2019, Vol. 39
[PDF全文]
2. 北京师范大学全球变化与地球系统科学学院, 北京 100875
2. School of Global Change and Earth System Science, Beijing Normal University, Beijing 100875
近年来, 由于经济的快速增长及城市化进程的加快, 灰霾天气频繁发生, 细颗粒物污染严重, 高浓度的细颗粒物悬浮于空中不仅危害人类健康, 对气候变化也有重要影响(张莹等, 2013).而灰霾期间气溶胶以细模态为主(Wang et al., 2011；Che et al., 2013；Che et al., 2014；He et al., 2015；Liu et al., 2016；Gui et al., 2016), 对于细模态气溶胶而言, 光学厚度是其最重要的参数之一, 也是确定细模态气溶胶气候效应的一个关键因子, 它能够提供能见度及对辐射平衡影响的有用信息(Jeoung et al., 2014).细模态气溶胶光学厚度(fAOD)占总光学厚度(AOD)的比例即气溶胶细模态比例(FMF), 利用该参数可计算出细模态气溶胶对消光的贡献, 它是估算直接辐射强迫和评估细颗粒物污染的重要参数(Christopher et al., 2006；Kumar et al., 2011).因此, 对细模态气溶胶的研究有助于了解区域大气状况, 对改善环境气候变化具有重要的意义.
目前, FMF及fAOD的获取方法有两种, 分别为地基探测方法和卫星遥感方法.地面观测具有高时间、光谱分辨率, 可实时立体呈现大气状况, 反演方法简单、准确的优势, 同时能为区域卫星遥感订正提供重要依据, 但地面观测范围有限；而卫星遥感能够在全球范围内对气溶胶进行观测, 具有高空间分辨率(Qi et al., 2013；王贺等, 2017), 但同时由于卫星反演AOD受地表反射率、气溶胶模态及高云等多种因素的影响, 相对于地面观测精度较差(Jing et al., 2014).太阳光度计观测值被认为是较为准确的数据, 因此, 可以用来评价卫星反演结果(王贺等, 2017).
搭载在地球观测系统(EOS)卫星上的中分辨率成像光谱仪(MODIS)(Salomonson et al., 1987)在气溶胶观测方面得到了广泛使用.MODIS L2 MOD04可提供细模态比例数据FMF, 但有学者表明, MODIS L2 Collection 5 (C5)气溶胶产品中的FMF精度可靠性并不高.如Anderson等(2005)比较了MODIS反演的FMF和通过直接测量得到的亚轨道数据气溶胶亚微米比例SMF, 结果表明, 亚轨道测量精确度较高.Jethva等(2010)将印度坎普尔2001—2005年MODIS反演的AOD及fAOD与地面AERONET站点观测值进行了比较, 发现fAOD和FMF在大多数情况下明显偏低.Kleidman等(2005)比较了MODIS遥感反演及从地面监测站点获得的海洋上空FMF, 结果表明, MODIS反演FMF存在一定的偏差.目前, 最新的MODIS L2气溶胶产品是C6, 但尚缺乏对于C6的FMF验证, 大部分研究针对AOD产品.Bilal等(2015)评价了京津冀地区不同程度污染时期MODIS气溶胶反演算法, 结果表明, DT(暗像元算法, Dark Target) C6 3 km AOD相对于DT C6 10 km AOD精度较差.He等(2017)、Nichol等(2016)比较和评价了中国及亚洲地区MODIS C6 3 km和10 km AOD产品, 均发现10 km产品的精度相对较高.
由于MODIS的时间分辨率较低, 无法给出区域气溶胶的日变化特征.因此, 利用空间覆盖面积比地面站点监测更广、时间分辨率又比极轨卫星高的静止气象卫星开展气溶胶光学特性产品反演研究就具有十分重要的现实意义(Hoff et al., 2014).随着技术水平的提高, 各国也陆续发射了新一代静止气象卫星, 如日本的Himawari-8(H8), 其观测频率为10 min一次, 可为气候变化和大气环境研究提供高时间分辨率的大气气溶胶观测信息(Hoff et al., 2014；Bessho et al., 2016).Himawari-8也提供了细模态比例数据FMF, 但目前大部分的研究只集中在AOD的验证上, 如Wang等(2017)比较了Xianghe等5个站点Himawari-8反演的AOD和AERONET的观测值, 发现它们基本上是一致的, Himawari-8存在些许的低估.因此, 对于Himawari-8的细模态气溶胶产品同样亟待验证.
综上, 本文主要通过分析MODIS和Himawari-8的fAOD及FMF在亚洲地区的时空分布, 并与地面AERONET观测网数据进行对比, 以确定不同卫星数据在亚洲地区观测的有效性、可靠性, 为合理利用细模态气溶胶数据进行深入研究提供依据.
2 数据和方法(Data and methods) 2.1 研究数据 2.1.1 MODIS细模态气溶胶产品MODIS(中分辨率成像光谱仪)是美国国家航空航天局EOS(地球观测系统)的关键设备, 搭载在Terra和Aqua两颗卫星上, 上午轨道卫星Terra于1999年12月18日发射升空, 下午轨道卫星Aqua于2002年5月4日发射升空(Barnes et al., 2003).本研究选择2015年1月—2016年12月Terra卫星发布的MOD04 C006 Level2数据, 其空间分辨率为10 km×10 km, 数据可从LAADS DAAC获取(https://ladsweb.modaps.eosdis.nasa.gov), 间接得到fAOD数据(fAOD=AOD×FMF), 并与地面站点fAOD、FMF观测值进行比较, 对比验证MODIS细模态气溶胶产品的精度.
2.1.2 Himawari-8细模态气溶胶产品Himawari-8是由日本气象厅(JMA)于2014年10月7日发射的新一代静止气象卫星, 并于2015年7月7日开始运行, 它携带具有高光谱、时间和辐射分辨率的葵花成像仪(AHI), AHI拥有16个可见光和红外通道, Himawari-8/AHI每隔10 min进行全盘观测, 每隔2.5 min观察日本地区和特定目标地区.它在可见光波段和近红外波段空间分辨率为0.5 km或1 km, 红外波段为2 km(Bessho et al., 2016；Yumimoto et al., 2016；Lee et al., 2017).本研究对2015年7月—2016年12月的Himawari-8 Level2细模态气溶胶产品FMF及fAOD(时间分辨率为10 min, 空间分辨率为5 km)进行精度验证, 数据可从EORC获取(http://www.eorc.jaxa.jp/ptree).
2.1.3 AERONETAERONET是一个用太阳光度计进行全球观测的地基观测网络, 它提供0.340~1.060 m范围内的云过滤和质量保证的光谱AOD, 具有低不确定度(0.01~0.02)和高时间分辨率(15 min)(Nichol et al., 2016).太阳光度计具有很窄的视场角度, 反演的气溶胶光学厚度受地表参数及气溶胶前向散射的影响较小(Ge et al., 2011), 反演精度较高, 可以用来检验卫星反演的气溶胶光学特性, AERONET数据可从GSFC获取(https://aeronet.gsfc.nasa.gov/).本研究选取亚洲41个有长期地面观测的站点, 分别位于中国、印度、孟加拉国、印度尼西亚、日本、老挝、马来西亚、菲律宾、西班牙、泰国、越南、韩国12个国家, 利用已完成云过滤和质量验证的AERONET Level2.0及Level1.5数据来验证MODIS和Himawari-8卫星细模态气溶胶产品, 站点位置分布如图 1所示.
 |
| 图 1 亚洲41个站点地理位置分布图 Fig. 1 Geographical distribution map of 41 Asian sites |
Himawari-8 Level2气溶胶产品数据集主要提供500 nm波段的AOD、FMF等气溶胶光学特性信息.MODIS反演气溶胶光学厚度的波段主要有470、550和660 nm, 而地面站点太阳光度计观测的波段为380、440、500、675和870 nm等.为了使卫星反演数据能与AERONET站点观测值进行比较, 需要对气溶胶光学厚度数据作波长插值和时空匹配处理.本研究将MODIS 470和660 nm通道观测的AOD插值到500 nm(τλ=βλ-α, 其中, λ为波长, τλ代表波长λ的AOD, α和β分别为大气浑浊度参数和波长指数), 并与AERONET观测值进行对比.
同时, 为了使卫星与地面观测更好地作对比, 需要将MODIS、Himawari-8的观测数据与地面站点的数据进行时空匹配, 本研究选择以站点为中心一个像元范围内Himawari-8和MODIS产品的AOD、FMF值, 并与卫星过境前后0.5 h内的AERONET最邻近时间的地基数据进行比较分析.通过标准误差(RMSE, 式(1))、平均绝对误差(MAE, 式(2))及期望误差(EE, 式(3)、(4))进行精度验证.
|
(1) |
|
(2) |
|
(3) |
|
(4) |
图 2为MODIS、Himawari-8细模态气溶胶产品FMF(样本数分别为2451、3185)的散点密度图, 颜色标尺表示匹配对应数据集数据点的数目, 通过相关系数(r)、均方根误差(RMSE)和平均绝对误差(MAE)来评估卫星产品精度.
 |
| 图 2 MODIS和Himawari-8 2015—2016年细模态气溶胶产品FMF散点密度图 Fig. 2 Scatter density map of MODIS and Himawari-8 fine mode aerosol products FMF for the years 2015—2016 |
由图 2可以看出, MODIS、Himawari-8匹配值主要集中在0.9~1.0之间, 且Himawari-8 FMF值为0的数量也相对较多(对应AERONET的观测值分别为0.7、0.9左右).同时与Himawari-8反演的FMF相比(r=0.272, RMSE=0.531, MAE=0.441), MODIS具有更高的FMF整体反演精度, 其反演值与地基观测数据具有更高的一致性(r=0.481), 两者具有较小的均方根误差(RMSE=0.524)和平均绝对误差(MAE=0.434).8个典型站点(分别位于中国、孟加拉国、韩国、印度、泰国)的对比验证如图 3、4所示, 其余站点的结果分别展示在表 1、2中, 包括各站点所获得的样本数.
 |
| 图 3 8个典型站点2015—2016年MODIS FMF和AERONET观测值对比验证图 Fig. 3 Validation of MODIS FMF observations against 8 typical sites AERONET measurements for the years 2015—2016 |
 |
| 图 4 8个典型站点2015—2016年Himawari-8 FMF和AERONET观测值对比验证图 Fig. 4 Validation of Himawari-8 FMF observations against 8 typical sites AERONET measurements for the years 2015—2016 |
| 表 1 33个站点2015—2016年MODIS FMF和AERONET观测值对比验证汇总 Table 1 Validation summary of MODIS FMF observations against 33 sites AERONET measurements for the years 2015—2016 |
 |
| 表 2 33个站点2015—2016年Himawari-8 FMF和AERONET观测值对比验证汇总 Table 2 Validation summary of Himawari-8 FMF observations against 33 sites AERONET measurements for the years 2015—2016 |
|
图 3、4分别将8个典型站点MODIS和Himawari-8反演的FMF值与AERONET观测值进行误差对比, 发现所有站点反演结果落在误差区间EE((1.00±0.15)FMF)内的比例均不超过50%, 与AERONET FMF地基观测数据的一致性较差.中国的北京位于华北平原北部, 西、北和东北部群山环绕, 污染物容易积累；气候属于暖温带半湿润大陆性季风气候, 四季分明；冬季和春季北京因受到西伯利亚冷空气的频繁影响而经常出现寒冷的大风天气；春季时常受到由西北风和西风作用而携带的、来自中国西部的库姆塔格和塔克拉玛干沙尘的影响, 以及在偏北风作用下携带的、来自蒙古国沙漠的沙尘的影响, 从而致使北京地区常出现沙尘天气(邓梅, 2015)；且北京代表了人口密集的大城市, 人为气溶胶污染严重.MODIS暗像元算法的基本原理是在没有大气影响的情况下, 湖泊、海洋、植被等暗目标地物反射率较低, 且在短波红外波段与可见光红、蓝波段具有较好的线性相关性, 可利用短波红外波段实现地表参数的估计, 通过气溶胶模型假设, 利用辐射传输方程建立查找表, 实现气溶胶光学特性的反演(葛邦宇等, 2018).由图可知, Himawari-8 FMF在研究期内共获得了165组数据, 多于同期的MODIS(N=72).由于北京属于城区, 地表植被相对较少, MODIS暗像元算法反演效果较差, 只有6.94%落入EE区间内.而Himawari-8主要基于Higurashi等(1999；2002)和Fukuda等(2013)的算法反演气溶胶光学特性, 结果有14.54%落入EE区间内, 表明其在城区等亮地表区域反演效果相对较好.香河位于北京和天津两个大城市大气污染的缓冲地带和传输通道上, 它属于暖温带大陆性季风气候, 四季分明.春季少雨、多风, 夏季高温高湿, 盛行东南风, 秋季晴朗温和, 冬季寒冷干燥, 多偏北风(王晓玲等, 2018).Xianghe站则代表了城市郊区, 位于香河县城以西约2 km, 周围主要为居住和农业用地, 属于典型的植被覆盖地区.Himawari-8 FMF在研究期内共获得了209组数据, 多于同期的MODIS(N=169).最终MODIS反演FMF有43.79%落入EE区间内, 而Himawari-8则只有17.70%.Xianghe站气溶胶浓度主要受局地和远距离的工业排放、生活排放、机动车排放及偶尔的沙尘和生物质燃烧的影响(孙丽等, 2016).孟加拉国是印度恒河平原污染最严重的地区之一, 由于其人口密度高, 已成为空气污染热点.其空气质量主要受邻国印度生物质燃烧和工业污染物的远程运输影响.Dhaka_University站点位于孟加拉国恒河平原(Arfan et al., 2018), 该站点植被覆盖多, 地表反射率较低.Himawari-8 FMF在研究期内共获得了113组数据, 多于同期的MODIS(N=98).MODIS反演结果有12.25%落入EE区间, Himawari-8则只有6.20%.Yonsei_University站点位于韩国首尔城郊, 首尔的城市污染水平较高, 主要是由交通和工业排放源引起, 并且其位于下游地区, 气溶胶污染源主要是来自于工业和城市地区的矿物燃料燃烧(Mok et al., 2018).Himawari-8 FMF在研究期内共获得了140组数据, 多于同期的MODIS(N=122).由于植被覆盖率较低, MODIS反演结果只有7.37%落入EE区间, 而Himawari-8有20%落入EE区间.Gandhi_College站点位于印度恒河平原东部气候温和的农村地区, 大部分土地都在耕种, 植被和绿地面积较大, 地表反射率低.MODIS FMF在研究期内共获得了186组数据, 多于同期的Himawari-8(N=90).MODIS反演结果有30.10%落入EE区间, 而Himawari-8则只有6.67%.在农村地区, 主要是生物燃料导致气溶胶的形成, 尤其冬季生物质燃烧较多(Choudhry et al., 2012).Silpakorn_Univ、Ubon_Ratchathani、Chiang_Mai_Met_Sta站点均位于东南亚地区的泰国.Ubon_Ratchathani位于泰国东北部, 观测站位于机场附近, 周围是分散的树木和私人住宅.Himawari-8 FMF在研究期内共获得了127组数据, 多于同期的MODIS(N=99).MODIS反演结果有33.34%落入EE区间, 而Himawari-8则只有8.66%.Chiang_Mai_Met_Sta是泰国北部最大的城市, 人口密集, 它属于热带季风气候, 森林植被覆盖面积广, 全年平均气温25.8 ℃.Himawari-8 FMF在研究期内共获得了106组数据, 多于同期的MODIS(N=78).MODIS反演结果较好, 有41.03%落入EE区间, 而Himawari-8则只有27.36%.Silpakorn_Univ位于泰国首都曼谷以西约50 km处, 靠近郊区, 其在9月中旬—4月盛行东北风, 包括旱季, 5—9月盛行西南风, 包括雨季, 气溶胶主要是生物质燃烧排放、土壤、汽车排放及海盐的混合物(Bridhikitti et al., 2011；Janjai et al., 2012).MODIS FMF在研究期内共获得了232组数据, 多于同期的Himawari-8(N=208).MODIS和Himawari-8反演结果落在EE区间内的比例分别为10.78%、11.54%, 相差不大.
表 1中其余各站点MODIS反演结果落在误差区间EE内的比例均不超过60%.其中有8个站点(Anmyon等)反演结果落在误差区间EE内的比例为0~10%, 均存在低估；有20个站点(Chen-Kung_Univ等)反演结果落在误差区间EE内的比例为10%~30%, ND_Marbel_Univ、NGHIA_DO、Shirahama、Singapore站点存在严重低估；Jambi、Luang_Namtha、Omkoi站点反演结果落在误差区间EE内的比例为30%~50%；Son_La站点反演结果落在误差区间EE内的比例为50%~70%.值得注意的是, NAM_CO站点位于西藏自治区当雄县纳木错乡纳木错湖东南岸, 背靠念青唐古拉山脉, 下垫面为高寒草甸, 属典型的半干旱高原季风气候区(http://www.itpcas.ac.cn/jgsz/kyxt/nmcdqczhz/), 由于地处高原, 人类活动少, 污染小, 观测值较少, 因此没有得到匹配值.
表 2中其余各站点Himawari-8反演结果落在误差区间EE内的比例均不超过80%.其中有10个站点(AOE_Baotou等)反演结果落在误差区间EE内的比例为0~10%；有11个站点(Anmyon等)反演结果落在误差区间EE内的比例为10%~30%, Hong_Kong_PolyU严重低估；有10个站点(Chiayi等)反演结果落在误差区间EE内的比例为30%~50%, 除了Taihu均存在低估；Luang_Namtha站点反演结果落在误差区间EE内的比例为50%~70%；Son_La站点反演结果落在误差区间EE内的比例为70%~90%.其中在Manila_Observator和Songkhla_Met_Sta站点均只有一个匹配值, 结果不具有代表性.
3.1.2 MODIS、Himawari-8与AERONET fAOD观测的比较图 5为MODIS、Himawari-8细模态气溶胶产品fAOD(样本数分别为2451、3185)的散点密度图, 同理, 颜色标尺表示匹配对应数据集数据点的数目, 通过决定系数(R2)、均方根误差(RMSE)和平均绝对误差(MAE)来评估卫星产品精度.
 |
| 图 5 MODIS和Himawari-8 2015—2016年细模态气溶胶产品fAOD散点密度图 Fig. 5 Scatter density map of MODIS and Himawari-8 fine mode aerosol products fAOD for the years 2015—2016 |
由图 5可以看出, MODIS、Himawari-8 fAOD匹配值主要集中在0.1~0.3之间, 但MODIS的匹配数目要明显多于Himawari-8, 并且Himawari-8 fAOD最高值不超过2.0.同时与Himawari-8反演的fAOD相比(R2=0.460, RMSE=0.395, MAE=0.258), MODIS具有更高的fAOD整体反演精度, 其反演值与地基观测数据具有更高的一致性(R2=0.615), 两者具有较小的均方根误差(RMSE=0.387), 8个典型站点的对比验证如图 6、7所示, 其余站点的结果分别展示在表 3、4中, 包括各站点所获得的样本数.
 |
| 图 6 8个典型站点2015—2016年MODIS fAOD和AERONET观测值对比验证图 Fig. 6 Validation of MODIS fAOD observations against 8 typical sites AERONET measurements for the years 2015—2016 |
 |
| 图 7 8个典型站点2015—2016年Himawari-8 fAOD和AERONET观测值对比验证图 Fig. 7 Validation of Himawari-8 fAOD observations against 8 typical sites AERONET measurements for the years 2015—2016 |
| 表 3 33个站点2015—2016年MODIS fAOD和AERONET观测值对比验证汇总 Table 3 Validation summary of MODIS fAOD observations against 33 sites AERONET measurements for the years 2015—2016 |
|
| 表 4 33个站点2015—2016年Himawari-8 fAOD和AERONET观测值对比验证汇总 Table 4 Validation summary of Himawari-8 fAOD observations against 33 sites AERONET measurements for the years 2015—2016 |
|
图 6、7分别将8个典型站点MODIS和Himawari-8反演的fAOD值与AERONET观测值进行误差对比, 发现所有站点反演结果落在误差区间EE(±0.05+(1.00±0.15)fAOD)内的比例均不超过50%, 与AERONET fAOD地基观测数据的一致性较差.各站点样本数同FMF.在Beijing、Xianghe、Dhaka_University、Yonsei_University、Gandhi_College、Chiang_Mai_Met_Sta站点MODIS反演结果较好(落在EE区间内的比例分别为40.28%、35.50%、6.13%、24.59%、21.50%、32.06%), 而在Silpakorn_Univ、Ubon_Ratchathani站点Himawari-8反演结果较好(落在EE区间内的比例分别为18.75%、26.77%).其中, 在Beijing和Yonsei_University站点MODIS FMF反演效果较差, 而fAOD反演效果却较好.其余站点均与FMF比较结果相一致.
表 3中其余各站点MODIS反演fAOD落在误差区间EE内的比例均不超过70%.其中有5个站点(Chen-Kung_Univ等)反演结果落在误差区间EE内的比例为0~10%, 均存在严重低估；有16个站点(Anmyon等)反演结果落在误差区间EE内的比例为10%~30%, EPA-NCU、Palangkaraya存在严重低估, Fukuoka、Kuching存在高估；有10个站点(Hankuk_UFS等)反演结果落在误差区间EE内的比例为30%~50%, Hokkaido_Universi存在高估；Hong_Kong_PolyU反演结果落在误差区间EE内的比例为50%~70%.同样, 在NAM_CO站点没有匹配值.
表 4展示了其余各站点Himawari-8反演fAOD值与AERONET观测值对比结果, 发现其中有5个站点(Fukuoka等)反演结果落在误差区间EE内的比例为0~10%, 有15个站点(Gwangju_GIST等)反演结果落在误差区间EE内的比例为10%~30%, 有9个站点(Anmyon等)反演结果落在误差区间EE内的比例为30%~50%, 以上站点均存在低估；AOE_Baotou、Noto站点反演结果落在误差区间EE内的比例为50%~70%, NAM_CO、Manila_Observator站点反演结果落在误差区间EE内的比例为70%~100%.其中, 在Manila_Observator和Songkhla_Met_Sta站点均只有1个匹配值.
3.2 MODIS、Himawari-8与AERONET FMF和fAOD观测值季节平均的比较 3.2.1 MODIS、Himawari-8与AERONET FMF观测值季节平均的比较图 8给出了卫星与AERONET观测匹配的FMF季节平均图, 发现春、夏、秋、冬四季MODIS和Himawari-8反演的FMF均比地面值低, 与地面观测的一致性均较差.MODIS反演的FMF在春、夏、秋、冬四季的绝对偏差分别为0.37、0.32、0.37、0.42, 相对误差分别为48%、40%、47%、51%.而Himawari-8反演的FMF与地面观测值的偏差在春、夏、冬季相对较小, 秋季较大, 其在四季绝对偏差分别为0.22、0.26、0.38、0.37, 相对误差分别为31%、36%、51%、50%.各站点卫星观测FMF与地基观测值的季节平均绝对偏差比较如图 9所示.
 |
| 图 8 MODIS、Himawari-8与AERONET站点FMF观测值季节平均对比图 Fig. 8 The seasonal average comparison of FMF observations of MODIS, Himawari-8 and AERONET sites |
 |
| 图 9 各站点卫星反演FMF值季节平均绝对偏差对比图 Fig. 9 Seasonal average absolute deviation contrast map of satellite retrieval of FMF value at each station |
图 9反映了各站点卫星反演FMF与AERONET观测值季节平均绝对偏差, 发现对于MODIS而言, 四季平均绝对偏差较大的站点分别为Noto(0.72)、EPA-NCU(0.81)、Chen-Kung_Univ(0.78)、Gwangju_GIST(0.88).同时对比各站点Himawari-8反演FMF与AERONET观测值季节平均绝对偏差, 发现四季平均绝对偏差较大的站点分别为Xianghe(0.59)、Fukuoka (0.91)、Songkhla_Met_Sta(0.98)、Xianghe(0.85).对于城市站点(如Beijing站), 春季天气干燥, 风速较大, 多强冷空气, 容易遭受沙尘天气及扬尘的影响, 粗粒子含量较多, FMF值相对较小；夏季降雨量大, 高温高湿, 会加快气溶胶粒子的二次转化, 促使二次气溶胶的形成, 易形成夏季极高值, 粗粒子比例有所下降, FMF值变大；秋、冬季节冷空气侵袭温度低, 冰雪覆盖地表不利于粗粒径土壤气溶胶进入大气, 生物质燃烧及燃烧取暖等使得FMF值相对较高.而相对于城郊站点(如Xianghe站), 气溶胶来源复杂, 农业生产活动导致的地面扬尘、交通扬尘和汽车尾气排放的贡献不容忽视, 形成了春、夏季以粗粒子为主, 秋、冬季则以细粒子为主.
3.2.2 MODIS、Himawari-8与AERONET fAOD观测值季节平均的比较图 10为卫星与AERONET观测匹配的fAOD季节平均图, 发现春、夏、秋、冬四季MODIS和Himawari-8反演的fAOD均比地面值低.MODIS反演的fAOD与地面观测的一致性较好, 四季绝对偏差分别为0.12、0.02、0.10、0.17, 相对误差分别为22%、4%、22%、33%.而Himawari-8偏差相对较大, 四季偏差分别为0.28、0.18、0.26、0.21, 相对误差分别为62%、50%、63%、69%.各站点卫星观测fAOD与地基观测值的季节平均绝对偏差比较如图 11所示.
 |
| 图 10 MODIS、Himawari-8与AERONET站点fAOD观测值季节平均对比图 Fig. 10 The seasonal average comparison of fAOD observations of MODIS, Himawari-8 and AERONET sites |
 |
| 图 11 各站点卫星反演fAOD值季节平均绝对偏差对比图 Fig. 11 Seasonal average absolute deviation contrast map of satellite retrieval of fAOD value at each station |
图 11展示了各站点卫星反演fAOD与AERONET观测值季节平均绝对偏差的比较结果, 对于MODIS而言, 四季绝对偏差较大的站点分别为Chiayi(0.41)、Dhaka_University(0.54)、Pontianak(1.11)、Gwangju_GIST(0.88).而对比各站点Himawari-8反演fAOD与AERONET观测值季节平均绝对偏差, 发现四季绝对偏差较大的站点分别为Fukuoka(1.08)、Xianghe(0.93)、Songkhla_Met_Sta(1.26)、Dhaka_University(0.91).
3.3 MODIS和Himawari-8气溶胶细模态比例及细模态气溶胶光学厚度的时空分布 3.3.1 2015—2016年MODIS和Himawari-8气溶胶细模态比例年平均及季节平均分布特征图 12给出了2015—2016年MODIS和Himawari-8的FMF年平均及季节平均分布情况.从年平均分布情况来看, MODIS和Himawari-8得到的FMF年均分布高值区主要位于华北平原、东北平原、四川盆地和中南半岛, 这些地区人类生产生活发达, 以人为气溶胶为主, MODIS和Himawari-8 FMF均在0.4~0.8之间.低值区则位于日本南部、朝鲜半岛南部、菲律宾、印度尼西亚南部, MODIS和Himawari-8 FMF均在0.3以下.
 |
| 图 12 MODIS和Himawari-8在亚洲2年(2015、2016)FMF均值的空间分布(MAM、JJA、SON和DJF分别代表北半球的春季、夏季、秋季和冬季) Fig. 12 Spatial distribution of 2 years (2015、2016) average FMF over Asia for MODIS and Himawari-8 |
从FMF季节平均分布情况来看, MODIS呈现出夏秋高、春冬低的趋势, Himawari-8则呈现出春秋高、夏冬低的特征.春季MODIS和Himawari-8的高值区主要位于中南半岛及中国华南地区, MODIS FMF在0.65~0.80之间, Himawari-8 FMF在0.7~1.0之间.中国西北地区、日本南部及印度尼西亚春季MODIS FMF均值在0.2以下, 表明春季这些区域气溶胶粒子偏大；夏季MODIS的高值区位于中国华中、华东、华南地区, 以及中南半岛、日本南部和菲律宾北部, FMF在0.8~1.0之间, Himawari-8的高值区主要位于中国华东地区, 以及中南半岛和印度尼西亚地区, FMF在0.7~1.0之间；秋季MODIS的高值区位于中国华中、华南、华东地区, 以及日本、印度、菲律宾南部、马来西亚和印度尼西亚, FMF在0.7~1.0之间, Himawari-8的高值区主要位于中国华中、华东地区, 以及中南半岛、马来西亚和印度尼西亚地区, FMF在0.5~1.0之间；冬季MODIS的高值区位于中国华中、华南、华东地区, 以及日本南部、印度和中南半岛, FMF在0.5~1.0之间, Himawari-8的高值区主要位于中国华东地区, 以及中南半岛、日本南部和印度尼西亚南部地区, FMF在0.45~1.00之间.
3.3.2 2015—2016年MODIS和Himawari-8细模态气溶胶光学厚度年平均及季节平均分布特征图 13给出了2015—2016年MODIS和Himawari-8的fAOD年平均及季节平均分布情况.从年平均分布情况来看, MODIS fAOD年均分布高值区主要位于中南半岛, 其值在0.5~0.9之间, 低值区则位于中国西北地区、日本及菲律宾, Himawari-8 fAOD年均值则普遍在0.55以下.
 |
| 图 13 MODIS和Himawari-8在亚洲2年(2015、2016)fAOD均值的空间分布 Fig. 13 Spatial distribution of 2 years (2015、2016) average fAOD over Asia for MODIS and Himawari-8 |
从fAOD季节平均分布情况来看, 同样MODIS呈现出夏秋高、春冬低的趋势, Himawari-8则呈现出春秋高、夏冬低的特征.MODIS春季fAOD高值区主要位于中南半岛及我国华南地区, 其值在0.45~1.10之间, 低值区则位于中国西北地区、日本南部、印度、马来西亚及印度尼西亚地区, 其值在0.3以下；夏季fAOD高值区主要位于中国华东地区, 其值在0.60~1.25之间, 低值区则位于中国西北地区及中南半岛地区, 其值在0.3以下；秋季fAOD高值区主要位于印度尼西亚及马来西亚地区, 其值在1.3~2.6之间, 低值区则位于中国西北地区, 其值在0.3以下；冬季fAOD高值区主要位于印度地区, 其值在0.8~1.0之间, 低值区则主要位于马来西亚、印度尼西亚及日本地区, 其值在0.3以下.Himawari-8 fAOD秋季在马来西亚及印度尼西亚反演值在0.5~0.8之间, 其余季节反演均值不超过0.5.
4 结论(Conclusions)1) 本研究基于亚洲地区41个AERONET站点2年数据(2015—2016)对比验证了MODIS和Himawari-8的细模态气溶胶产品.卫星与地面监测站点匹配后数据涵盖了春、夏、秋、冬四季, 数据量充足, 样本数足以开展验证研究.通过卫星数据与AERONET数据进行时间和空间的准确匹配后对其进行相关性分析, 在总体精度的验证中, MODIS FMF和fAOD与地面AERONET观测值的相关性较好, 精度较高, 而Himawari-8精度相对较低.在各个站点FMF的验证中, MODIS FMF有24%的站点精度较差(EE=0~10%), 而Himawari-8则达到32%；在各个站点fAOD的验证中, MODIS、Himawari-8分别有15%和17%的站点精度较差.其中, 在8个典型站点FMF及fAOD的验证中, Xianghe、Dhaka_University、Gandhi_College、Chiang_Mai_Met_Sta站点由于植被覆盖良好, MODIS暗像元算法反演效果较好, 而位于城区的Beijing、Yonsei_University、Silpakorn_Univ、Ubon_Ratchathani站点由于植被覆盖率低, 地表反射率高, Himawari-8反演结果较好.其中, 在Beijing和Yonsei_University站点MODIS FMF反演效果较差, 而fAOD反演效果却较好, 其原因有待进一步研究.
2) 通过卫星与AERONET FMF和fAOD观测值季节平均的比较, 发现春、夏、秋、冬四季MODIS和Himawari-8反演的FMF、fAOD均比地面值低, Himawari-8反演的FMF与地面观测值的偏差在春、夏、冬季相对较小, 而MODIS反演的FMF秋季偏差相对较小, 其余季节均较大；MODIS反演的各季节fAOD与地面观测的一致性较好, 偏差较小, 而Himawari-8反演的fAOD则偏差相对较大.同时, 得到不同季节各站点偏差不同, 在MODIS FMF的季节平均比较中, 春、夏、秋、冬四季偏差较大的分别为Noto(0.72)、EPA-NCU(0.81)、Chen-Kung_Univ(0.78)、Gwangju_GIST(0.88)站；在Himawari-8 FMF的季节平均比较中, 四季偏差较大的分别为Xianghe(0.59)、Fukuoka(0.91)、Songkhla_Met_Sta(0.98)、Xianghe(0.85)站.同时, 在MODIS fAOD的季节平均偏差比较中, 四季偏差较大的分别为Chiayi(0.41)、Dhaka_University(0.54)、Pontianak(1.11)、Gwangju_GIST(0.88)站；在Himawari-8 fAOD的季节平均比较中, 四季偏差较大的分别为Fukuoka(1.08)、Xianghe(0.93)、Songkhla_Met_Sta(1.26)、Dhaka_University(0.91)站.
3) 从FMF年均分布情况来看, 由卫星观测值得到, 在华北平原、东北平原、四川盆地和中南半岛气溶胶以小粒子为主；在日本南部、朝鲜半岛南部、菲律宾、印度尼西亚南部则以大粒子为主.从季节平均分布情况来看, MODIS呈现出夏、秋季以小粒子为主, 春、冬季以大粒子为主的趋势, Himawari-8则呈现出春、秋季以小粒子为主, 夏、冬季以大粒子为主的特征.同样从fAOD年平均分布情况来看, MODIS fAOD年均分布高值区主要位于中南半岛, 低值区则位于中国西北地区、日本及菲律宾, Himawari-8 fAOD年均值则普遍在0.55以下.从季节平均分布情况来看, MODIS呈现出夏秋高、春冬低的趋势, Himawari-8则呈现出春秋高、夏冬低的特征.同时, FMF、fAOD季节均值的高值区和低值区位置及量值均有明显的变化.
4) 就卫星细模态气溶胶产品精度而言, 总体上MODIS反演的细模态气溶胶产品与地面一致性更好, 但与地基探测相比, MODIS和Himawari-8遥感反演细模态气溶胶光学特性的效果相对较差, 反演的结果均有所低估.因此, 需要进一步研究和改进反演方法, 提升地表反射率、气溶胶模型等影响因素的确定精度, 以此来提高卫星反演精度.
Anderson T L, Wu Y, Chu D A, et al. 2005. Testing the MODIS satellite retrieval of aerosol fine-mode fraction[J]. Journal of Geophysical Research Atmospheres, 110(D18).
DOI:10.1029/2005jd005978
|
Arfan A, Monirul I, Nazrul I, et al. 2018. Investigations of MODIS AOD and cloud properties with CERES sensor based net cloud radiative effect and a NOAA HYSPLIT Model over Bangladesh for the period 2001-2016[J]. Atmospheric Research, 215: 268–283.
|
Barnes W L, Xiong X, Salomonson V V. 2003. Status of terra MODIS and aqua modis[J]. Advances in Space Research, 32(11): 2099–2106.
DOI:10.1016/S0273-1177(03)90529-1
|
Bessho K, Date K, Hayashi M, et al. 2016. An introduction to Himawari-8/9-Japan's new-generation geostationary meteorological satellites[J]. Journal of the Meteorological Society of Japan Ser Ⅱ, 94(2): 151–183.
DOI:10.2151/jmsj.2016-009
|
Bilal M, Nichol J E. 2015. Evaluation of MODIS aerosol retrieval algorithms over the Beijing-Tianjin-Hebei region during low to very high pollution events[J]. Journal of Geophysical Research Atmospheres, 120(15): 7941–7957.
DOI:10.1002/2015JD023082
|
Bridhikitti A, Overcamp T J. 2011. Optical characteristics of southeast Asia's regional aerosols and their sources[J]. Journal of the Air & Waste Management Association, 61(7): 747–754.
|
Che H Z, Xia X G, Oleg D, et al.2013.Aerosol optical properties over North China in conditions of heavy haze in January of 2013[A]//中国气象局.Proceedings of Sixth China-Korea-Japan Joint Conference on Meteorology[C].北京: 中国气象局.1
|
Che H, Xia X, Zhu J, et al. 2014. Column aerosol optical properties and aerosol radiative forcing during a serious haze-fog month over North China Plain in 2013 based on ground-based sunphotometer measurements[J]. Atmospheric Chemistry and Physics, 14(4): 2125–2138.
DOI:10.5194/acp-14-2125-2014
|
Choudhry P, Mishra A, Tripathi S N. 2012. Study of MODIS derived AOD at three different locationsin the Indo Gangetic Plain:Kanpur, Gandhi College and Nainital[J]. Annales Geophysicae, 30: 1479–1493.
DOI:10.5194/angeo-30-1479-2012
|
Christopher S A, Zhang J, Kaufman Y J, et al. 2006. Satellite-based assessment of top of atmosphere anthropogenic aerosol radiative forcing over cloud-free oceans[J]. Geophysical Research Letters, 33(15): 198–210.
|
邓梅.2015.基于卫星和AERONET观测的北京地区气溶胶光学特性研究[D].合肥: 安徽农业大学
http://cdmd.cnki.com.cn/Article/CDMD-10364-1016064276.htm |
Fukuda S, Nakajima T, Takenaka H, et al. 2013. New approaches to removing cloud shadows and evaluating the 380 nm surface reflectance for improved aerosol optical thickness retrievals from the GOSAT/TANSO-cloud and aerosol imager[J]. Journal of Geophysical Research Atmospheres, 118(24): 13520–13531.
DOI:10.1002/2013JD020090
|
葛邦宇, 杨磊库, 陈兴峰, 等. 2018. 暗目标法的Himawari-8静止卫星数据气溶胶反演[J]. 遥感学报, 2018, 22(1): 38–50.
|
Ge J M, Su J, Fu Q, et al. 2011. Dust aerosol forward scattering effects on ground-based aerosol optical depth retrievals[J]. Journal of Quantitative Spectroscopy & Radiative Transfer, 112(2): 310–319.
|
Gui K, Che H Z, Chen Q L.2016.Aerosol optical properties based on ground and satellite retrievals during a serious haze episode in December 2015 over Beijing[A]//中国气象学会.第33届中国气象学会年会S11大气成分与天气、气候变化及环境影响[C].北京: 中国气象学会.1
|
He Q, Zhang M, Huang B, et al. 2017. MODIS 3 km and 10 km aerosol optical depth for China:Evaluation and comparison[J]. Atmospheric Environment, 153: 150–162.
DOI:10.1016/j.atmosenv.2017.01.023
|
He Q, Zhao X, Lu J, et al. 2015. Impacts of biomass-burning on aerosol properties of a severe haze event over Shanghai[J]. Particuology, 20(3): 52–60.
|
Higurashi A, Nakajima T. 1999. Development of a Two-Channel Aerosol Retrieval Algorithm on a Global Scale Using NOAA AVHRR[J]. J Atmos Sci, 56(7): 924–941.
DOI:10.1175/1520-0469(1999)056<0924:DOATCA>2.0.CO;2
|
Higurashi A, Nakajima T. 2002. Detection of aerosol types over the East China Sea near Japan from four-channel satellite data[J]. Geophysical Research Letters, 29(17): 1836.
|
Hoff R M, Kondragunta S, Ciren P, et al. 2014. Development of synthetic GOES-R ABI aerosol products[J]. Atmospheric Measurement Techniques Discussions, 7(9): 10131–10157.
DOI:10.5194/amtd-7-10131-2014
|
Janjai S, Nunuez M, Masiri I, et al. 2012. Aerosol optical properties at Four Sites in Thailand[J]. Atmospheric and Climate Sciences, 2(4): 441–453.
DOI:10.4236/acs.2012.24038
|
Jeoung H, Chung C E, Noije T V, et al. 2014. Relationship between fine-mode AOD and precipitation on seasonal and interannual time scales[J]. Tellus, 66(1): 117–128.
|
Jethva H, Satheesh S K, Srinivasan J, et al. 2010. Improved retrieval of aerosol size-resolved properties from moderate resolution imaging spectroradiometer over India:Role of aerosol model and surface reflectance[J]. Journal of Geophysical Research Atmospheres, 115(D18): 1–10.
|
Jing L A A L. 2014. Application of spectral analysis techniques in the intercomparison of aerosol data.Part Ⅱ:Using maximum covariance analysis to effectively compare spatiotemporal variability of satellite and AERONET measured aerosol optical depth[J]. Journal of Geophysical Research Atmospheres, 119(1): 153–166.
DOI:10.1002/2013JD020537
|
Kleidman R G, O'Neill N T, Remer L A, et al. 2005. Comparison of moderate resolution imaging spectroradiometer (MODIS) and aerosol robotic network (AERONET) remote-sensing retrievals of aerosol fine mode fraction over ocean[J]. Journal of Geophysical Research Atmospheres, 110(D22): 1–6.
|
Kumar K R, Narasimhulu K, Balakrishnaiah G, et al. 2011. Spatial heterogeneities in aerosol properties over Bay of Bengal inferred from ship-borne and MODIS observations during ICARB-W cruise campaign:Implications to radiative forcing[J]. Atmospheric Environment, 45(2): 404–412.
DOI:10.1016/j.atmosenv.2010.10.004
|
Lee S, Han H, Im J, et al. 2017. Detection of deterministic and probabilistic convection initiation using Himawari-8 advanced Himawari imager data[J]. Atmospheric Measurement Techniques, 10(5): 1–38.
|
Liu Z, Hu B, Zhang J, et al. 2016. Characteristics of aerosol size distributions and chemical compositions during wintertime pollution episodes in Beijing[J]. Atmospheric Research, 168: 1–12.
DOI:10.1016/j.atmosres.2015.08.013
|
Mok J, Krotkov N A, Torres O, et al. 2018. Comparisons of spectral aerosol single scattering albedo in Seoul, South Korea[J]. Atmospheric Measurement Techniques, 11(4): 2295–2311.
DOI:10.5194/amt-11-2295-2018
|
Nichol J, Bilal M. 2016. Validation of MODIS 3 km resolution aerosol optical depth retrievals over Asia[J]. Remote Sensing, 8(4): 328.
DOI:10.3390/rs8040328
|
Qi Y L, Ge J M, Huang J P. 2013. Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET[J]. Science Bulletin, 58(20): 2497–2506.
DOI:10.1007/s11434-013-5678-5
|
Salomonson V V, Barnes W L, Maymon P W, et al. 1987. MODIS:advanced facility instrument for studies of the Earth as a system[J]. IEEE Transactions on Geoscience & Remote Sensing, 27(2): 145–153.
|
孙丽, 王普才, 张晋广, 等. 2016. 香河地区亚微米气溶胶粒子尺度谱分布特征[J]. 气象与环境科学, 2016, 39(2): 26–32.
|
王贺, 曹念文, 王鹏, 等. 2017. 南京地区大气气溶胶综合观测与对比分析[J]. 遥感学报, 2017, 21(1): 125–135.
|
王晓玲, 吕睿, 张枨, 等. 2018. 基于AERONET典型污染天气下香河气溶胶光学特性研究[J]. 生态环境学报, 2018, 27(4): 722–729.
|
Wang W, Mao F Y, Du L, et al. 2017. Deriving hourly PM2.5 concentrations from Himawari-8 AODs over Beijing-Tianjin-Hebei in China[J]. Remote Sensing, 9(8): 858.
DOI:10.3390/rs9080858
|
Wang Z Z, Liu D, Wu D C, et al.2011.Aerosol optical and radiative properties observed by Lidar and sky-radiometer during a haze episode over Hefei[A]//Asian Aerosol Research Assembly(亚洲气溶胶研究会), Chinese Association of Aerosol Science & Technology(中国气溶胶专业委员会), Institute of Earth Environment, Chinese Academy of Sciences(中国科学院地球环境研究所), Xi'an Jiaotong University(西安交通大学), Institute of Atmospheric Physics, Chinese Academy of Sciences(中国科学院大气物理所).第七届亚洲气溶胶会议论文集[C].北京: 中国颗粒学会气溶胶专业委员会.1
|
Yumimoto K, Nagao T M, Kikuchi M, et al. 2016. Aerosol data assimilation using data from Himawari-8, a next-generation geostationary meteorological satellite[J]. Geophysical Research Letters, 43(11).
|
张莹, 李正强. 2013. 利用细模态气溶胶光学厚度估计PM2.5[J]. 遥感学报, 2013, 17(4): 929–943.
|