img

官方微信

遥感技术与应用, 2019, 34(5): 1005-1015 doi: 10.11873/j.issn.1004-0323.2019.5.1005

模型与反演

Himawari-8气溶胶产品的验证及应用

韦海宁,1,2, 王维真,1,3, 徐菲楠1,2, 冯姣姣1,2

1. 中国科学院西北生态环境资源研究院,中国科学院黑河遥感试验研究站,甘肃省遥感重点实验室,甘肃 兰州 730000

2. 中国科学院大学,北京 100049

3. 中国科学院寒旱区陆面过程与气候变化重点实验室,甘肃 兰州 730000

Evaluation and Application of the Himawari-8 Aerosol Products

Wei Haining,1,2, Wang Weizhen,1,3, Xu Feinan1,2, Feng Jiaojiao1,2

1. Key Laboratory of Remote Sensing of Gansu Province, Heihe Remote Sensing Experimental Research Station, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, China

2. University of Chinese Academy of Sciences, Beijing 100049, China

3. Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions, Chinese Academy of Sciences, Lanzhou 730000, China

通讯作者: 王维真(1967-),男,山西万荣人,研究员,主要从事气象水文学研究。E⁃mail:weizhen@lzb.ac.cn

收稿日期: 2018-08-27   修回日期: 2019-08-12   网络出版日期: 2019-11-28

基金资助: 中国科学院A类战略性先导科技专项.  XDA19040500
国家自然科学基金项目.  41671373.  41701418
中国科学院寒旱区陆面过程与气候变化重点实验室自主研究课题.  LPCC2019

Received: 2018-08-27   Revised: 2019-08-12   Online: 2019-11-28

作者简介 About authors

韦海宁(1994-),男,广西崇左人,硕士研究生,主要从事大气遥感研究E⁃mail:weihaining16@mails.ucas.ac.cn , E-mail:weihaining16@mails.ucas.ac.cn

摘要

为准确分析中国地区气溶胶空间分布与时间变化特征规律,首先利用中国地区9个AERONET(Aerosol Robotic Network)地基站点观测资料对新一代静止气象卫星Himawari-8气溶胶光学厚度(Aerosol Optical Depth, AOD)产品数据进行一致性验证,并在此基础上选取2015年7月至2018年4月Himawari-8逐小时AOD数据分析了中国地区气溶胶光学厚度时空变化特征。结果表明:①Himawari-8 AOD与AERONET AOD之间相关性很高,9个站点的相关系数R在0.64 ~ 0.91之间,拟合曲线斜率k的范围为0.57 ~ 0.68。②Himawari AOD产品与AERONET AOD的相关性在中午时段较其他时段相对较低;北方地区Himawari-8 AOD冬季反演效果与夏季相比较差,南方地区则相反。③中国地区年平均AOD呈东高西低分布,春、夏两季AOD明显高于秋、冬两季,其中夏季最高,春季次之;地区间AOD月变化差异也较大;大部分地区AOD日变化呈现先下降后上升再下降的趋势,AOD最高值出现在午后14 ~ 16时,最低值出现在18时。研究结果为了解中国地区大气气溶胶的时空变化规律和全天时的大气污染监测方法提供新的参考。

关键词: 气溶胶光学厚度 ; Himawari-8 ; AERONET ; 静止气象卫星 ; 验证

Abstract

To accurately analyze the spatial distribution and temporal variation of the aerosol in China, firstly, the Himawari-8 Level 3 Aerosol Optical Depth (AOD) products were validated by the Level 1.5 AERONET (Aerosol Robotic Network) sunphotometer measurements at 9 observation sites all over the China. Then, the hourly Himawari-8 AOD products from July 2015 to April 2018 were selected for further analyzing the spatial and temporal variation of AOD in China. The result shows that: (1) The Himawari-8 AOD agreed well with those from the AERONET, with a slope of 0.57~0.68 and a high correlation coefficient R ranging from 0.64~0.91. (2) The correlation between Himawari AOD and AERONET AOD is relatively low at noon compared to other time periods; In winter, the AOD estimates from Himawari 8 in the northern regions of China is relative worse than that in summer, but in the southern regions. (3) The values of annual-averaged AOD in China are highest in the eastern regions and lowest in the western regions; the AOD in spring and summer is obviously higher than that in autumn and winter, with the highest in summer and the second in spring. Moreover, the difference in the variation of monthly-averaged AOD between different regions of China was also significant; in most regions, the diurnal variation of daily-averaged AOD showed a trend of decreasing first, then rising and then decreasing. Besides, the highest value of daily AOD appeared at 14~16 in the afternoon, and the lowest value occurred at 18 o’clock. The results from this study can not only provide a new reference for understanding the spatial and temporal variation of atmospheric aerosols in China, but for the air pollution monitoring methods throughout the day.

Keywords: Aerosol optical depth ; Himawari-8 ; Geostationary satellite ; AERONET ; Evaluation

PDF (4986KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

韦海宁, 王维真, 徐菲楠, 冯姣姣. Himawari-8气溶胶产品的验证及应用. 遥感技术与应用[J], 2019, 34(5): 1005-1015 doi:10.11873/j.issn.1004-0323.2019.5.1005

Wei Haining, Wang Weizhen, Xu Feinan, Feng Jiaojiao. Evaluation and Application of the Himawari-8 Aerosol Products. Remote Sensing Technology and Application[J], 2019, 34(5): 1005-1015 doi:10.11873/j.issn.1004-0323.2019.5.1005

1 引 言

大气气溶胶是悬浮在大气中的固体和液体粒子的总称,其主要来源于自然界产生的矿物质气溶胶和人为排放的细粒子气溶胶,大气气溶胶对地球辐射平衡、气候变化、大气环境以及人类健康等有重要影响[1]。气溶胶对全球气候变化的影响仍是不确定性最大的一部分[2],中国气溶胶质量浓度水平在世界范围内较高,有研究表明,我国多数区域(尤其是东部)PM10中二次气溶胶占比大于50%[3]。在一定气象条件下,大气气溶胶粒子通过吸湿增大、转化形成二次气溶胶等过程参与雾和霾的形成,对环境和人体健康有较大危害[4]。气溶胶光学厚度(Aerosol Optical Depth, AOD)定义为介质的消光系数在垂直方向上的积分,是气溶胶最重要的参数之一,也是估算气溶胶在大气中的含量和评价大气污染程度的关键因子,如气溶胶光学厚度与地面污染物浓度之间有较好的相关性[5],特别是在考虑AOD日变化和气象条件等因素并进行订正后,AOD与地面PM10、PM2.5等浓度的相关性得到显著提升[6,7]。因此,目前AOD被广泛用于估算近地面PM2.5和PM10的浓度[8,9],弥补了地面站点观测的不足。但AOD日变化一般只能靠地面观测站架设的太阳光度计进行连续观测[10],由于大气气溶胶的化学组成、尺度分布和生命周期等的时空多变性,地面站点不足以准确观测和评估大范围的大气气溶胶的分布特征,遥感技术的出现为大范围的气溶胶观测和研究提供了可能。Kaufman等[11,12]提出的暗像元法被广泛应用于陆地气溶胶光学厚度的反演,基于暗像元法的气溶胶反演算法近年来在不断改进,但其基本思想并没有改变。卫星遥感反演气溶胶产品的出现,为认识和研究气溶胶的气候效应和区域大气污染监测提供了强有力的数据支撑。

目前对外业务化发布AOD产品的主要有OMI、MODIS、AVHRR、FY-3等极轨卫星(太阳同步轨道卫星)和传感器的气溶胶反演产品,其中MODIS气溶胶产品应用最为广泛且精度较高[13]。MODIS气溶胶产品提供深蓝算法和暗像元法两种产品,暗像元法产品在植被覆盖区域效果较好,而深蓝算法产品在沙漠、干旱区等亮地表区域的应用效果较好[14]。FY-3提供MERSI和VIRR两种传感器的日、旬、月尺度的产品,分为陆上和海上两种气溶胶产品,其产品分辨率较MODIS 3 km的空间分辨率高,气溶胶日尺度产品空间分辨率为1 km。

利用地面太阳光度计观测资料对各类气溶胶产品的验证已有大量工作[15,16,17],夏祥鳌等[18]通过对比 AERONET观测资料和MODIS陆地上空气溶胶光学厚度资料,发现除非洲和东南亚少数站点MODIS光学厚度偏低之外,在其他站点MODIS均高估了气溶胶光学厚度。王宏斌等[19]对中国地区MODIS气溶胶产品进行精度验证,结果表明MODIS产品在我国东部地区的精度较高,同时还对误差来源进行了分析,得出MODIS误差来源主要是地表反射率关系、气溶胶模型的不适应。张婕等[20]利用太阳分光光度计观测网(CSHNET)沈阳站地基观测资料对MODIS和FY3A/MERSI产品进行验证指出,MERSI对粗模态气溶胶反演效果优于MODIS,而MODIS对混合模态气溶胶反演效果优于MERSI。杨以坤等[21]对MODIS C5、C6气溶胶产品进行了验证及区域适应性评价,发现C6较C5版本的暗像元法产品在浓密植被区整体精度较高,能够降低15%左右的气溶胶高估情况。但也有研究表明,近年来中国东部地区气溶胶单次散射反照率、粒子谱分布等参数变化很大,而目前MODIS 的AOD反演算法没有考虑到这些参数的改变[22]。目前对气溶胶产品的验证研究,主要集中在MODIS等极轨卫星产品,在关于气溶胶在陆地上空的时空分布研究中,大多数是基于MODIS气溶胶产品研究其年际和季节的分布[23,24,25],但值得注意的是,对于同一观测区域而言,极轨卫星MODIS白天只有一次过境机会且时间窗口很小。因此,MODIS AOD产品反映的是卫星扫描区域的某一时刻的瞬时AOD,不能完整反映观测区域全天的AOD分布和变化情况,从而基于卫星过境时刻合成的年际和季节AOD产品并不能很好地反映真实AOD时空分布情况。极轨卫星对不同地区反演AOD的时间不同,导致同一天不同地点的AOD缺乏可比性,并且由于天气原因还容易导致部分地区可用于验证的数据过少,因此其产品应用受到了很大的限制。大气气溶胶的分布可能与边界层日变化,天气系统影响等因素有关,大气气溶胶含量和分布在1 d内变化较大,故需要高时空分辨率的观测才能较准确地获得其变化趋势及较细致的分布特征,利用静止轨道气象卫星反演AOD可以提高观测频率,但受限于静止轨道卫星光谱波段过少、空间分辨率和定标精度较低等因素,以往的研究中静止轨道卫星一般用于海面或湖面上的气溶胶反演,在陆地上反演效果较差[26,27,28]

Himawari-8号静止轨道卫星搭载的AHI(Advanced Himawari Imager)传感器相比上一代静止气象卫星有了很大的改进,其时间分辨率达到了分钟级,全圆盘观测仅需10 min,区域加密观测时间分辨率达到2.5 min[29]。Himawari-8高时间分辨率AOD产品提供了分钟级的时间视角,能更好地反映气溶胶的日变化和空间分布特征。全天时高频率的观测使得观测区域反演AOD的次数,用于验证产品精度的样本量得到提升,因此基于新的AOD日平均数据合成的年尺度、季节尺度的AOD产品能更全面地反映AOD的时空分布特征。在空间分辨率上,Himawari-8搭载的AHI传感器可见光波段达到0.5~1 km,中短波红外达到2 km。Yu等[30]将AHI和极轨卫星NPP VIIRS数据进行交叉对比,发现两者在用于反演AOD的波段上吻合度较高,说明AHI传感器拥有较高的空间分辨率和定标精度。综上所述,Himawari-8 AOD产品在区域大气污染监测领域有很大的应用潜力。

本文利用中国地区北京、香河、徐州等9个站点观测资料对Himawari-8 L3级AOD产品的精度进行验证,并统计了分析中国地区AOD的年平均空间和季节分布特征;另外,选取6个典型区域,分析研究各区域AOD的月变化和日变化特征,为了解中国地区大气气溶胶的时空变化规律和全天时的大气污染监测方法提供新的参考。

2 数据和方法

2.1 Himawari-8 AOD产品

Himawari-8 AOD产品分为L2级和L3级,L2级AOD反演产品没有对云进行严格筛选,反演质量较差,时间分辨率为10 min。L3级产品是对L2级产品的合成与改进,对过去1小时内的L2级产品进行严格的云筛选,并对部分无数据区域进行了插值,大大改善了产品质量[31],本文使用的数据基于Himawari-8 L3级产品(https://www.eorc.jaxa.jp/ptree),L3级产品时间分辨率为1 h,空间分辨率为5 km×5 km。数据覆盖范围为80° E~160° W、60° N~60° S。研究采用的卫星产品数据时间范围为2015年7月15日 ~ 2018年4月21日,每小时1景,共计23 726景数据。

利用Python的netcdf4库读取Himawari-8 AOD数据集的仿射变换参数、AOD栅格数据等信息,首先将AOD栅格数据转为矩阵数组形式并对缺失值进行预处理,然后将23 726景数据按年、季节、月、时4个时间尺度分类计算其AOD平均值,最后利用GDAL库的仿射变换参数将AOD平均值矩阵数组转为栅格,最终得到4个时间尺度相应的AOD平均栅格数据。

2.2 AERONET地基数据

AERONET(Aerosol Robotic Network)是由NASA组织发起的全球气溶胶监测网络[32],AERONET网站(https://aeronet.gsfc.nasa.gov)提供了全球范围内多个站点的气溶胶光学厚度、水汽等数据。其发布的数据有3个质量等级:Level 1.0为原始数据,Level 1.5为云掩膜处理后的数据,Level 2.0经过了云掩膜和质量控制,地基观测资料一般每小时有4~5次观测。由于中国地区提供Level 2.0数据的站点较少,因此采用了经过云掩膜处理的Level 1.5级数据。表1列出了用于AOD产品验证的站点的详细信息,站点主要分布在华北、华中、华南和台湾等地。

表1   AERONET站点信息

Table 1  The information of the AERONET station

站点海拔/m经度/°纬度/°数据时间范围
北京92116.38139.97720150906~20180420
北京大学53116.31039.99220160630~20180508
中国气象局106116.31739.93320150715~20170119
成功大学50120.21723.00020150715~20180430
台湾嘉义27120.49623.49620150715~20180410
香港理工大学30114.18022.30320150715~20180506
太湖20120.21531.42120150715~20180415
香河36116.96239.75420150715~20170506
徐州59117.14234.21720150715~20180508

新窗口打开| 下载CSV


2.3 Himawari-8 AOD产品的评价方法

以AERONET地基站点为中心,读取Himawari-8 AOD产品栅格图像上各站点中心周围5×5格点数据,5×5格点范围代表25 km×25 km范围,Ichoku等[33,34]的研究表明,在利用地基站点验证气溶胶光学厚度时,30 km×30 km范围内的气溶胶水平可以视为均一的,该范围内有效格点数据的平均值可代表该站卫星反演500 nm波段的AOD小时平均值,统计时要求卫星产品在5×5格点范围内有数据的格点需大于12个;对AERONET站点AOD数据进行读取和分类,得到地基站点500 nm波段的AOD小时平均值。AERONET AOD观测误差小于0.02,可以用于验证和评估卫星反演AOD的精度,AERONET观测的AOD和Himawari-8反演的AOD均为500 nm波段的AOD,将地基站点对应的卫星每小时平均AOD和AERONET站点每小时平均AOD按同一时间点进行匹配和对比。

卫星反演结果评价采用相关系数R和RMSE以及最小二乘法线性拟合的斜率k、截距s等参数,首要参考相关系数R,其次为RMSE、斜率和截距。Himawari-8 AOD与AERONET AOD的相关系数R公式可表示为:

R=i=1n(AERONETi-AERONET¯)(Himawarii-Himawari¯)i=1n(AERONETi-AERONET¯)2.i=1nHimawarii-Himawari¯2

其中:AERONET和Himawari分别表示地基站点实测和卫星反演的每小时平均AOD。在理想状态下,当R=1,k=1,s=0时,表示AERONET AOD与Himawari-8 AOD完全相同,但由于受到各种因素和模型假设条件的限制,二者总是存在一定的差异。相关系数R的绝对值越接近于1表示二者的相关性越高。为了研究和评价不同时段内Himawari-8 AOD产品的精度,将匹配的AERONET AOD和 Himawari-8 AOD按观测时间的月份、时刻分别计算其相关系数、均方根误差等参数。

3 结果分析

3.1 Himawari-8 AOD产品验证

3.1.1 Himawari-8 AOD产品验证结果

图1为研究区内9个站点的AERONET AOD与Himawari-8 AOD的线性拟合散点图。从图中可以看出,Himawari-8 AOD与AERONET 9个站点观测的AOD相关性较好,相关系数R在0.644 ~ 0.908之间。其中中国气象局站的相关系数最高,R值高达0.9(图1(c));成功大学站、太湖站、香港理工大学站较低,原因在于Himawari-8 AOD在陆地和水面上空的反演方法不同[31],水面上反演的AOD较陆地上反演的AOD偏高。在对靠近水域的太湖站、成功大学站和香港理工大学站的卫星AOD取值时,25 km×25 km范围内包含了部分水域,陆地和水面上气溶胶像元的混合计算可能会导致这两个站点的卫星AOD值偏高。9个站点的均方根误差RMSE在0.177~0.312之间,其中成功大学站的RMSE最小,徐州站RMSE最大。从截距s上看,太湖站、成功大学站、香港理工大学站的s值分别为0.249 (图1(g))、0.139 (图1(d))和0.088(图1(f)),而其他6个离水域较远的陆地站点的截距都较小。所有9个站点的斜率k在0.57 ~ 0.68范围内,相关系数R和斜率k相差不大,表明Himawari-8 AOD产品在中国地区精度较高,并且各个地区之间AOD反演的系统性偏差较为接近,可通过拟合方程对此偏差进行订正从而得到更为接近真实值的AOD产品。

图1

图1   AERONET AOD与Himawari-8 AOD对比(黑色虚线为1∶1线,红色虚线为拟合曲线)

Fig.1   Comparison of Himawari-8 AOD and AERONET AOD


3.1.2 Himawari-8 AOD和AERONET AOD在不同小时时间段内的相关系数

在不同时间段对所有站点的Himawari-8 AOD和AERONET AOD进行对比验证。表2列出了AERONET 9个站点的卫星AOD和观测AOD在不同小时时间段内的相关系数R。总体来看,各站点在不同时段的相关系数都在0.632~0.973范围变化,并且各站点的R值也存在较大的差异性。从表2中可以看出,各站点中午时段Himawari-8 AOD与AERONET AOD的的相关系数R较低,这可能和Himawari-8卫星的日常维护有关,Himawari-8在每天的1040-1050CST期间停止对地观测[29],数据缺失可能会影响该时段AOD的反演结果。相关系数R较高的时段主要集中在早上和下午时段,可能是因为Himawari-8气溶胶产品的低估造成的,实际AOD日变化在上午-中午上升较快,中午AOD较高,但Himawari-8 AOD产品在中午时段存在较大的低估,因此在早晨和傍晚AOD较低时段,其相关系数反而更高。根据Linke浑浊因子公式[35],到达地面站点的太阳谱辐射度Sλ与日光斜路径与垂直路径的长度比有关。Himawari-8是一颗定点于104.7°E上空的静止轨道卫星,对中国地区地面站点而言,卫星的天顶角、方位角和距离都是固定的,卫星与地面站点之间辐射传输总是保持斜射路径。在斜射的时候辐射传输模型的模拟误差可能更大,从而导致卫星反演的误差,这可能也是导致中午时段AERONET AOD与Himawari-8 AOD的相关系数较小的原因之一。

表2   各时段Himawari-8 AOD与AERONET AOD的相关系数

Table 2  Hourly correlation coefficient of between Himawari-8 AOD and AERONET AOD

北京北京大学中国气象局香河成功大学嘉义香港理工大学太湖徐州
00 UTC0.9730.9090.9320.9670.9230.902——0.8630.881
01 UTC0.8990.8580.9010.8960.8670.8410.7120.7730.904
02 UTC0.9060.9610.9360.8770.8590.7580.8710.8160.865
03 UTC0.6730.7250.8870.8580.740.6470.7990.7510.892
04 UTC0.7830.7310.8510.9020.720.650.7950.7230.9
05 UTC0.8880.8720.9370.9510.8340.6930.9010.5860.883
06 UTC0.9170.8870.9390.920.7670.7940.8530.7020.854
07 UTC0.9150.9170.9380.9180.740.8710.8410.7740.883
08 UTC0.9270.8350.9350.9610.870.9290.9020.7850.911
09 UTC0.8750.7150.8450.9590.91——0.9790.6320.838

新窗口打开| 下载CSV


3.1.3 Himawari-8 AOD和AERONET AOD在不同月份的相关系数

表3为9个观测站点各月份Himawari-8 AOD与AERONET AOD的相关系数。各站点在不同月份的相关系数在-0.032~0.949范围内变化,并存在较大差异。从各站点各月的样本点数量来看,受雨季影响,5~8月的样本点较少。成功大学6月和太湖站5、6月的相关系数R为负值,成功大学站和太湖站在5月和6月降水日数和云量较多反演误差增大,同时也可能是因为样本点过少的原因造成。北京、北京大学、中国气象局以及香河4个北方站点在春、夏、秋3个季节相关系数较高,其中夏季的R值都超过了0.9,而冬季的相关系数最小,其R值在0.5~0.6之间。成功大学、嘉义、香港、太湖、徐州等5个南方站点在秋、冬季节相关系数较春、夏季高。北方地区冬季反演效果较差的原因可能是冬季地表反射率发生了较大改变,根据气溶胶反演公式[12],卫星接收到的大气层顶表观反射率ρTOA与路径程辐射项ρ0和地表反射率ρs有关。如果已知地表的真实反射率ρs,则卫星观测到的表观反射率ρTOA扣除掉地表的贡献即可求出AOD值。对于短光波段,在ρs很小的情况下,路径辐射项对ρTOA的贡献比较大,当ρs很高时,地表反射率成为主要贡献。有研究表明,地表反射率0.01的误差就会导致气溶胶光学厚度反演结果0.1的误差[12]。北方地区冬季植被较少且地表积雪增多,地表反射率增大导致AOD反演误差也随之增大。因此,北方地区冬季气溶胶反演效果较差。由于南方地区在春末夏初时为雨季,云雨天气会导致气溶胶反演异常。因此,成功大学、嘉义、香港、太湖和徐州等5个南方站点4~6月的相关系数R较低。

表3   各月份Himawari-8 AOD与AERONET AOD的统计参数

Table 3  Monthly Statistical Parameter between Himawari-8 AOD and AERONET AOD

统计量北京北京大学中国气象局香河成功大学嘉义香港太湖徐州
1月

R

N

0.783

234

0.786

145

0.796

116

0.787

147

0.812

122

0.587

67

0.908

35

0.818

66

0.832

113

2月

R

N

0.808

153

0.846

97

0.546

21

0.848

124

0.633

69

0.743

58

0.791

32

0.659

70

0.864

134

3月

R

N

0.764

95

0.761

14

0.786

58

0.842

141

0.599

167

0.704

62

0.784

16

0.621

39

0.808

154

4月

R

N

0.881

105

0.782

16

0.846

93

0.9

138

0.732

71

0.466

12

0.627

5

0.764

36

0.693

108

5月

R

N

0.858

113

0.64

55

0.862

61

0.945

106

0.833

25

0.85

7

——

0

-0.032

6

0.867

69

6月

R

N

0.986

24

0.887

43

0.952

54

0.892

30

-0.728

9

0.911

7

——

0

-0.431

5

0.886

44

7月

R

N

0.895

12

0.927

33

0.923

24

0.898

29

0.7

26

0.804

17

0.67

14

0.821

115

0.948

18

8月

R

N

0.949

4

0.867

26

0.941

61

0.842

40

0.72

42

0.908

6

0.824

53

0.798

38

0.851

54

9月

R

N

0.948

83

0.919

39

0.944

131

0.949

106

0.577

21

0.797

27

0.818

73

0.751

13

0.927

62

10月

R

N

0.911

100

0.832

59

0.925

84

0.916

118

0.757

86

0.663

30

0.912

24

0.734

91

0.932

131

11月

R

N

0.797

158

0.852

126

0.874

72

0.813

62

0.698

70

0.861

22

0.926

4

0.77

53

0.804

129

12月

R

N

0.526

193

0.577

145

0.779

111

0.816

118

0.64

72

0.724

45

0.892

51

0.916

135

0.788

216

新窗口打开| 下载CSV


3.2 中国地区AOD空间分布特征

图2为中国地区年平均AOD空间分布图,西部部分地区由于较高的卫星天顶角以及云量过多等原因,缺少AOD数据。从图2可见,中国地区AOD整体呈东高西低的特点,AOD高值区主要集中在人口密集以及经济发达的地区。而青藏高原、川西高原和云南北部等地AOD较小。这与其他学者利用MODIS数据研究得到的结果相似[23,24,25,36]

图2

图2   中国地区2015~2018年平均AOD分布

Fig 2   Spatial distribution of the average AOD in China for 2015~2018


华北平原、关中盆地、四川盆地、长江中下游平原及珠三角等地AOD值相对较高,同时这些地区也是我国的空气污染影响较为严重的地区。从AOD高值区分布特征来看,华北地区AOD高值区连片分布,南方地区AOD高值区分布则较为分散。有研究表明,我国东部地区由于工农业发达、人类活动强度大,人为排放的气溶胶较多,其气溶胶主要来源是人类活动产生的[36]。同时,在不利气象条件和地形影响下,大气中的气溶胶会转化为二次气溶胶并长时间滞留在大气中,可导致上述地区的AOD增大。华北地区城市和人口分布较为均匀,因此AOD高值区也呈连片分布。而南方地区受地形和水域等因素影响,城市与人口分布较为分散,AOD高值区分布也较为离散。四川盆地、关中盆地等区域受地形影响,大气扩散条件差且人口相对集中,形成了区域性的AOD高值中心。西北地区人类活动较少的区域大气气溶胶成分主要为矿物粉尘,而无机盐、铵的比例较低[4],大颗粒矿物质气溶胶在大气中滞留时间较短,因此AOD较东部地区低;西南地区由于植被覆盖度高、人类活动少、高海拔等因素,人为排放的气溶胶较少,大部分地区为AOD低值区。

3.3 中国地区AOD季节分布特征

对全国区域逐像元统计其季节AOD平均值,季节划分为:3~5月为春季,6~8月为夏季,9~11月为秋季,12~2月为冬季。图3为中国地区季节平均AOD分布图,从图中可见,春季全国总体AOD值较高 (图3(a))。高值区主要集中在华北平原、华南南部、四川盆地等地。此时华北平原主要受沙尘天气影响,而华南地区此时为春耕季,农业活动导致大气中硫酸盐、硝酸盐和铵的浓度升高,这些吸水性强的干气溶胶粒子在大气水汽含量较高时吸湿增大会导致AOD的升高[37];夏季全国各地区AOD值差异最大,极高值(AOD>0.5)和极低值(AOD<0.1)面积都达到最大,高值区主要集中在华北平原地区,其中京津冀中南部、山东西北部AOD普遍超过0.5(图3(b))。有研究表明,北京地区夏季气溶胶主要为二次气溶胶[38],夏季华北地区的气温与大气水汽含量达到全年最高值,大气中人为排放的细粒子气溶胶在高温高湿的条件下会转化为二次气溶胶,导致华北地区大气气溶胶光学厚度增大[39],使得华北地区在夏季成为全国的高值中心。西南地区受夏季雨季影响,在高海拔高植被覆盖度和雨水冲刷的条件下,AOD普遍小于0.1。秋季全国AOD高值区范围较夏季有所减小,华北地区AOD值有所下降,西南地区AOD略有上升;因冬季北方地区地表反射率受地面积雪的影响,东北和华北部分地区AOD值在冬季出现高估[12],在不考虑上述地区的情况下,冬季全国AOD普遍较低,各地区间AOD差异小,四川盆地成为了全国的相对高值中心。

图3

图3   中国地区季节平均AOD分布

Fig.3   Spatial distribution of the seasonally average AOD in China


3.4 典型区域AOD时间变化特征

选取较为典型的长三角、华中、珠三角、关中盆地、四川盆地、京津冀6个样本区域(图2蓝框),进一步分析了各区域AOD逐月和逐小时变化趋势。对各个样本区域范围内分别统计各时段有效AOD的均值,得到样本区域AOD均值时间序列(图4)。

图4

图4   典型区域AOD时间序列

Fig.4   Time series of AOD in typical regions


6个区域之间的AOD月变化趋势有较大差异,长三角地区6月AOD值最高,1月最低(图4(a));华中地区AOD月变化呈明显的双峰型,3月和9月AOD均超过了0.4(图4(b));珠三角地区7月为前汛期与后汛期的转换期,此时主要受副热带高压系统控制因而雨水较少[40],AOD达到最高值,珠三角地区前汛期(5~6月)和后汛期(7~9月)雨水较多[41],因此AOD较低;关中盆地各月的AOD相差不大,AOD值最高值出现在10月,4月最低;京津冀地区各月AOD差异较大,月变化曲线表现为单峰型,冬季月份AOD值最低,夏季月份AOD值最高,6月和7月的AOD值超过了0.5;四川盆地3月AOD最高,此后波动下降,9月最低,此后波动会上升。

从日尺度来看,位于西部地区的四川盆地AOD变化曲线呈单峰型,15时AOD最高,8时和18时最低(图4(f));位于东部地区的珠三角、长三角、华中等区域的AOD日变化为双峰型分布,呈现出先降后升再降的趋势,在15~18时AOD下降幅度最快,AOD最高值出现在14~15时,次高值出现在早晨,18时AOD值最低;位于北部地区的关中盆地和京津冀AOD日变化也呈现出先降后升再降的趋势,但16时前AOD振幅相对较小,16时后AOD迅速下降,最高值出现在午后14~15时,次高值出现在早晨。除四川盆地外,其他5个区域早晨AOD都出现了峰值,这可能是因为这些地区夜间近地面降温较快,夜间容易出现逆温层,因此夜间可能存在一个气溶胶粒子积聚的过程;四川盆地由于地形和盆地的特殊大气环流等原因,夜间降温慢,且夜间降水较多,气溶胶粒子在夜间不容易积累,因此早晨AOD较低。白天随着人类活动的增加和近地面风速增大等因素使得沙尘和人为气溶胶粒子浓度增加,AOD逐渐增大,在14~16时AOD达到最高。午后随着垂直方向上对流的增强,气溶胶浓度得到稀释,AOD逐渐减小。

4 结 语

本文以AERONET地基观测资料为参考,对Himawari-8 AOD产品在中国地区的总体精度和不同时间尺度下的精度进行了验证,并进一步从年、季节、月、小时等时间尺度分析了中国地区AOD的时空变化特征,得出以下结论:

(1)Himawari-8 AOD与AERONET地基观测资料对比分析表明,Himawari-8 AOD产品在中国地区精度较高,但其精度在不同地区有所差异。从相关系数看,除了离水域较近的太湖、香港和台湾岛上的成功大学、嘉义等站的相关系数小于0.8,其他站点的相关系数都高于0.8。各站点的Himawari-8 AOD相较于AERONET AOD存在整体低估现象,但各站点的系统偏差较为接近,后期可通过拟合方程对此偏差进行订正从而得到更为接近真实值的AOD产品。北方地区在春、夏、秋季节反演效果较冬季好;南方地区在秋、冬季反演效果较春、夏季好。

(2)中国地区AOD总体呈东高西低的分布特征,高值中心主要分布在华北平原、四川盆地、长三角地区、珠三角地区、华中、关中盆地等地。青藏高原、川西高原和云南北部等地为AOD的低值中心。从季节来看,总体表现为春夏季AOD较高、秋冬季AOD较低。

(3)中国地区不同区域的AOD月变化有所不同,华北平原和四川盆地年内各月AOD起伏较大,其他地区各月AOD起伏相对较小。东部地区AOD每小时变化曲线近似余弦曲线,而西部地区表现为单峰型的小时变化曲线,6个典型区域一天中AOD最高值都出现在14~15时,AOD最低值出现在18时。

研究结果将为了解中国地区大气气溶胶的时空变化规律和全天时的大气污染监测方法提供新的参考,对未来应用Himawari-8气溶胶产品有指导性意义。由于AERONET中国站点较少且分布不均,在一定程度上限制了不同地区的验证精度,还需利用更多不同地区站点的AOD实测数据来做进一步的对比验证。

参考文献

Zhang Xiaoye, Liao Hong, Wang Fenjuan.

The Effects of Aerosols and Clouds on Climate Change and Their Responses

[J]. Climate Change Research, 2014, 10(1): 37-39.

张小曳, 廖宏, 王芬娟

对IPCC第五次评估报告气溶胶-云对气候变化影响与响应结论的解读

[J].气候变化研究进展, 2014, 10(1): 37-39.

[本文引用: 1]

Change I P O C.

Climate Change 2014: Mitigation of Climate Change

[M]. Cambridge: Cambridge University Press, 2015.

[本文引用: 1]

Zhang Xiaoye.

Characteristics of the Chemical Components of Aerosol Particles in the Various Regions over China

[J]. Acta Meteorologica Sinica, 2014,72(6): 1108-1117.

张小曳

中国不同区域大气气溶胶化学成分浓度、组成与来源特征

[J].气象学报, 2014,72(6): 1108-1117.

[本文引用: 1]

Zhang Xiaoye, Sun Junying, Wang Yaqiang, et al.

Factors Contributing to Haze and Fog in China

[J]. Chinese Science Bulletin, 2013, (13): 1178-1187.

张小曳

孙俊英, 王亚强, .

我国雾-霾成因及其治理的思考

[J]. 科学通报, 2013, (13): 1178-1187.

[本文引用: 2]

Engel-Cox J A, Holloman C H, Coutant B W, et al.

Qualitative and Quantitative Evaluation of MODIS Satellite Sensor Data for Regional and Urban Scale Air Quality

[J]. Atmospheric Environment, 2004, 38(16): 2495-2509.

[本文引用: 1]

Guo J, Xia F, Zhang Y, et al.

Impact of Diurnal Variability and Meteorological Factors on the PM2.5 - AOD Relationship: Implications for PM2.5 Remote Sensing

[J]. Environmental Pollution, 2017, 221: 94-104.

[本文引用: 1]

Van Donkelaar A, Martin R V, Park R J.

Estimating Ground‐Level PM2. 5 Using Aerosol Optical Depth Determined From Satellite Remote Sensing

[J]. Journal of Geophysical Research: Atmospheres, 2006, 111(D21):201-211.

[本文引用: 1]

You W, Zang Z, Zhang L, et al.

A Nonlinear Model for Estimating Ground-Level PM10 Concentration in Xi'an Using MODIS Aerosol Optical Depth Retrieval

[J]. Atmospheric Research, 2016, 168: 169-179.

[本文引用: 1]

Zheng Y, Zhang Q, Liu Y, et al.

Estimating Ground-Level PM2. 5 Concentrations over Three Megalopolises in China Using Satellite-Derived Aerosol Optical Depth Measurements

[J]. Atmospheric Environment, 2016, 124: 232-242.

[本文引用: 1]

Zhang X Y, Wang Y Q, Niu T, et al.

Atmospheric Aerosol Compositions in China: Spatial/Temporal Variability, Chemical Signature, Regional Haze Distribution and Comparisons with Global Aerosols

[J]. Atmospheric Chemistry and Physics, 2012, 12(2): 779-799.

[本文引用: 1]

Kaufman Y, Wald A, Remer L, et al.

Remote Sensing of Aerosol over the Continents with the Aid of a 2.2 μm Channel

[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35: 1286-1298.

[本文引用: 1]

Kaufman Y J, Tanre 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(D14): 17051-17067.

[本文引用: 4]

Sayer A M, Munchak L A, Hsu N C, et al.

MODIS Collection 6 Aerosol Poducts: 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): 13965-13989.

[本文引用: 1]

Hu Die, Zhang Lei, Sha Sha, et al.

Contrast and Application of MODIS Aerosol Products over the Arid and Semiarid Region in Northwest China

[J].Journal of Arid Meteorology, 2013, 31(4): 677-683.

[本文引用: 1]

胡蝶, 张镭, 沙莎, .

西北地区MODIS气溶胶产品的对比应用分析[J干旱气象

2013, 31(4): 677-683.

[本文引用: 1]

He Q, Li C, Tang X, et al.

Validation of MODIS Derived Aerosol Optical Depth over the Yangtze River Delta in China

[J]. Remote Sensing of Environment, 2010, 114(8): 1649-1661.

[本文引用: 1]

Li C, Lau A K H, Mao J, et al.

Retrieval, Validation, and Application of the 1 km Aerosol Optical Depth from MODIS Measurements over HongKong

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(11): 2650-2658.

[本文引用: 1]

Xie Y, Zhang Y, Xiong X, et al.

Validation of MODIS Aerosol Optical Depth Product over China Using CARSNET Measurements

[J]. Atmospheric Environment, 2011, 45(33): 5970-5978.

[本文引用: 1]

Xia X.

Significant Overestimation of Global Aerosol Optical Thickness by MODIS over Land

[J]. Chinese Science Bulletin, 2006, 51(23): 2905-2912.

[本文引用: 1]

Wang Hongbin, Zhang Lei, Jiao Shengming, et al.

Evaluation of the MODIS Aerosol Products and Analysis of the Retrieval Errors in China

[J].Plateau Meteorology,2016,35(3): 810-822.

王宏斌

张镭, 焦圣明, .

中国地区MODIS气溶胶产品的验证及反演误差分析

[J].高原气象,2016,35(3): 810-822.

[本文引用: 1]

Zhang Jie, Liu Haoye, Xin Jinyuan,et al.

The Comparison of MODIS and MERSI Aerosol Products in Shenyang

[J] Journal of Remote Sensing, 2016, 20(4): 549-560

[本文引用: 1]

[张婕, 刘昊野, 辛金元, .

沈阳地区MODIS与MERSI气溶胶产品对比研究

[J遥感学报, 2016, 20(4): 549-560].

[本文引用: 1]

Yang Yikun, Sun Lin, Wei Jing,et al.

Verification of MODIS C5 and C6 and Their Regional Adaptability Evaluation

[J].Journal of Shandong University of Science and Technology(Natural Science Edition), 2016, 35(5): 17-27

[本文引用: 1]

[杨以坤, 孙林, 韦晶, .

MODIS C5、C6气溶胶产品验证及区域适应性评价

[J山东科技大学学报(自然科学版), 2016, 35(5): 17-27].

[本文引用: 1]

Tao M, Wang Z, Tao J, et al.

How Do Aerosol Properties Affect the Temporal Variation of MODIS AOD Bias in Eastern China?

[J]. Remote Sensing, 2017, 9(8): 800-815.

[本文引用: 1]

Zheng Xiaobo, Luo Yuxiang, Zhao Tianliang, et al.

Geographical and Climatological Characterization of Aerosol Distribution in China

[J]. Scientia Geographica Sinica, 2012, 32(3): 265-272.

郑小波

罗宇翔, 赵天良,.

中国气溶胶分布的地理学和气候学特征

[J]. 地理科学, 2012, 32(3): 265-272.

[本文引用: 2]

Luo Yuxiang, Chen Juan, Zheng Xiaobo.

Climatology of Aerosol Optical Depth over China from Recent 10 Years of MODIS Remote Sensing Data

[J]. Ecology and Environmental Sciences, 2012,21(5): 876-883.

罗宇翔, 陈娟, 郑小波

近10年中国大陆MODIS遥感气溶胶光学厚度特征

[J]. 生态环境学报, 2012,21(5): 876-883.

[本文引用: 2]

Wang Yinpai, Yu Xin, Xie Guangqi.

Spatial Distribution and Temporal Variation of Aerosol Optical Depth over China in the Past 15 Years

[J]. China Environmental Science, 2018,38(2): 426-434.

王银牌, 喻鑫, 谢广奇

中国近15年气溶胶光学厚度时空分布特征

[J]. 中国环境科学, 2018,38(2): 426-434.

[本文引用: 2]

Bai L, Xue Y, Cao C, et al.

Quantitative Retrieval of Aerosol Optical Thickness from FY-2 VISSR Data

[C]∥Sixth International Symposium on Digital Earth: Models, Algorithms, and Virtual Reality, 2010:

784022

.

[本文引用: 1]

Zhang Junhua, Si Zhaojun, Mao Jietai, et al.

Remote Sensing Aerosol Optical Depth over China with GMS -5 Satellite

[J].Chinese Journal of Atmospheric Sciences, 2003,27(1): 23-35.

张军华

斯召俊, 毛节泰, .

GMS卫星遥感中国地区气溶胶光学厚度

[J]. 大气科学, 2003,27(1): 23-35.

[本文引用: 1]

Gao Ling, Ren Tong, Li Chengcai, et al.

A Retrieval of the Atmospheric Aerosol Optical Depth from MTSAT

[J] .Acta Meteorologica Sinica, 2012,70(3): 598-608.

高玲

任通, 李成才, .

利用静止卫星MTSAT反演大气气溶胶光学厚度

[J]. 气象学报, 2012,70(3): 598-608.

[本文引用: 1]

Bessho K, Date K, Hayashi M, et al.

An Introduction to Himawari-8/9-Japan's New-Generation Geostationary Meteorological Satellites

[J]. Journal of the Meteorological Society of Japan, 2016, 94(2): 151-183.

[本文引用: 2]

Yu F F, Wu X Q.

Radiometric Inter-Calibration between Himawari-8 AHI and S-NPP VIIRS for the Solar Reflective Bands

[J]. Remote Sensing, 2016, 8(3): 165-181.

[本文引用: 1]

Kikuchi M, Murakami H, Suzuki K, et al.

Improved Hourly Estimates of Aerosol Optical Thickness Using Spatiotemporal Variability Derived From Himawari-8 Geostationary Satellite

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(6): 3442-3455.

[本文引用: 2]

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.

[本文引用: 1]

F-M Bréon, Vermeulen A, Descloitres J.

An Evaluation of Satellite Aerosol Products against Sunphotometer Measurements

[J]. Remote Sensing of Environment, 2011, 115(12): 3102-3111.

[本文引用: 1]

Ichoku C, Chu D A, Mattoo S, et al.

A Spatio‐Temporal Approach for Global Validation and Analysis of MODIS Aerosol Products

[J]. 2002, 29(12):MOD1-1-MOD

1-4

.

[本文引用: 1]

Linke F.

Transmission Coefficient and Turbidity Factor

[J]. J Beitraege Phys Fr Atom, 1922, 10(2): 91-103.

[本文引用: 1]

Li C, Mao J, Lau K-H A, et al.

Characteristics of Distribution and Seasonal Variation of Aerosol Optical Depth in Eastern China with MODIS Products

[J]. Chinese Science Bulletin, 2003, 48(22): 2488-2495.

[本文引用: 2]

Pan X L, Yan P, Tang J, et al.

Observational Study of Influence of Aerosol Hygroscopic Growth on Scattering Coefficient over Rural Area Near Beijing Mega-City

[J]. Atmospheric Chemistry and Physics, 2009, 9(19): 7519-7530..

[本文引用: 1]

Zhang X Y, Wang Y Q, Lin W L, et al.

Changes of Atmospheric Composition and Optical Properties over Beijing—2008 Olympic Monitoring Campaign

[J]. Bulletin of the American Meteorological Society, 2009, 90(11): 1633-1652.

[本文引用: 1]

Shi Y, Ge M, Wang W.

Hygroscopicity of Internally Mixed Aerosol Particles Containing Benzoic Acid and Inorganic Salts

[J]. Atmospheric Environment, 2012, 60: 9-17.

[本文引用: 1]

Li Jiangnan, Wang Anyu, Meng Weiguang, et al.

The Climatological Characteristics of Precipitation of the Presummer Rainy Reason and Second Rainy Season in Guangdong Province

[J].Acta Scientiarum Naturalium Universitatis Sunyatseni, 2002, 41(3): 91-94, 98.

李江南

王安宇, 蒙伟光,.

广东省前汛期和后汛期降水的气候特征

[J]. 中山大学学报(自然科学版), 2002, 41(3): 91-94, 98.

[本文引用: 1]

Qiang Xuemin, YangXiuqun.

Onset and End of the First Rainy Season in South China

[J].Chinese Journal of Geophysics,2008,51(5): 1333-1345.

强学民, 杨修群

华南前汛期开始和结束日期的划分

[J]. 地球物理学报, 2008,51(5): 1333-1345.

[本文引用: 1]

/