1 引言(Introduction)

气溶胶是指悬浮在大气中的直径在0.001~100 μm之间的液态或固态的微小粒子, 如烟尘、海盐颗粒、硫酸盐、氮酸盐和有机物等多种物质(朱恩云等, 2008).同时, 作为大气的重要组成部分, 它对大气环境、人体健康、能见度等方面有着重要影响, 同时也是影响全球气候变化的不确定性因素之一(石广玉等, 2008；丁一汇, 2006).气溶胶是气体混合物, 其中部分物质不仅可通过人体呼吸活动直接进入人体肺部, 还可以进一步渗透到人体血液甚至通过血液输送到脑部, 严重影响人类健康.气溶胶光学厚度(Aerosol Optical Depth, AOD)是大气气溶胶的重要光学特性之一, 其为气溶胶的消光系数在垂直方向上的积分, 是推算气溶胶含量和研究气溶胶气候效应的关键因子(Xia et al., 2007; Li et al., 2013).为掌握地球大气气溶胶的变化情况, 美国国家航空航天局(NASA)在全球建立了地面太阳光度计观测网(AERONET), 以实现对气溶胶的长期观测.尽管地基观测值精度较高, 但其时间和空间上的不连续, 使气溶胶长期的时空变化研究变得困难.而卫星遥感则可以获得空间上连续性的气溶胶数据, 尤其在宏观环境监测和污染分布方面潜力巨大.

国外气溶胶研究经历了由人为源向天然源, 由总颗粒物向单颗粒物、由一次微米级向二次纳米级颗粒物的研究历程.目前, 中国是世界上人口最多和制造业规模最大的国家, 而人口和工业是影响AOD的重要因素, 这决定了中国区域气溶胶时空分布的研究具有重要价值.近年来, 随着格局-尺度-驱动力的范式在环境学等学科领域的广泛应用, 学者们对气溶胶开展了许多卓有成效的研究探索.从研究对象看, 既有行政区(徐婷婷等, 2012)、平原地区(范萌等, 2016)、城市群(王晶杰等, 2015)、流域(白淑英等, 2012)等人口、产业集中分布的地区, 也有沙漠(刘新春等, 2012)和高寒地区(熊洁等, 2016)等人口密度较少的地区；从研究尺度看, 既有大尺度如东亚(Liu et al., 2011)气溶胶研究, 又有中尺度如华北平原(Li et al., 2013)的气溶胶研究；从研究内容看, 主要集中在气溶胶的来源分析、迁移方向、精度验证及时空分布(Gong et al., 2006)；从研究方法看, 既有常规的气象、环境单点监测, 也有利用遥感、GIS等手段进行空间格局分析；从气溶胶反演模型看, 主要有“6S”辐射传输模型(卢士庆等, 2006)、斜程传输模型(陈煜丰等, 2017)等；从气溶胶的影响因素看, 学者们主要分析了AOD与人类活动、城市化发展水平、季风、降水等因素的关系(Remer et al., 2008).目前, 气溶胶研究的主数据源是地基观测数据, 但由于观测站与地基观测仪器的限制, 研究时间一般较短, 空间上分布不平衡且不连续, 利用遥感气溶胶数据便可以弥补这些不足.NASA新推出的Aqua/MODIS 3 km C006数据, 相比于C005版本的AOD产品, 不仅改进算法后精度有所提高, 还显著提高了空间分辨率.但由于数据集为日产品, 研究全国尺度数据处理难度大, 目前用该数据集研究较长时间序列中国气溶胶时空变化的案例十分鲜见.

本文采用2007—2017年的Aqua/MODIS气溶胶数据进行统计, 并采用线性趋势法、标准偏差和Hurst指数等方法分析中国AOD的年际和季节变化趋势和空间分布的特征.AOD时空分布的深入研究, 不但可以对环境保护部门进行科学决策提供依据, 还对太阳辐射收支平衡与人类呼吸系统疾病的研究具有重要的参考价值.

2 数据及方法(Date and methods) 2.1 数据来源与预处理

本文选用NASA发布的MODIS/Aqua Aerosol 5-Min L2 Swath 3 km V006产品, Optical_Depth_Land_And_Ocean数据集, 波段为550 nm, 数据获取自https://ladsweb.modaps.eosdis.nasa.gov/search/order网站.时间序列自2007年1月—2017年10月.通过ENVI/IDL语言编程和HDF4函数库对数据集进行批量重投影、镶嵌、裁剪等处理, 并以此为基础获得近11年各天、月、季、年不同时间尺度的均值AOD分布.分析季节变化时, 为避免某一年份季节间变化的偶然性, 确定每年3—5月为春季、6—8月为夏季、9—11月为秋季、12—2月为冬季, 并对11年的春、夏、秋、冬分别求平均, 再对四季AOD变化进行分析.对于产品反演算法产生的少量缺失值, 以每一景影像中的最小值代替.

2.2 AOD变化分析方法 2.2.1 年际变化(趋势分析)

Theil-Sen Median趋势分析和Mann-Kendall检验方法结合可以模拟每个栅格的变化趋势, 通过不同时间单个像元的空间变化特征, 综合表征一定时间序列区域格局演变规律(Theil et al., 1992; Sen et al., 1968).该方法对数据误差具有较强的抵抗能力, 能客观地反映长时间序列AOD的演化趋势, 计算公式为：

(1)

式中, S_AOD是一元线性拟合方程的斜率；AOD_i是第i年的AOD值；AOD_j是第j年的AOD.S_AOD>0时, 表明AOD变化呈现增加趋势, 反之, 则表明AOD呈减少趋势.

Mann-Kendall检验, 用来判断趋势的显著性(Kendall, 1955).计算公式如下:

设定{AOD_i}, i=2007, 2008, …, 2017

(2)

(3)

式中, AOD_i和AOD_j分别表示像元第i和j年的AOD值；n表示时间序列的长度；sgn是符号函数；统计量Z的取值范围是(-∞, +∞).在给定显著性水平下, 当Z>u_1-α/2时, 表明该研究序列在α水平上存在显著变化.本文判断在α=0.05置信水平上AOD时间序列变化趋势的显著性.

2.2.2 稳定性分析(标准偏差)

采用稳定性分析来计算2007—2017年每个栅格AOD的标准偏差(Standard Deviation).标准偏差是一种量度数据分布的分散程度之标准, 用其来评估AOD在时间序列上的稳定性, 计算公式为：

(4)

式中, SD为标准偏差；AOD_i为第i年的AOD值；AOD为n年的AOD平均值；n为研究时段的长度.SD值越小, 表示数据分布越集中且波动小, 具有较好的稳定性.反之同理.

2.2.3 Hurst指数

Hurst指数可定量描述时间序列上的持续性, 在气候学和地球化学等研究领域有着广泛的应用.本文用R/S分析法计算Hurst指数, 用其分析AOD的持续性特征.对于时间序列{AOD_(t)}, t=1, 2, …, n, 定义均值系列, 计算公式如下(Hurst, 2013)所示.

(5)

对于比值R_(τ)/S_(τ)R/S, 如果存在R/S∝τ^H的关系, 则说明在所研究的时段内存在Hurst现象, 其中的H就是Hurst指数.Hurst的值域为0~1, 若0.5 < H < 1, 说明被研究的时间序列具有持续性, 值越接近于1, 持续性越强；若H=0.5, 则表明AOD时间序列是随机性序列；若0 < H < 0.5, 说明被研究的时间序列具有反持续性, 且值越接近0, 反持续性越强.

3 结果与分析(Results and analysis) 3.1 AOD分布的总体格局

2007—2017年, 中国AOD的多年平均分布如图 1所示.11年间AOD的平均值为0.27, 相比于全球陆地平均值0.19, 中国AOD值明显偏高, 这与Remer等(2008)的研究结论一致.通过对多年AOD空间分布特征进行分析, 发现气溶胶在胡焕庸线(黑河—腾冲线)两侧呈显著差异, 这与郑小波等(2012)的研究发现也相同.胡焕庸线以东为高值区, AOD平均值为0.54, 其中大于0.6的区域占有较大比重, 主要分布在华北平原、山东丘陵、长江中下游平原、四川盆地.这些地区均为人口密度大、产业集中的区域, 这除了与汽车尾气排放量大有关, 还和工业生产过程中能源燃烧排放出的废气有关.胡焕庸线以西为低值区, AOD平均值为0.06, 主要分布在青藏高原、黄土高原、内蒙古高原和东北平原等中西部地区.这些地区以山地、高原为主, 人口密度小, 工业发展相对滞后, 人为产生的气溶胶少.值得注意的是, 塔里木盆地边缘出现大于0.6的弧形高值区, 这是由于受到当地的气候因素和地面植被覆盖度低的影响, 该区域环抱着中国最大的沙漠塔克拉玛干沙漠, 植被覆盖率与降水极少, 降水对气溶胶的清除和植被对沙尘的阻碍等作用非常微弱, 出现了AOD的极高值带.

3.2 AOD年际变化趋势分析

中国2007—2017年AOD年均值空间分布情况如图 2所示.由图 2可以看出, 自2007—2017年, 11年来AOD时间与空间上的变化异常明显, 总体呈不断减少的趋势.胡焕庸线以东呈现出“中间大两头小”的变化特征, 即中部变化大, 南北两头变化小.中部高值区主要包括华北平原、山东丘陵、长江中下游平原、四川盆地及两广丘陵等, 这一区域AOD呈明显下降趋势, 反映出政府、企业和民众对环境的保护意识提高, 在大气环境治理方面取得了尤为显著的成效.胡焕庸线以东的低值区主要包括东北平原和云贵高原, 它们是AOD的低值区, 变化不显著.胡焕庸线以西地区的大部分地区无明显变化, 其中青藏高原、黄土高原、内蒙古高原等为人口、工业稀少的山区或高原, AOD值常年维持在低值, 因此无明显变化.但塔克拉玛干沙漠边缘的弧形异常高值区表现出波动下降的特点, 这里受人类活动影响极少, 可能与当地气候等自然因素变化有关.台湾西部AOD呈现出不断减少的趋势, 这可能和台湾的产业迁移与转型有关.需要说明的是, 图 2中2017年较2016年的AOD值略有升高, 是因为受研究时段限制, 本文的数据更新至2017年10月30日, 而11月和12月又是一年中AOD低值时段, 未统计在内, 从而造成AOD升高的表象.

3.3 AOD季节变化

中国2007—2017年AOD多年平均四季分布状况见图 3.为更加准确分析AOD季节变化, 避免某一年份的偶然性, 本研究对多年的四季AOD求均值, 从而更准确地分析AOD的季节变化.季节的交替不仅影响季风、降水等自然因素的变化, 还影响人类活动的范围与频率.如春季的森林火灾, 夏季和冬季季风区风向的改变, 及秋季雨带的南移.从图 4可看出AOD季节变化呈现出春夏高(0.33/ 0.32), 秋季次之(0.26), 冬季最小(0.15)的变化特征.

春季(图 3a), 胡焕庸线以东的AOD值较高, 此线以西AOD值较低.由于北方取暖还未结束, 加之河套地区气溶胶向东向南移动, 东北地区出现AOD>0.3的高值.华北平原至长江流域的AOD>1.2, 保持在极高水平, 与当地干燥的气候和盛行的沙尘天气有关.长江流域以南AOD>0.7, 不但受偏北风带来的气溶胶影响, 而且与春季播种、秸秆焚烧以及森林火灾等生物质的燃烧密切相关.其中四川盆地达到四季中最高值, AOD>1.0.云南南部异常高值的出现可能和旱季的森林火灾频发有关.胡焕庸线以西在春季受沙尘天气影响显著, 使得这一区域AOD值较高于年均值.青藏高原AOD值保持着较低水平.

夏季(图 3b), 西北大部地区、青藏高原、河西走廊、塔里木盆地和准噶尔盆地的AOD值均达到四季中最高值, 这与夏季强太阳辐射引起的局地近地面干热粉尘对流有关.长江流域以南, 由于纬度低先进入雨季, 雨水的冲刷作用使得AOD值达到四季中最低值, 四川盆地的AOD值相较于春季减少也较显著.华北平原、辽东半岛的AOD值维持在高值, 与夏季人类活动增加以及空气湿度增高有利于雾霾形成有关.

秋季(图 3c), 中国大部地区的AOD值整体保持在较低水平, 红色区域大范围减少.西部地区AOD值相较于夏季减少较为明显, 但略高于春季.东部季风区由于雨带北移, 在雨水冲刷作用下华北平原、辽东半岛AOD值显著减少, 长江中下游平原和江南地区AOD值则略有回升.

冬季(图 3d), 北方积雪天数较多, 影响了气溶胶的生消, 在一定程度上影响了冬季气溶胶光学厚度获取的精度.在有数据区域, 中国各地区的AOD值均达到一年中的最低值.尤其是华北平原、长江三角洲最为显著, 这可能是因为在北方冬季风的影响下, 气溶胶扩散效果良好, 不容易集聚.塔克拉玛干沙漠边缘的弧形高值区基本消失, 青藏高原AOD则继续保持着低值.

图 4是以季度为单位的11年来AOD时间变化特征图.由图 4可知, AOD时间变化趋势整体呈余弦曲线式波动下降.年际间变化, AOD最高值出现在2007年, 达到0.34, 最低值出现在2016年, 为0.22(2017年未统计11月和12月不参与对比), 同比下降35.29%.2011年AOD变化波动较大, 春夏季相较于2010年异常增高, 而冬季却出现异常低值, 这可能与2011年的气候异常变化有关.季节变化特征明显, 趋近于余弦曲线分布特征, 呈现出两年为一个周期的变化趋势, 且一个周期内AOD波动幅度很小.春季和夏季平均值较高, 分别为0.33和0.32, 并具有交替性；秋季较低, 均值为0.26；冬季最低为0.15.

3.4 AOD空间变化特征 3.4.1 总体趋势

结合Theil-Sen Median趋势分析和Mann-Kendall检验结果, |Z|≥1.96, 通过了可信度为95%的显著性检验.将气溶胶年际变化趋势分为5个等级(表 1)：显著减少(S < -0.05, Z < 1.96)；轻度减少(S < -0.05, -1.96≤Z < 1.96)；基本不变(-0.05≤S < 0.05, -1.96≤Z < 1.96)；轻度增加(S≥0.05, -1.96≤Z < 1.96)；显著增加(S≥0.05, Z≥1.96)(袁丽华, 2013).将Theil-Sen Median趋势分级结果和Mann-Kendall检验分级结果进行叠加, 得到像元尺度上的AOD变化趋势结果(图 5).

由图 5可揭示2007—2017年AOD显著性变化总体趋势, 平均趋势系数为-0.009, 总体趋势表现为减少, 呈现出中国东南区域变化显著且分布集聚, 其他地方不显著且分布分散的变化特征. AOD显著减少区域分布在横断山脉以东, 淮河以南, 包括粤桂湘鄂赣皖、黔渝和川东, 绝大部分位于南方地区, 说明这一区域在近10年节能减排措施获得了良好的效果, 大气污染状况明显改观.轻度减少区域主要分布在华北、东北和西南, 其中既包括AOD的高值区华北平原, 也包括AOD低值区云贵高原、内蒙古高原东部和东北平原北部.此外, AOD低值区的青藏高原也有轻微减少.增加区域较少且分散, 主要分布在黑龙江、新疆和甘肃省的河西走廊, 其他区域基本保持不变.

3.4.2 AOD变化的稳定性

由中国2007—2017年AOD标准偏差分布图(图 6)可知, 中国AOD整体呈现东部集聚、西部分散, 高低差异显著的分布格局.AOD稳定性存在显著的空间差异, 高波动区域分布在四川盆地、华北平原、长江中下游平原、江南丘陵和塔里木盆地边缘, 以平原、丘陵和盆地为主, 这些地区受自然和人文因素扰动大, 气溶胶稳定性程度低.中等波动区大多分布在云贵高原、黄土高原、内蒙古高原中东部、东北平原以及准噶尔盆地, 以低矮高原为主, 中等波动区主要分布在高波动区和低波动区的过渡地带, 表明受人类活动和自然因素干扰较少于高波动区, 略高于低波动区.低波动区域主要分布在青藏高原、内蒙古高原西部以及塔克拉玛干沙漠地区, 为高海拔、沙漠或冰川等人类稀少的地区, 人类活动对环境的作用力小, 加之地形单元单一, 受自然因素影响也较单一, 气溶胶光学厚度始终保持低值, 波动也小, 稳定性强.

3.4.3 AOD变化的未来趋势特征

前述主要对11年中国AOD“格局-过程”进行分析, 而对于未来的变化趋势还不确定.为此, 利用python语言, 编程计算中国AOD的Hurst指数.Hurst的值域为0~1, 均值为0.4.为详细表达AOD变化的持续性, 将Hurst指数值域划分为4段, 0.0~0.25为强持续性, 0.26~0.50为弱持续性, 0.51~0.75为弱反持续性, 0.76~1.00为强反持续性.由图 7可知, 中国AOD持续性特征以弱反持续性为主, 弱持续和弱反持续镶嵌分布, 西北干旱区为强反持续性的主要特点.昆仑山—祁连山—贺兰山一线东西两侧AOD持续性具有明显差异, 此线以东弱持续性和弱反持续性镶嵌分布, 说明这一区域未来AOD变化趋势与过去的变化趋势相反, 但又具有复杂性和反复性.此线以西除天山以北地区, 地形主要以沙漠为主, 其他均表现为强反持续性, 说明未来AOD变化趋势与过去AOD变化趋势相反.天山以北区域主要以弱反持续性为主, 表明这一区域未来气溶胶变化与过去的相反.

4 讨论(Discussion)

气溶胶光学厚度不但是表征大气气溶胶特性的重要参数, 也是评价大气环境污染的关键因子.气溶胶的直接来源可分为自然源和人为源, 影响气溶胶变化的因素也可分为自然因素和社会因素, 自然因素主要有自然排放(沙尘、海盐、矿石灰、火山灰等)和气象因素(温度、降水、湿度等), 社会因素则包括人口密度、经济发展及汽车尾气排放、化石燃料燃烧、工业污染、垃圾和秸秆焚烧等人类活动.中国幅员辽阔, 各地自然环境和社会经济发展水平差异很大, 不同地区不同季节AOD的影响因素也不同.华北地区AOD在春季受北方沙尘天气外来输送的影响最大, 夏季则主要受本地人为源的排放制约, 秋、冬季受风场影响最大, 节能减排、绿色生产是区域经济可持续发展的必然选择.四川盆地AOD在春季主要受北方沙尘天气的外来输送的影响, 夏季与温度有关, 秋、冬季主要受人为排放源的影响, 还与降水因素有关；此外, 盆地的静风率高, 气溶胶水平扩散条件差.长三角和珠三角地区AOD主要受人类活动影响, 交通、高污染行业生产和化石能源消费是最主要的影响因素.转变能源消费结构、提倡使用新能源汽车、减少交通排放源是降低此区域AOD的有效途径.西北的新疆、甘肃河西走廊、内蒙古西部等地AOD在春季值最大, 这是由于该季节北方气旋活动频繁, 造成大风天气较多, 降水稀少, 空气相对湿度及土壤相对湿度都较小, 再加上沙漠地区有充足的沙尘源, 沙尘天气较多导致AOD增大.因地制宜地植树造林、防风固沙、改善生态环境, 是西北地区降低AOD的明智之举.

2007—2017年中国气溶胶空间变化呈现出减少的特征, 没有AOD显著增加的区域, AOD显著减少的区域主要分布在长江以南的地区.这可能与上述地区在近10年里节能减排工作推行较好有关, 其区域大气污染状况明显改观.全国来看, 除东北和西北部分地区外, 中国AOD整体表现为减少的趋势, 减少的区域恰好是东部大气环境污染较严重的区域, 在保持经济增长的同时气溶胶显著减少, 反映了人类活动对环境持续发展的副作用持续减弱.我国大部分地区已进入工业化后期, 大气污染问题已成为制约社会发展和进步的严重问题, 各地应根据排放源的不同采取差别化的AOD降低和污染减排措施, 持续实施大气污染防治行动, 打赢蓝天保卫战.

研究中国区域大尺度、长时间序列、较高空间分辨率的气溶胶时空变化较少, 与前人研究相比, 本文采用了空间分辨率更高的3 km MODIS数据, 采用Theil-Sen Median趋势分析法、标准偏差和Hurst指数结合的方法, 基于像元尺度, 从不同视角对气溶胶的时空变化进行了详细分析.不同学者得出的中国区域AOD时空变化略有不同, 主要原因：一是研究的时间序列不同；二是采用的数据产品不同；三是数据源的空间分辨率不同.本文计算的2007—2017年AOD平均值与郑小波(2012)的结果接近.

目前, Aqua/MODIS C006已是所能免费获取到的空间分辨率最高的气溶胶产品, 但仍然无法满足小尺度上AOD的精细化分析.此外, 源数据在中国部分地区存在数据缺失问题, MYD04气溶胶产品系采用暗目标算法反演得到, 暗目标算法在反射率较低的浓密植被覆盖区反演效果好, 然而中国西部地区反射率低, 反演效果较差, 在沙漠、冰川等高亮地表存在部分缺失值.本文尽管对缺失值进行了预处理, 但在一定程度上也会对AOD的时空分析结果有所影响.未来应继续加强多种因子对AOD影响的综合分析, 引入GWR等空间统计分析方法, 评估各因子对AOD贡献率的空间差异.

5 结论(Conclusions)

1) 中国AOD多年平均高值区出现在胡焕庸线以东, 其中极高值区域主要分布在华北平原、华东丘陵、长江中下游平原、四川盆地.多年平均低值区则出现在胡焕庸线以西的广大地区, 其中, 塔里木盆地边缘存在弧形的异常高值区.

2) 2007—2017年间, 中国AOD变化趋势为逐年减少, 由2007年AOD最高值0.34降低至2016年0.22(2017年未统计11月和12月, 因此不参与对比), 降低了35.29%, 表明中国上至政府下至企业和民众, 对环境长期保护和治理的决心, 并在长期的大气环境治理方面取得了显著的成效.

3) 中国大气气溶胶的季节变化不但与当地的工业废气、汽车尾气、农事活动等人类活动息息相关, 而且和降水、季风、地形等自然因素密不可分.其中, 春季和夏季AOD值高(0.33/0.32), 秋季较少(0.26), 冬季最低(0.15).

4) 中国AOD的11年间空间变化特征从线性变化趋势、变化稳定性和持续性3个方面分析得出：AOD显著性变化总体趋势为减少, 东部地区显著减少, 东北和西北地区轻度增加.中国AOD整体呈现东部集聚、西部分散, 高低差异显著的分布格局.中国AOD持续性特征表现为昆仑山—祁连山—贺兰山一线以东以弱反持续性为主, 弱持续和弱反持续镶嵌的特点, 具有复杂性和反复性.此线以西除天山以北地区, 其他均表现为强反持续性, 说明未来AOD变化趋势与过去AOD变化趋势相反.