2018, Vol. 38
[PDF全文]
2. 内蒙古自治区生态与农业气象中心, 呼和浩特 010051;
3. 内蒙古自治区遥感与地理信息系统重点实验室, 呼和浩特 010022
2. Inner Mongolia Autonomous Region Ecological and Agricultural Meteorology Center, Huhhot 010051;
3. Inner Mongolia Autonomous Region Key Laboratory of Remote Sensing & Geography Information System, Huhhot 010022
大气气溶胶是由大气介质和混合于其中的固体或液体颗粒物组成的体系.近年来, 随着城市化进程的推进, 大气环境愈加恶化, 而研究气溶胶时空分布特征在环境监测中具有重要价值.研究发现, 气溶胶的吸收和散射作用的相对强弱会增加或削减城市热岛效应(李耀锟等, 2015).MODIS的AOD产品经湿度和垂直订正后与PM10和PM2.5浓度具有很高的相关性, 可以作为污染物监测指标(郑卓云等, 2011；陈辉等, 2014；谢志英等, 2015).例如, 范东福等(2015)使用MODIS气溶胶数据监测了秸秆焚烧情况；Liu等(2015)用MODIS数据探索了中国北方沙尘暴的演变.准确获取气溶胶时空分布、来源及传输路径已经成为国内外学者关注的热点问题.例如, 刘浩等(2015)利用MODIS数据分析了2000—2013年京津冀晋鲁区域气溶胶在月尺度的时空分布特征；Liu等(2014)利用CE-318太阳光度计资料检验了MODIS数据的可用性, 得到成都市是四川省气溶胶的主要贡献者；王钊等(2013)研究了关中地区气溶胶的时空分布, 得出沙尘粒子和人类活动细粒子是其区域内气溶胶粒子主要来源的结论.
在气溶胶时空分布特征的研究中, 有关其与区域气象、地形、经济等要素的关系也得到了深入探索.郑小波等(2012)研究表明, 中国气溶胶分布以中国人口地理分界线—胡焕庸线为界, 两侧气溶胶性质浓度均有差别.单楠等(2012)得出全国沙尘月发生10次以上的地区, 沙尘月发生次数与气溶胶光学厚度月均值间呈显著线性相关关系, 而在沙尘月发生10次以下的地区, 沙尘与气溶胶光学厚度没有显著相关关系的结论.张明明等(2014)研究发现, 江苏省AOD与植被指数NDVI呈显著负相关关系.俞海洋等(2018)的研究表明, 北京地区高气溶胶光学厚度值伴随较高的相对湿度、较低的能见度、南风、较低的地面风速和稳定的大气层结.罗宇翔等(2012)通过对比MODIS气溶胶光学厚度资料与站点气象资料, 认为中国大陆AOD月空间分布与风速、风向、降水、温度和湿度等的变化有关.
分析气溶胶分布特征, 对进一步明确区域气候变化和城市气象灾害风险演变有重要意义.IPCC第五次报告指出, 在气候变化的驱动因子中, 气溶胶和云对气候变化的影响程度仍然是不确定性最大的部分(张小曳等, 2014).气溶胶浓度增加可能是近年来中国夏季东部和南部降水偏多, 而中部区域降水偏少的原因(段靖等, 2008；张新宜等, 2015；Gao et al., 2017).石睿等(2015)认为气溶胶增强了南方地区的对流性降水, 抑制了北方地区层云降水.吴国雄等(2015)总结了气溶胶与东亚季风的相互影响, 得到了东亚季风在季节、年际、年代际等多时间尺度上影响气溶胶输送和空间分布特征, 季风区域的高水汽特征可能影响气溶胶的光学及辐射特性, 近10年季风的减弱很可能利于区域气溶胶浓度增加等结论.
目前对气溶胶的时空分布特征的研究主要集中在经济发达地区, 且研究区的下垫面较均一, 可利用的观测数据源较多.本文以占中国国土面积1/8的内蒙古区域为研究对象, 该区域下垫面复杂, 人口分布不均, 由于经济欠发达导致观测资料较少, 针对该区域的研究也较少.然而, 内蒙古东西跨度极广, 且是华北区域上游, 其环境及生态变化对我国北部及中部地区影响极大.其森林、草原、沙漠生态系统又是极其脆弱敏感的生态系统, 对该区域气溶胶的时空分布特征进行分析, 对生态环境的监测和环境保护政策制订等都有重要意义.本文通过对2002—2018年采用融合算法反演的MODIS气溶胶光学厚度数据进行分析, 分别从年、月尺度研究内蒙古气溶胶光学厚度分布的时空特征, 并分析各研究区气溶胶光学厚度年际变化序列与大风、降水量、相对湿度及东亚季风变化的关系.
2 材料和方法(Materials and methods) 2.1 数据与方法本文使用的是2002年7月—2018年6月的C6.1版本的Level - 3 MODIS/Aqua月尺度数据产品(MYD08_M3), 空间分辨率为1°×1°, 读取的变量为“在550 nm用暗像元和深蓝融合算法反演的气溶胶光学厚度”(AOD_550_Dark_Target_Deep_Blue_Combined_Mean_Mean).由于Terra搭载的MODIS传感器存在老化问题(Levy et al., 2013; Lyapustin et al., 2014), 数据误差在逐年增大, 本文使用的为Aqua产品.从C6版本开始, MODIS数据产品中有分别使用暗像元(DT)、深蓝(DB)及融合(DT/DB)算法反演的3种AOD数据产品可供选择.其中, 采用融合算法的数据产品在计算AOD时针对不同的地表使用了不同反演算法, 在海洋或者植被/黑土上使用DT算法, 在沙漠/沙地上使用DB算法.该融合产品的可靠性已得到了大量研究的证实(Ginoux et al., 2012; Levy et al., 2013; Sayer et al., 2015; Chen et al., 2017).在C6.1版本中, 对本文中使用的月尺度的L3级数据产品进行了进一步升级, 一是改进了计算L3级数据的L2级产品的算法, 如在使用DT反演陆地上空气溶胶的过程中, 当10 km×10 km的网格中沿海面积大于50%或水体所占面积大于20%时, 就将该网格的气溶胶降为0.使用DB反演气溶胶时, 升级了陆表模型中的抬升地型部分.同时, C6.1版本中, 仅在计算月数据时使用了“3日”逻辑, 在日和8天数据产品中仍然保留了“1日”逻辑.“3日”逻辑可以更大程度上去除雪盖对气溶胶反演结果的影响(https://modis-atmos.gsfc.nasa.gov/sites/default/files/ModAtmo/L3_C61_Changes.pdf).C6.1版本的这些变化进一步提升了产品质量, 与实测相比, 在不同NDVI的地表类型下较C6版本均有改进(Muhammad et al., 2018).对于内蒙古这一地形复杂区域, 地表植被类型多样, 单一反演算法产品或存在大量缺测值或精度不能满足要求的问题, 而该数据产品具有较高适用性.本文中提取了内蒙古区域数据, 计算时间和空间平均值, 得到了多年平均空间场、逐年序列、逐月变化空间场、逐月序列.其中, 计算逐年序列时由于2002年和2018年的样本数不足, 计算仅涉及2003—2017年, 共计17年；在计算逐月序列时, 使用2002年7月—2018年6月的数据, 共计18年.
降水、相对湿度、大风日数数据来自中国气象局在全国所布国家级气象观测站网, 可通过中国气象数据网查询下载(http://data.cma.cn/).降水数据使用月累计降水值, 计算区域平均和时间平均, 得到降水的逐年变化序列.相对湿度使用站点月平均值, 再进行区域平均和时间平均.大风数据选用月累计大风日数, 由于气象观测站点的分布不均, 每个区域内站点数目差异较大, 而风速是影响气溶胶的重要因素.为了避免取区域平均值平滑掉风速大值信息, 每月先选取区域内所有样本点中大风日数最大值数据, 再进行时间平均, 得到大风日数的逐月序列和逐年序列.
同时, 本文中还使用了地理数据, 包括地表植被类型、盟市驻地, 数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn).经济和人口信息数据查询自内蒙古自治区统计局网站(http://www.nmgtj.gov.cn/acmrdatashownmgpub/index.htm).相关系数计算使用SPSS软件.
2.2 研究区概况内蒙古自治区地处中国北部边疆(97°~126°E, 37°~53°N), 地域广袤, 东西跨约30个经度, 横跨中国东北、华北、西北三大地区, 气候类型多样.大兴安岭北段地区属于寒温带大陆性季风气候, 巴彦浩特-海勃湾-巴彦高勒以西地区属于温带大陆性气候.地貌以蒙古高原为主体, 具有复杂多样的形态, 地表植被覆盖类型多样.如图 1所示, 北部主要为大兴安岭北段林区及湿地覆盖, 大兴安岭南段以西锡林郭勒盟为大片中温型典型草原区, 以东为丘陵地带, 间布草原、沙地和人工植被.内蒙古首府呼和浩特市位于典型草原以西, 这里为“呼包鄂”经济区, 是内蒙古主要的经济产业地区, 这一区域的城市包括呼和浩特市、包头市、鄂尔多斯市、乌兰察布市、巴彦淖尔市及乌海市.城市沿大青山南北麓而建, 地处黄河拐弯处, 有河套平原, 地表植被类型主要是暖温型灌丛草原、暖温型荒漠草原及人工植被.远离大青山的南北侧植被覆盖较差, 鄂尔多斯南部主要为沙地植被, 巴彦淖尔北部主要为荒漠及荒漠型草原.内蒙古最西部为阿拉善盟, 全境基本都为荒漠覆盖, 中部是巴丹吉林沙漠, 偏南部是腾格里沙漠.复杂的地形地貌使得内蒙古区域的气溶胶分布较其它地区更为多样, 典型地貌划分也为各种类型气溶胶的对比研究提供了可能.
 |
| 图 1 内蒙古地表植被类型分布 Fig. 1 Land surface vegetation type distribution over Inner Mongolia |
由于内蒙古地区经度跨度较大, 各地气候不同, 且地表类型差异显著.为了对不同地表类型及气候环境下的气溶胶分布进行分析, 在此对整个内蒙古进行分区.考虑到下垫面类型, 以及后文中使用的人口及经济数据(表 1), 基本可以按照行政边界进行分离, 在大兴安岭附近本文按照地形进行了一些调整.如图 2所示, 将内蒙古划分为5个部分, 分别为西部、中西部、中部、东北部、北部.西部主要由行政区划的阿拉善盟组成, 下垫面为典型的沙漠地区.中西部为内蒙古主要的经济产业地区, 由行政区划的巴彦淖尔市、乌海市、鄂尔多斯市、包头市、呼和浩特市及乌兰察布市组成, 下垫面以中温型荒漠草原、暖温性灌丛草原及沙地为主, 是内蒙古城市的聚集带.中部由行政区划的锡林郭勒盟组成, 地表类型为中温型典型草原, 该地植被类型较均一, 且人口密度小, 是国家级观象台所在地.东北部主要包括赤峰市、通辽市和兴安盟, 该地为大兴安岭延伸的丘陵地带, 下垫面以人工植被或荒漠草原为主, 该地区为内蒙古的人口聚集区, 人口密度大, 毗邻老工业城市沈阳及吉林.北部主要是呼伦贝尔市, 下垫面大部为大兴安岭北麓森林和湿地覆盖, 主要城市在西部草原区.北部区为寒温带季风气候, 半湿润区, 其它区域为中温带季风气候, 半干旱和干旱区(郑景云等, 2013).
 |
| 图 2 内蒙古自治区研究区域划分 Fig. 2 Divisions of study area over Inner Mongolia |
| 表 1 内蒙古自治区各盟市2015年末常住人口及第二工业生产总值 Table 1 Permanent resident population and the total value of secondary industrial production of cities of Inner Mongolia in 2015 |
 |
图 3给出了2003—2017年内蒙古自治区平均AOD的分布情况, 从图中可以看出, AOD全年月均值在0~0.6之间, 分布特征与内蒙古自治区地表类型分布有很高的一致性.东北部狭长的AOD低值区为大兴安岭林区及其附属山脉覆盖地, 海拔较高, 人类活动少.AOD高值区主要分布在内蒙古两端, 一个在内蒙中西部地区, 分析导致高值的原因可能有以下几点：首先该地区AOD高值区对应的正是主要的沙地地带—巴丹吉林沙漠、腾格里沙漠, 地表裸露度高, 春、秋季遇到大风天气易形成沙尘天气, 高的AOD年均值可能是多次沙尘天气过程合成导致的.同时, 该区域为内蒙古主要的重工业经济区, 地区能源结构以煤炭为主(付振娟等, 2011), 能源结构的不合理性及环境基础设施的滞后性也从源头上增加了大气环境质量改善的压力.该处不连续的低值区为阴山山脉.值得注意的是, 不连续的北部高值区, 下垫面只有部分沙地, 且该地无大型城市聚集, 沙尘天气相对较少(姜学恭等, 2008).但该地为中蒙口岸城市二连浩特所在地, 二连浩特东北部有陆盐湖存在, 极有可能增加了空气中的凝结核数量, 使得多年平均态上显示了较高的AOD值.
 |
| 图 3 2003—2017年内蒙古自治区平均AOD的空间分布 Fig. 3 Annual mean AOD distribution over Inner Mongolia during 2003—2017 |
另一个高值区在内蒙古东部大兴安岭山脉以南地区, 该区域AOD值高于中西部地区, 且该处的高值区与东北三省AOD分布有很好的连续性, 在大连-沈阳-长春-哈尔滨一带可见AOD高值中心, 这与张宸赫等(2017)的研究是一致的.
3.2 内蒙古气溶胶光学厚度月尺度特征 3.2.1 空间分布特征如图 4所示, 在2002年7月—2018年6月内蒙古自治区多年平均的AOD月均值变化分布图上, 多年均值中所反映的在东北部和中西部的两个大值中心在各月均有体现.不同的是, 3月北部地区在大兴安岭以东有明显的AOD高值区, 甚至高于同时期的年均值上的两个明显高值区.其余大部分地区基本在春季(3—5月)AOD值较大，夏季6月达到最大值, 随后开始下降, 在秋季(9—11月)AOD值达到全年最小值, 冬季(12月—次年2月)AOD值又有上升, 可能是受北方地区冬季取暖季的影响.
 |
| 图 4 2002—2018年内蒙古自治区多年平均AOD月均值空间分布 Fig. 4 Monthly mean AOD distribution over Inner Mongolia during 2002—2018 |
图 5所示为各区域2002年7月—2018年6月多年平均的AOD月均值变化序列, 从时间序列上看, 其分布特征与上述的空间分布是一致的.中部的AOD值全年变化最为平缓, 基本位于中等水平, 仅在5月存在峰值.这与图 6中大风日数的月分布是一致的.
 |
| 图 5 2002—2018年内蒙古各区域多年平均AOD月均值变化 Fig. 5 Time sequence of monthly mean AOD over each study district during 2002—2018 |
 |
| 图 6 2002—2018年内蒙古各区域多年平均大风日数月均值变化 Fig. 6 Time series of monthly mean strong wind days over each study district during 2002—2018 |
中西部地区AOD值存在两个峰值, 分别出现在4月和6月.西部地区只有4月有明显峰值, 且数值略大于中西部地区.考虑4月AOD峰值可能与内蒙古盛行的大风沙尘天气有关, 在图 6中也可见明显峰值与其相对应.4月, 内蒙古西部和中西部地区受活跃的低压槽系统影响, 盛行西风或西北风, 再加上裸露地表的影响, 常有扬沙及沙尘天气发生(康林等, 2014), 导致AOD值偏高.6月峰值只在中西部地区出现, 且此时东北部地区AOD也达到全年最大值, 随后北部地区在7月AOD值也有升高.这一变化趋势可能主要受水汽影响：6、7月随着内蒙古主汛期的来临, 季节雨带位移, 空气湿度逐渐增大, 水汽导致AOD值增大.AOD值的这一变化满足雨带位移从南向北的规律, 北部地区的雨季时间比内蒙古其它地区晚半个月.同时, 这一AOD高值可能还与气溶胶类型有关.从表 1中可见, 中西部地区为内蒙古重工业聚集地，人为源的气溶胶有很强的吸湿特性, 在中西部地区, 气溶胶类型可能以人为排放为主, 而不是自然源的沙尘气溶胶.因其在雨季到来时, AOD值的增长幅度远大于同处于雨季的西部和中部地区；随后, 随着空气逐渐干燥, AOD值逐渐下降, 其变化幅度又明显小于西部和中部地区.
东北部地区全年AOD值总体上高于其它区域, 水汽是一个不得不考虑的因素.东北部地区全年平均水汽压在7 hPa左右, 而中部地区水汽压在6 hPa以下.水汽压高有利于近地层气溶胶向上输送, 水溶性气溶胶粒子吸湿膨胀, 使得气溶胶光学厚度变大.东北部地区11月的AOD值上升趋势较其它地区显著, 如表 1所示, 东北区域人口密集, 11月正值进入北方集中供暖期, 人为因素导致的气溶胶粒子增多, 且此时风速较小, 这些可能是导致东北部地区AOD值较高的原因.随后在12月, 由于风速的增大, AOD值回落.11月在中西部和北部地区也可见AOD峰值, 但波动较小.
北部地区的AOD值全年除10月—次年2月外(此时段数据存在缺测情况), 基本处于全内蒙古最低水平, 3月AOD高值过程与风速关系密切.如图 6所示, 北部区域大风日数逐月变化与其它地区有明显差别, 仅在5月大风日数较多, 在12月—次年2月的大风日数均较少, 3月的大风日数也显著小于其它地区.
3.3 内蒙古气溶胶光学厚度年际变化 3.3.1 AOD年际变化序列特征分析图 7所示为各研究区域平均AOD的逐年序列变化.从整体上看, AOD值最大的为东北部, 其次为中部, 最小的为北部地区, 这与前述分析一致.对数据序列进行Mann-Kendall检验, 发现各区域结果存在差异, 图 8所示为西部和北部地区的结果, 2003—2017年间, 初期西部和北部地区AOD值都呈下降趋势, 但自2013年开始, 北部地区AOD值转为上升趋势.图中一并给出了置信度为0.05的显著性检验参考线, 西部地区2013—2015年的下降趋势和2015—2017年间的下降趋势通过了显著性检验, 北部地区仅2013—2015的下降趋势通过了显著性检验.西部地区在2011年存在突变点, 北部地区在2016年存在突变.内蒙古其它区域的趋势检验结果因无明显规律, 在此并没有给出.西部和北部地区规律明显, 可能是因为人口稀疏、人为因素影响较少的原因.
 |
| 图 7 2003—2017年内蒙古各区域平均逐年平均AOD月均值变化 Fig. 7 Time series of annual mean AOD over each study district during 2003—2017 |
 |
| 图 8 西部(a)和北部(b)区域AOD变化年序列M-K检验结果 Fig. 8 Manner-Kendall test result of annual AOD over west(a) and north(b) area |
对各区域间AOD值进行相关分析, 结果发现, 西部地区与中西部、中部、东北部地区的相关系数分别为0.745、0.610、0.609, 中部地区与东北部、北部地区的相关系数分别为0.921、0.740, 东北部和北部地区的相关系数为0.761, 且以上地区均通过了0.01水平的显著性检验.可以看出, 中西部地区的AOD只与西部地区的AOD相关系数较高, 从前述关系来看, 这主要受沙尘影响.
3.3.2 AOD年际变化与大风日数关系大风对AOD值带来的效应是双面的, 一方面大风天气加快了空气流动, 有利于气溶胶粒子的扩散, 使AOD值减小；另一方面, 大风可能携带大量沙尘粒子, 使得空气中颗粒物增多, 导致AOD值变大.表 2为各区域AOD值与大风日数的相关系数, 对角线上为本区域大风日数与本区域AOD值的相关系数, 只有西部地区AOD值与其大风日数的相关关系达到了0.05的显著性水平, 且呈正相关, 证明大风对该地区的作用为增加了空气中颗粒物浓度.西部地区大风日数与中西部地区AOD值的相关系数较高, 体现了西部沙尘源地的影响, 受地形影响沙尘自西北向东南方向传播(姜学恭等, 2008).
| 表 2 2003—2017年内蒙古各区域AOD与大风日数的相关关系 Table 2 Pearson correlation between AOD and strong wind days of each district during 2003—2017 |
|
西部地区大风日数与中部地区AOD相关性不显著, 却与东北部地区AOD相关系数较高, 这可能与高空环流形势有关.东北部地区发生沙尘天气主要是由当地沙源引起的, 西部沙源传输所带来的沙尘暴天气极少.东北部区域上空低涡发展, 冷暖平流造成强烈的上升运动, 导致沙尘天气(尤莉等, 2004).但应该注意到, 此时西部地区正处于高空槽后, 盛行西北大风.因此, 东北地区AOD值与西部大风日数相关系数较高, 而相对本区域主要是热平流影响导致垂直运动, 所以与本地的大风日数的相关关系不显著.北部地区大风日数与其它各区域AOD值的相关系数均为负值, 其中与西部和东北部地区的AOD相关性显著, 这同样是环流形势影响的结果.北部地区为大槽区时, 对应西部地区为高压脊发展, 西北风减弱(康林等, 2013).
3.3.3 AOD年际变化与相对湿度关系在相对湿度较高时, 水汽对能见度的影响甚至可能超过气溶胶粒子浓度的影响(姚青等, 2014).表 3给出了各区域AOD的年际变化序列与相对湿度的关系.由表可知, 各区域相对湿度值对本区域AOD的影响均为正, 但相关性不显著.西部、中西部和中部地区相对湿度与北部地区AOD值呈显著正相关, 而北部地区相对湿度与西部及中西部地区AOD值呈显著负相关.中西部地区相对湿度与其东侧地区AOD值相关系数较高, 可能是受该地区水汽输送路径的影响.蔡英等(2015)的研究表明, 本文中的中西部地区正处于带来水汽的3支气流交汇后, 继而向东北输送的中继站位置.西部、中西部及中部地区属于典型的季风带来的水汽输送, 而北部地区水汽输送主要与气旋式环流有关(申乐琳等, 2010).北部地区相对湿度对内蒙古AOD值的影响机理还需要进一步研究.
| 表 3 2003—2017年内蒙古各区域AOD与相对湿度的相关关系 Table 3 Pearson correlation between AOD and relative humidity of each district during 2003—2017 |
|
内蒙古地区灾害频发, 尤以干旱最为严重, 有“十年九旱”之说, 而气溶胶的增多可能导致降水的偏少(段靖等, 2008).为此, 本文研究了各区域AOD值与降水量间的相关关系, 结果见表 4.由表可知, 各区域降水量与本地AOD的相关性均不显著, 没有明显的气溶胶增多导致降水减少的趋势.西部、中西部及中部地区的降水量与北部地区的AOD值相关性显著, 这与表 3中相对湿度对AOD的影响有很好的一致性, 主要反映的是水汽的影响.
| 表 4 2003—2017年内蒙古各区域AOD与降水量的相关关系 Table 4 Pearson correlation between AOD and precipitation of each district during 2003—2017 |
|
吴国雄等(2015)认为东亚季风在季节、年际、年代际等多时间尺度上影响气溶胶输送和空间分布特征, 季风区域的高水汽特征可能影响气溶胶的光学及辐射特性.东亚季风指数近60年呈下降趋势(Zuo et al., 2012), 这与3.3.1节中西部地区气溶胶的AOD值变化趋势一致.季风的年代际变化必然影响风场, 从前面的分析可以看出, 风场在月和年尺度上都对AOD值有重要影响, 因此, 季风的变化会影响AOD值.同时, 西部、中西部及中部地区的季风性水汽输送对AOD值的影响也可能与季风相关.然而, 本文计算了内蒙古各区域AOD与东亚季风指数的相关系数, 发现二者之间并不具有显著的相关性.Wang等(2008)的研究表明, 季风指数所描述的影响主要反映在长江中下游的季节雨带的雨量大小上, 成因是海陆热力差异, 而季节雨带位移是由地气系统的赤道和两极的辐射差异导致.因此, 季风指数所描述的季风强弱对内蒙古区域的影响是有局限性的.内蒙古区域AOD值与季风的关系还需选取其它指标进行进一步讨论.
4 结论(Conclusions)1) 空间分布上, 内蒙古主要有两个AOD高值区：中西部及东北部, 后者的AOD值更高；低值区主要分布在大兴安岭及其附属山脉地带, 全年AOD值均较低.同时, 内蒙古大部地区全年AOD最大值出现春季, 最小值出现在秋季.
2) 内蒙古西部、中西部及中部地区4月AOD高值主要与大风沙尘天气相关, 6月AOD的高值主要与伴随雨季开始, 空气中水汽增加带来的影响有关.北部地区在3月的AOD高值可能受风速影响较大.由AOD值的逐月变化推测, 西部地区气溶胶主要为沙尘气溶胶, 而中西部和东北部地区存在人为源气溶胶粒子的影响.
3) 内蒙古中西部地区AOD值存在下降趋势, 2014年后下降趋势显著；北部地区AOD先下降后上升, 但变化趋势不明显.
4) 大风日数和相对湿度均影响内蒙古AOD的年际变化, 风场主要是作用于西部沙尘源地, 导致沙尘气溶胶的增减, 而相对湿度对AOD的影响则体现在对水汽输送的影响上.同时, 通过计算内蒙古AOD值与降水量的相关系数, 没有发现显著的气溶胶粒子对降水的抑制作用, 降水量对内蒙古AOD值年际变化的影响主要反映在湿度变化上.内蒙古AOD值年际变化与东亚季风指数的相关关系不显著.
Chen W, Fan A, Yan L. 2017. Performance of MODIS C6 aerosol product during frequent haze-fog events:A case study of Beijing[J]. Remote Sensing.
DOI:10.3390/rs9050496
|
蔡英, 宋敏红, 钱正安, 等. 2015. 西北干旱区夏季强干、湿事件降水环流及水汽输送的再分析[J]. 高原气象, 2015, 34(3): 597–610.
|
陈辉, 厉青, 王中挺, 等. 2014. 利用MODIS资料监测京津冀地区近地面PM2.5方法研究[J]. 气象与环境学报, 2014(5): 27–37.
|
段婧, 毛节泰. 2008. 华北地区气溶胶对区域降水的影响[J]. 科学通报, 2008(23): 2947–2955.
DOI:10.3321/j.issn:0023-074X.2008.23.017 |
范东福, 杨书运, 吴必文, 等. 2015. 基于AOD数据的秸秆焚烧监测[J]. 国土资源遥感, 2015, 27(2): 133–138.
|
付振娟, 赵晶晶. 2011. 内蒙古自治区能源概况及各种能源产消情况分析[J]. 环境与发展, 2011, 23(9): 22–24.
DOI:10.3969/j.issn.1007-0370.2011.09.021 |
Gao Y, Zhang M. 2018. Changes in the diurnal variations of clouds and precipitation induced by anthropogenic aerosols over East China in August 2008[J]. Atmospheric Pollution Research, 9(3): 513–525.
DOI:10.1016/j.apr.2017.11.013
|
Ginoux P, Prospero J M, Gill T E, et al. 2012. Global-scale attribution of anthropogenic and natural dust sources and their emission rates based on Modis deep blue aerosol products[J]. Reviews of Geophysics.
DOI:10.1029/2012rg000388
|
姜学恭, 陈受钧. 2008. 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.
|
康林, 季明霞, 黄建平, 等. 2014. 欧亚大气环流对中国北方春季沙尘天气的影响[J]. 中国沙漠, 2014, 34(1): 197–205.
|
Levy R C, Mattoo S, Munchak L A, et al. 2013. The collection 6 MODIS aerosol products over land and ocean[J]. Atmospheric Measurement Techniques, 6(11): 2989–3034.
DOI:10.5194/amt-6-2989-2013
|
李耀锟, 巢纪平, 匡贡献. 2015. 城市热岛效应和气溶胶浓度的动力、热力学分析[J]. 地球物理学报, 2015, 58(3): 729–740.
|
Liu X, Chen Q, Che H, et al. 2016. Spatial distribution and temporal variation of aerosol optical depth in the Sichuan basin, China, the recent ten years[J]. Atmospheric Environment, 147: 434–445.
DOI:10.1016/j.atmosenv.2016.10.008
|
Lyapustin A, Wang Y, Xiong X, et al. 2014. Scientific impact of MODIS C5 calibration degradation and C6+ improvements[J]. Atmospheric Measurement Techniques Discussions, 7(12): 4353–4365.
DOI:10.5194/amt-7-4353-2014
|
刘浩, 高小明, 谢志英, 等. 2015. 京津冀晋鲁区域气溶胶光学厚度的时空特征[J]. 环境科学学报, 2015, 35(5): 1506–1511.
|
罗宇翔, 陈娟, 郑小波. 2012. 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.
|
Muhammad B, Nazeer M, Qiu Z, et al. 2018. Global validation of MODIS C6 and C6.1 merged aerosol products over diverse vegetated surfaces[J]. Remote Sens.
DOI:10.3390/rs10030475
|
任国玉, 郭军, 徐铭志, 等. 2005. 近50年中国地面气候变化基本特征[J]. 气象学报, 2005, 63(6): 942–956.
DOI:10.3321/j.issn:0577-6619.2005.06.011 |
Sayer A M, Munchak L A, Hsu N C, et al. 2015. 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, 119(24): 13, 965–13, 989.
|
单楠, 杨晓晖, 时忠杰, 等. 2012. 基于MODIS的中国陆地气溶胶光学厚度时空分布特征[J]. 中国水土保持科学, 2012, 10(5): 24–30.
DOI:10.3969/j.issn.1672-3007.2012.05.004 |
申乐琳, 何金海, 周秀骥, 等. 2010. 近50年来中国夏季降水及水汽输送特征研究[J]. 气象学报, 2010, 68(6): 918–931.
|
石睿, 王体健, 李树, 等. 2015. 东亚夏季气溶胶-云-降水分布特征及其相互影响的资料分析[J]. 大气科学, 2015, 39(1): 12–22.
|
王菱, 甄霖, 刘雪林, 等. 2008. 蒙古高原中部气候变化及影响因素比较研究[J]. 地理研究, 2008, 27(1): 171–180.
DOI:10.3321/j.issn:1000-0585.2008.01.019 |
吴国雄, 李占清, 符淙斌, 等. 2015. 气溶胶与东亚季风相互影响的研究进展[J]. 中国科学:地球科学, 2015, 45(11): 1609–1627.
|
谢志英, 刘浩, 唐新明. 2015. 北京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报, 2015, 35(10): 3292–3299.
|
Yang L, Liu R. 2015. Climatology of dust storms in northern China and Mongolia:Results from MODIS observations during 2000-2010[J]. Journal of Geographical Sciences, 25(11): 1298–1306.
DOI:10.1007/s11442-015-1235-2
|
姚青, 蔡子颖, 韩素芹, 等. 2014. 天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响[J]. 中国环境科学, 2014, 34(3): 596–603.
|
尤莉, 程玉琴, 张少文, 等. 2004. 内蒙古赤峰地区沙尘暴发生特点及成因[J]. 气象, 2004, 30(5): 38–41.
|
俞海洋, 张杰, 李婷, 等. 2018. 2000-2013年北京及周边地区大气气溶胶光学厚度时空变化特征及气象因素影响分析[J]. 气象科学, 2018, 38(4): 512–522.
|
Wang B, Wu Z, Li J, et al. 2008. How to measure the strength of the East Asian Summer Monsoon[J]. Journal of Climate, 21(17): 4449–4463.
DOI:10.1175/2008JCLI2183.1
|
王钊, 彭艳, 车慧正, 等. 2013. 近10年关中盆地MODIS气溶胶的时空变化特征[J]. 高原气象, 2013, 32(1): 234–242.
|
Zuo Z, Yang S, Kumar A, et al. 2012. Role of thermal condition over Asia in the weakening Asian summer monsoon under global warming background[J]. Journal of Climate, 25(25): 3431–3436.
|
张宸赫, 赵天良, 王富, 等. 2017. 2003-2014年东北三省气溶胶光学厚度变化分析[J]. 环境科学, 2017, 38(2): 476–484.
|
张明明, 刘振波, 葛云健. 2014. 江苏省大气气溶胶光学厚度时空分布研究[J]. 长江流域资源与环境, 2014, 23(12): 1775–1782.
DOI:10.11870/cjlyzyyhj201412019 |
张小曳, 廖宏, 王芬娟. 2014. 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.
DOI:10.3969/j.issn.1673-1719.2014.01.008 |
郑小波, 罗宇翔, 赵天良, 等. 2012. 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.
|
张新宜, 周晓宇, 张海燕. 2015. 1954-2013年湖北省黄石市气溶胶光学厚度与降水关系研究[J]. 环境科学学报, 2015, 35(7): 1963–1971.
|
郑景云, 卞娟娟, 葛全胜, 等. 2013. 1981-2010年中国气候区划[J]. 科学通报, 2013, 58(30): 3088.
|
郑卓云, 陈良富, 郑君瑜, 等. 2011. 高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究[J]. 环境科学学报, 2011, 31(6): 1154–1161.
|