nasa.gov), 解碼求出東北三省農(nóng)田的火點個數(shù)。

2 結(jié)果與分析

2.1 東北三省 AOD 年均空間分布

作為我國緯度最高的區(qū)域, 東北地區(qū)包括遼寧、吉林、黑龍江三省(簡稱東北三省), 是我國重工業(yè)基地, 礦產(chǎn)和森林資源豐富, 農(nóng)業(yè)發(fā)達, 幅員遼闊, 空氣污染問題也日益嚴重。根據(jù)東北三省的地形特點, 本文重點研究大興安嶺林區(qū)、小興安嶺山脈、三江平原、長白山脈、松遼平原和遼東南丘陵地帶 6 個區(qū)域(圖 1)。

本研究前期, 我們曾嘗試利用之前其他研究(如文獻[15?16])中反演 AOD 時應(yīng)用較多的 Terra 衛(wèi)星搭載的 MODIS 觀測數(shù)據(jù) MOD04_L2 (時空分辨率: 日; 10km×10km)反演 2013 和 2015 年中國東北地區(qū) AOD 月均值的空間分布, 效果不理想, 12—2月的數(shù)據(jù)大量缺失。MCD19A2 產(chǎn)品解決了數(shù)據(jù)缺失問題, 反演效果大大提升。

利用 MCD19A2 數(shù)據(jù)產(chǎn)品反演得出的東北三省20 年(2000—2019 年) AOD 平均值的空間分布如圖2 所示, 可以看出 AOD 從南往北逐漸降低, 即遼寧省>吉林省>黑龍江省。

東北三省主要有沈陽?大連、長春?吉林以及哈爾濱?大慶?齊齊哈爾 3 個工業(yè)帶, 形成遼中南(以沈陽和大連為中心, 包括鞍山、撫順、本溪、丹東、遼陽、營口、盤錦和鐵嶺等城市)和哈?長兩大城市群, 主要工業(yè)城市有沈陽、大連、鞍山、本溪、撫順、吉林、長春和哈爾濱等市。AOD 高值(0.3～0.5)區(qū)分布在沿渤海遼東灣商務(wù)城市以及鞍山和沈陽等人口多的重工業(yè)城市(遼中南工業(yè)基地重工業(yè)類型齊全); AOD 中值(0.2～0.3)區(qū)分布在松遼平原北部的長春?吉林工業(yè)帶和哈爾濱?大慶?齊齊哈爾工業(yè)帶(包括長春和哈爾濱等城市)、遼東南丘陵地帶以及三江平原, 與人口密集程度、工業(yè)發(fā)展水平和農(nóng)業(yè)生產(chǎn)等人類活動密切相關(guān); AOD 低值(0.05～0.2)區(qū)分布在大興安嶺林區(qū)、小興安嶺山脈和長白山脈等人跡罕至的林地山區(qū), 受人類活動的影響較小。

從全國范圍來看, 東北三省 AOD 相對較低[9,17], 主要原因有 3 點。1)人為的顆粒物排放量占比小, 東北三省地廣人稀, 幅員遼闊, 環(huán)境容量大。2)東北地區(qū)屬于溫帶季風季候, 年平均風速較大, 渤海沿岸的大連市平均風速達到 5m/s[18]。污染源分布密集的遼中南城市群恰好是全年平均風速最大的區(qū)域, 有利于污染物的擴散。東北三省冷季風速高于暖季, 在污染物大量排放的冬季, 盛行來自蒙古?西伯利亞高壓區(qū)的西北風, 使得 AOD 降低, 高值區(qū)南移。3)東北三省南臨渤海, 西接內(nèi)蒙古自治區(qū), 東連朝鮮, 北部被俄羅斯遠東地區(qū)包裹, 周邊人口稀疏, 工業(yè)欠發(fā)達, 污染物排放較少, 不會對東北三省輸送污染物。

2.2 東北三省 AOD 的年際分布與變化

本研究將 3 月到次年 2 月視為一個自然年, 即將 2000 年 3 月到 2001 年 2 月記為一個年份, 依此類推。從圖 3 可以看出, 在 AOD 值較高的 2003 年, 東北三省大部分區(qū)域處于高值區(qū)。通過提取每一天的AOD 值, 發(fā)現(xiàn)高值集中在 2003 年 5 月(AOD 月均值高達 1.16), 2003 年 5 月 19 日的 AOD 值達到東北地區(qū)罕見的高值 2.32, 這與當時的干旱和揚沙天氣密切相關(guān)。

2002 年秋季開始, 東北地區(qū)大部分區(qū)域降水持續(xù)偏少, 2002 年冬季和 2003 年春季的降水量比往年同期少 3～8 成, 尤其是 2003 年 1—5 月, 中國東北部平均降水量僅次于 1965 和 1993 年同期, 是 1954 年以來的第 3 個少雨年。受蒙古氣旋和冷空氣系統(tǒng)(風力 5～7 級)的影響, 4—5 月出現(xiàn)兩次揚沙和一次沙塵暴天氣(4 月 13—15 日揚沙, 4 月 15—17 日沙塵暴, 5 月 1—7 日揚沙[19]), 持續(xù)時間較長?？諝庵猩硥m等顆粒物導(dǎo)致 4—5 月 AOD 出現(xiàn)高值, 進而導(dǎo)致東北三省 2003 年的 AOD 年均值為近 20 年最高。

2014 年是 20 年來僅次于 2003 年的第二 AOD高值年(AOD 年均值為 0.29)。圖 3 顯示, 2014 年的AOD 高值區(qū)集中在盤錦?沈陽?鐵嶺?長春?哈爾濱一線的城市, 基本上與松遼平原的范圍吻合; 大興安嶺、小興安嶺和長白山等地勢較高的山區(qū) AOD呈現(xiàn)低值。通過提取每一天的 AOD 值, 發(fā)現(xiàn) 2014年的高值集中在 7 月(AOD 月均值為 0.74), 7 月 24日達到當年最高值 2.58, 其原因?qū)⒃?2.3 節(jié)討論。

從圖 3 可以看出, 2003 和 2014 年 AOD 為高值; 2018 年 AOD 為低值, 且空間分布較均勻。從表 1看出, 東北三省 2000—2019 年 20 年的 AOD 平均值為 0.23。從整體上看, 東北三省 2000—2019 年AOD 年均值變化不大, 人為影響相對穩(wěn)定, 主要是氣象因素導(dǎo)致小幅波動。2003 年比較特殊, 4—5 月的干燥和揚沙天氣導(dǎo)致當年 AOD 均值高達 0.38; 2018 年 AOD 最低, 年均值為 0.18; 2001 和 2004 年AOD 較低, 年均值為 0.19。

1.大興安嶺林區(qū); 2.小興安嶺山脈; 3.三江平原; 4.長白山脈; 5.松遼平原; 6.遼東南丘陵地帶

2.3 東北三省AOD的季節(jié)分布與變化

東北三省春季和夏季 AOD 季節(jié)平均值較高, 均為 0.27; 秋季和冬季 AOD 季節(jié)平均值較低, 分別為 0.18 和 0.19。圖 4 顯示 2000—2019 年東北三省20 年 AOD 季節(jié)平均值的空間分布, 圖 5 顯示東北三省 2000—2019 年逐年 AOD 季節(jié)平均值、20 年AOD 季節(jié)平均值及季節(jié)變化趨勢。

春季(3—5 月), AOD 高值區(qū)主要分布在松遼平原和三江平原, 后者尤為明顯, 與揚沙天氣和農(nóng)田秸稈燃燒有關(guān)。雖然我國大部分地區(qū) 3 月進入春天, 但因緯度較高, 東北三省一般 4—5 月冰雪才開始消融, 此時草木未生, 地表裸露, 是全年中風最大的季節(jié), 揚沙甚至沙塵暴天氣頻繁出現(xiàn)。此外, 4—5月空氣較為干燥, 農(nóng)田秸稈燃燒也多在耕種之前的這兩個月進行, 產(chǎn)生的顆粒物使 AOD 增高。結(jié)合2013 年 NASA 網(wǎng)站的 MOD14 與 MYD14 火點數(shù)據(jù), 按土地覆蓋類型數(shù)據(jù) MCD12 中農(nóng)田土地類型進行篩選, 得到 2013 年東北三省農(nóng)田中火點數(shù)的逐月分布情況。圖 6 顯示, 東北三省農(nóng)田秸稈燃燒集中在4, 5 和 10 月, 與文獻[20]中 2003—2017 年東北三省火點逐月分布結(jié)果一致, 與當?shù)剞r(nóng)業(yè)生產(chǎn)的實際情況(11—3 月因冰雪覆蓋無法進行秸稈燃燒, 4—5 月耕種之前及 10 月初秋收之后進行秸稈燃燒)相符。

圖2 2000—2019年東北三省AOD平均值的空間分布

圖3 東北三省2000—2019年逐年AOD空間分布

夏季(6—8 月), 東北三省 AOD 較高, 與李成才等[21]利用 MODIS 氣溶膠光學厚度產(chǎn)品反演北京及周邊地區(qū) AOD 的結(jié)果相似。東北三省夏季 AOD 高值區(qū)集中分布在遼中南城市群?長春?哈爾濱等人口密集、工業(yè)發(fā)達的城市區(qū)域。雨水可以清除空氣中的顆粒物, 使大氣變得清潔, 但東北三省夏季充足的雨水使得相對濕度達到全年最高, 在人口密集的城市區(qū)域, 熱力、湍流和城市熱島的作用使得人為排放的顆粒物抬向高空。夏季混合層發(fā)展較好, 由于氣溫隨高度增加而降低, 空氣中的水汽更容易飽和。高空顆粒物提供充足的水汽凝結(jié)核, 顆粒物在相對濕度較大環(huán)境下潮解并吸濕增長, 導(dǎo)致夏季整個大氣層消光系數(shù)較大, AOD 升高。

表1 2000—2019年東北三省AOD年均值

冬季(12—2 月), 東北三省燃煤量大, 污染期間AOD 處于高值。東北三省的空氣重污染事件從2013 年開始頻繁出現(xiàn)。以東北三省 2013 年(2013 年3 月 1 日至 2014 年 2 月 28 日)為例, 對 AOD 日均值按季節(jié)畫出箱圖, 如圖 7 所示。2014 年 2 月 25 日, 東北三省 AOD 值達到 1.72, 遠超近 20 年 AOD 平均值 0.23, 也遠超該年其他 3 個季節(jié)的平均值。2013年冬季 AOD 低值是 2014 年 2 月 3 日的 0.05, AOD 值的 1/4 中位數(shù)為 0.14, 中位數(shù)為 0.19, 3/4 中位數(shù)為0.36, 最高值為 1.72, 說明冬季重污染期間 AOD 日均值高, 但維持的時間段短, 在無污染階段很低, 導(dǎo)致 AOD 冬季月均值和年均值依然處于低位。

2013 年秋季(9—11 月)東北三省 91 天的 AOD中位數(shù)為 0.15, 與冬季同為低值季節(jié)。秋季日均值的變化與冬季有差異, 出現(xiàn)高值的原因與冬季略有差別。2013 年秋季 AOD 最高值出現(xiàn)在 10 月 20 日(0.97), 原因是 10 月莊稼成熟收割后, 農(nóng)田秸稈燃燒排放大量顆粒物。另外, 我國北方按緯度分期供暖, 黑河供暖最早, 10 月 1 日開始, 齊齊哈爾 10 月15 日開始, 哈爾濱 10 月 20 日開始, 之后東北地區(qū)全面供暖, 但秋季 AOD 卻處于低值, 是因為大風清除效果明顯。

圖4 2000—2019 年 20 年東北三省 AOD 季節(jié)平均值的空間分布

圖5 2000—2019 年逐年 AOD 季節(jié)平均值、20 年 AOD 季節(jié)平均值及季節(jié)變化趨勢

圖6 2013年東北三省農(nóng)田火點逐月分布

圖7 東北三省2013年AOD日均值箱圖

總體來看, 東北三省春季因揚沙天氣與農(nóng)田秸稈燃燒, AOD 最高; 夏季因顆粒物吸濕增長, AOD也較高; 秋季和冬季因大風對顆粒物的清除, AOD較低, 空間分布也較均勻。從 20 年的變化情況看, 春季呈緩慢下降趨勢, 夏、秋、冬 3 個季節(jié)呈緩慢上升趨勢, 其可能的誘因需進一步研究。

2.4 東北三省AOD月變化

20 年間的 240 個月份中, 東北三省 AOD 月均值最高值出現(xiàn)在 2003 年 5 月(1.16), 最低值出現(xiàn)在2000 年 10 月和 2018 年 10 月(均為 0.10)。圖 8 展示東北三省 2000—2019 年 AOD 逐月平均值, 可以看出, 1—7 月 AOD 呈上升趨勢, 5, 6 和 7 月 AOD 月均值最高, 分別為0.30, 0.31 和 0.30; 4—5 月裸露地表揚沙和農(nóng)田秸稈燃燒以及 6—7 月顆粒物吸濕增長(吸濕效果隨著高度增加而增強)導(dǎo)致 AOD 高值; 8—9 月東北地區(qū)進入秋季, 風力加強, 大氣中顆粒物疏散效果明顯, 8 月 AOD 開始下降, 9 月達到最低值 0.15; 9—10 月東北三省開始霜降天氣, 溫度和濕度比 7—8 月大幅度降低, 顆粒物無法吸濕增長, 導(dǎo)致大氣消光性差, AOD 下降, 能見度較高; 11—12月天氣轉(zhuǎn)冷, 在小風靜穩(wěn)等不利氣象條件下, 大量燃煤排放的顆粒物造成重污染, 但通常在西伯利亞冷空氣大風侵襲下快速清除, 雖然重污染時有發(fā)生, 但 AOD 整體上并未升高。

3 結(jié)論

本文利用 MODIS 的高時空分辨率氣溶膠光學厚度新產(chǎn)品 MCD19A2, 獲得東北三省 2000—2019年AOD的時空分布特征, 結(jié)論如下。

1)東北三省 2000 年 3 月到 2020 年 2 月 20 的AOD 均值為 0.23, 20 年間 AOD 值整體上呈現(xiàn)平穩(wěn)趨勢。受干旱和風沙天氣影響, 2003 年春季 AOD值過高?？臻g分布方面, 從南往北呈遞減趨勢, 總體上遼寧省>吉林省>黑龍江省。AOD 高值區(qū)集中分布在遼中南城市群等人口密集的工業(yè)發(fā)達地區(qū), 低值區(qū)分布在大興安嶺、小興安嶺和長白山脈等林地山區(qū)。

2)AOD 春季和夏季高, 秋季和冬季低。春季受裸露地表揚沙和農(nóng)田秸稈燃燒影響, AOD 的空間分布較均勻。夏季 AOD 高值區(qū)集中分布在遼中南城市群?長春?哈爾濱等人口密集的工業(yè)發(fā)達城市區(qū)。冬季 AOD 日均值差別較大: 高值較大, 出現(xiàn)的天數(shù)少; 低值較小, 出現(xiàn)的天數(shù)較多。因冬季盛行來自蒙古?西伯利亞高壓區(qū)的西北風, 對大氣中污染物的清除效果明顯, 拉低其 AOD 季節(jié)均值。秋季與冬季 AOD 季節(jié)均值相當, 與冬季日均值差別大相比, 秋季 AOD 月均值和日均值變化不大。

圖8 東北三省2000—2019年AOD月變化

3)人口密集、工業(yè)發(fā)達的城市及周邊地區(qū)對東北三省 AOD 影響大, 并且在時空上比較穩(wěn)定。氣象因素是變數(shù), 干旱和揚沙可能導(dǎo)致當年 AOD增高。

與以往研究所用數(shù)據(jù)相比, MCD19A2 數(shù)據(jù)更適用于東北地區(qū)的 AOD 反演, 不足之處是反演雪覆蓋的亮背景地表時, 依然存在不確定性。未來, 可以利用 MCD19A2 數(shù)據(jù)的高時空分辨率, 精細地研究東北三省農(nóng)田秸稈燃燒等因素對 AOD 的貢獻, 模擬該地區(qū)顆粒物濃度。

[1]Dickerson R R, Kondragunta S, Stenchikov G, et al.The impact of aerosols on solar ultraviolet radiation and photochemical smog.Science, 1997, 278: 827? 830

[2]張小曳.中國大氣氣溶膠及其氣候效應(yīng)的研究.地球科學進展, 2007, 22(1): 12?16

[3]Charlson R J, Langner J, Rodhe H, et al.Perturba- tion of the northern hemisphere radiative balance by backscattering from anthropogenic sulfate aerosols.Tellus A: Dynamic Meteorology and Oceanography, 1991, 43(4): 152?163

[4]Charlson R J, Schwartz S E, Hales J M, et al.Clima-te forcing by anthropogenic aerosols.Science, 1992, 255: 423?430

[5]周秀驥, 李維亮, 羅云峰.中國地區(qū)大氣氣溶膠輻射強迫及區(qū)域氣候效應(yīng)的數(shù)值模擬.大氣科學, 1998, 22(4): 3?5

[6]毛節(jié)泰, 張軍華, 王美華.中國大氣氣溶膠研究綜述.氣象學報, 2002, 60(5): 625?634

[7]羅宇翔, 陳娟, 鄭小波.近 10 年中國大陸 MODIS遙感氣溶膠光學厚度特征.生態(tài)環(huán)境學報, 2012, 21(5): 876?883

[8]張宸赫, 趙天良, 王富, 等.2003 ～ 2014 年東北三省氣溶膠光學厚度變化分析.環(huán)境科學, 2017, 38(2): 476?484

[9]劉海知, 郭海燕, 馬振峰, 等.2001 ～ 2017 年全國氣溶膠光學厚度時空分布及變化趨勢.環(huán)境科學, 2019, 40(9): 3886?3897

[10]Kaufman Y J, Wald A, Remer L A, et al.Remote sensing of aerosol over the continents with the aid of a 2.2 m channel.IEEE Transactions on Geoscience and Remote Sensing, 1997, 35: 1286?1298

[11]Hsu N C, Tsay S C, King M D, et al.Aerosol proper-ties over bright-reflecting source regions.IEEE Tran-sactions on Geoscience and Remote Sensing, 2004, 42(3): 557?569

[12]Sayer A M, Hsu N C, Bettenhausen C, et al.Vali-dation and uncertainty estimates for MODIS Collec-tion 6 “Deep Blue” aerosol data.Journal of Geophy-sical Research: Atmospheres, 2013, 118(14): 7864? 7872

[13]Lyapustin A, Wang Y, Laszlo I, et al.Multiangle implementation of atmospheric correction (MAIAC): 2.Aerosol algorithm.Journal of Geophysical Re-search: Atmospheres, 2011, 116(D3): D03211

[14]Lyapustin A I, Wang Y, Laszlo I, et al.Multi-angle implementation of atmospheric correction for MODIS (MAIAC): 3.Atmospheric correction.Remote Sen-sing of Environment, 2012, 127: 385?393

[15]Wong M S, Shahzad M I, Nichol J E, et al.Validation of MODIS, MISR, OMI, and CALIPSO aerosol opti-cal thickness using ground-based sunphotometers in Hong Kong.International Journal of Remote Sensing, 2013, 34(3): 897?918

[16]胡蝶, 張鐳, 沙莎, 等.西北地區(qū) MODIS 氣溶膠產(chǎn)品的對比應(yīng)用分析.干旱氣象, 2013, 31(4): 677?683

[17]劉瑩, 林愛文, 覃文敏, 等.1990 ～ 2017 年中國地區(qū)氣溶膠光學厚度的時空分布及其主要影響類型.環(huán)境科學, 2019, 40(6): 2572?2581

[18]楊雪艷, 田廣元, 常義.近 40 年中國東北地區(qū)平均風速的氣候變化特征分析.吉林氣象, 2009, 15(2): 2?4

[19]國家環(huán)境保護總局.中國2003年環(huán)境狀況公報.環(huán)境保護, 2004(7): 3?17

[20]Wang Lili, Jin Xin, Wang Qinglu, et al.Spatial and temporal variability of open biomass burning in Nor-theast China from 2003 to 2017.Atmospheric and Oceanic Science Letters, 2020, 13(3): 240?247

[21]李成才, 毛節(jié)泰, 劉啟漢, 等.利用MODIS光學厚度遙感產(chǎn)品研究北京及周邊地區(qū)的大氣污染.大氣科學, 2003, 27(5): 869?880, 951?953

Spatial-temporal Distribution of Aerosol Optical Depth over Northeastern China During 2000?2019

HAN Yang, KANG Ling, SONG Yu?

Department of Environmental Sciences, College of Environmental Science and Engineering, Peking University, Beijing 100871; ? Corresponding author, E-mail: songyu@pku.edu.cn

Using MCD19A2, a new product of MODIS with high temporal and spatial resolution(daily; 1 km × 1 km), spatial-temporal distribution of aerosol optical depth (AOD) over northeastern China during 2000?2019 were studied and analyzed.The results showed that the average AOD of the northeastern China in recent 20 years is 0.23, and have changed little.2003 is the year with the highest AOD (0.38), which is mainly affected by spring drought, sand blowing, straw burning and other factors.In terms of spatial distribution, there is a decreasing trend from south to north.Liaoning province is higher than Jilin province and Jilin province is higher than Heilongjiang Province.AOD high-value areas are concentrated in the urban agglomeration of south-central region of Liaoning Province and other areas with dense population and developed industry.Low-value area is distributed in the greater Hinggan Mountains, lesser Hinggan Mountains, Changbai Mountains and other mountainous areas.Seasonal distribution of AOD; Higher in spring and summer, lower in autumn and winter.The results can be used to study the effects of aerosols on the atmospheric radiation balance or to simulate the concentration of particulate matter.

MCD19A2; AOD; northeastern China; spatial-temporal distribution

10.13209/j.0479-8023.2021.084

國家重點研發(fā)計劃(2017YFC0209904)資助

2020?12?18;

2021?03?31