广东省MODIS气溶胶光学厚度时空分布及其影响因素

张 磊，江 洪*，陈 诚，张林静，刘元亮，周 游

（1. 南京大学 江苏省地理信息技术重点实验室，江苏 南京 210023；2.南京大学 国际地球系统科学研究所，江苏 南京 210023；3.南京大学 地理与海洋科学学院，江苏 南京 210023；4.南京信息工程大学 气象灾害预报预警与评估协同创新中心，江苏 南京 210044）

广东省MODIS气溶胶光学厚度时空分布及其影响因素

张 磊1,2，江 洪1,2*，陈 诚1,3，张林静1,2，刘元亮1,2，周 游4

（1. 南京大学 江苏省地理信息技术重点实验室，江苏 南京 210023；2.南京大学 国际地球系统科学研究所，江苏 南京 210023；3.南京大学 地理与海洋科学学院，江苏 南京 210023；4.南京信息工程大学 气象灾害预报预警与评估协同创新中心，江苏 南京 210044）

利用2001年、2007年和2013年MODIS气溶胶光学厚度（AOD）产品，结合DEM、NDVI、夜间灯光及《广东省统计年鉴》数据，分析了广东省AOD的时空特征及其影响因素。结果表明，广东省AOD呈现先升后降的趋势，2007年较2001 年AOD年平均增加了14．97%，而2013年较2007年则下降了26．25%；月份分析结果显示，春季AOD最大，在3、4月达到顶峰；AOD与DEM、NDVI负相关，与夜间灯光正相关；人口集中的地区AOD较大，珠三角城市群呈现成片高值区，珠三角以外地区AOD高值区零星分布，表明人类活动对AOD具有显著的影响。

MODIS；AOD；时空分布；NDVI；DMSP/OLS夜间灯光

大气气溶胶可被定义为悬浮在大气中由固体和液体微粒共同组成的多相体系，其直径多在10-3～100 μm之间。大气气溶胶微粒来源于沙尘粒子、海洋粒子等自然源和人们生产、生活等人为源。在表征大气气溶胶物理特性的参量中， AOD反映了气溶胶粒子对太阳辐射的消光作用，能够推算气溶胶含量、评估大气污染程度[1-3]。

近年来，很多学者通过卫星遥感来研究气溶胶的特性。国际上开展气溶胶卫星遥感的工作始于20世纪70年代中期，我国从20世纪80年代中期开始进行这方面的研究[4-5]。Levy R C[6]和Remer L A[7]等在Kaufman的暗像元算法基础上开发了NASA的V5．2气溶胶反演算法，为全球提供10 km分辨率气溶胶产品，对研究区域的气溶胶污染物输送有重要的应用价值。CHU D A[8]等利用NASA的10 km分辨率MODIS AOD产品进行了全球、区域和局地大气污染监测方面的研究。该方法弥补了难以掌握大区域气溶胶颗粒物空间分布的不足，为近地面的大气环境研究提供了更多的空间信息。

广东省是我国经济最发达的省份之一，工农业活动向大气排放了大量气溶胶粒子，大气中气溶胶颗粒物的来源众多且复杂，区域环境问题日益严重，因此有必要对该区域的大气环境进行宏观分析。本文以广东省为研究区，主要根据MODIS MOD04数据分析了2001年、2007年和2013年AOD时空分布及变化趋势，并结合DEM、SPOT NDVI、DMSP/OLS夜间灯光及《广东省统计年鉴》数据，分析了影响AOD时空变化的原因，探讨了人类活动对AOD分布的影响，对科学预测以及有效控制广东省大气颗粒物污染有着实际的指导意义。

1 研究资料与处理方法

1.1 研究区概况

广东省地处中国大陆最南端，面积约为18万km2，境内地势北高南低，东西向腹部倾斜。这种地形分布，既可减少北方寒潮南下的机会，又可使省内更多的地方接受充足的阳光和雨水。地形的差别会影响区域气候，同样也会影响AOD的空间分布。根据地形、地理位置、经济等因素，广东省可分为珠三角、粤东、粤西、山区4个区域。珠三角包括广州、佛山、肇庆、中山、珠海、江门、惠州、东莞、深圳9个市，粤东包括汕头、潮州、揭阳、汕尾4个市，粤西包括阳江、茂名、湛江3个市，山区包括云浮、清远、韶关、梅州、河源5 个市，如图1所示。

1.2 数据来源与预处理

1）AOD采用的是MODIS二级产品MOD04，空间分辨率为10 km。该数据通过暗像元法反演得到[9]，来自NASA官网，本文用其分析研究区AOD的时空变化。利用Matlab和ArcGIS工具进行数据处理，得到广东省各月的AOD数据，AOD年值数据由12个月数据取均值获得。

图1 广东省各地级市分布（审图号：粤S（2008）002号）

2）DEM采用的是SRTM地形产品数据，空间分辨率为90 m。该数据用于分析地形地势对AOD空间分布的影响。数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站（http://www．gscloud．cn）。

3）NDVI采用的是SPOT VST-S10数据，空间分辨率为1 km；SPOT-NDVI产品是10 d最大化NDVI数据集的合成，有效地去除了云覆盖的影响[10]。利用年平均获得NDVI年值数据并重采样为10 km空间分辨率，用以分析植被覆盖对AOD时空分布的影响。

4）夜间灯光数据采用的是第4版本DMSP/OLS非辐射定标平均灯光强度数据，空间分辨率为1 km，DN值范围为0～63。本文从2001年、2007年和2013年全球DMSP/OLS影像上裁剪出广东省的数据，利用其探测城市灯光甚至是小规模居民地、车流等发出的低强度灯光，较适合大尺度城市化进程的动态监测[11-12]。

5）除遥感数据外，选用《广东省统计年鉴》数据分析广东省经济社会发展进程对AOD时空分布的影响，主要包含各产业的生产总值和GDP总量。年鉴数据来自中国经济与社会发展统计数据库。

2 AOD时空特征分析

2.1 AOD时序变化规律

图2显示的是2001年、2007年和2013年的AOD年值分布特征。AOD最低值为0．177，最高值为1．108。从时间尺度上看，2007年平均AOD高于2001年和2013年，AOD呈先增后减的趋势。广东全省平均AOD从2001年到2007年增长了14．97%，而2007年到2013年则下降了26．25%。

图2 广东省2001年、2007年和2013年AOD年值的分布特征

由图3可直观看出，2007年整体的AOD值最大，2001年次之，2013年最小。3年中月尺度的变化规律较为一致，1、2月处于低谷状态；3、4月呈明显的上升趋势，并达到一个峰值；在5～7月较稳定，且数值较低；8、10、12月呈现一个小的峰值，而11月则呈现明显的谷值。总之，AOD表现出以1 年为尺度的周期变化。

图3 3年MODIS AOD的月变化

表1统计了广东省4个季节MODIS AOD的平均值和标准差，可以看出广东省AOD呈现明显季节变化，春季最大，冬季次之，夏季最小。AOD最大值出现在2001年春季，最小值出现在2013年夏季。根据3年标准差可看出AOD最大和最小的波动分别出现在春季和冬季。这些变化是由于气象条件、大气理化性质和人为排放的季节性等因素不同而造成的。

表1 广东省四季MODIS AOD的平均值和标准差

2.2 AOD空间分布特征

图4为根据2001年、2007年和2013年MODIS数据，利用ArcGIS Zonal统计获得的4个区域AOD三年平均结果。珠三角地区AOD最高，粤西次之，粤东和山区较低。4个区域月份变化基本保持一致，高值主要出现在3、4月，低值主要在6、7月。以地级市来统计，AOD较高的地区有广州、东莞、佛山、中山和珠海，全部处于珠三角地区；而AOD较低的地区有河源、梅州、潮州、汕尾等，多处于山区和粤东地区。珠三角、粤东、粤西、山区的3年AOD均值分别是0．578、0．429、0．516和0．440。由此可看出，珠三角的AOD明显高于广东省其他地区。

图4 珠三角、粤东、粤西、山区的AOD变化

2.3 AOD影响因素分析

2.3.1 DEM对AOD的影响

图5为2001年、2007年和2013年的AOD均值与1 年DEM的拟合结果。以广东省各地级市为研究单元，计算各地级市区域内各指标的均值，以此进行回归分析；并使用对数函数拟合，得到二者呈现较强的负相关。随着高程的增加，AOD逐渐降低，而当到达一定的高度时，AOD下降的速率变慢，趋势变得平缓，说明高程对AOD有一定的影响。经过统计分析可知，海拔较高的地区（如粤北山区）AOD偏低，而海拔较低的平原地区（如珠三角）AOD则较高。导致这种现象的原因是地势低平的地区人口较集中，排放了较多的人为源气溶胶颗粒，而海拔较高的山区人口较为稀疏，人为源气溶胶颗粒物较少。

图5 AOD与DEM的拟合结果

2.3.2 NDVI对AOD的影响

图6为3年平均的AOD与NDVI的回归分析结果。NDVI是通过近红外波段和红光波段的反射率计算得到的，是植被覆盖度的最佳指示因子。AOD与NDVI呈现很高的负相关，R2达0．8以上，说明植被覆盖度高的地区AOD较小，而植被少的地区AOD偏大[13]。导致这种现象的原因是植被覆盖度低的地区大多人类集中，而植被覆盖度高的森林地区人类活动较少。此外有关研究表明，植物可作为大气污染物的吸收器，降低大气粉尘浓度，是一种从大气环境去除颗粒物的有效途径[14-15]。据统计，2001年、2007年和2013年全省平均NDVI分别为0．454、0．471和0．519，一直在上升，表明广东省的植被覆盖度有所提高。植物的滞尘效应在一定程度上有助于减少气溶胶的污染，抑制AOD的上升。

图6 AOD与NDVI的拟合结果

2.3.3 夜间灯光对AOD的影响

如图7所示，广东省2001年、2007年和2013年的DMSP/OLS夜间灯光高值区分布呈逐渐扩大的趋势，尤其是珠三角地区。珠三角上空夜间灯光高值区集中，而珠三角以外的地区高值区呈点状分布。为了分析城市扩展及人类经济活动对AOD时空变化的影响，利用Zonal统计方法得到广东省21个城市3年的DMSP/ OLS夜间灯光数据，然后与对应年份的MODIS AOD数据分别建立线性回归模型，并统计其3年平均结果。

图7 广东省3年DMSP/OLS夜间灯光分布特征

如图8所示，AOD与夜间灯光数据之间具有较好的正相关性，整体上R2在0．6以上，而夜间灯光能够在一定程度上反映人口及能源分布，说明AOD与人口分布、能源消耗呈正相关。对比图2和图7可以看出，城市集中的珠三角地区AOD出现连续的高值区，而粤东、粤西、山区的城市分布较稀疏，其AOD高值区也较少。

图8 AOD与DMSP/OLS夜间灯光的拟合结果

表2为2001年、2007年、2013年AOD和夜间灯光的变化。十多年来，AOD先升后降，而夜间灯光数值一直在上升。由此可知，广东省城市化进程持续进行，但AOD并没有跟着持续增长，2001～2007年AOD呈上升状态，而在2007～2013年不升反降。

表2 3年AOD与夜间灯光的平均值和标准差

2.3.4 统计数据对AOD的影响

表3为2001年、2007年和2013年广东省第一、二、三产业生产总值及其所占比例的统计结果。可以看出，广东省的产业结构发生了变化，第一产业比重不断下降，第二产业比重较大且呈先升后降的趋势，第三产业比重持续上升。广东省的产业结构总体以第二、三产业为主，AOD与第二产业比重都呈先升后降的趋势，表明第二产业对AOD影响较大，存在一定的联系。

此外，广东省2007年较2001年工业和建筑业分别增长了201．7%和82．2%，2013年较2007年工业和建筑业分别增长了83．9%和94．5%，后一个6年工业增长率较前一个6年放缓，2007年后第二产业比重的下降，一定程度上影响了AOD的年际间变化。具体原因可能是由于我国在“十一五”期间政府实施的较为严格的节能减排措施所带来的协同效应所致，但具体的协同效应还有待进一步深入研究[16]。

表3 2001年、2007年、2013年广东省第一、二、三产业生产总值及比例

3 结 语

1）广东省平均AOD呈先升后降的趋势，2007年较2001年AOD年平均增加了11．9%；而2013年较2007年AOD年平均下降了29．7%。一年中AOD大致在3、4月达到顶峰，在11月达到最低值。四季中AOD春季最高，夏季最低。

2）以地级市来统计，AOD较高的有广州、东莞、佛山、中山和珠海，全部处于珠三角地区；而AOD较低的有河源、梅州、潮州、汕尾等，多处于山区和粤东地区。广东省范围内AOD分布呈现一个以珠三角为核心，包含广州、佛山、东莞等地级市的大范围高值区。

3）经济发达的地区AOD也较大，珠三角地区呈现成片高值区。AOD的高低及其高值区的分布面积与自然环境和人类经济活动密切相关，其中与人口集中度正相关、与高程及植被分布负相关。2007年之后AOD的下降主要与第二产业比重下降有一定关系，与植被覆盖度的提高可能也有一定关系。在未来的研究中，应加入气象资料和更多的统计数据，才能更准确地分析造成AOD变化的原因。

[1] 王跃思,辛金元,李占清,等．中国地区大气气溶胶光学厚度与Angstrom参数联网观测(2004-08～2004-12)[J]． 环境科学,2006,27(9):1 703-1 711

[2] 李成才,毛节泰,刘启汉,等． MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]．中国科学,2005,35(增刊1): 177-186

[3] Holben B N, Eck T F, Slutsker I, et al． AERONET—a Federated Instrument Network and Data Archive for Aerosol Characterization[J]． Remote Sensing of Environment,1998,66(1):1-16

[4] 吴兑．近十年中国灰霾天气研究综述[J]．环境科学学报,2012,32(2):257-269

[5] 毛节泰,张军华,王美华．中国大气气溶胶研究综述[J]．气象学报,2002,60(5):625-634

[6] 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):3 710-3 711

[7] 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[8] 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):21

[9] 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(14):17 051-17 067

[10] CHEN C, ZHAO S, DUAN Z, et al． An Improved Spatial Downscaling Procedure for TRMM 3B43 Precipitation Product Using Geographically Weighted Regression[J]． IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(9):4 592-4 604

[11] 陈晋,卓莉,史培军,等．基于DMSP/OLS数据的中国城市化过程研究:反映区域城市化水平的灯光指数的构建[J]．遥感学报,2003,7(3):168-175

[12] 何春阳,史培军,李景刚,等．基于DMSP/OLS夜间灯光数据和统计数据的中国大陆20世纪90年代城市化空间过程重建研究[J]．科学通报,2006,51(7):856-861

[13] LI L, WANG Y． What Drives the Aerosol Distribution in Guangdong:the Most Developed Province in Southern China?[J]．Scientific Reports,2014,4:5 972

[14] 邱媛,管东生,宋巍巍,等．惠州城市植被的滞尘效应[J]．生态学报,2008,28(6):2 455-2 462

[15] Prusty B A K, Mishra P C, Azeez P A． Dust Accumulation and Leaf Pigment Content in Vegetation near the National Highway at Sambalpur, Orissa, India[J]． Ecotoxicology & Environmental Safety,2005,60(2):753-773

[16] MA Z W, HU X F, Sayer A M, et al． Satellite-based Spatiotemporal Trends in PM2．5Concentrations: China, 2004～2013[J]． Environmental Health Perspectives,2016,124(2):184-192

P237

B

1672-4623（2017）01-0046-04

10.3969/j.issn.1672-4623.2017.01.014

张磊，硕士研究生，研究方向为地理信息系统与资源环境遥感应用。

2016-04-08。

项目来源：国家自然科学基金面上基金资助项目（41171324）；教育部博士点基金资助项目（20110091110028）；科技部平台资助项目（2005DKA32306）。

（*为通讯作者）