2012年至2018年江苏省气溶胶光学厚度时空分布特征

摘要：使用2012—2018年的中分辨率成像光谱仪（Moderate-resolutionImagingSpectroradiometer，MODIS）二级产品数据对江苏省气溶胶光学厚度进行了分析。从年平均气溶胶的光学厚度（AerosolOpticalDepth，AOD）变化趋势来看，江苏地区的AOD年均值在0.4～0.8之间波动，2012—2016年江苏北部的AOD年均值呈现上升趋势，2017—2018年江苏北部的AOD年均值有所下降，江苏南部2012和2013两年的AOD年均值最高，其余年份AOD均值较平稳。从AOD季节变化和月变化来看，江苏地区AOD平均值的季节分布情况为夏季>春季>秋季>冬季，6月AOD均值最高，2—6月AOD均值呈现上升趋势，7—10月相对较平稳，10—12月呈现下降趋势，AOD月均值最低出现在12月。从AOD影响因素来看，江苏地形对AOD分布没有明显影响，主要影响因素为污染物情况，大气污染物与江苏地区AOD分布呈现明显的正相关性。

关键词：光学厚度江苏省卫星气溶胶

TheSpatiotemporalDistributionCharacteristicsofAerosolOpticalDepthinJiangsuProvincefrom2012to2018

XIAYuChen

TaizhouMeteorologicalObservatory，Taizhou，JiangsuProvince，225300China

Abstract：AnalyzingtheaerosolopticalthicknessinJiangsuProvinceusingModerate-resolution ImagingSpectroradiometer（MODIS）secondaryproductdatafrom2012to2018.FromthetrendofannualaverageAerosolOpticalDepth（AOD）changes，theannualaverageAODinJiangsuregionfluctuatesbetween0.4-0.8.From2012to2016，theannualaverageAODinnorthernJiangsushowedanupwardtrend，whilefrom2017to2018，theannualaverageAODinnorthernJiangsudecreased.TheannualaverageAODinsouthernJiangsuwasthehighestin2012and2013，whiletheaverageAODinotheryearsremainedrelativelystable.FromtheseasonalandmonthlyvariationsofAOD，theseasonaldistributionoftheaverageAODinJiangsuregionissummer>spring>autumn>winter.ThehighestAODaverageoccursinJune，withanupwardtrendfromFebruarytoJune，arelativelystabletrendfromJulytoOctober，andadownwardtrendfromOctobertoDecember.ThelowestmonthlyAODaverageoccursinDecember.FromtheperspectiveofAODinfluencingfactors，theterrainofJiangsuhasnosignificantimpactonthedistributionofAOD.Themaininfluencingfactoristhesituationofpollutants，andthereisaclearpositivecorrelationbetweenatmosphericpollutantsandthedistributionofAODinJiangsuregion.

Keywords：OpticalDepth;JiangsuProvince;Satellite;Aerosol

大气气溶胶的直接和间接辐射强迫对地球的辐射平衡有着非常重要的影响，空间分布差异增强了气候变化的不确定性，因此深入地了解全球或区域气溶胶的时空分布特征具有重要意义。近年来，随着经济社会的发展，气溶胶对人类生产生活的影响引起了广泛关注，如气溶胶对天气和气候变化的影响、云和降水的作用机制和人类健康的影响等[1]。传统的气溶胶地面观测点相对较为稀少，限制了气溶胶在大尺度范围的研究，此外气溶胶在时间和空间分布上分布差异较大，仅靠地面站点的观测无法获得气溶胶长时间序列的大尺度时空分布特征，因此，利用卫星遥感对气溶胶的时空分布特征进行反演分析具有较大的优势[2]。目前越来越多的卫星传感器可以对气溶胶进行反演，并通过不同的算法得到AOD产品，这些产品是由不同的气溶胶反演得到的，大多数是在空间分辨率较低的情况下产生的，难以满足小尺度空气污染的要求[3]。其中，中分辨率成像光谱仪的气溶胶产品因数据记录较长而在相关研究中广受欢迎，且中分辨率成像光谱仪（Moderate-resolutionImagingSpectroradiometer，MODIS）的气溶胶反演算法更加成熟。因此，本研究主要使用MODIS气溶胶二级产品对2012—2018年江苏地区AOD时空分布特征进行分析。

1数据与方法

美国NASA的MODIS是搭载在Terra/Aqua卫星上的一个中尺度成像光谱仪。MODIS提供多种长期的覆盖全球的气溶胶产品，包括10km和3km分辨率的2级日气溶胶产品、10km和3km分辨率的3级日产品、8天产品和月产品，3级产品均由2级日产品的数据集聚合得到。根据算法的不同，NASA对AOD产品的合成结果也不同，目前，NASA共发布了3个版本的AOD产品，分别为C4、C5、C6版。其中C6版气溶胶产品融合暗目标算法（DarkTarget，DT）和深蓝算法（DeepBlue，DB）的合成结果，改进了气体吸收计算、瑞利散射计算和云检测产品，可在陆地浓烟条件下使用[4]。

2.1暗目标（DT）算法产品

最新的暗目标算法产品数据集是由更新的第二代暗目标算法生成的，在C6版本的产品基础上升级为C6.1版本的暗目标算法气溶胶产品。主要的差异是在海洋和陆地上的数据处理方式有所不同。在海洋上空，在低AOD条件下，增加了标准偏差、云量和检索像素元数作为质量控制（QualityAssurance，QA），此外，对沉积物的数据掩膜部分也进行了修改，使其生成的产品结果更加稳定。在陆地上空，当10km×10km的分辨率下，如果其中海洋部分的像素占比超过50%或水的像素占比超过20%时，气溶胶产品的质量控制（QA）降至最低（QA=0）。此外，暗目标算法最重要的变化是，改进了城市区域的地表反射率估算模型，减小了陆地和海洋在10km分辨率使用暗目标算法反演情况下的期望误差。

2.2深蓝（DB）算法产品

最新的深蓝算法产品数据集是由增强型的深蓝算法生成的，该算法仅在陆地上应用。在C6版本的产品基础上改进为C6.1版本的深蓝算法气溶胶产品，该产品数据集的改进主要包括以下几个部分：（1）烟雾探测，它可以解决之前版本的产品对探测结果过度筛选的问题，同时最大限度地减少云对产品质量的污染；（2）在不均匀地形上减少人工活动对产品质量的影响；（3）改进高地势情况下地形的表面模型；（4）修复错误和更新区域和季节性气溶胶光学模型。

2.3暗目标和深蓝联合算法产品

最新的MODIS产品结合了DT和DB算法的优点，形成了一个新的合并DT和DB算法的气溶胶产品数据集，该数据集依赖于归一化植被指数（NormalizedDifferenceVegetationIndex，NDVI）。暗目标和深蓝联合（DarkTarget&DeepBlue，DTB）数据集的处理如下：（1）如果NDVI>0.3，使用DT算法；（2）如果NDVI<0.2，使用DB算法；（3）如果0.2≤NDVI≤0.3，使用DT和DB算法的平均值或通过质量控制保证数据的可用性（DT=3，DB=2）。该产品增加了陆地上的空间覆盖，特别是对于一些被低植被覆盖、足够暗的区域，可以应用DT算法。该算法自C6版本的气溶胶产品发布以来，一直用于生成DTB算法产品数据集，并且在C6.1版本中没有对数据合并方法进行更改。

2结果与讨论

2.1AOD年际变化

从2012—2018年江苏地区AOD年平均值空间分布情况来看，江苏地区的AOD年均值在0.4～0.8之间波动。从时间演变来看，2012—2016年之间，江苏北部的AOD年均值呈现明显上升趋势；2017—2018年江苏北部的AOD年均值有所下降。从南部地区的AOD时间演变情况看，2012和2013两年的AOD年均值最高，其余年份AOD均值较平稳，未发生明显的变化，其中2017年相对较低。从区域差异来看，2012—2013年平均AOD空间分布呈现出明显的南高北低的特征；2014—2018年AOD均值南北均较高，中部地区相比南北两侧较低，同时可以发现，AOD高值区一般分布在上海—苏州地区和安徽北部，且分布范围变化较大。

2.2AOD季节变化

本文采用的季节划分标准为：春季为3—5月，夏季为6—8月，秋季为9—11月，冬季为12月至次年2月，从江苏省2012至2018年的季度AOD平均值来看，江苏地区AOD平均值的季节分布情况为夏季>春季>秋季>冬季。春季江苏地区大部分地区的AOD均在0.6左右，夏季为江苏地区4个季节AOD均值最高的季节，相较于春季AOD迅速增加，夏季最高AOD可达0.9～1.0，秋季的AOD均值相比夏季有所减少，与春季相比，秋季的AOD均值低0.1左右，冬季为江苏地区AOD均值最低的季节，最低AOD不到0.4。从地区分布来看，春季和夏季江苏地区的AOD均值呈现明显的南多北少状态，最高值出现在苏州—上海一带，往北AOD呈现阶梯式的下降趋势，从秋季和冬季的AOD均值区域分布来看，区域变化没有春季和夏季明显，变化幅度不大。

2.3AOD月变化

图1为2012—2018年江苏地区AOD月均值变化，从图1可以看出，江苏地区每个月AOD均值都在0.3～0.9之间，6月AOD均值达最高，2—6月AOD均值呈现明显的上升趋势，7—10月AOD均值变化相对较平稳，10—12月AOD均值呈现下降趋势，AOD月均值最低出现在12月。

3.4AOD变化因素分析

3.4.1地形因素

江苏地处长江中下游地区，河网密布，地形平坦，全省以平原为主，平原面积占比86%，江苏也是地势最低的省份，绝大部分地区海拔都在50m以下。从AOD在全省的分布情况来看，AOD的分布趋势与江苏的地形关系不大，主要影响因素为经济因素。江苏南部经济较发达，AOD有明显的高值区，经济不发达的苏中苏北地区，AOD相对较低。这可能与经济因素带来的能源消耗有关，经济越发达，能源消耗越多，空气相对污染较重，因此AOD出现明显高值区。

3.4.2污染物因素

研究表明，AOD与近地面颗粒物和空气质量等有较强的相关性[5]。清华大学开发并维护的中国多尺度排放清单模型（Multi-resolutionEmissionInventoryforChina，MEIC）建立了完整的排放源分类分级体系，包括6种人为排放源：火点燃烧源、工艺过程源、移动源、溶剂使用源、农业源和废弃物处理源。通过逐个排污设备计算、入户调查数据，结合逐时气象场、路网信息和交通流数据等，综合了来自电力、工业、民用、交通和农业等排放源的污染物排放量，定量解析了包括PM2.5、PM10、SO2、NOx等10种主要大气污染物和温室气体的排放情况。使用清华大学排放源模型MEIC对江苏省2012—2018年的大气污染物排放数据进行分析，并与江苏地区AOD分布情况进行对比发现，大气污染物排放量与江苏地区AOD变化趋势有较好的对应关系，表明大气污染物与AOD呈现明显的正相关性。

3结论

本文使用2012—2018年的MODIS二级产品数据对江苏省气溶胶光学厚度进行了分析。从年平均AOD变化趋势来看，江苏地区的AOD年均值在0.4～0.8之间波动，2012—2016年江苏北部的AOD年均值呈现上升趋势；2017—2018年江苏北部的AOD年均值有所下降，江苏南部2012和2013两年的AOD年均值最高，其余年份AOD均值较平稳。从AOD季节变化和月变化来看，江苏地区AOD平均值的季节分布情况为夏季>春季>秋季>冬季，6月AOD均值最高，2—6月AOD均值呈现上升趋势，7—10月相对较平稳，10—12月呈现下降趋势，AOD月均值最低出现在12月。从AOD影响因素来看，江苏地形对AOD分布没有明显影响，主要影响因素为污染物情况，大气污染物与江苏地区AOD分布呈现明显的正相关性。

参考文献

[1]唐志伟，许潇锋，杨晓玥，等.基于卫星资料的华东地区气溶胶三维分布特征研究[J].中国环境科学，2019，39（9）：3624-3634.

[2]吕鑫，郭庆彪，姜传礼，等.2004—2018年四川省AOD时空格局及趋势分析[J].环境科学与技术，2020，43（10）：148-155.

[3]宋晓春，刘兴科，孙玮婕.基于MODIS的华东地区气溶胶光学厚度时空变化特征分析[J].环境监测管理与技术，2021，33（1）：13-27.

[4]王晨莹，何沐全，陈军辉，等.2006—2017年四川盆地MODIS气溶胶光学厚度时空变化特征[J].环境科学研究，2020，33（1）：54-62.

[5]王萍，汤庆新，梁天全，等.基于MODIS数据的山东省近十年AOD时空变化特征[J].中国环境科学，2021，41（11）：5019-5026.