2021年中国北方首次沙尘天气的多源遥感分析

王 宁,陈 健,张缘园,徐永明,崔嘉文

2021年中国北方首次沙尘天气的多源遥感分析

王 宁,陈 健*,张缘园,徐永明,崔嘉文

(南京信息工程大学遥感与测绘工程学院,江苏 南京 210044)

利用多源遥感数据和NCEP再分析资料,从沙尘源区的地理环境和气候特征出发,对2021年中国北方首次沙尘天气事件每日的大气环流形势以及沙尘的水平,垂直分布特征进行深入的研究分析.结果表明:源区内异常增温,降水稀少的气候背景下致使大面积裸露松散的土壤含水量较低,为大范围,高强度沙尘天气的形成提供了物质基础;频繁活动的冷空气,是沙尘天气爆发的动力因子.沙尘在强风中沿东南方向向下游地区输送和扩散,中国西北,华北,黄淮,江淮,江汉地区和江南北部等地先后受到沙尘天气的影响,空气质量迅速恶化,首要污染物为PM10.此外,沙尘气溶胶东移也波及朝鲜半岛,日本等下游地区.在输送过程中,内陆地区沙尘主要分布在1～6km,而下游地区的沙尘则集中分布在2km高度附近,粒径较大的沙尘出现在近地表的频率较高,较小的颗粒主要分布在对流层中下层.

多源遥感；沙尘天气；大气环流

沙尘天气是特定的沙漠生态环境和气象条件综合作用形成的自然现象[1].频繁发生的沙尘天气不仅对人类的生命健康和生态环境造成严重的危害,而且对全球气候变化也有着重要的影响[2-3].因此,对沙尘天气的监测与分析成为了近年来环境,生态,气象领域的热点方向.

2021年1月10日,受多股冷空气影响,在内蒙古西部与蒙古国南部地区出现大范围,高强度沙尘天气.沙尘在强风中向东南方向输送和扩散,中国西北地区东部,华北大部,黄淮等地先后受本次大规模沙尘天气的影响,大气污染严重.此次沙尘天气是2021年首次沙尘天气过程,较2000～2020年平均发生时间(2月15日)偏早1个月,也是自2002年(3月1日) 以来出现时间最早的一次沙尘天气过程,呈现出发生时间早,强度高,影响范围广的特征.

目前,监测沙尘天气的方式主要分为地基监测和卫星遥感监测.大规模的沙尘天气通常起源于偏远的荒漠地区,常规的地基监测极易受自然环境的影响,很难实现对沙尘天气进行长期的监测和预报[4].此外,受人力,物力和财力等因素的限制,构建大规模,高密度的地面站进行沙尘天气的监测难以实现.所以,地基监测具有很大的局限性,不利于对大范围沙尘天气的形成,移动和沉降进行监测,分析和预报等[5].

相比之下,卫星遥感技术具有大面积同步观测能力,时效性强,经济效益高等优势,弥补了地基监测方式的不足[6].目前,已有大量研究利用Terra/Aqua, FY-4A,NOAA,Himawari等卫星遥感数据开展沙尘天气定性、定量的研究[5,7-9].大多数卫星主要以被动遥感方式实现沙尘天气的监测,主要分为近红外法,热红外法,微波极化指数法和紫外吸收法等[10-13].一般而言,近红外法更适合监测低浓度的沙尘,但不适用于下垫面为高反射率的地区,且仅在白天可用;热红外法适用于监测高浓度的沙尘,虽不受昼夜条件的限制,但受地表温度和比辐射率及大气温度廓线的不确定性影响较大.而且,上述两种方法仅适用于晴空大气条件,无法获取云层底部的沙尘信息.虽然,微波遥感可以有效地捕获云层下的沙尘信息,但其空间分辨率和定量精度均较低.紫外法可用于高亮度地表上空的沙尘监测,但不适用于高强度沙尘天气的研究.此外,自云-气溶胶激光雷达和红外探测卫星(CALIPSO)成功发射,利用其主动探测和退偏监测优势可以有效地识别沙尘气溶胶并获取其垂直分布特征[14],但受激光能量大小的影响,导致白天的探测高度有限,而且数据反演方法也需要进一步的改进[7].

综上所述,可知卫星遥感技术的发展改进了沙尘天气的监测方式,提高了沙尘识别,光学参数等研究方面的精度.但是,利用任何单一的遥感手段监测沙尘天气均有明显的局限性和差异性,不能全面地反映沙尘目标的特征.因此,本文通过综合多种沙尘天气遥感监测方法的优势,利用主,被动遥感观测方式对2021年发生在中国北方的首次沙尘天气过程进行深入的研究分析,以期实现不同遥感观测方式之间的优势互补,揭示沙尘天气的气候学成因,时空发展变化规律及沙尘气溶胶的物理特征.

1 数据与方法

1.1 数据

1.1.1 MODIS数据 搭载在Terra和Aqua卫星上的中分辨率成像光谱仪(MODIS)是美国地球观测系统(EOS)计划中用于观测全球生物和物理过程的重要仪器.它具有36个中等分辨率(0.4～14.4μm)的光谱波段,双星联合可以每天观测地球表面4次,用于获取陆地,大气和海洋等目标的信息.其中,波段1(0.62～0.67μm),3(0.459～0.479μm),4(0.545～0.565μm)近似于可见光红,蓝,绿波段,波段31(10.78～11.28μm)和波段32(11.77～12.27μm)为热红外波段.L1B数据经过定标定位后的数据,空间分辨率为1km.大气标准产品MOD/MYD04包括基于增强型深蓝算法(DB)[15]和暗目标(DT)[16]算法反演的气溶胶光学厚度(AOD),空间分辨率为10km.此外,该产品中还包含一个深蓝算法和暗目标算法融合反演的AOD产品,即把DB陆地和DT海洋数据相结合,从反演结果中选取质量更高的值作为融合的AOD[17].

1.1.2 星载激光雷达数据 搭载在CALIPSO卫星上的云-气溶胶正交偏振激光雷达(CALIOP)能够全天候地获取全球或区域尺度上的云和气溶胶的垂直分布信息[18].它可以向地面发射532和1064nm两个波段的激光,且532nm通道具有正交偏振能力.其L1B,L2VFM,L2Layer/Profile产品被广泛应用于云,气溶胶和气候效应等方面的研究.本文主要利用CALIPSO的L1B数据中1064和532nm总衰减后向散射系数及532nm水平,垂直后向散射系数.星载激光雷达后向散射系数包括大气分子和气溶胶粒子产生的后向散射系数,定义如式(1)[19]:

颜色比定义为1064nm后向散射强度与532nm总后向散射强度的比值,由公式(6)所得.它反映的是被测颗粒的大小,粒径越大颜色比越大,反之越小.沙尘气溶胶的颜色比分布在0.3～1.5之间,且当颜色比大于0.8时以纯沙尘气溶胶为主[21-22].

退偏振比定义为532nm后向散射强度垂直分量与平行分量的比值,由式(7)所得,反映的是被测粒子的非球形程度.当退偏比越小,表明粒子越接近于球形,反之越不规则.沙尘型气溶胶的退偏比分布在0.06～0.35之间,并以0.06为基准来区分沙尘气溶胶和其他类型的气溶胶[23].

1.1.3 30m全球地表覆盖类型数据由中国自主研制的30m空间分辨率全球地表覆盖数据,包括GlobeLand30 2000,2010,2020版[24].GlobeLand30研制所使用的遥感影像主要是30m多光谱影像,包括陆地资源卫星(Landsat)的TM5,ETM+,OLI和中国环境减灾卫星(HJ-1)的多光谱影像,2020版数据还使用了16m分辨率高分一号(GF-1)多光谱影像.2020版30m全球地表覆盖数据包括耕地,森林,草地,灌木地,湿地,水体,苔原,人造地表,裸地,冰川及永久积雪10种地表覆盖类型.分类系统定义见表1.

表1 GlobeLand30分类系统

1.1.4 NCEP/NCAR再分析数据与空气质量数据 NCEP/NCAR再分析数据是由美国气象环境预报中心(NCEP)和美国国家大气研究中心(NCAR)联合制作的,采用了当今最先进的全球资料同化系统和数据库对各种来源(地面,船舶,无线电探空,测风气球,飞机,卫星等)的观测资料进行质量控制和同化处理得到的一套完整的再分析数据.依据其统计时段不同,分为逐日,一日四次和月平均再分析资料.研究使用的数据是2021年1月10～17日500hPa气压层全球逐日的位势高度,海平面气压和850hPa的风场数据,以及2001～2021年每年1月份的土壤湿度,降水量和地表气温月平均数据.

PM10浓度数据来自中国环境监测总站,根据沙尘移动路径和影响范围选取15个典型代表站,包括银川,呼和浩特,太原,石家庄,北京,天津,郑州,济南,合肥,南京,上海,杭州,武汉,长沙和南昌站.

1.2 研究方法

通过目视解译和预定义亮温差阈值的分裂窗法确定沙尘源地.首先,利用MODIS L1B数据1,4,3波段的彩色合成影像获取沙尘天气的初步信息,在彩色图像中,黄褐色具有羽毛纹理状的为沙尘.而且,不同来源的沙尘颜色略有不同,从灰白,黄褐色到棕褐色等.虽然,通过遥感影像目视解译可以初步识别沙尘来源和传输方向,但是很难将沙尘从其他地物中区别开,而且也会存在误判现象.然而,在MODIS 31,32波段亮度温差(BTD)[25]图像中,云区和水体为正值,晴空地表在0附近,沙尘区则为负值,且浓度越高,值越小.因此,本文通过设定相应的亮温差阈值(-0.3K)将沙尘从复杂的地表中提出来,并根据沙尘羽纹理及轮廓边界确定沙尘源地.

由普朗克黑体辐射定律可知

式中:为普朗克常数,=6.6260693×10-34J·s;为光速,=2.9979246×108m/s;为玻尔兹曼常数,= 1.3806505´10-23J/K;为波长,μm;为亮度温度,K.则经辐射校正后的31和32波段的亮度温度可以通过式(9)得到.

式中:T为MODIS第(=31,32)波段亮度温度;λ为MODIS第波段的中心波长,取31=11.03μm,32= 12.02μm;R为MODIS第波段的辐射亮度, W/ (m2·sr·μm);1为第一辐射常数,1=1.19104356× 10-16W·m2;2为第二辐射常数,2=1.487685× 104μm·K.

2 结果与分析

2.1 沙尘天气的大气环流特征分析

由图1可知,在沙尘天气爆发前后,欧亚大陆中高纬大气环流呈现两槽一脊型,且经向度大.位于乌拉尔山西部的高压脊较弱,低压槽位于欧洲中部和鄂霍次克海西部地区,东亚大槽自鄂霍次克海向西南方向延伸至中国中东地区,位置偏南,强度较高,有利于极地冷空气南下.

1月10日,地面冷高压中心位于内蒙古西部地区,中心强度高达1050hPa,活动在新地岛附近的高压脊较为强盛,迫使大量的冷空气堆积在西西伯利亚横槽的后部.受横槽下摆和冷高压中心东移南下的影响,使得蒙古国南部至中国北部地区的冷空气势力较强.冷锋贯穿内蒙古东西地区,由于等压线较为密集,气压梯度大,锋后随之而来的是较强的西北风,内蒙古西部部分地区风速可达14m/s,阵风超过20m/s,内蒙古西部和蒙古国南部地区开始出现明显的沙尘天气.11日,欧亚大陆中高纬环流呈现减弱态势,但活动在中国北方的冷空气仍较为频繁.在偏北处中高纬度地区有一强度较弱,移动较快的气旋形成,在高空气流引导下快速向东移动,其后部的冷高压也随之快速东移,强度较之前略有减弱.此时,在西北风的作用下,随上升气流扩散到高空中的沙尘开始向下游地区输送.12日,地面冷高压中心位于新疆东南部,中心气压强度达1040hPa.当日,有一强度较弱的冷涡形成于乌拉尔山脉南部地区,使位于蒙古国与新疆西部的冷锋加快发展,内蒙古中西部与蒙古国南部局地阵风可达18m/s.500hPa气旋式环流异常和850hPa强西北风有利于沙尘的垂直上升和水平传输,使得沙尘天气再度发展.到13日,低压中心位于北伯利亚平原,低压槽位于贝加尔湖东部,槽后冷空气势力强大,且在中高纬地区有一冷气旋形成并东移南下侵袭中国北方地区,气旋后部冷高压中心强度可达1040hPa.受低压槽与气旋东移南下的影响,槽后和气旋后部的冷空气迅速影响到内蒙古中东部地区,使得沙尘天气发展到强盛阶段.1月14日,冷高压中心位于蒙古国西部地区,高压中心强度达1050hPa,地面冷锋到达新疆中部并向南移动,新一轮冷空气侵袭中国长江以北大部分地区,冷锋后较强的西北风推动携带有大量沙尘的气团继续向东南移动.由于冷风移动和减弱的速度较快,到15日中国中东部地区气压梯度减弱,地面风速减小,沙尘天气有减弱结束的趋势.至16～17日,地面冷高压中心由蒙古国西北部向南移动,高压中心强度由1060hPa逐渐降低至1050hPa.沙尘天气残余在偏北气流的作用下继续向南输送,江汉,江南北部等地出现了短暂且强度较弱的沙尘天气.

2.2 沙尘源区地理环境与气候特征的遥感监测

由图2(a) MODIS 1,4,3波段彩色合成图像可知,图像中黄褐色且似羽毛状的纹理部分,主要由地表上的沙尘随强风扩散到空气中形成的尘暴区,而色调更深的棕褐色区域则是靠近地表的沙尘区.图2(b)MODIS 31,32波段BTD图像较好的刻画了沙尘区域轮廓,沙尘区纹理较为明显,可以清晰地判断沙尘天气的形成源地与发展态势.此外,从BTD图像也可知空气中的沙尘浓度由东南向西北逐渐增加,表明沙尘天气强度从东南向西北逐渐增强的.综合图2(a),(b)沙尘羽纹理和轮廓边界可以确定,2021年1月沙尘天气主要起源于内蒙古西部与蒙古国南部地区.

沙尘天气的形成与源地的地理环境和气候特征有着密切的关系.由图3沙尘源地(红色方框)地表覆盖类型图可见,沙源地的地表类型以裸地为主,植被覆盖度较低,且世界第四大沙漠-巴丹吉林沙漠位于源区内,为沙尘天气的形成提供了大量物质基础.而且,发生时间为冬季,源区内盛行西北风,地表上的沙尘微粒极易被大风携带到大气中,形成沙尘天气.

图2 沙尘源区与沙尘提取

图3 沙尘源地地表覆盖类型

利用2001～2021年每年1月份的月平均再分析资料,通过公式(10)计算得到2021年1月份源区内的降水量,地表气温和土壤湿度距平分布,如图4.

式中:P为某时段距平值;P为某时段的值,=1,2,…,.

由图4(a)多年降水距平分布可知,2021年1月沙尘源区内的降水量较常年同期异常偏低0.3～0.6mm.主要由于低纬度地区南支槽异常偏西,偏弱,不利于印度洋的暖湿气流向北方地区输送,致使月内中国北方大部分地区无明显降水天气[26].其次,内蒙古中西部和蒙古国南部大部分地区的气温较常年明显偏高1～2℃,土壤湿度较常年偏低.由于月内降水偏少,气温偏高,土壤含水量较少,使得源区内大面积裸露且松散的土壤附着力降低,为大范围沙尘天气的爆发创造了一定的条件.

2.3 沙尘天气的水平特征及发展

当沙尘天气出现时,地面的沙尘在强风的作用下扩散到大气中,利用MODIS能够有效地监测空气中沙尘的时空变化.由图5所示,1月10～17日的沙尘天气过程起源于中国内蒙古西部和蒙古国南部地区,逐渐向东南方向移动.

由图5(a)可知,1月10日仅在蒙古国南部和内蒙古西部局地出现沙尘天气,影响范围较小,强度较低,局部地区AOD值大于1.而11日的沙尘天气较前一天有明显的增强和扩张的趋势,其中,内蒙古西部阿拉善盟地区的沙尘天气最为严重.至12日,沙尘天气发展愈加强烈,部分地区AOD值高于2.在西北风的作用下逐渐向东扩散到宁夏,陕西和山西等地,在内蒙古西部的阿拉善盟和甘肃的河西局部地区出现沙尘暴天气.1月13日,受频繁活动的冷空气持续作用,携带高浓度沙尘的气团继续向东南方向移动,陕西省,山西省,京津冀地区,渤海海域及其周边地区,黄海北部和黄淮地区均受到了沙尘天气影响,AOD值均在1.3以上.内蒙古中部,陕西北部,山西大部和河北南部地区受沙尘天气影响最为严重,空气质量以重度污染为主.至14日,沙尘天气强度和影响范围较之前有明显的减弱态势,AOD高值区域明显减少,空气中的沙尘浓度大幅度下降.但是,华北部分地区仍然受到沙尘天气影响,含有大量沙尘的气团继续向下游地区输送,朝鲜半岛北部与辽宁省南部地区受沙尘传输影响最为严重.受上游沙尘传输影响,在渤海海域及其周边地区,黄淮和江淮北部以及黄海海域等地出现扬沙或浮尘天气,空气质量以轻至中度污染为主.到1月15日,由于西北地区沙源地和中东大部分地区风力减弱,且大气扩散条件转好,影响中国北方地区的沙尘天气过程逐步缓解,但华北部分地区仍会受到浮尘或扬沙天气的影响.停留在空气的部分沙尘颗粒随大气运动被输送到日本海东部地区甚至更远的地方.16～17日,沙尘天气趋于结束,但在偏北气流的引导下,受此次沙尘天气残余的影响,黄淮,江淮地区,江汉及江南北部部分地区仍会有浮尘天气的出现.

此次沙尘天气的传输方向整体是自源地沿西北-东南方向向下游输送,这不仅与影响此次沙尘天气主要天气系统和盛行风向有密切的联系,而且与东亚地形有着紧密的关系.虽然,天气系统和沙尘层的主导气流是影响沙尘传输的主要因素,它决定了沙尘输送的方向,距离和影响范围,在地形较为平坦的地区往往较为明显[27].但是,在地形高度较高和起伏较大的地区,沙尘的传输很大程度上受地形的影响[28].由于内蒙古西部与蒙古国南部的沙源地北侧为西南-东北走向的萨彦岭,南侧为西北-东南走向的青藏高原,西部则是准葛尔盆地的出口,因此形成一个自西北向东南的“喇叭口”地形[29].内蒙古西部与蒙古国南部的沙源地正好位于“喇叭口”的中部.因此,在这一区域的沙尘天气无疑有利于向东,向南扩散.尽管蒙古国南部和内蒙西部处于相对低洼的地带,但是从萨彦岭山沿西北-东南方向直至蒙古高原,再到黄土高原和华北平原,总体上呈一个缓慢的下坡过程,为沙尘天气的传输提供了有力条件.此外,冷空气南下爆发路径往往是沿西北-东南方向,导致发生在边界层中的沙尘天气易沿西北-东南方向扩展.

图5 2021年1月10～17日沙尘天气过程每日MODIS AOD和PM10浓度分布

在较强西北气流的作用下,携带高浓度沙尘的气团沿着东南方向向下游地区输送,中国西北地区中东部,华北地区大部,黄淮,江淮和江南部分地区先后受到沙尘天气的影响,沙尘输送途经地区空气质量迅速转差.至1月13日21:00,全国337个地级及以上城市中,40个城市PM10日均浓度达中度及以上污染水平,蒙甘陕宁交界地区7个城市空气质量指数日均值“爆表”.根据沙尘移动路径和影响范围选取典型城市的PM10日均浓度变化如图5所示.

由图5典型城市PM10日均浓度可知,地处西北地区的城市在11日就受到了沙尘天气的影响,主要以浮尘天气为主,PM10日均浓度开始出现小幅度增长,距沙尘源区最近的银川市PM10日均浓度从最初的84μg/m³快速升高到289μg/m³.随后在12,13日,西北和华北部分地区城市PM10日均浓度先后达到了峰值,然后出现下降趋势,空气质量主要以轻至中度污染为主,部分地区为重度污染.其中,银川市,呼和浩特市和太原市PM10日均浓度峰值均超过了1000μg/m³,北京和天津市PM10日均浓度较1月10日大幅增长,均超过230μg/m³.至14日,除内蒙古中西部和山西中部地区城市PM10日均浓度仍较高外,如呼和浩特市和太原市PM10日均浓度为1007和690μg/m³,为重度污染水平,西北和华北地区大部分城市PM10日均浓度呈降低趋势.然而,黄淮,江淮地区的PM10日均质量浓度有小幅度升高趋势.15日后,沙尘天气趋于结束,中国北方地区城市PM10日均浓度开始下降,但沙尘天气残余的影响,江汉,江南北部地区城市的PM10浓度有短暂升高的现象,南昌市在1月16日的PM10日均质量浓度达到了364μg/m³,为重度污染水平.

2.4 沙尘天气的垂直特征及发展

MODIS气溶胶产品可以有效地监测到沙尘天气的水平特征和传输过程,但它既不能观测到沙尘气溶胶的垂直分布特征,也不能在夜间进行观测.为了更加全面地认识2021年首次沙尘天气气溶胶的垂直分布特征,进一步利用CALIPSO卫星的CALOP数据对传输过程中的沙尘气溶胶垂直分布特性进行了监测分析.

CALIPSO卫星在北京时间1月12日凌晨先后经过内蒙古中西部,陕西省东部和山西省西部(32°N109.4°E～41°N112°E),其运行轨迹如图6(d)所示.对应于图6(a)中(红色标记)可知,内蒙古中西部,陕西省东部和山西省西部1～4km高度的532nm总衰减后向散射系数分布在0.001～0.0045km-1·sr-1之间,而在内蒙古中西部交界处,陕西中北部和山西西北部1～3km高度范围内存在总衰减后向散射系数高值区.此外,在湖北省西部,重庆市及贵州省中东部地区(25.4°N107.6°E～31.6°N109.4°E)的总衰减后向散射系数有明显分层现象.其中2km高度以下总衰减后向散射系数集中在0.002～0.0045km-1·sr-1之间,而2～6km高度范围内的总衰减后向散射系数则分布在0.0006～0.0025km-1·sr-1之间(图6(a)黑色标记).再由图6(b),(c)气溶胶颗粒退偏比和颜色比可见,内蒙古中部交界区,陕西中北部和山西西北部地区的退偏比在0.1～0.5之间,颜色比在0.6～1.5之间;湖北省西部,重庆市及贵州省中东部地区退偏比集中分布在0.1～0.3,颜色比分布在0.6～1.2之间.综上,可知内蒙古中西部,山西和陕西交界区域1～3km高度内存在大量的沙尘型气溶胶,且形状不规则,粒径较大;重庆市和贵州省中东部及湖北省西部地区1～6km高度内存在少量,粒径较小的沙尘气溶胶.此外,也有研究表明,当退偏振比大于0.1,且色比不低于0.4,就表明该地区出现了沙尘天气[30],这与实际情况相符.

由图7(d)所示,CALIPSO卫星在1月17日01:08分先后经过日本西部海域,本州岛南部地区和菲律宾海域(24.02°N134.04°E～33.9°N136.62°E).该地区14km高度范围的532nm总衰减后向散射系数分布来看,从日本本州岛南部海域至本州岛西北部海域(32°N136.1°E～33.99°N136.62°E)上空的后向散射系数明显大于0.0045km-1·sr-1,说明该地区上空存在较厚的云层,CALIPSO卫星完全探测不到云层底部沙尘颗粒的分布特征.然而,菲律宾海北部地区(27°N134.7°E～31.85°N136.1°E) 0～5km高度范围内(图7(a)红色标记)的532nm总衰减后向散射系数分布0.0008～0.004km-1·sr-1之间,0～4km则集中在0.002km-1·sr-1附近;南部地区0～2km高度内的总衰减后向散射系数分布在0.001～0.0035km-1·sr-1之间(黑色标记),以上说明菲律宾海域上空存在大量的气溶胶粒子.结合图7(b),(c)体积退偏比和颜色比垂直分布特征来看,菲律宾海域北部2km高度以下气溶胶粒子体积退偏比主要分布在0.1～0.2之间,颜色比分布在0.6～1.5之间;2～5km高度内的体积退偏比分布在0.1～0.3之间,颜色比在0.6～1.2之间;南部地区的气溶胶粒子体积退偏比集中在0.1～0.2之间,颜色比在0.3～1.3之间.已经有研究结果表明,烟尘型气溶胶粒子的颜色比主要集中在0.35,而沙尘型气溶胶颜色比集中在0.8,当气溶胶粒子的退偏比大于0.06则被判断为沙尘气溶胶;在退偏比极小,而颜色比较大时被分类为烟尘型气溶胶;在退偏比较小,而颜色比较大时则是混合型气溶胶.此外,还有研究结果表明海洋型气溶胶通常是球形气溶胶,其体积退偏比较小,大多接近0[31].综上所述,可知在菲律宾海域北部2～5km高度范围内主要是沙尘型气溶胶,0～2km则是以烟尘气溶胶为主;而南部海域则是沙尘型,烟尘型与海洋型气溶胶组成的混合型气溶胶.根据图1当日的风场和图4沙尘传输路径来看,出现在菲律宾海域低层大气中的沙尘,主要受起源于内蒙古西部与蒙古国南部高强度沙尘天气的影响.

图6 2021年1月12日00:55 CALIPSO卫星532nm总衰减后向散射系数,退偏振比,颜色比垂直剖面图及运行轨迹线

图7 2021年1月17日01:08 CALIPSO卫星532nm总衰减后向散射系数,退偏振比,颜色比垂直剖面图及运行轨迹线

3 讨论

本文通过主被动遥感观测相结合的方式对2021年首次沙尘天气进行全面的监测分析研究,实现了不同遥感观测方式的优势互补.但是,也存在以下问题:一是无论是主动遥感还是被动遥感都会受到云的影响,尤其光学遥感受云层的影响较大;二是CALIPSO卫星是极轨卫星,观测周期比静止卫星长,且扫描幅宽较小,无法获取大面积,多时相气溶胶的垂直分布特征.此外,风为沙尘天气形成提供了动力,风力大小和风场格局主要受区域气候,大气环流和地貌格局的控制,而大气环流和气候因子中的水热组合变化会影响到下垫面植被的长势和表层土壤湿度,进而影响沙尘的起动与传输过程.因此,在以后的研究中更加关注沙尘天气与地气系统中水热组合变化之间的关系,为沙尘天气的监测,预报和防治提供理论依据.

4 结论

4.1 2021年1月份,在降水偏少,气温异常偏高和土壤湿度降低的气候背景下,多股冷空气持续南下侵袭中国北方地区,是2021年中国北方首次沙尘天气的动力因子,源区内大面积裸露的土体是沙尘天气的物质基础.

4.2 沙尘天气在1月10日形成后继续发展,强度和影响范围呈逐渐增加、扩大的趋势,至1月13日发展到鼎盛阶段. 空气中的沙尘整体沿西北-东南方向向下游输送,中国西北地区东部,华北大部,黄淮,江汉,江南d等地区也受到了沙尘天气的影响,空气质量迅速恶化,主要污染物为PM10.此外,沙尘气溶胶东移也波及到朝鲜韩国等下游地区.

4.3 对于此次沙尘天气过程中沙尘有明显的向东南输送而言,处于传输路径上游地区的沙尘主要分布在1～6km,粒径较大且形状不规则;而在下游地区沙尘集中分布2km高度附近,且形状趋于规则.此外,沙尘从源地向下游输送过程中,粒径较大的沙尘颗粒随移动距离的增加出现的频率下降,且主要集中在近地表附近,这是整个传输过程中共有的特征.

[1] Xu C, Guan Q, Lin J, et al. Spatiotemporal variations and driving factors of dust storm events in Northern China based on high- temporal-resolution analysis of meteorological data (1960～2007) [J]. Environmental Pollution, 2020,260:114084.

[2] 陈 杰,赵素平,殷代英,等.沙尘天气过程对中国北方城市空气质量的影响[J]. 中国沙漠, 2015,35(2):423-430.

Chen J, Zhao S P, Yin D Y, et al. Effect if dust process on air quality in cities of Northern China [J]. Journal of Derset Research, 2015,35(2): 423-430.

[3] Fuks D, Ackermann O, Ayalon A, et al. Dust clouds, climate change and coins: consiliences of palaeoclimate and economy in the Late Antique southern Levant [J]. Levant, 2017,49(2):205-223.

[4] 曹广真,张 鹏,陈 林,等.地面能见度观测在卫星遥感IDDI指数中的融合应用[J]. 遥感技术与应用, 2013,28(4):588-593.

Cao G Z, Zhang P, Chen L, et al. Duststorm detection by merging meteorological visibility with remote sensing IDDI [J]. Remote Sensing Technology and Application, 2013,28(4):588-593.

[5] 王 威,胡秀清,张 鹏,等.白天和夜间通用的卫星遥感沙尘判识算法构建与验证分析[J]. 气象, 2019,45(12):1666-1679.

Wang W, Hu X Q, Zhang P, et al. Construction and validation of remote sensing dust recognition algorithm in daytime and nighttime [J]. Meteor Mon, 2019,45(12):1666-1679.

[6] 邱 昀,李令军,鹿海峰,等.基于Himawari 8的沙尘遥感监测与应用[J]. 中国环境科学, 2018,38(9):3305-3312.

Qiu Y, Li L J, Lu H F, et al. Dsut remote sensing monitoring and application based on Himawari 8 [J]. China Environmental Science, 2018,38(9):3305-3312.

[7] 张 鹏,王春姣,陈 林,等.沙尘气溶胶卫星遥感现状与需要关注的若干问题[J]. 气象, 2018,44(6):725-736.

Zhang P, Wang C J, Chen L, et al. Current status of satellite-based dust aerosol remote sensing and some issues to be concerned [J]. Meteor Mon, 2018,44(6):725-736.

[8] Tiwari S, Kumar A, Pratap V, et al. Assessment of two intense dust storm characteristics over Indo–Gangetic basin and their radiative impacts: a case study [J]. Atmospheric Research, 2019,228:23-40.

[9] Han X, Gao H, Yang J, et al. Advances in Ecological Applications of Fengyun Satellite Data [J]. Journal of Meteorological Research, 2021, 35(5):743-758.

[10] Kaufman Y J, Tanré D, Dubovik O, et al. Absorption of sunlight by dust as inferred from satellite and ground‐based remote sensing [J]. Geophysical Research Letters, 2001,28(8):1479-1482.

[11] Zhang P, Lu N, Hu X, et al. Identification and physical retrieval of dust storm using three MODIS thermal IR channels [J]. Global and Planetary Change, 2006,52(1-4):197-206.

[12] Huang J, Ge J, Weng F. Detection of Asia dust storms using multisensor satellite measurements [J]. Remote Sensing of Environment, 2007,110(2):186-191.

[13] De Graaf M, Stammes P, Torres O, et al. Absorbing Aerosol Index: Sensitivity analysis, application to GOME and comparison with TOMS [J]. Journal of Geophysical Research: Atmospheres, 2005, 110(D1):201.

[14] Vaughan M A, Powell K A, Winker D M, et al. Fully automated detection of cloud and aerosol layers in the CALIPSO lidar measurements [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):2034-2050.

[15] Hsu N C, Jeong M J, Bettenhausen C, et al. Enhanced deep blue aerosol retrieval algorithm: The second generation [J]. Journal of Geophysical Research: Atmospheres, 2013,118(16):9296-9315.

[16] Levy R C, Mattoo S, Munchak L A, et al. The Collection 6MODIS aerosol products over land and ocean [J]. Atmospheric Measurement Techniques, 2013,6(11):2989-3034.

[17] 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):13,965-13,989.

[18] Winker D M, Pelon J R, McCormick M P. CALIPSO mission: spaceborne lidar for observation of aerosols and clouds [C]//Lidar Remote Sensing for Industry and Environment Monitoring III. International Society for Optics and Photonics, 2003,4893:1-11.

[19] Powell K A, Hostetler C A, Vaughan M A, et al. CALIPSO lidar calibration algorithms. Part I: Nighttime 532-nm parallel channel and 532-nm perpendicular channel [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):2015-2033.

[20] 陈勇航,毛晓琴,黄建平,等.一次强沙尘输送过程中气溶胶垂直分布特征研究[J]. 中国环境科学, 2009,29(5):449-454.

Chen Y H, Mao X Q, Huang J P, et al. Vertical distribution characteristics of during a long-distance transport of heavy dust pollution [J]. China Environmental Science, 2009,29(5):449-454.

[21] Zhang Z, Huang J, Chen B, et al. Three‐year continuous observation of pure and polluted dust aerosols over Northwest China using the ground-based lidar and sun photometer data [J]. Journal of Geophysical Research: Atmospheres, 2019,124(2):1118-1131.

[22] 刘 贞,张雪姣,郑有飞,等.基于CALIPSO对中国春季一次沙尘暴的研究[J]. 环境科学学报, 2016,36(12):4315-4327.

Liu Z, Zhang X J, Zheng Y F, et al. Spatio-temporal distribution and transport behavior of a dust event based on the CALIPOS in China [J]. Acta Scientiae Circumstantiae, 2016,36(12):4315-4327.

[23] Liu D, Wang Z, Liu Z, et al. A height resolved global view of dust aerosols from the first year CALIPSO lidar measurements [J]. Journal of Geophysical Research: Atmospheres, 2008,113(D16):214.

[24] Chen J, Cao X, Peng S, et al. Analysis and applications of Globe Land 30: a review [J]. ISPRS International Journal of Geo-Information, 2017,6(8):230.

[25] Darmenov A, Sokolik I N. Identifying the regional thermal‐IR radiative signature of mineral dust with MODIS [J]. Geophysical Research Letters, 2005,32(16):803.

[26] 国家气候中心,2021.2021年1月中国气候影响评价[EB/OL]. https://cmdp.ncc-cma.net/influ/moni_china.php.

National Climate Centre, 2021. Assessment of climate impact over China in January 2021 [EB/OL]. https://cmdp.ncc-cma.net/influ/ moni_china.php.

[27] 宋敏红,钱正安,蔡 英,等.中蒙强弱沙尘暴年春季平均环流及沙尘活动变化分析[J]. 气象学报, 2007,65(1):94-104.

Song M H, Qian Z A, Cai Y, et al. Analyses of spring mean circulation for strong and weak dust-storm activity years in China-Mongolia area [J]. Acta Meteorologica Sinica, 2007,65(01):94-104.

[28] 姜学恭,沈建国,刘景涛,等.导致一例强沙尘暴的若干天气因素的观测和模拟研究[J]. 气象学报, 2003,61(5):606-620.

Jiang X G, Shen J G, Liu J T, et al. Observational and numerical simulation study of some weather factors leading a severe dust storm [J]. Acta Meteorologica Sinica, 2003,61(5):606-620.

[29] 姜学恭,陈受钧.地形影响沙尘传输的观测和模拟研究[J]. 气象学报, 2008,66(1):1-12.

Jiang X G, Chen S J. An observational and numerical study on the topography influence on the transportation [J]. Acta Meteorologica Sinica, 2008,66(1):1-12.

[30] 董旭辉,杉本伸夫,白雪椿,等.激光雷达在沙尘观测中的应用—2004年春季北京和呼和浩特沙尘天气的解析 [J]. 中国沙漠, 2006,26(6): 942-947.

Dong X H, Sigimoto N, Bai X C, et al. Application of lidar in sandstorm observation—Analysis of dust event of Beijing and Hohhot in spring of 2004 [J]. Journal of Derset Research, 2006,26(6): 942-947.

[31] 毛晓琴,陈勇航,耿福海,等.应用CALIPSO卫星资料研究长三角地区灰霾天气特征[C]//第26届中国气象学会年会大气成分与天气气候及环境变化分会场论文集. 2009:622-630.

Mao X Q, Chen Y H, Geng F H, et al.Application of CALIPSO satellite data to study the characteristics of haze weather in the Yangtze River Delta region [C]//Proceedings of the 26th Annual Meeting of the Chinese Meteorological Society. 2009:622-630.

致谢：30m 全球地表覆盖数据来源于国家基础地理信息中心全球地表覆盖数据产品服务网站(DOI:10.11769),空气质量数据来源于中国环境监测总站,卫星遥感数据来源于美国国家航空航天局,再分析资料来源于美国国家气象环境预报中心和大气研究中心.在此,对以上数据来源单位表示衷心的感谢!

Multi-source remote sensing analysis of the first sand and dust weather in Northern China in 2021.

WANG Ning, CHEN Jian*, ZHANG Yuan-yuan, XU Yong-ming, CUI Jia-wen

(School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(5)：2002～2014

The daily atmospheric circulation situation and both the horizontal and vertical distribution patterns of sand and dust during the first dust weather event in Northern China in 2021 are investigated by using multi-source remote sensing data and NCEP reanalysis data and taking account of the geographical environment and climatic characteristics of the dust source area. The results showed that the abnormal temperature increase and scarce precipitation in the source area lead to a decrease in water content for a large-area bare and loose soil, providing a material basis for the formation of large-scale and high-intensity sand and dust weather; moreover, the frequent activities of cold air turned out to be the driving factor for the outbreak of sand and dust weather. Sand and dust were transported and diffused along the southeast direction in strong winds to the downstream areas. Northwest China, North China, Huanghuai, Jianghuai, Jianghan and northern Jiangnan were affected by sand and dust weather in sequence, where air quality were rapidly deteriorated with the primary pollutant PM10. In addition, the eastward migration of sand and dust aerosols also affected downstream areas such as the Korean Peninsula and Japan. During the transportation process, the sand and dust in the inland areas were mainly distributed in the altitude from 1to 6km, while the sand and dust in the downstream areas were concentrated near the height of 2km. The dust with larger particle size appeared more frequently near the surface, while the smaller particles were mainly distributed in the middle and lower troposphere.

multi-source remote sensing；dust weather；atmospheric circulation

X51,X87

A

1000-6923(2022)05-2002-13

王 宁(1997-),男,江苏徐州人,硕士研究生,主要研究方向为大气环境.发表论文1篇.

2021-10-25

国家自然科学基金资助项目(41871028,42176180);江苏省环境监测科研基金资助项目(1903)

* 责任作者, 副教授, chjnjnu@163.com