文韶鑫， 劉海新， 高葉鵬， 錢以臨

(河北工程大學礦業(yè)與測繪工程學院， 邯鄲 056038)

大氣氣溶膠是大氣中粒徑介于10-3～102μm的分子團、固態(tài)和液態(tài)微粒的總稱，具有穩(wěn)定性高、沉降速度小等特點[1]。氣溶膠一方面會影響氣候變化，例如影響溫度垂直廓線進而影響地球輻射平衡、通過成為云凝結(jié)核影響云的光學特性及壽命等；另一方面，氣溶膠會降低大氣能見度[2-4]。氣溶膠中的細顆粒物甚至會危及人類的身體健康，直接影響到人類的生產(chǎn)生活。由于氣溶膠處在不斷變化之中，理化性質(zhì)也較為復雜，平均壽命十分短暫，目前對氣溶膠的時空分布狀況的掌握不夠全面，因此亟需增進對氣溶膠時空分布及變化趨勢的了解。

相關(guān)研究表明，氣溶膠含量與氣溶膠光學厚度(aerosol optical depth,AOD)有極強的相關(guān)性，AOD作為大氣中的氣溶膠含量的表征亦被學術(shù)界所認可，并采用遙感手段對AOD展開遙感監(jiān)測[5-7]。王海林等[8]用AERONET站點做驗證，發(fā)現(xiàn)C006版本的MOD04數(shù)據(jù)精度有所提高，且在京津冀地區(qū)有良好的適用性。Jia等[9]表明MCD19A2數(shù)據(jù)反演精度高，可靠性強，在京津冀地區(qū)具有良好的適用性。Aklesso等[10]分析了2005—2015年非洲幾內(nèi)亞灣地區(qū)AOD變化趨勢，發(fā)現(xiàn)550 nm時該地區(qū)AOD呈下降趨勢，而470～660 nm時AOD呈上升趨勢。鄭小波等[11]根據(jù)2000—2010年MODIS氣溶膠產(chǎn)品，發(fā)現(xiàn)胡煥庸線可作為中國AOD分布的分界線，AOD呈東高西低分布，且東部AOD呈增加趨勢。孫忠保等[12]發(fā)現(xiàn)1980—2017年中國AOD時空演變趨勢大致可分為三個階段，2008年是AOD由升到降的轉(zhuǎn)折點。通過對COVID-19期間AOD的時空變化進行分析，趙慶志等[13]發(fā)現(xiàn)了AOD的周末效應(yīng)，且不同季節(jié)周末效應(yīng)的差異較大。以上研究使人們對氣溶膠時空分布及演變規(guī)律有了一定的認識，但針對京津冀地區(qū)長時間序列的時空演變特征研究還十分有限。

影響AOD時空變化的因素有很多，大致上可以分為兩類，一類是影響氣溶膠生成的因素，另一類是影響氣溶膠傳輸擴散的氣象因素[12]。目前研究認為人為因素是區(qū)域AOD變化的主要驅(qū)動力，但氣象因子對AOD的驅(qū)動作用仍不容忽視[14]。有學者指出，氣溫、降水、氣壓、風速等都會對AOD產(chǎn)生一定的影響，且影響具有時空異質(zhì)性[12,15-16]。陳裕迪等[17]發(fā)現(xiàn)氣溫、濕度以及降水都會對長三角地區(qū)AOD產(chǎn)生影響，且氣溫的影響最為顯著，并對此現(xiàn)象做出了詳盡解釋。景悅等[18]利用地理探測器發(fā)現(xiàn)了京津冀地區(qū)不同年份AOD產(chǎn)生的主導因子，但未能從長時間序列分析。因此，現(xiàn)利用2001—2019年氣溶膠融合數(shù)據(jù)分析京津冀地區(qū)的時空演變特征，并采用地理探測器對AOD的演變進行氣象解釋，以期增進對京津冀地區(qū)氣溶膠時空分布及其演變規(guī)律的了解。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域

圖1 研究區(qū)概況圖Fig.1 Overview map of the study area

京津冀地區(qū)位于中國華北地區(qū)，介于36°05′N～42°40′N，113°27′N～119°50′E，具體如圖1所示。京津冀地區(qū)是中國重工業(yè)基地之一，具有重要的戰(zhàn)略地位[19]。由于工業(yè)及城市的快速發(fā)展，京津冀地區(qū)的空氣質(zhì)量在逐漸下降，對人們的生產(chǎn)生活造成了一定的影響[1,3,11]。

1.2 研究數(shù)據(jù)

1.2.1 MODIS數(shù)據(jù)

目前使用的氣溶膠數(shù)據(jù)多為MODIS MOD04產(chǎn)品，其深藍產(chǎn)品(DB數(shù)據(jù))覆蓋范圍廣，但分辨率較低，不適合監(jiān)測局部地區(qū)的AOD分布；而暗目標產(chǎn)品(DT數(shù)據(jù))覆蓋范圍有限，難以覆蓋全地區(qū)。MCD19A2是MODIS官方2017年發(fā)布的AOD產(chǎn)品，是NASA官方發(fā)布的最新C006版本氣溶膠數(shù)據(jù)，使用MAIAC(多角度大氣校正算法)生產(chǎn)的氣溶膠日數(shù)據(jù)產(chǎn)品，具有更高的空間分辨率，能對更為復雜的地表進行AOD的反演[20-21]。由于MCD19A2冬季數(shù)據(jù)缺失嚴重，而缺失斑塊多呈菱形，導致月合成及年合成數(shù)據(jù)存在斑塊效應(yīng)，需要MOD04數(shù)據(jù)作為補充。DB數(shù)據(jù)具有更高的反演覆蓋面積及更廣泛的適用性，所以采用 C006版本的MOD04 DB數(shù)據(jù)和MCD19A2數(shù)據(jù)作為融合數(shù)據(jù)。

在數(shù)據(jù)融合之前先對MODIS數(shù)據(jù)進行預處理，即影像的提取、投影轉(zhuǎn)換、裁剪與鑲嵌，并對MCD19A2數(shù)據(jù)進行日均值處理。為消除云霧所帶來的影響，在融合前還需要將AOD較高(AOD>2)的區(qū)域進行掩膜處理。數(shù)據(jù)融合具體過程如下：對每日MCD19A2數(shù)據(jù)和MOD04數(shù)據(jù)進行逐像元掃描比較，若某一像元MCD19A2存在有效值，則采用MCD19A2數(shù)據(jù)；若不存在有效值，則采用MOD04數(shù)據(jù)，經(jīng)過處理得到每日的融合數(shù)據(jù)。經(jīng)過月平均處理，得到月AOD融合數(shù)據(jù)和年AOD融合數(shù)據(jù)。經(jīng)對比，融合后的月數(shù)據(jù)和年數(shù)據(jù)斑塊效應(yīng)有所減輕。

1.2.2 AERONET數(shù)據(jù)

AERONET監(jiān)控網(wǎng)是美國航空航天局(NASA)和法國國家科學研究中心(CNRS)聯(lián)合創(chuàng)建的全球氣溶膠地面監(jiān)測網(wǎng)絡(luò)，主要采用CE-318太陽光度計對大氣進行實時監(jiān)測[20]。AERONET的AOD反演精度高，可達0.01～0.02[1]，因此AERONET站點數(shù)據(jù)是可靠的地面驗證數(shù)據(jù)，常用于驗證衛(wèi)星AOD產(chǎn)品的精度。AERONET全球共有800多個地面站點，其中位于京津冀地區(qū)的有4個站點，分別是北京觀測站點(39.877°N，116.381°E)、興隆觀測站點(40.396°N，117.578°E)、香河觀測站點(39.754°N，116.962°E)和石家莊觀測站點(38.000°N，114.550°E)，4個站點的分布如圖1所示。本文選用2001—2019年4個站點的月觀測數(shù)據(jù)對衛(wèi)星氣溶膠數(shù)據(jù)進行精度驗證。

由于MODIS數(shù)據(jù)和AERONET數(shù)據(jù)的中心波長和時空尺度不同，在進行數(shù)據(jù)驗證前，先對AERONET站點數(shù)據(jù)進行波段匹配和時空匹配。波段匹配采用Angstrom關(guān)系式用AERONET站點波長為440 nm和675 nm數(shù)據(jù)通過插值得到與MODIS數(shù)據(jù)波長(550 nm)一致的數(shù)據(jù)，Angstrom關(guān)系式為

(1)

式(1)中：α為Angstrom波長指數(shù)；τ為氣溶膠光學厚度；λ1為長波波長；λ2為短波波長。

由于云覆蓋導致部分數(shù)據(jù)缺失，需要保證衛(wèi)星有效數(shù)據(jù)和地面站點數(shù)據(jù)的日期一致性，因此本文需要對衛(wèi)星數(shù)據(jù)進行采樣。同時，由于地面站點監(jiān)測30 km范圍內(nèi)的AOD，本文選擇以對應(yīng)站點為中心30 km×30 km范圍內(nèi)衛(wèi)星數(shù)據(jù)的平均值與站點數(shù)據(jù)加以比對。

1.2.3 氣象數(shù)據(jù)

氣象數(shù)據(jù)來自中國科學院資源環(huán)境科學與數(shù)據(jù)中心(www.resdc.cn)，為月均值站點數(shù)據(jù)，經(jīng)過克里金插值和數(shù)據(jù)修正得到月氣象數(shù)據(jù)。月氣象數(shù)據(jù)經(jīng)過均值處理得到季際及年際氣象數(shù)據(jù)?？死锝鸩逯凳菬o偏最優(yōu)估計法，具有較高的精度，適合具有強自相關(guān)性的氣象數(shù)據(jù)[21]。受氣象站點測量儀器的限制，針對氣象數(shù)據(jù)存在缺失值的問題，研究中取相鄰兩天數(shù)據(jù)的均值替代。

2 研究方法

2.1 EOF時空分解

EOF時空分解是對矩陣結(jié)構(gòu)加以分析，提取主要數(shù)據(jù)特征量的一種方法，該方法在1950年首次被Lorenz引入氣象研究中，目前在地學中得到廣泛的應(yīng)用[4]。影像數(shù)據(jù)集可看作是若干模態(tài)及其時間系數(shù)的線性組合，EOF可以用少量的模態(tài)來呈現(xiàn)AOD的空間分布，并用對應(yīng)的時間系數(shù)圖反映AOD的時間分布。若用數(shù)據(jù)集的距平形式，則模態(tài)表示AOD空間變化的分布。EOF分解的數(shù)學表達式為

Xmn=VmmZmn

(2)

式(2)中：Xmn為數(shù)據(jù)矩陣；Vmm為模態(tài)矩陣；Zmn為時間系數(shù)矩陣；m為采樣點個數(shù)；n為時間個數(shù)。

利用正交函數(shù)分析法對2001—2019年均AOD數(shù)據(jù)集進行時空分解，由于觀測點的個數(shù)遠大于時間個數(shù)，需要時空轉(zhuǎn)換來降低計算機的運算量。具體實現(xiàn)方法如下。

(1)對數(shù)據(jù)集預處理，將數(shù)據(jù)集處理成距平形式。同時將數(shù)據(jù)集整合為二維矩陣并去除影像背景值，減小誤差的產(chǎn)生。最終得到矩陣Xmn。

(2)計算X的轉(zhuǎn)置矩陣XT與X的交叉積Cnn，即Cnn=XTX。

(3)計算矩陣C的特征向量Vm和特征根λ。

(4)通過時空轉(zhuǎn)換得到X的特征向量V。

(6)對結(jié)果進行north檢驗，得到相互獨立的模態(tài)。

2.2 線性回歸分析法

回歸分析是基于像元統(tǒng)計的常用方法，利用回歸分析可以探尋AOD時間序列變化趨勢的空間分布情況。通過構(gòu)建年均AOD數(shù)據(jù)集的擬合函數(shù)，進而根據(jù)斜率判斷AOD變化趨勢，斜率k的計算公式為

(3)

式(3)中：t為時間序列長度；i為年份；AODi則表示第i年的AOD值。

根據(jù)斜率將AOD分為逐年增大(k>0)和逐年減小(k<0)兩類。同時根據(jù)相關(guān)系數(shù)，并依據(jù)相關(guān)系數(shù)查找表，判斷變化趨勢的顯著性：若r>r0.01，則為極顯著；若r0.05

2.3 地理探測器

空間分異現(xiàn)象是地學基本現(xiàn)象之一，而地理探測器是探索空間分異性和揭示驅(qū)動因子驅(qū)動力的統(tǒng)計學工具[22]，通過計算驅(qū)動因子與待探測因子的空間相似性來衡量驅(qū)動力的大小，結(jié)果用q表示，q的計算公式為

(4)

式(4)中：k為驅(qū)動因子的類型量；Nk為第k類型驅(qū)動因子的樣本計數(shù)；N為驅(qū)動因子總體樣本計數(shù)；σ2為驅(qū)動因子總方差。

地理探測器的獨特優(yōu)勢是可以分析兩個驅(qū)動因子之間的交互驅(qū)動作用，其交互作用從弱到強依次為非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強。本文采用地理探測器探索氣象因子對AOD空間分異的驅(qū)動作用，由于氣象數(shù)據(jù)是連續(xù)變量，需要離散化成為類型量，在綜合對比自然斷點法、ISODATA以及幾何間隔法后，選用ISODATA進行離散化[23]。然后，用10 km×10 km的網(wǎng)格對數(shù)據(jù)進行采樣，使用地理探測器對采樣結(jié)果進行探測。

3 結(jié)果與分析

3.1 融合精度驗證

基于AREONET地面站點數(shù)據(jù)對2001—2019年AOD月數(shù)據(jù)進行精度驗證，結(jié)果如圖2所示。從圖2可以看出，MOD04 DB數(shù)據(jù)、MCD19A2數(shù)據(jù)和融合數(shù)據(jù)與AERONET站點的相關(guān)系數(shù)r分別為0.71、0.76和0.80，證實：基于本文提出的融合方法，融合后的數(shù)據(jù)與地面站點的相關(guān)性有了稍微提高。兩側(cè)的虛線是NASA官方給出的誤差范圍，為(±0.05±0.15)AOD，EE%為期望誤差通過率，結(jié)果表明融合數(shù)據(jù)的期望誤差通過率為59%，相比MOD04 DB數(shù)據(jù)和MCD19A2數(shù)據(jù)有所增加[24]。多個角度對比說明，融合數(shù)據(jù)的誤差精度要優(yōu)于MODIS DB數(shù)據(jù)和MCD19A2數(shù)據(jù)。

圖2 2001—2019年衛(wèi)星AOD月數(shù)據(jù)精度驗證Fig.2 Accuracy verification of monthly satellitic AOD data from 2001 to 2019

圖3展示了研究區(qū)AOD年均值統(tǒng)計結(jié)果，從圖3可以看出，2001—2013年AOD在平均值0.47附近上下波動，其中2003年AOD的異常升高可能與氣象有關(guān)，年均大氣濕度為63%，達到2001—2019年最高值，高出平均值6%，較高的大氣濕度使氣溶膠粒子聚集變大，AOD上升；同時，平均風速也較其他年份低，加劇了氣溶膠粒子的聚集[12]。2008年由于舉辦北京奧運會，北京及周邊地區(qū)的環(huán)境得到有效改善，AOD顯著下降。2014—2019年AOD呈下降趨勢，其中2016年AOD顯著下降，這可能與2016年河北出臺大氣污染防治條例有關(guān)[5]，政府的大氣污染治理取得的顯著效果在AOD的迅速下降上得到了體現(xiàn)。

圖3 2001—2019年均AOD時間變化Fig.3 Temporal changes of annual average AOD from 2001 to 2009

3.2 AOD年際時空演變特征

AOD的年際空間分布及變化情況如圖4所示，根據(jù)自然斷點法，將AOD≤0.45的地區(qū)作為低值區(qū),而AOD>0.56的地區(qū)作為高值區(qū)。從整體看，AOD低值區(qū)主要位于京津冀西北部，包括承德市以及張家口市；而AOD高值區(qū)主要位于京津冀東南部，包括了河北省南部的大部分地區(qū)。結(jié)合圖1進一步分析發(fā)現(xiàn)，AOD和高程呈明顯的負相關(guān)性，AOD低值區(qū)主要位于山地及高原，包括壩上高原、太行山脈以及燕山山脈，高程較高；AOD高值區(qū)主要位于華北平原，高程較低。一方面，氣溶膠具有易于擴散的特點，而太行山脈阻擋了氣溶膠的擴散；另一方面，人類活動與地勢的高低有明顯的關(guān)系，華北平原地區(qū)工業(yè)發(fā)達，工業(yè)區(qū)分布較為密集，而工業(yè)廢氣的排放會增加AOD。

圖4 2001—2019年AOD空間分布變化Fig.4 Changes in the spatial distribution of AOD from 2001 to 2019

為深入探討研究區(qū)AOD的空間分布模式，本文對2001—2019年京津冀地區(qū)年均AOD數(shù)據(jù)集進行EOF分解，得到了能表征京津冀地區(qū)AOD空間分布特征的主要特征向量。第一以及第二模態(tài)的貢獻度為75%，并通過了north檢驗，可以代表AOD的空間分布模式。EOF分解后的第一模態(tài)和第二模態(tài)如圖5所示，第一模態(tài)的貢獻度為68.7%，是主要的空間分布模式。該模態(tài)下的所有EOF載荷值符號一致，為全局一致型，表示AOD整體上升或降低。EOF載荷值由東南向西北逐漸降低，表明變化程度從西北地區(qū)到東南地區(qū)逐漸增大。第二模態(tài)的貢獻度為7.5%，是對第一模態(tài)的補充。第二模態(tài)南部地區(qū)和北部地區(qū)EOF載荷值符號相反，為南北分異型，表示變化方向相反。EOF分解結(jié)果表明，京津冀地區(qū)AOD的空間分布模式以全局一致型為主，南北分異型為輔。

圖5 京津冀地區(qū)特征向量Fig.5 Characteristic vector of Beijing-Tianjin-Hebei region

以往研究根據(jù)行政區(qū)對研究區(qū)域進行區(qū)域劃分，但氣溶膠具有空間一致性和連續(xù)性，聚類分析更貼合氣溶膠特性[4]?；诘越M織數(shù)據(jù)分析算法(ISODATA)對研究區(qū)2001—2019年AOD年均結(jié)果進行分類，結(jié)果如圖6(a)所示，從圖6(a)中可以看出，研究區(qū)被分為明顯的3個區(qū)域。分別對3個區(qū)域進行逐年統(tǒng)計，結(jié)果如圖6(b)所示，由圖6(b)可知，不同區(qū)域間的變化情況基本一致。結(jié)合圖1進一步分析發(fā)現(xiàn)，AOD區(qū)域劃分和海拔高度有密切聯(lián)系。其中，區(qū)域1海拔較高，主要為山地地區(qū)，人口密度小，植被覆蓋較高，AOD相對較低且變化幅度小。區(qū)域2位于山腳前，是區(qū)域1和區(qū)域3的過渡區(qū)，而區(qū)域3為平原地區(qū)，工業(yè)發(fā)達，人口密集，AOD較京津冀地區(qū)整體平均值高，且變化幅度較大。

圖6 ISODATA分區(qū)及各分區(qū)AOD時間變化Fig.6 ISODATA partition and AOD temporal change of each partition

3.3 AOD季際時空演變特征

基于，依據(jù)研究區(qū)的氣候特點將3—5月劃分為春季，6—8月為夏季，9—11月為秋季， 12月—次年2月為冬季[1]?；谏鲜黾竟?jié)劃分及2001—2019年月際AOD時空分布數(shù)據(jù)進行統(tǒng)計，結(jié)果如圖7所示，其中，春季、夏季、春季和冬季的AOD分別為(0.46±0.07)、(0.59±0.08)、(0.40±0.04)、(0.37±0.05)。從圖7中可以發(fā)現(xiàn)，夏季AOD較其他季節(jié)高，可能與夏季風帶來海洋性氣溶膠有關(guān)[17,25-26]。春季和夏季AOD標準差較大，說明AOD變化較大，由此可以判定，年際AOD的變化更多來自春季和夏季。

圖7 2001—2019年AOD季節(jié)變化Fig.7 AOD seasonal changes from 2001 to 2019

為了進一步了解季節(jié)變化趨勢，采用一元線性回歸法，獲得研究區(qū)AOD不同季節(jié)的變化趨勢，結(jié)果如圖8所示。同時，對各季節(jié)不同趨勢所占比例進行統(tǒng)計，結(jié)果如表1所示。由表1可以得出，趨勢變化比例最高的是減少不顯著，春、夏、秋、冬和全年的比例分別為84.23%、76.83%、59.06%、46.58%和82.39%，而呈顯著及極顯著增加趨勢的比例很低，基本為0。由此可以看出，AOD呈現(xiàn)減少的趨勢。春季和夏季京津冀地區(qū)主要呈現(xiàn)減少趨勢，而秋季和冬季增加不顯著趨勢的比例明顯比春季和夏季高，和減少不顯著趨勢比例大致相等。結(jié)合圖8進行分析發(fā)現(xiàn)，春季呈增加不顯著趨勢的地區(qū)主要位于冀南地區(qū)，而呈顯著及極顯著減少趨勢的地區(qū)零星散布在研究區(qū)西北部。夏季呈顯著減少及極顯著趨勢的地區(qū)明顯比其他季節(jié)多，零星散布在研究區(qū)各地，以北部地區(qū)居多；呈增加不顯著趨勢的地區(qū)位于東北角。秋季呈顯著及極顯著增加趨勢的區(qū)域在西北部山區(qū)，呈增加不顯著趨勢的區(qū)域分布在研究區(qū)各地，以北部地區(qū)為多。冬季呈現(xiàn)增加不顯著趨勢的區(qū)域主要位于研究區(qū)東部，而呈現(xiàn)減少不顯著趨勢的區(qū)域主要位于研究區(qū)西部。

圖8 AOD四季變化趨勢分布Fig.8 Seasonal trend distribution of AOD

表1 AOD不同季節(jié)變化趨勢所占比例Table 1 The proportion of AOD trends in different seasons

3.4 AOD時空演變的氣象解釋

為了探究不同氣象因子對AOD演變的驅(qū)動作用，本文采用地理探測器，在前人的研究基礎(chǔ)上選取氣溫、降水、風速、氣壓和濕度作為氣象因子，并考慮了影響的時空異質(zhì)性，對不同區(qū)域、不同季節(jié)的時空演變做出氣象解釋[12-16]。

京津冀地區(qū)年均AOD的地理探測結(jié)果如表2所示。表2中對角線表示單個氣象因子的解釋力(q)，研究中所采用的5個氣象因子中濕度、氣壓和氣溫的解釋力都超過了0.6，解釋力最大的是氣溫，其主要原因為，一方面氣溶膠會對地表太陽能量產(chǎn)生散射作用，使氣溫升高；另一方面氣溫升高會促進氣溶膠的生成，因此氣溫的解釋力最強[12,17]。另外，空氣濕度變大，親水性氣溶膠的粒徑會增大，AOD同樣升高[27]。而大氣氣壓升高，會增加大氣厚度導致AOD變大。平均風速的解釋力較弱，因為氣流對AOD的作用還要受到風向的影響，若是低氣壓中心，大氣向中心流動，氣溶膠易集聚，AOD會升高；而在高氣壓中心，大氣的流動會將氣溶膠帶走，AOD會降低[17]。因而風速和氣壓呈非線性增強。單一氣象因子對AOD的影響有限，更多的是通過多個氣象因子的共同作用對AOD產(chǎn)生影響[24]。其中氣溫與濕度是主導交互因子，解釋力高達0.9，說明兩者的共同作用對AOD產(chǎn)生更強的影響，溫度升高使得氣溶膠粒子數(shù)增加，而濕度增大會使氣溶膠粒徑增大，粒子對地表輻射的作用更強。

對圖6(a)所劃分的區(qū)域分別進行地理探測，各區(qū)域氣象因子的解釋力如表3所示。濕度的解釋力從區(qū)域3到區(qū)域1逐漸減小，可能由于來自海洋的海鹽氣溶膠受到山脈的阻擋，其對AOD的影響逐漸減弱[17]。而氣壓的解釋力從區(qū)域3到區(qū)域1逐漸增強。風速解釋力最強的是區(qū)域2，同時風速也是區(qū)域2的主導因子，可能是因為風受到山體的阻擋，在此處易形成環(huán)流，氣溶膠在此處聚集，所以風速越快，AOD越高。

對2001—2019年季均AOD進行地理探測，結(jié)果如表4所示。從表4中可以看出，大氣濕度不同季節(jié)驅(qū)動力變化幅度較大，由于氣溫與濕度的共同作用較強，可能氣溫對濕度的驅(qū)動力會產(chǎn)生較強的影響。降水對氣溶膠有沉降作用，在冬季尤為明顯，這是因為冬季降水少，每次的沉降作用明顯。

表2 年平均AOD氣象因子交互解釋力及相互作用Table 2 Interaction explanatory power and interaction of annual average AOD meteorological factors

表3 分區(qū)氣象因子解釋力Table 3 The explanatory power of regional meteorological factors

表4 不同季節(jié)氣象因子解釋力Table 4 The explanatory power of different seasonal meteorological factors

4 結(jié)論

根據(jù)2001—2019年融合數(shù)據(jù)，采用EOF分析法、一元線性趨勢法以及地理探測器等方法，從年、季兩個角度分析了京津冀地區(qū)的時空演變特征，并探討了氣象要素對AOD演變的影響，對京津冀地區(qū)大氣污染的防治具有借鑒意義，得出如下結(jié)論。

(1)MCD19A2月合成數(shù)據(jù)和年合成數(shù)據(jù)會出現(xiàn)斑塊效應(yīng)，可能是由于MCD19A2采用的多角度大氣校正算法在遇到云遮蓋時會呈菱形形狀反演。為了緩解斑塊效應(yīng)，本文根據(jù)MCD19A2數(shù)據(jù)和MOD04 DB數(shù)據(jù)，采用MCD19A2優(yōu)先法及平均值合成法生成了AOD融合月數(shù)據(jù)。同時對MCD19A2數(shù)據(jù)、DB數(shù)據(jù)和融合數(shù)據(jù)進行地面站點驗證，發(fā)現(xiàn)融合數(shù)據(jù)的誤差精度比MCD19A2數(shù)據(jù)和MODIS DB數(shù)據(jù)高。數(shù)據(jù)融合緩解了斑塊效應(yīng)帶來的影響，但完全消除斑塊效應(yīng)有待進一步的研究。

(2)年際時空演變分析表明，京津冀地區(qū)AOD在2001—2013年圍繞平均值0.47上下波動，2013年以后快速下降，并且空間分布和高程呈明顯的負相關(guān)性。EOF分解結(jié)果顯示京津冀地區(qū)的年際AOD空間分布模式以全局一致型為主，南北分異型為輔。季節(jié)時空演變分析表明，京津冀地區(qū)夏季AOD最高，春季和夏季變化程度最大；AOD整體呈現(xiàn)減少趨勢，四季大部分地區(qū)呈現(xiàn)不顯著下降趨勢，且秋季和冬季部分地區(qū)呈不顯著增加趨勢。

(3)根據(jù)先前的研究，本文選取了濕度、降水、氣壓，氣溫、風速這5個氣象因子來探究京津冀地區(qū)AOD變化的驅(qū)動力，在篩選的5個氣象因子當中，氣溫的解釋力最強。多個氣象因子之間會相互影響，對AOD變化產(chǎn)生更高的影響力。風速和氣壓呈非線性增強，而氣溫和濕度是主導交互因子。濕度從區(qū)域1到區(qū)域3濕度解釋力逐漸增強，而氣壓解釋力逐漸減弱，區(qū)域2風速解釋力比其他區(qū)域強。春季和秋季濕度比夏季和冬季的解釋力強，而冬季降水的解釋力比其他季節(jié)強。由于選取的因子有限，可能有更多的氣象因子會對AOD的變化產(chǎn)生驅(qū)動力，需要進一步的探究。