大气气溶胶在大气中扮演着重要角色, 直接或间接地影响气候系统:一方面, 通过吸收和散射太阳辐射来直接影响地球的辐射平衡;另一方面, 作为云凝结核在成云降水过程中起着重要作用, 并间接影响气候系统(Twomey et al., 1984;王明星, 2000;Ackerman et al., 2000;Ma et al., 2012).沙尘是对流层主要的气溶胶之一, 主要源地是干旱半干旱地区(Bi et al., 2011;Huang et al., 2006; 2014);它是一种主要的吸收性气溶胶(Huang et al., 2007a), 对大气有很强的加热或冷却作用, 能够影响大气的热力结构进而影响其动力结构(Tegen et al., 1996;Huang et al., 2007b;郑有飞等, 2013).大量研究表明, 沙尘粒子经过远距离输送会给海洋和雨林地区带去矿物元素, 改变这些地区的生态系统和碳循环, 加强海洋生物泵(Zhang et al., 2003;Li et al., 2012;Wang et al., 2012;Chen et al., 2018).此外, 沙尘本身对于空气质量就有较大影响, 在远距离输送过程中又会与城市污染物相互作用, 对生态系统和人类健康都会产生不利影响(Liu et al., 2008;冯鑫媛等, 2011;郑有飞等, 2013;Kang et al., 2016).
塔克拉玛干沙漠是世界上最大的沙漠之一, 同时也是东亚沙尘的主要源地之一(Wang et al., 2008;Huang et al., 2017).它位于中国西北部的塔里木盆地, 四周有着独特的地形:南部是昆仑山脉, 北部坐落着天山, 西边则存在帕米尔高原.塔克拉玛干沙漠的沙尘排放能力是东亚诸多沙尘源地中最强的, 占东亚总沙尘排放的42%(Chen et al., 2017), 而塔克拉玛干沙漠又位于盛行西风急流的中纬度地区(Chen et al., 2013), 在春夏季会将沙尘粒子穿过中国东部最终输送到太平洋甚至输送到北美和大西洋地区(Sun et al., 2001; Zhao et al., 2006;Huang et al., 2008;Jia et al., 2015).沙尘粒子的垂直结构在大气热力结构和气溶胶辐射强迫上扮演着重要角色, 它的垂直分布特征很大程度上决定了其持续和输送的时间(Liu et al., 2019).因此, 研究沙尘粒子在沙尘过程中的垂直分布特征是研究沙尘输送的重要一环.
目前了解沙尘气溶胶的分布主要是基于被动遥感卫星的观测, 如MODIS、MISR等提高了对沙尘气溶胶水平分布的认识, 而随着CALIPSO卫星的发射和使用, 人们对于沙尘气溶胶垂直分布的研究也有了长足发展(Xu et al., 2003; Huang et al., 2013;Ma et al., 2013;Ma et al., 2015; Guo et al., 2016;Nan et al., 2018;Proestakis et al., 2018;唐维尧等, 2018).而中国最新发射的FY-4A气象卫星提供了独特的沙尘强度产品(李云, 2018;Zhang et al., 2019), 由于静止卫星固定区域以及高时间尺度的特征, 可以为中国地区的沙尘分布提供连续的观测数据, 为研究和分析沙尘气溶胶的分布特征提供了新的思路和途径.
为了研究沙尘事件中气溶胶的分布特征, 本文将选取2018年4月4—6日以及5月21—23日发生在塔克拉玛干沙漠的两次典型沙尘过程, 使用FY-4A沙尘强度资料, 结合MODIS AOD资料以及CALIPSO总后向散射系数资料对这两个事件中的气溶胶水平分布变化以及垂直分布的情况进行分析.
2 数据及方法介绍(Data and methods) 2.1 风云四号卫星反演产品(FY-4A DSD)自1988年9月以来我国已经发射了17颗以“风云”命名的气象卫星, 其中包括太阳同步轨道卫星(FY-1, FY-3)和地球静止轨道卫星(FY-2, FY-4)两个系列, 通过二者的相互补充, 建立了一套全面的气象卫星业务, 可以满足全国各部门的气象、环境观测和防灾减灾的需求(杨军, 2008;Zhang et al., 2018).
2016年12月11日发射的FY-4A气象卫星, 是中国第二代静止轨道气象卫星风云四号系列的首发星, 标志着中国静止轨道气象卫星实现了从第一代到第二代的跨越.其上搭载了4种最新的观测仪器:多通道扫描成像辐射计(AGRI)、干涉式大气垂直探测仪(GIIRS)、闪电成像仪(LMI)和空间环境监测仪器(SEP).其中, 多通道扫描成像辐射计是其上搭载的核心仪器, 可以得到可见光、近红外和红外光谱区14个光谱波段高时空分辨率的图像.相比于风云2号系列卫星, 其全圆盘图像观测时间从半小时缩短到15 min, 最高空间分辨率从1.25 km提高到500 m(杨军, 2008;陆风等, 2017; Yang et al., 2017;Shang et al., 2018).
本文所使用的FY-4A DSD 2级产品是由中国国家气象卫星中心所提供的全圆盘数据, 该数据的空间分辨率为4 km, 时间分辨率为1 h, 成像时间为15 min;每3 h还会额外提前15 min观测一次.主要使用的产品是数据集中沙尘分数(DST)以及沙尘强度(IDDI-BK)数据, 其中沙尘分数(DST)是由通过的沙尘检测指标个数及其阈值的PDF函数决定, 分数越高则认为是沙尘的可能性越大, 一般认为DST≥10为沙尘;IDDI是FY-4A提供的红外差值沙尘指数产品, 是利用红外通道观测到的目标的实时亮温减去同时刻晴空大气地表亮温得到的, 可半定量的表征沙尘强度(李云, 2018), IDDI-BK为所有点的IDDI的值, 在本文中会配合DST筛选出合适的值之后画出IDDI-BK的图.
2.2 MODIS C6.1气溶胶光学厚度产品MODIS的全称为中分辨率成像光谱仪, 是搭载在Terra和Aqua卫星上的一个重要的传感器, 以其高分辨率、多通道、覆盖范围广等优点为国内外广泛运用与气溶胶模型的建立、大气污染的动态分析及空气质量监控等.在2014年和2015年, NASA完成了对Aqua和Terra卫星MODIS产品集的更新, 提供了最新的C6数据集.本研究主要使用的是MOD04_L2、MYD04_L2这两个数据集.其空间分辨率为10 km×10 km, 时间分辨率为5 min, 数据集中包含基于暗像元法(DT)反演的AOD、基于深蓝算法(DB)反演的AOD.此外, 还有将DT、DB融合算法得出的AOD, 即两种产品中选出质量更高的作为融合AOD产品.
2.2.1 暗像元法传统暗像元法认为在地表反射率较低的地方, 红蓝光通道(0.65和0.47 μm)的地表反射率与短红外波段(2.11 μm)的地表反射率之间具有很好的线性关系, 而2.11 μm受气溶胶影响较小, 可以认为其地表反射率与大气上界探测到的表观反射率相近, 因而可以推算出红蓝光通道的地表反射率, 进而将参数带入模式得出查找表(Kaufman et al., 1997a; 1997b).
C6数据集使用的暗像元法是Levy等(Levy et al., 2007; 2013)进行改进之后的暗像元法, 考虑了植被和散射角对于地表反射率的影响, 同时发现对于蓝光来说, 与红光的表观反射率具有更好的线性关系.定义了归一化植被指数NDVISWIR:
(1) |
式中, ρ1.24和ρ2.12是MODIS探测到的1.24和2.12 μm的反射率.
因此红蓝光的地表反射率就可以用ρ2.12、归一化植被指数(NDVISWIR)和散射角Θ的函数来表示:
(2) |
(3) |
式中, slope表示斜率, yint表示截距.式(2)中的斜率与截距可以用下式表示:
(4) |
(5) |
式(4)中的slope0.65/2.12NDVISWIR表示的是不同归一化植被指数具有的不同斜率, 且
(6) |
(7) |
(8) |
式(3)中的斜率与截距可以用下式表示:
(9) |
(10) |
根据以上关系, 改进后的暗像元法便可以得到红蓝光通道的地表反射率, 进而反演出气溶胶光学厚度.
2.2.2 深蓝算法在沙漠、雪地等亮表面, 红蓝光通道与中红外通道的线性关系很难成立, 因此暗像元法并不适用于这些地区.在最新的C6数据集中, 使用了Hsu等(Hsu et al., 2013;Sayer et al., 2014)提出的改进的深蓝算法所反演出的深蓝算法AOD数据.相对于传统的深蓝算法, 改进后的深蓝算法不仅针对动态地表反射率库的建立进行了优化, 还改进了对于有着明显季节性植被变化的地区以及那些有植被和无植被混合的地区的反演.
该算法根据MODIS Land Cover数据, 将地表状况分为3类:干旱半干旱区、自然植被覆盖区、城市区.对于干旱半干旱区采取的是建立动态地表反射率库的反演方式, 不同于C5数据集中使用的地表反射率库, 改进后的地表反射率库不仅是季节的函数, 而是季节、散射角和归一化植被指数(NDVI)的函数;对于自然植被覆盖区, 使用的是与暗像元法相类似的方法, 即利用红蓝光地表反射率与2.11 μm地表反射率之间存在的关系, 并使用AERONET AOT和单次散射反照率信息对其进行修正之后得到红蓝光地表反射率进而进行反演;对于城市区, 情况要更为复杂.城市地区更易受到植被季节性变化以及地表双向反射分布函数的影响, 同时地表的不均一性也会对反演该地区造成影响.因此, 对于该区域的反演方式, 改进后的深蓝算法选择的是利用AERONET观测数据得到地表双向反射分布函数的角度模型, 并结合深蓝动态地表反射率库的方式.根据NDVI数值分类, 对每个季节中的每一类NDVI类型都得到一个与散射角有关的二元多项式以此得到地表反射分布函数的模型, 最后将角度模型与深蓝地表动态反射率库中的地表反射率数值结合, 进而进行反演.
2.3 CALIPSO卫星资料CALIPSO卫星是在2006年由美国NASA联合Fibertek公司成功发射的, 属于“A-Train”系列的太阳极轨卫星.它的轨道高度为705 km, 每96 min绕地球一圈, 每16 d可获取一次全球大气中气溶胶与云的垂直分布信息(赵剑等, 2014). CALIPSO卫星上搭载了3种传感器, 分别是:云-气溶胶偏振激光雷达(CALIOP), 宽范围相机(WFC), 以及红外成像辐射计(IIR)(沈仙霞, 2014).其中CALIPSO卫星最主要的探测设备是云-气溶胶偏振激光雷达(CALIOP), 它可以向地面发射532 nm和1064 nm两个波段的激光, 获取白天和夜晚这两个波段的云和气溶胶后向散射系数和体积退偏比的垂直分布信息(刘贞, 2013).CALIOP有3个通道接收回波信号, 一个接收探测1064 nm波长的后向散射强度, 另两个则分别接收532 nm后向散射信号的垂直(β′⊥z)和平行分量(β′‖ z), 通过式(11)就可以计算得到532 nm总后向散射系数
(11) |
(12) |
式中, δm、δa、δO3分别为气体分子, 气溶胶粒子和臭氧的消光系数, zsat是卫星高度.
本研究主要使用的是CALIPSO L2气溶胶廓线产品, 研究2018年5月21—23日我国新疆地区一次沙尘过程中气溶胶的垂直分布特征.
2.4 研究方法FY-4A是地球同步轨道卫星, 时间分辨率较高, 观测范围较大;MODIS传感器搭载在太阳极轨卫星Terra/Aqua上, 时间分辨率较低, 但每个数据观测的空间受到限制.因此, 认为在FY-4A成像时间前后15 min内的MODIS数据可以与其相匹配, 以此为基础来分析FY-4号沙尘强度数据之后, 由于FY-4A的时间分辨率较高, 我们使用沙尘数据来观察沙尘事件中沙尘强度分布的日变化, 配合CALIPSO L2廓线数据, 研究了沙尘事件中气溶胶的垂直分布特性.
3 结果分析与讨论(Results and discussion) 3.1 沙尘事件分析本研究使用的FY-4A沙尘强度资料是风云四号卫星的特色产品, 为了评价它对沙尘气溶胶的反演能力, 选取了2018年4月4—6日(图 1)以及2018年5月21—23日(图 2)两个典型沙尘事件, 首先利用沙尘分数产品, 筛选出沙尘分数(DST)大于10的点, 画出相对应的沙尘强度(IDDI-BK)分布, 并与MODIS暗像元、深蓝以及合成算法所反演出的AOD分布对比.
由图可见, 4月4—6日的沙尘事件起源于塔克拉玛干沙漠, 并逐渐向东扩散到甘肃、内蒙地区.4月4日, 沙尘首先出现在塔克拉玛干沙漠地区, 此时的沙尘强度较小;到了4月5日, 沙尘明显增强, 往左右扩散, 此时塔克拉玛干沙漠的沙尘强度达到了30以上;到了4月6日, 沙尘强度有所降低, 影响的范围也有所缩减.
而5月21—23日的沙尘主要集中在塔克拉玛干沙漠, 有部分起源于蒙古的沙尘向东输送到了内蒙古东部地区.21日少量沙尘出现在塔克拉玛干沙漠东部, 蒙古以及内蒙西部地区同样出现少量沙尘;22日, 塔克拉玛干沙漠的沙尘向西移动呈钩状, 沙尘强度由西到东逐渐减少, 内蒙一带的沙尘向东移动到了河北一带, 且沙尘强度有明显的增强;23日东移到河北一带的沙尘已经消失, 而塔克拉玛干沙漠的沙尘略微向东分散, 沙尘强度的值稍微降低.
纵观两个过程中MODIS反演的AOD, 发现无论是深蓝算法反演的AOD还是结合算法反演的AOD, 其AOD高值分布区与FY-4A沙尘强度数据在分布区域和分布形状上都高度一致, 而暗像元算法反演的AOD在沙漠地区的反演效果并不理想, 这是因为卫星传感器提供的红光波段以及短波红外波段的大气顶层反射率在沙漠半沙漠地区受到地表反射率的影响较大, 很难将其中来自于气溶胶的贡献和来自地面的贡献分清, 因此, 暗像元算法在这些地区很难得到较可信的反演结果.通过MODIS AOD分布与FY-4A沙尘强度分布的对比结果我们发现FY-4A在西北沙漠地区的沙尘分布情况上与深蓝AOD和合成算法AOD具有很好的空间一致性, 因此, 本研究认为FY-4A沙尘强度产品可以较好反映中国西北沙漠地区的沙尘分布情况.
3.2 沙尘日变化分析根据上面的分析, 本课题组认为FY-4A沙尘强度数据可以较好的反映中国地区沙尘的分布情况, 因此, 利用静止卫星高时间分辨率的特点, 选取每日12:00、15:00以及18:00的沙尘强度数据, 分析两次事件中沙尘气溶胶水平分布的具体变化, 由于静止卫星的特性, 无法在当地处于黑夜状态时进行观测, 因此对分析有一定限制.
图 3是4月4—6日沙尘事件中每天的沙尘分布日变化图, 可以明显看出沙尘有向东扩散的趋势.4月4日12:00, 塔里木盆地出现沙尘, 分布较为集中, 之后的一段时间沙尘向四周扩散, 沙尘强度也略有加强;4月5日沙尘明显往东部地区扩散, 12:00探测到塔克拉玛干沙漠地区的大量沙尘, 甘肃内蒙一带的沙尘有所增强并逐渐东移影响到了青海、山西地区.4月6日沙尘影响的范围略微收缩, 沙尘强度明显降低.
5月21—23日的沙尘事件(图 4)则有所不同, 起源于塔克拉玛干沙漠的沙尘并未向东输送, 而是在沙漠内部聚集.5月21日12:00塔克拉马干沙漠东部以及内蒙古北部出现沙尘强度分布, 之后沙尘逐渐向西南部转移, 沙尘强度的值也有所增加;到了22日, 沙尘已经从塔克拉玛干沙漠东部转移到了西部, 呈钩状分布, 沙尘强度从西到东逐渐递减, 之后沙尘向西部扩散, 沙尘强度稍微加强;而在23日, 沙尘较前两日而言分布较为分散, 强度也有明显的减小, 哪怕是在沙尘较为强烈的15:00也基本都只有10左右.
通过上面的分析, 了解了沙尘过程中沙尘水平分布每日的变化情况.为了进一步了解这两个明显不同的沙尘事件中气溶胶垂直分布特征, 本研究将使用CALIPSO数据, 对气溶胶的垂直分布进行分析.
3.3 沙尘垂直分布分析后向散射系数是CALIPSO Level2廓线产品中非常重要的一项参数, 反映了大气中颗粒物的散射能力, 后向散射系数越大说明颗粒物的散射能力越强, 反之越弱.将垂直剖面图与地形图叠加, 画出一个立体的后向散射系数垂直分布, 来研究沙尘气溶胶在这两个过程中的垂直分布特征.
在4月4—6日的沙尘过程中, 沙尘起源于塔克拉玛干沙漠并向东部扩散, 因此沙尘更多分布在高度较高的地方.图 5显示, 4月4日CALIOP激光雷达经过新疆地区, 后向散射系数集中的分布在塔里木盆地, 且高度为2~6 km, 下层的后向散射系数在0.08 km-1 · sr-1以上, 明显要高于上层.4月5日探测的轨道相较4日选择的要略微东移, 在塔里木盆地有明显的后向散射系数分布, 且下层的值要远高于上层气溶胶的后向散射系数.此外, 在40°~45°N这一区域存在一空白区, 只有6~8 km存在气溶胶层, 下方零星分布着一些气溶胶;4月6日塔里木盆地北部的沙尘后向散射系数分布在4~8 km, 而较南部的地区则分布在2~8 km, 下层的后向散射系数都明显比上层要高.另外我们还选取了经过内蒙甘肃的一段轨道(图 6)进行分析, 发现内蒙古地区的沙尘则主要分布在2 km以下, 且后向散射系数的值明显要比新疆地区低的多, 整体在0.002 km-1 · sr-1以下.
5月21—23日的过程沙尘则主要是在塔里木盆地内部转移, 在图 7中可以看到, 21号气溶胶从北向南不连续的分布着, 且分布的高度也由北向南逐渐增高;在塔里木盆地一带即沙尘强度较大的地区其后向散射系数明显比左右两边要高, 在0.002~0.01 km-1 · sr-1之间, 集中分布在1~6 km;22日后向散射系数集中分布在塔克拉玛干沙漠, 相较于21日范围更广, 也较为连续.其他地区则没有明显的后向散射系数分布.后向散射系数分布在0~5 km, 其值也较大, 甚至有值在0.03 km-1 · sr-1以上;23日在北部天山山脉附近后向散射系数分布在8 km以上, 往南到了塔里木盆地, 在8 km以上和5 km以下都存在后向散射系数的分布, 再往南到了青藏高原, 后向散射系数则分布在6 km以上.可以看到由于23日沙尘事件开始消散, 南疆地区后向散射系数的分布又重新变的零散, 范围也变的更小.但依然有较大的后向散射系数值分布, 譬如在39°N, 86°E就在1~5 km存在着一条后向散射系数值在0.05 km-1 · sr-1以上的沙尘层.
通过对两次沙尘过程的分析发现, 对4月4日的过程而言, 塔克拉玛干沙漠的沙尘往东扩散, 沙尘主要分布在2~6 km, 有些地区甚至只有4 km以上才存在沙尘, 在沙尘输送的下游地区, 比如4月6日的内蒙西部, 沙尘主要分布在2 km以下的低空;而对于5月21日的沙尘过程而言, 沙尘没有向外扩散, 则主要分布在0~5 km高度处, 后向散射系数由地面到高空逐渐减少.
4 结论(Conclusions)1) 选取了4月4—6日以及5月21—23日两次沙尘过程进行分析.在与MODIS各算法反演AOD对比之后, 我们发现FY-4A沙尘强度产品在西北沙漠地区的沙尘分布情况上与MODIS深蓝/合成算法反演的AOD具有很好的空间一致性, 可以较好反映出中国西北沙漠地区沙尘的分布状况.
2) 4月4—6日沙尘过程起源于塔克拉玛干沙漠并向东部扩散, 4月4日, 塔里木盆地出现沙尘, 分布较为集中;4月5日沙尘明显往东部地区扩散, 内蒙甘肃一带的沙尘有所增强并逐渐东移影响到了青海、山西地区.5月21—23日的过程沙尘则主要是在塔里木盆地内部转移, 5月21日塔克拉马干沙漠东部以及内蒙古北部出现沙尘强度分布, 之后沙尘逐渐向西南部转移, 沙尘强度的值也有所增加;到了22日, 沙尘已经从塔克拉玛干沙漠东部转移到了西部, 呈钩状分布, 沙尘强度从西到东逐渐递减, 之后沙尘向西部扩散, 沙尘强度稍微加强;而在23日, 沙尘较前两日而言分布较为分散, 强度也有明显的减小.
3) 对于沙尘有明显东向输送的沙尘过程而言, 沙尘主要分布在2~6 km, 有些地区甚至只有4 km以上才存在沙尘, 在沙尘输送的下游地区, 比如4月6日的内蒙西部, 沙尘主要分布在2 km以下的低空;而对于沙尘没有向外扩散的沙尘过程, 沙尘粒子则主要分布在0~5 km高度处, 后向散射系数由地面到高空逐渐减少.
Ackerman A S, Toon O B, Stevens D E, et al. 2000. Reduction of tropical cloudiness by soot[J]. Science (New York, NY), 288(5468): 1042-1047. DOI:10.1126/science.288.5468.1042 |
Bi J, Huang J, Fu Q, et al. 2011. Toward characterization of the aerosol optical properties over Loess Plateau of Northwestern China[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 112(2): 346-360. DOI:10.1016/j.jqsrt.2010.09.006 |
Chen S, Huang J, Li J, et al. 2017. Comparison of dust emissions, transport, and deposition between the Taklimakan Desert and Gobi Desert from 2007 to 2011[J]. Science China Earth Sciences, 60(7): 1338-1355. DOI:10.1007/s11430-016-9051-0 |
Chen S, Huang J, Zhao C, et al. 2013. Modeling the transport and radiative forcing of Taklimakan dust over the Tibetan Plateau:A case study in the summer of 2006[J]. Journal of Geophysical Research:Atmospheres, 118(2): 797-812. DOI:10.1002/jgrd.50122 |
Chen S, Yuan T, Zhang X, et al. 2018. Dust modeling over East Asia during the summer of 2010 using the WRF-Chem model[J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 213: 1-12. DOI:10.1016/j.jqsrt.2018.04.013 |
冯鑫媛, 王式功, 杨德保, 等. 2011. 近几年沙尘天气对中国北方环保重点城市可吸入颗粒物污染的影响[J]. 中国沙漠, 31(3): 735-740. |
Guo J, Liu H, Wang F, et al. 2016. Three-dimensional structure of aerosol in China:A perspective from multi-satellite observations[J]. Atmospheric Research, 178-179: 580-589. DOI:10.1016/j.atmosres.2016.05.010 |
Hsu N C, Jeong M J, Bettenhausen C, et al. 2013. Enhanced Deep Blue aerosol retrieval algorithm:The second generation[J]. Journal of Geophysical Research:Atmospheres, 118(16): 9296-9315. DOI:10.1002/jgrd.50712 |
Huang J, Ge J, Weng F. 2007a. Detection of Asia dust storms using multisensor satellite measurements[J]. Remote Sensing of Environment, 110(2): 186-191. DOI:10.1016/j.rse.2007.02.022 |
Huang J, Li Y, Fu C, et al. 2017. Dryland climate change:Recent progress and challenges[J]. Reviews of Geophysics, 55(3): 719-778. |
Huang J, Minnis P, Chen B, et al. 2008. Long-range transport and vertical structure of Asian dust from CALIPSO and surface measurements during PACDEX[J]. Journal of Geophysical Research:Atmospheres, 113: D23212. DOI:10.1029/2008JD010620 |
Huang J, Minnis P, Lin B, et al. 2006. Possible influences of Asian dust aerosols on cloud properties and radiative forcing observed from MODIS and CERES[J]. Geophysical Research Letters, 33: L06824. |
Huang J, Wang T, Wang W, et al. 2014. Climate effects of dust aerosols over East Asian arid and semiarid regions[J]. Journal of Geophysical Research: Atmospheres, 119(19): 11, 398-311, 416
|
Huang J P, Minnis P, Yi Y H, et al. 2007b. Summer dust aerosols detected from CALIPSO over the Tibetan Plateau[J]. Geophysical Research Letters, 34(18): 529-538. |
Huang L, Jiang J H, Tackett J L, et al. 2013. Seasonal and diurnal variations of aerosol extinction profile and type distribution from CALIPSO 5-year observations[J]. Journal of Geophysical Research:Atmospheres, 118(10): 4572-4596. DOI:10.1002/jgrd.50407 |
Jia R, Liu Y, Chen B, et al. 2015. Source and transportation of summer dust over the Tibetan Plateau[J]. Atmospheric Environment, 123: 210-219. DOI:10.1016/j.atmosenv.2015.10.038 |
Kang L, Huang J, Chen S, et al. 2016. Long-term trends of dust events over Tibetan Plateau during 1961-2010[J]. Atmospheric Environment, 125: 188-198. DOI:10.1016/j.atmosenv.2015.10.085 |
Kaufman Y J, Tanre D, Remer L A, et al. 1997a. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer[J]. Journal of Geophysical Research, 102067: 51-17. |
Kaufman Y J, Wald A E, Remer L A, et al. 1997b. The MODIS 2.1-μm channel-correlation with visible reflectance for use in remote sensing of aerosol[J]. Geoscience & Remote Sensing IEEE Transactions on, 35(5): 1286-1298. |
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 |
Levy R C, Remer L A, Mattoo S, et al. 2007. Second-generation operational algorithm:Retrieval of aerosol properties over land from inversion of Moderate Resolution Imaging Spectroradiometer spectral reflectance[J]. Journal of Geophysical Research-Atmospheres, 112: D13211. |
Li J, Wang Z, Zhuang G, et al. 2012. Mixing of Asian mineral dust with anthropogenic pollutants over East Asia:a model case study of a super-duststorm in March 2010[J]. Atmospheric Chemistry Physics, 12(16): 7591-7607. DOI:10.5194/acp-12-7591-2012 |
李云. 2018. 风云卫星在沙尘天气监测中的业务应用[J]. 卫星应用, (11): 24-28. DOI:10.3969/j.issn.1674-9030.2018.11.008 |
Liu D, Zhao T, Boiyo R, et al. 2019. Vertical Structures of Dust Aerosols over East Asia Based on CALIPSO Retrievals[J]. Remote Sensing, 11(6): 701. DOI:10.3390/rs11060701 |
Liu Z, Omar A, Vaughan M, et al. 2008. CALIPSO lidar observations of the optical properties of Saharan dust:A case study of long-range transport[J]. Journal of Geophysical Research Atmospheres, 113: D07207. |
刘贞. 2013.基于A-Train卫星资料对中国北方地区气溶胶时空分布的研究[D].南京: 南京信息工程大学
|
陆风, 张晓虎, 陈博洋, 等. 2017. 风云四号气象卫星成像特性及其应用前景[J]. 海洋气象学报, 37(2): 1-12. |
Ma X, Bartlett K, Harmon K, et al. 2013. Comparison of AOD between CALIPSO and MODIS:significant differences over major dust and biomass burning regions[J]. Atmospheric Measurement Techniques, 6(9): 2391-2401. DOI:10.5194/amt-6-2391-2013 |
Ma X Y, Yu F. 2012. Effect of spectral-dependent surface albedo on Saharan dust direct radiative forcing[J]. Geophysical Research Letters, 39: L09808. |
Ma X Y, Yu F. 2015. Seasonal and spatial variations of global aerosol optical depth: multi-year modelling with GEOS-Chem-APM and comparisons with multiple-platform observations[J]. Tellus B: Chemical and Physical Meteorology, 67: 1, 25115
|
Nan Y, Wang Y. 2018. De-coupling interannual variations of vertical dust extinction over the Taklimakan Desert during 2007-2016 using CALIOP[J]. Science of the Total Environment, 633: 608-617. DOI:10.1016/j.scitotenv.2018.03.125 |
Proestakis E, Amiridis V, Marinou E, et al. 2018. Nine-year spatial and temporal evolution of desert dust aerosols over South and East Asia as revealed by CALIOP[J]. Atmospheric Chemisty and Physics, 18(2): 1337-1362. DOI:10.5194/acp-18-1337-2018 |
Sayer A M, Munchak L A, Hsu N C, et al. 2014. 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, 965-913, 989
|
Shang J, Liu C, Lei Z, et al. 2018. Observation Mode and Region Segmentation of New Generation Geostationary Meteorological Satellite of China[J]. Meteorological and Environmental Research, 9(4): 1-4+10. |
沈仙霞. 2014.基于CALIPSO卫星的区域气溶胶特性研究[D].上海: 华东师范大学 http://cdmd.cnki.com.cn/Article/CDMD-10269-1014322397.htm
|
Sun J, Zhang M, Liu T. 2001. Spatial and temporal characteristics of dust storms in China and its surrounding regions, 1960-1999:Relations to source area and climate[J]. Journal of Geophysical Research:Atmospheres, 106(D10): 10325-10333. DOI:10.1029/2000JD900665 |
唐维尧, 鲍艳松, 张兴赢, 等. 2018. FY-3A/MERSI、MODIS C5.1和C6气溶胶光学厚度产品在中国区域与地面观测站点的对比分析[J]. 气象学报, 76(3): 449-460. |
Tegen I, Lacis A A, Fung I. 1996. The influence on climate forcing of mineral aerosols from disturbed soils[J]. Nature, 380(6573): 419-422. DOI:10.1038/380419a0 |
Twomey S A, Piepgrass M, Wolfe T L. 1984. An assessment of the impact of pollution on global cloud albedo[J]. Tellus B:Chemical and Physical Meteorology, 36(5): 356-366. DOI:10.3402/tellusb.v36i5.14916 |
王明星. 2000. 气溶胶与气候[J]. 气候与环境研究, (1): 1-5. |
Wang S H, Hsu N C, Tsay S C, et al. 2012. Can Asian dust trigger phytoplankton blooms in the oligotrophic northern South China Sea?[J]. Geophysical Research Letters, 39: L05811. |
Wang X, Huang J, Ji M, et al. 2008. Variability of East Asia dust events and their long-term trend[J]. Atmospheric Environment, 42(13): 3156-3165. DOI:10.1016/j.atmosenv.2007.07.046 |
Xu X, Zhou X, Weng Y, et al. 2003. Study on variational aerosol fields over Beijing and its adjoining areas derived from Terra-MODIS and ground sunphotometer observation[J]. Chinese Science Bulletin, 48(18): 2010-2016. DOI:10.1007/BF03183996 |
杨军. 2008. 我国"风云"气象卫星及其应用的回顾与展望[J]. 航天器工程, (3): 23-28. DOI:10.3969/j.issn.1673-8748.2008.03.002 |
Yang J, Zhang Z Q, Wei C Y, et al. 2017. Introducing the new generation of chinese geostationary weather satellites, fengyun-4[J]. Bulletin of the American Meteorological Society, 98(8): 1637-1658. DOI:10.1175/BAMS-D-16-0065.1 |
Zhang P, Chen L, Xian D, 等. 2018. Recent Progress of Fengyun Meteorology Satellites[J]. 空间科学学报, 38(5): 788-796. |
Zhang P, Lu Q, Hu X, et al. 2019. Latest progress of the chinese meteorological satellite program and core data processing technologies[J]. Advances in Atmospheric Sciences, 36(9): 1027-1045. DOI:10.1007/s00376-019-8215-x |
Zhang X Y, Gong S L, Zhao T L, et al. 2003. Sources of Asian dust and role of climate change versus desertification in Asian dust emission[J]. Geophysical Research Letters, 30(24): 2272. |
赵剑, 孙学金, 张日伟, 等. 2014. CALIPSO星载激光雷达系统在全球气溶胶探测中的应用[J]. 气象水文海洋仪器, 31(1): 50-54+59. DOI:10.3969/j.issn.1006-009X.2014.01.013 |
Zhao T L, Gong S L, Zhang X Y, et al. 2006. A simulated climatology of asian dust aerosol and its trans-pacific transport.Part I:Mean climate and validation[J]. Journal of Climate, 19(1): 88-103. |
郑有飞, 刘贞, 刘建军, 等. 2013. 中国北部一次沙尘过程中沙尘气溶胶的时空分布及输送特性[J]. 中国沙漠, 33(5): 1440-1452. |