中國氣溶膠光學(xué)厚度的時空分布及影響因素分析

孫忠保,程先富,夏曉圣

中國氣溶膠光學(xué)厚度的時空分布及影響因素分析

孫忠保,程先富*,夏曉圣

(安徽師范大學(xué)地理與旅游學(xué)院,安徽 蕪湖 241002)

基于1980～2017年MERRA-2再分析產(chǎn)品中的氣溶膠光學(xué)厚度(AOD)數(shù)據(jù),結(jié)合趨勢分析和時空地理加權(quán)回歸模型(GTWR)等方法,分析中國AOD的時空變化特征,從時空異質(zhì)性視角量化自然地理和人類活動對AOD的綜合影響.結(jié)果表明,1980～2017年AOD以0.0028a-1的速率呈顯著上升趨勢,而2009～2017年AOD以0.0083a-1的速率呈顯著下降趨勢.2008年前后為AOD由升到降的轉(zhuǎn)折期,可能與2007年生態(tài)文明建設(shè)和2008年全球經(jīng)濟(jì)危機(jī)有關(guān).胡煥庸線以東地區(qū)為AOD高值區(qū),以人為氣溶膠為主,近40a來AOD值呈顯著上升趨勢;胡煥庸線以西地區(qū)為AOD低值區(qū),以自然氣溶膠為主,AOD值基本不變.氣溫、氣壓、黑炭氣溶膠排放和硫酸鹽氣溶膠排放與AOD呈正相關(guān),降水、風(fēng)速、NDVI和GDP與AOD呈負(fù)相關(guān).AOD與影響因子間的關(guān)系具有時空異質(zhì)性.從時間變化來看,降水、風(fēng)速、NDVI、GDP的回歸系數(shù)具有一致性,而氣溫、氣壓、黑炭氣溶膠排放、硫酸鹽氣溶膠排放在不同年份的回歸系數(shù)有正有負(fù);從空間變化來看,中國北方地區(qū)氣溫與AOD間呈負(fù)相關(guān),南方地區(qū)二者呈正相關(guān).

氣溶膠光學(xué)厚度；時空分布；影響因素；時空地理加權(quán)回歸

氣溶膠是氣候變化中最大的不確定性來源,深刻影響著全球氣候變化和人類健康[1-2].氣溶膠光學(xué)厚度(AOD)既是反應(yīng)氣溶膠消光特性的一個重要光學(xué)參數(shù),也是評估大氣污染程度、研究氣溶膠氣候脅迫效應(yīng)的關(guān)鍵因子[3].隨著新型工業(yè)化和城鎮(zhèn)化的快速推進(jìn),日益增加的氣溶膠排放不僅惡化自然環(huán)境、危害公共健康,也影響社會經(jīng)濟(jì)的可持續(xù)發(fā)展[4].因此,需要科學(xué)認(rèn)知中國AOD的時空分布特征及其影響因素,進(jìn)一步為氣候變化研究、大氣環(huán)境研究、大氣污染監(jiān)測、大氣污染防治、人類健康保護(hù)等提供有力參考和科學(xué)依據(jù).

目前,地面觀測和遙感反演是獲取AOD數(shù)據(jù)的兩大主要來源.由于地面監(jiān)測站點(diǎn)數(shù)量有限且分布稀疏,加之昂貴的建設(shè)和維護(hù)成本,氣溶膠自動監(jiān)測網(wǎng)(AERONET)和中國地基氣溶膠監(jiān)測網(wǎng)(CARSNET)等地面觀測網(wǎng)絡(luò)很難獲取大尺度的AOD連續(xù)觀測數(shù)據(jù)[5-6].衛(wèi)星遙感雖然能提供大尺度和實(shí)時連續(xù)的AOD數(shù)據(jù),如中分辨率成像光譜儀(MODIS)、甚高分辨率掃描輻射計(jì)(AVHRR)、多角度成像光譜輻射計(jì)(MISR)、臭氧層觀測儀等[7-11]獲取的數(shù)據(jù),但數(shù)據(jù)的時間序列較短,一般不超過20a.由于研究數(shù)據(jù)的限制,中國長時間序列的AOD時空變化特征研究較少.

新發(fā)布的MERRA-2再分析產(chǎn)品可提供1980年以來的AOD數(shù)據(jù),為研究中國長時間序列的AOD時空特征提供基礎(chǔ)[12].基于MERRA-2AOD數(shù)據(jù)集,發(fā)現(xiàn)1980～2017年AOD值以0.002a-1的速率呈微弱上升趨勢, 2008年為AOD值由上升到下降的轉(zhuǎn)折點(diǎn);沙塵氣溶膠和硫酸鹽氣溶膠是中國AOD空間分異的主要驅(qū)動因子[13],暖濕地區(qū)的AOD值大于干旱地區(qū)[14].此外,長江流域和華北平原也有類似的研究[15～16].但此類研究對MERRA-2AOD數(shù)據(jù)集的驗(yàn)證尚顯不足.

針對AOD影響因素的解析國內(nèi)外學(xué)者已有較多研究,對于自然因素,大量研究表明氣象要素對氣溶膠的生成、傳輸、轉(zhuǎn)換等有重要影響,包括氣溫[17]、降水[15]、相對濕度[18]、氣壓、風(fēng)速、風(fēng)向[19]等.地形、海拔高度[20]、氣候類型[14]、植被覆蓋[21]、季風(fēng)[22]等對AOD的集聚與擴(kuò)散有著顯著影響.對于人類活動相關(guān)的社會經(jīng)濟(jì)因素,工業(yè)生產(chǎn)、秸稈燃燒[23-24]、能源消費(fèi)和交通運(yùn)輸[25-26]等是人為氣溶膠的主要排放來源.不同的人口密度[15]、產(chǎn)業(yè)結(jié)構(gòu)[13]、土地利用[7]和城市化水平[27]等對AOD的影響也有所不同.縱觀已有研究,多數(shù)學(xué)者選取的影響因素較少,未能綜合考慮自然地理和社會經(jīng)濟(jì)要素對AOD的影響.其次,注重時間序列和區(qū)域差異的分析,對AOD的時空異質(zhì)性研究有所不足.

綜上,本文首先驗(yàn)證了MERRA-2AOD產(chǎn)品在中國的適用性,其次分析了中國1980～2017年AOD的時空分布特征,最后基于時空異質(zhì)性視角,利用GTWR模型綜合量化自然和社會經(jīng)濟(jì)因子對AOD的影響.

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

如圖1所示,本文將中國劃分為七大地理分區(qū),依次為東北、華北、華東、華中、華南、西南和西北地區(qū).

1.2 數(shù)據(jù)

1.2.1 AOD數(shù)據(jù) MERRA-2(長時間序列,高分辨率全球再分析數(shù)據(jù)集)數(shù)據(jù)集是美國國家航天局(NASA)戈達(dá)德地球科學(xué)數(shù)據(jù)和信息服務(wù)中心(GESDISC)在融合多種氣象觀測資料和衛(wèi)星數(shù)據(jù)基礎(chǔ)上,所生成的同化數(shù)據(jù)集.該數(shù)據(jù)集涵蓋了1980年以來不同時間分辨率(1h、3h、逐日、逐月)的氣溫、降水、濕度、氣壓、地表反照率、地表反射率和氣溶膠等多種自然地理特征數(shù)據(jù),其原始空間分辨率為0.5°×0.625° (緯度×經(jīng)度).MERRA-2涵蓋的大量氣象數(shù)據(jù),有利于分析AOD的驅(qū)動因素.因此,本文提取1980年1月到2017年12月550nm波長的逐月AOD數(shù)據(jù)分析中國AOD的時空變化特征(表1)

圖1 中國七大地理分區(qū)及AERONET站點(diǎn)分布

表1 MERRA-2AOD與AERONET AOD數(shù)據(jù)信息

為評估MERRA-2AOD產(chǎn)品在中國的適用性,本文基于2005～2018年MERRA-2AOD逐日數(shù)據(jù)和41個AERONET站點(diǎn)日均AOD數(shù)據(jù),利用插值的方法獲取AERONET 550nm波長的AOD數(shù)據(jù),共計(jì)得到21625個配對樣本.公式如下:

式中:為Angstrom波長指數(shù);為混濁系數(shù),1和2分別為440和870nm波長[28].如圖2所示,中國MERRA-2AOD數(shù)據(jù)的精度較高(2=0.7768,RMSE = 0.2539, MAE = 0.1593),與前人的MERRA-2AOD精度評估結(jié)果基本一致[13,29].

圖2 MERRA-2AOD產(chǎn)品精度驗(yàn)證

1.2.2 自然與社會經(jīng)濟(jì)數(shù)據(jù) AOD時空分異的影響因素很多,大致可分為人為和自然產(chǎn)生的排放因子(源)和影響氣溶膠傳輸、擴(kuò)散、沉降等的氣象因子[30].本文選取氣溫、降水、氣壓、風(fēng)速、NDVI、GDP、人口密度和人為氣溶膠(黑炭、有機(jī)碳、SO2、SO4)排放變量探索AOD與潛在影響因素間的關(guān)系.月尺度的氣溫、氣壓、風(fēng)速和人為氣溶膠排放數(shù)據(jù)分別來自于MERRA-2instM_2d_gas_Nx數(shù)據(jù)集tavg_2d_adg_Nx 數(shù)據(jù)集,其時空分辨率為0.5°×0.625°(緯度×經(jīng)度).年尺度的1km分辨率降水、NDVI、GDP、人口密度數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心 (http://www.resdc.cn).

1.3 研究方法

1.3.1 趨勢分析 利用線性傾向估計(jì)法分析AOD的時間變化趨勢,方程式如下:

1.3.2 時空地理加權(quán)回歸模型(GTWR) 為克服地理加權(quán)回歸模型(GWR)不能解決時間非平穩(wěn)性的問題,Huang等同時考慮時間和空間異質(zhì)性,將GWR模型擴(kuò)展為GTWR模型[31].

式中:和為平衡時空差異的參數(shù);h為時空核函數(shù)的帶寬;通過修正的AICc準(zhǔn)則確定最優(yōu)帶寬[32].

2 結(jié)果與分析

2.1 AOD時間分布特征

1980～2017年月尺度的MERRA-2AOD時間變化趨勢如圖3所示,大致可分為3個階段,1980～ 1999,2000～2008和2009～2017年.總體而言,1980～ 2017年,中國AOD值以2.3×10-4month-1/0.0028a-1的速率呈顯著上升趨勢.而2000年以前,AOD值的上升趨勢不顯著.1980年代初和1990年代初的AOD值劇烈上升主要與火山噴發(fā)和經(jīng)濟(jì)的快速發(fā)展有關(guān).一方面,大氣環(huán)流將墨西哥的EL Chichon火山(1982年)和菲律賓的Pinatubo火山(1991年)噴發(fā)的大量煙霧和火山灰輸送至中國境內(nèi)[33-34].另一方面,家庭聯(lián)產(chǎn)承包責(zé)任制(1982年)和社會主義市場經(jīng)濟(jì)(1992年)的確立,經(jīng)濟(jì)增速達(dá)至峰值(圖4 (a)),人為氣溶膠排放激增.21世紀(jì)以后,AOD值呈倒“U”型變化特征,2008年為轉(zhuǎn)折點(diǎn).2000～2008年,AOD值以8.4×10-4month-1/0.0113a-1的速率呈顯著上升趨勢,這與經(jīng)濟(jì)的快速發(fā)展和粗放的發(fā)展模式有關(guān),人為氣溶膠排放量也同步經(jīng)歷了一個爆炸式的增長[13].在2007年生態(tài)文明建設(shè)以后,經(jīng)濟(jì)增速放緩,發(fā)展質(zhì)量提升,通過實(shí)施嚴(yán)格的環(huán)境保護(hù)政策、優(yōu)化能源消費(fèi)結(jié)構(gòu)和提高能源利用效率,人為氣溶膠排放量基本得到控制[15],因此2008～2017年AOD值的下降趨勢顯著(-7.9×10-4month-1/-0.0083a-1).有研究表明,2008年的全球經(jīng)濟(jì)危機(jī)通過倒逼產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級的方式,一定程度上減少了人為氣溶膠排放[4]. 2006年以來,二氧化硫、工業(yè)煙粉塵排量明顯減少,氮氧化物排放量自2011年也呈持續(xù)下降趨勢(圖4(b)).考慮到污染的滯后效應(yīng),AOD的時間變化趨勢與主要污染物質(zhì)排放量和經(jīng)濟(jì)發(fā)展的變化趨勢基本一致,這表明經(jīng)濟(jì)發(fā)展和污染物質(zhì)排放是中國AOD變化的主要原因.

圖3 1980～2017年AOD月均值變化趨勢

數(shù)據(jù)來源于http://www.stats.gov.cn/

2.2 AOD空間分布特征

在1980～2017、1980～1999、2000～2008和2009～ 2017年4個不同研究階段,中國AOD的空間分布格局基本一致,以胡煥庸線為界,胡煥庸線以西主要為AOD低值區(qū),以東主要為AOD高值區(qū)(圖5).塔里木盆地地處塔克拉瑪干沙漠,氣候干旱、植被稀疏,沙塵氣溶膠含量較高,是AOD的高值區(qū)[35].四川盆地的AOD值最大,這與當(dāng)?shù)厝丝诔砻?、產(chǎn)業(yè)發(fā)達(dá)、人為氣溶膠排放量大有關(guān),加之受盆地地形和暖濕氣候的影響,氣溶膠不易擴(kuò)散.京津冀、華東北部、華中地區(qū)也是AOD的高值區(qū),主要是因?yàn)楫?dāng)?shù)毓I(yè)生產(chǎn)、秸稈焚燒、交通運(yùn)輸、能源消費(fèi)產(chǎn)生的大量氣溶膠排放.東北地區(qū)的AOD值從東北向西南遞增,這與當(dāng)?shù)氐乃疅釛l件和人類活動分布一致[36].AOD低值區(qū)主要集中分布在云貴高原、青藏高原、新疆北部和內(nèi)蒙古高原,這些地區(qū)地形以山地、高原為主,人類活動有限.受洋流、夏季風(fēng)和大量降水的影響,人口稠密、產(chǎn)業(yè)發(fā)達(dá)的東南沿海地區(qū)的AOD值相對較低.盡管研究時段和研究數(shù)據(jù)有所不同,本文的中國AOD空間格局與前人研究類似[37-39].

圖5 4個時期的中國AOD多年均值分布

在4個研究階段,AOD變化趨勢的空間分布格局大體以胡煥庸線為界,胡煥庸線以東地區(qū)AOD的變化幅度較大,以西地區(qū)AOD的變化幅度較小(圖6).AOD變化趨勢的時空分布具有一致性,即在中國的絕大部分地區(qū),2000～2008年AOD的上升趨勢最高,1980～2017年次之,1980～1999年最小,而2009～ 2017年AOD值呈顯著下降趨勢.在以自然氣溶膠為主的西部地區(qū),AOD值基本保持不變;而在人為氣溶膠主導(dǎo)的東部地區(qū),AOD值呈先升后降的倒“U”分布.這表明相較于地形、氣候等自然因子,經(jīng)濟(jì)、人口、產(chǎn)業(yè)等人類活動是驅(qū)動AOD變化的關(guān)鍵因子[40].

圖6 AOD變化趨勢空間分布

標(biāo)準(zhǔn)黑點(diǎn)的地區(qū)呈顯著變化趨勢(<0.05)

3 討論

本文選取2000年、2005年、2010年和2015年氣溫、降水、氣壓、風(fēng)速、NDVI、GDP、人口密度和4種人為氣溶膠排放作為解釋變量,以探索AOD與潛在影響要素間的定量關(guān)系.各變量的描述性統(tǒng)計(jì)信息如表2所示.

AOD與影響因素間的偏相關(guān)系數(shù)如表3所示.在不同年份,AOD與相同影響因子的偏相關(guān)系數(shù)的大小、方向和顯著性不盡相同,甚至截然相反.

表2 影響因素的定義及統(tǒng)計(jì)描述

表3 不同年份AOD與影響因素之間的偏相關(guān)系數(shù)

注:*表示通過0.05水平上的顯著性檢驗(yàn).影響因素簡寫同表2.

如表4所示,不同年份的AOD與影響因素之間的逐步多元回歸模型有所不同,相同因子對AOD的影響隨時間變化而變化.例如,2000年黑炭氣溶膠排放對AOD有影響,而在其他3個年份無影響.這進(jìn)一步表明,AOD的影響因素研究應(yīng)當(dāng)考慮影響作用的時間異質(zhì)性,這也是本文要著力解決的關(guān)鍵問題.

從時空異質(zhì)性視角,利用GTWR模型綜合考慮自然地理和人類活動對AOD的影響(表5).為避免多重共線性,在計(jì)算偏相關(guān)系數(shù)矩陣和方差膨脹因子(VIF)的基礎(chǔ)上,剔除有機(jī)碳?xì)馊苣z排放、SO2人為排放和人口密度,剩余的8個變量進(jìn)入最終的GTWR模型.GTWR模型的2為0.959,模型擬合效果優(yōu)于逐步多元回歸模型.由于本文重點(diǎn)關(guān)注AOD的時空異質(zhì)性,所以下文的所有解釋和分析均基于GTWR模型的結(jié)果.

表4 不同年份AOD與影響因素之間的逐步多元回歸系數(shù)

注:“-”表示無影響,正負(fù)數(shù)值表示有影響.

表5 GTWR模型估計(jì)結(jié)果

注:2=0.959,2adj=0.959,AICC=-15964.900.

如表5所示,降水、氣溫、氣壓、風(fēng)速、NDVI、GDP、BCE、SO4E的回歸系數(shù)中位數(shù)依次為-0.001、2.080、0.273、-0.015、-0.006、-0.002、0.030和0.005.其中氣溫、氣壓、黑炭氣溶膠排放和硫酸鹽氣溶膠排放與AOD均呈正相關(guān),降水、風(fēng)速、NDVI和GDP與AOD呈負(fù)相關(guān).

降水對AOD的影響為負(fù),其回歸系數(shù)中位數(shù)為-0.001.降水與AOD呈負(fù)相關(guān)關(guān)系,主要是因?yàn)榻邓軌蚴箽馊苣z懸浮物沉降,從而起到降低AOD作用,此結(jié)果與張靜怡等[18,21]研究結(jié)果相一致.另外AOD與濕度有關(guān)[41],二者呈正相關(guān)關(guān)系[42],原因是親水性較強(qiáng)的氣溶膠粒子體積增大,AOD增加[43].氣溫升高不僅促進(jìn)大氣垂直對流,有利于氣溶膠垂直擴(kuò)散,也會促進(jìn)光化學(xué)反應(yīng),加快二次氣溶膠的形成[17],因此,氣溫對AOD的正向作用最強(qiáng),其回歸系數(shù)中位數(shù)為2.080.一般而言,氣壓越高,大氣厚度越大,氣溶膠分布范圍越廣,導(dǎo)致AOD值升高,氣壓與AOD呈正相關(guān),其回歸系數(shù)中位數(shù)為 0.273.風(fēng)速直接與氣溶膠水平擴(kuò)散有關(guān),風(fēng)速越大,大氣的水平運(yùn)動加快,利于氣溶膠擴(kuò)散,因而與AOD呈負(fù)相關(guān)[19,22].

NDVI的回歸系數(shù)中位數(shù)為-0.006,說明良好的植被覆蓋能夠有效減少裸露地表,抑制風(fēng)沙和地面揚(yáng)塵,吸附大氣中懸浮的氣溶膠粒子,從而降低AOD值[26].因此增加植被覆蓋率,降低裸地面積,可以保護(hù)大氣環(huán)境.GDP的回歸系數(shù)中位數(shù)為-0.002,意味著GDP每上升1%,AOD值下降0.002%,說明在發(fā)展經(jīng)濟(jì)的同時,環(huán)保意識也隨之增強(qiáng),環(huán)保投入也在增加.黑炭氣溶膠和硫酸鹽氣溶膠是中國主要的氣溶膠類型,黑炭氣溶膠排放和硫酸鹽氣溶膠排放每上升1%,AOD值分別相應(yīng)上升0.030%和0.005%.黑炭氣溶膠和硫酸鹽氣溶膠主要由第二產(chǎn)業(yè)相關(guān)企業(yè)排放,有必要加強(qiáng)企業(yè)排放物達(dá)標(biāo)管控,另外還要禁止秸稈焚燒,發(fā)展清潔能源以降低產(chǎn)生黑炭氣溶膠和硫酸鹽氣溶膠的煤炭能源的比重等.

3.1 影響因素回歸系數(shù)的時間變化

GTWR回歸系數(shù)在時間上的變化趨勢如圖7所示:氣溫、氣壓、黑炭氣溶膠排放、硫酸鹽氣溶膠排放對AOD的影響具有一致性,主要表現(xiàn)為正向關(guān)系,降水、風(fēng)速、NDVI、GDP對AOD的影響不一致.

圖7 GTWR模型變量回歸系數(shù)的時間變化趨勢

在全球變暖背景下,總體中國的降水呈顯著增加趨勢[44],所以降水的回歸系數(shù)中位數(shù)呈上升趨勢;由于全球變暖的影響,氣溫的回歸系數(shù)中位數(shù)上升趨勢顯著.氣壓的回歸系數(shù)中位數(shù)從2000年的0.221增加至2015年的0.325.2015年風(fēng)速與AOD的回歸系數(shù)中位數(shù)為正值,這與2015年風(fēng)速與AOD的偏相關(guān)系數(shù)不顯著有關(guān)(表3).

21世紀(jì)以來,由于持續(xù)的植樹造林運(yùn)動和農(nóng)業(yè)集約化,中國的綠化覆蓋率逐年提升,中國新增綠化面積占全球綠化面積增量的25%[46];AOD值呈先升后降的倒“U”型變化趨勢,導(dǎo)致了NDVI對AOD的影響由正轉(zhuǎn)負(fù).與NDVI相似,2007年的生態(tài)文明建設(shè)和2008年的全球經(jīng)濟(jì)危機(jī),促進(jìn)了中國經(jīng)濟(jì)的結(jié)構(gòu)性改革,這使得經(jīng)濟(jì)增速減緩,發(fā)展質(zhì)量提升,GDP對AOD的影響由正轉(zhuǎn)負(fù),這符合環(huán)境庫茲涅茨曲線(EKC),即經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)之間可以和諧共存.黑炭氣溶膠排放的回歸系數(shù)中位數(shù)呈上升趨勢,硫酸鹽氣溶膠排放的回歸系數(shù)中位數(shù)基本不變,且黑炭氣溶膠排放對AOD的影響遠(yuǎn)大于硫酸鹽氣溶膠排放,這與黑炭氣溶膠排放的增速遠(yuǎn)大于硫酸鹽氣溶膠排放有關(guān)[13].

3.2 影響因素回歸系數(shù)的空間分布

從圖8可知,中部地區(qū)的降水與AOD呈正相關(guān),東、西部地區(qū)的降水與AOD呈負(fù)相關(guān).由于盆地地形和高溫高濕的氣候環(huán)境,利于氣溶膠粒子的生成、轉(zhuǎn)化,四川盆地AOD與降水的正相關(guān)系最強(qiáng)(圖8a).氣溫與AOD在西南地區(qū)呈負(fù)相關(guān),在其他地區(qū)呈正相關(guān)(圖8b).除新疆北部、東北北部地區(qū)外,氣壓與AOD呈正相關(guān)(圖8c).東部地區(qū)風(fēng)速與AOD呈負(fù)相關(guān)關(guān)系,西部風(fēng)速與AOD呈正相關(guān)(圖8d),其原因主要是人類活動和氣溶膠排放大多集中在東部地區(qū),風(fēng)速越大,人為氣溶膠擴(kuò)散越快;而西部地區(qū)以自然沙塵氣溶膠為主,風(fēng)速越大,起塵量越大,AOD值越高[43].

圖8 2000,2005,2010,2015年GTWR模型回歸系數(shù)均值空間分布

由于較少的人為干擾,西部地區(qū)AOD與NDVI呈負(fù)相關(guān),AOD值隨著NDVI的升高而降低;而在東部地區(qū),由于人類活動排放的大量人為氣溶膠抵消了NDVI的負(fù)向作用,NDVI與AOD呈正相關(guān)(圖8e).東北、華北和華南地區(qū)GDP與AOD呈正相關(guān),這主要與當(dāng)?shù)匾灾毓I(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)和發(fā)達(dá)的對外貿(mào)易有關(guān),其他地區(qū)GDP與AOD呈負(fù)相關(guān)(圖8f).黑炭氣溶膠是中國AOD的主要驅(qū)動類型,所以黑炭氣溶膠排放與AOD呈正相關(guān)(圖8g).除西北和東南沿海部分地區(qū)外,硫酸鹽氣溶膠排放與AOD呈正向關(guān)系(圖8h).

4 結(jié)論

4.1 基于月尺度的MERRA-2AOD數(shù)據(jù)集,從時空異質(zhì)性視角,利用GTWR模型分析了中國1980～ 2017年AOD的時空變化特征.1980～2017年,中國AOD值以0.0028a-1的速率呈顯著上升趨勢,1980～ 1999年、2000～2008年和2009～2017年的AOD變化速率依次為0.0012a-1、0.0113a-1和-0.0083a-1.2008年前后為轉(zhuǎn)折期,可能與2007年及以前的生態(tài)文明建設(shè)成果有關(guān).

4.2 胡煥庸線是中國氣溶膠濃度、性質(zhì)和變化趨勢的地理分界線.胡煥庸線以東地區(qū)為AOD高值區(qū),以人為氣溶膠為主,近40a來AOD值呈顯著上升趨勢;胡煥庸線以西地區(qū)為AOD低值區(qū),自然氣溶膠占主導(dǎo),AOD值呈微弱的不連續(xù)下降趨勢.

4.3 氣溫、氣壓、BCE、SO4E與AOD呈正相關(guān),降水、風(fēng)速、NDVI和GDP與AOD呈負(fù)相關(guān).影響因素對AOD的作用具有時空異質(zhì)性.從時間變化來看,氣溫、氣壓、黑炭氣溶膠排放、硫酸鹽氣溶膠排放對AOD的影響具有一致性,而降水、氣壓、NDVI和GDP對AOD的影響在不同年份有正有負(fù).從空間變化來看,中國北方氣溫與AOD呈正相關(guān),南方呈負(fù)相關(guān).中國西部NDVI與AOD呈負(fù)相關(guān),東部呈正相關(guān).

[1] CharlsonR J, Schwartz S E, HalesJ M, et al. Climate Forcing by Anthropogenic Aerosols [J]. Science, 1992,255:423-430.

[2] Li Y, Henze D K, Jack D, et al. The influence of air quality model resolution on health impact assessment for fine particulate matter and its components [J]. Air QualAtmos Health, 2016,9(1):51-68.

[3] Bellouin N, Boucher O, Haywood J, et al. Global estimate of aerosol direct radiative forcing from satellite measurements [J]. Nature, 2005, 438(7071):1138-1141.

[4] He Q, Zhang M, Huang B. Spatio-temporal variation and impact factors analysis of satellite-based aerosol optical depth over China from 2002 to 2015 [J]. Atmospheric Environment, 2016,129:79-90.

[5] Mai B , Deng X , Xia X , et al. Column-integrated aerosol optical properties of coarse- and fine-mode particles over the Pearl River Delta region in China [J]. The Science of the Total Environment, 2018, 622:481-492.

[6] 張志薇,王宏斌,張 鐳,等.中國3個AERONET站點(diǎn)氣溶膠微物理特性分析及比較[J]. 中國環(huán)境科學(xué), 2014,34(8):1927-1937.

Zhang Z W, Wang H B, Zhang L, et al. Analysisand comparisonof the aerosol microphysical properties at three AERONET sites in China [J]. China Environmental Science, 2014,34(8):1927-1937.

[7] 千家樂,劉朝順.胡煥庸線兩側(cè)氣溶膠光學(xué)厚度時空分布特征及其與土地利用響應(yīng)的研究[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(2):752-760.

Qian J L, Liu C S. Distributions and changes of aerosol optical depth on both sides of HU Huanyong Line and the response to land use and landcover [J]. Acta Scientiae Circumstantiae, 2018,38(2):752-760.

[8] Gao L, Li J, Chen L, et al. Retrieval and validation of atmospheric aerosol optical depth from AVHRR Over China [J]. IEEE Transactions on Geoscience and Remote Sensing, 2016,54(11):6280-6291.

[9] Guo J P, Zhang X Y, Wu Y R, et al. Spatial-temporal variation trends of satellite-based aerosol optical depth in China during 1980～2008 [J]. Atmospheric Environment, 2011,45(37):6802-6811.

[10] Qi Y, Ge J, Huang J. Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET [J]. Chinese Science Bulletin, 2013,58(20):2497-2506.

[11] 李 龍,施潤和,張 璐,等.華東地區(qū)MODIS與OMI氣溶膠光學(xué)厚度數(shù)據(jù)融合 [J]. 地球信息科學(xué)學(xué)報, 2015,17(10):1224-1233.

Li L, Shi R H, Zhang L, et al. Data fusion of MODIS AOD and OMIAOD overEast China using universal kriging [J]. Journal of Geo-information Science, 2015,17(10):1224-1233.

[12] Randles C A, Da Silva A M, Buchard V, et al. The MERRA-2Aerosol Reanalysis, 1980-onward, Part I: System Description and Data Assimilation Evaluation [J]. J. Clim., 2017,30(17):6823-6850.

[13] Qin W, Liu Y, Wang L, et al. Characteristic and Driving Factors of Aerosol Optical Depth over Mainland China during 1980～2017 [J]. Remote Sensing, 2018,10(7):1064.

[14] 劉 瑩,林愛文,覃文敏,等.1990～2017年中國地區(qū)氣溶膠光學(xué)厚度的時空分布及其主要影響類型[J]. 環(huán)境科學(xué), 2019,40(6):2572- 2581.

Liu Y, Lin A W, Qin W M, et al. Spatial-temporal Distribution of Aerosol Optical Depth and Its Main Influence Typesin China During 1990～2017 [J]. Environmental Science, 2019,40(6):2572-2581.

[15] He L, Wang L, Lin A, et al. What drives changes in aerosol properties over the Yangtze River Basin in past four decades？[J]. Atmospheric Environment, 2018,190:269-283.

[16] Song Z, Fu D, Zhang X, et al. Diurnal and seasonal Comparison of MERRA-2products and ground measurements [J]. Atmospheric Environment, 2018.19:70-78.

[17] 林 俊,劉 衛(wèi),李 燕,等.大氣氣溶膠粒徑分布特征與氣象條件的相關(guān)性分析 [J]. 氣象與環(huán)境學(xué)報, 2009,25(1):1-5.

Lin J, Liu W, Li Y, et al. Relationshipbetweenmeteorologicalcondition sandparticlesizedistributionofatmosphericaerosols [J]. Journal of Meteorology and Environment, 2009,25(1):1-5.

[18] 韓道文,劉文清,張玉鈞,等.溫度和相對濕度對氣溶膠質(zhì)量濃度垂直分布的影響[J]. 中國科學(xué)院研究生院學(xué)報, 2007,(5):619-624.

Han D W, Liu W Q, Zhang Y J, et al. Influence of temperature and relative humidity uponaerosol mass concentrations vertical distributions [J]. Journal of the Graduate School of the Chinese Academy of Sciences, 2007,(5):619-624.

[19] 俞海洋,張 杰,李 婷,等.2000～2013 年北京及周邊地區(qū)大氣氣溶膠光學(xué)厚度時空變化特征及氣象影響因素分析[J]. 氣象科學(xué), 2018,38(4):512-522.

Yu H Y, Zhang J, Li T, et al. Spatiotemporal variation of atmospheric aerosol optical depth and the meteorological factorsin Beijing and surrounding area from 2000 to 2013 [J]. Journal of the Meteorological Sciences, 2018,38(4):512-522.

[20] 劉 狀,孫曦亮,劉 丹,等.2001～2017年中國北方省份氣溶膠光學(xué)厚度的時空特征[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(8):3177-3184.

Liu Z, Sun X L, Liu D, et al. Spatiotemporal characteristics of aerosol optical depth over Beijing-Tianjin-Hebei-Shandong-Henan-Shanxi- Shaanxiregion during 2001～2017 [J]. Acta Scientiae Circumstantiae, 2018,38(8):3177-3184.

[21] 張靜怡,盧曉寧,洪 佳,等.2000～2014年四川省氣溶膠時空格局及其驅(qū)動因子定量研究[J]. 自然資源學(xué)報, 2016,31(9):1514-1525.

Zhang J Y, Lu X N, Hong J, et al. Quantitative study on temporal and spatial patterns of aerosol optical depth and Its driving forces inSichuan province during 2000～2014 [J]. Journal of Natural Resources, 2016,31(9):1514-1525.

[22] Yan L, Liu X, Yang P, et al. Study of the impact of summer monsoon circulation on spatial distribution of aerosols in East Asia based on numerical simulations [J]. Journal of Applied Meteorology and Climatology, 2011,50(11):2270-2282.

[23] 范東福,楊書運(yùn),吳必文,等.基于AOD數(shù)據(jù)的秸稈焚燒監(jiān)測 [J]. 國土資源遙感, 2015,27(2):33-138.

Fan D F, Yang S Y, Wu B W, et al. Monitoring of biomass burning based on AOD [J]. Remote Sensing for Land and Resources, 2015, 27(2):133-138.

[24] Yu M, Yuan X, He Q, et al. Temporal-spatial analysis of crop residue burning in China and its impact on aerosol pollution [J]. Environ. Pollut., 2018,245:616-626.

[25] Yang J, Kang S, Chen D, et al. Quantifying the contributions of various emission sources to black carbon and assessment of control strategies in western China [J]. Atmospheric Research, 2019,215:178- 192.

[26] Li L, Wang Y. What drives the aerosol distribution in Guangdong-the most developed province in Southern China? [J]. Sci. Rep., 2014, 4:5972.

[27] Xue R, Bo A, Lin YY, et al. Spatial and Temporal Distribution of Aerosol Optical Depth and Its Relationship with Urbanization in Shandong Province [J]. Atmosphere, 2019,10(3):110.

[28] 徐 丹,鄧孺孺,陳啟東,等.基于CE318觀測的廣州市氣溶膠光學(xué)特性[J]. 熱帶地理, 2015,35(1):21-28.

Xu D, Deng R R, Chen Q D, et al. Aerosol optical properties. In Guangzhou based on the CE318 data [J]. Tropical Geography, 2015,35(1):21-28.

[29] Shi H Y, Xiao Z Q, Zhan X C, et al. Evaluation of MODIS and two reanalysis aerosol optical depth products over AERONET sites [J]. Atmospheric Research, 2019,220:75-80.

[30] Voulgarakis A, Savage N H, Wild O, et al. Interannual variability of tropospheric composition: the influence of changes in emissions, meteorology and clouds [J]. Atmosperic Chemistry and Physics, 2010, 10:2491-2506.

[31] Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatiotemporal variation in house prices [J]. International Journal of Geographical Information Science, 2010,24(3): 383-401.

[32] HurvichC M, SimonoffJ S, Tsai C L. Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion [J]. Journal of the Royal Statistical Society, 1998,60(2): 271-293.

[33] Buchard V, Randles C A, da Silva A M, et al. The MERRA-2 aerosol reanalysis, 1980 Onward. Part II: Evaluation and case studies [J]. Journal of Climate, 2017,30(17):6851-6872.

[34] Mccormick M P, Swissler T J. Stratospheric aerosol mass and latitudinal distribution of the El Chichon eruption cloud for October 1982 [J]. Geophysical Research Letters, 1983,10:877-880.

[35] 王銀牌,喻 鑫,謝廣奇.中國近15年氣溶膠光學(xué)厚度時空分布特征[J]. 中國環(huán)境科學(xué), 2018,38(2):426-434.

Wang Y P, Yu X, Xie G Q. Spatial distribution and temporal variation of aerosol optical depth over China in the past 15years [J]. China Environmental Science, 2018,38(2):426-434.

[36] 張宸赫,趙天良,王 富,等.2003～2014年東北三省氣溶膠光學(xué)厚度變化分析[J]. 環(huán)境科學(xué), 2017,38(2):476-484.

Zhang C H, Zhao T L, Wang F et al.Variations in aerosol optical depth over three northeastern provinces of Chinain 2003～2014 [J]. Environmental Science, 2017,38(2):476-484.

[37] 單 楠,楊曉暉,時忠杰,等.基于MODIS的中國陸地氣溶膠光學(xué)厚度時空分布特征[J]. 中國水土保持科學(xué), 2012,10(5):24-30.

Shan N, Yang X H, Shi Z J, et al. Spatial and temporal distribution of aerosol opticaldepth in China based on MODIS [J]. Science of Soil and Water Conservation, 2012,10(5):24-30.

[38] 張亮林,潘竟虎,張大弘.基于MODIS數(shù)據(jù)的中國氣溶膠光學(xué)厚度時空分布特征[J]. 環(huán)境科學(xué)學(xué)報, 2018,38(11):4431-4439.

Zhang L L, Pan J H, Zhang D H. Spatiotemporal distribution characteristics of aerosol optical depths in China based on MODIS data [J]. ActaScientiae Circumstantiae, 2018,38(11):4431-4439.

[39] He Q, Gu Y, Zhang M. Spatiotemporal patterns of aerosol optical depth throughout China from 2003 to 2016 [J]. Sci. Total. Environ., 2019,653:23-35.

[40] Kang H, Zhu B, Van D, et al. Natural and anthropogenic contributions to long-term variations of SO2, NO2, CO, and AOD over East China [J]. Atmospheric Research, 2018,215:284-293.

[41] Li J L, Ge X Y, He Q, et al. Aerosol optical depth (AOD): spatial and temporal variations and association with meteorological covariates in Taklimakan desert, China [J]. Peer J., 2021,9:1-22.

[42] Daniel H L N, Li R M, Srivatsan V. R, et al. Investigating the relationship between Aerosol Optical Depth and Precipitation over Southeast Asia with Relative Humidity as an influencing factor [J]. Scientific Reports, 2017,17(7):1719-1723.

[43] 趙佳佳,顧 芳,張加宏,等.單顆粒氣溶膠的吸濕增長模型及散射特性研究[J]. 光學(xué)學(xué)報, 2020,40(5):15-22.

Zhao J J, Gu F, Zhang J H, et al. Hygroscopic growth model and scattering characteristics of single-particle aerosols [J]. Acta Optica Sinica, 2020,40(5):15-22.

[44] Sun Q, Miao C, Duan Q. Changes in the spatial heterogeneity and annual distribution of observed precipitation across China [J]. Journal of Climate, 2017,30(23):9399-9416.

[45] Chen C, Park T, Wang X, et al. China and India lead in greening of the world through land-use management [J]. Nat Sustain, 2019,2:122- 129.

[46] 張 喆,丁建麗,王瑾杰.中亞沙塵氣溶膠時空分布特征及潛在擴(kuò)散特性分析[J]. 地理學(xué)報, 2017,72(3):507-520.

Zhang Z, Ding J L, Wang J J. Spatio-temporal variations and potential diffusion characteristics of dust aerosol originating from Central Asia [J]. Acta Geographica Sinica, 2017,72(3):507-520.

Spatial-temporaldistribution and impact factors of aerosol optical depth over China.

SUN Zhong-bao, CHENG Xian-fu*, XIA Xiao-sheng

(School of Geography and Tourism, Anhui Normal University, Wuhu 241002, China)., 2021,41(10)：4466～4475

Based on the MERRA-2reanalysis datasets of aerosol optical depth (AOD) during 1980～2017, spatial-temporalvariations of AOD and joint effects of natural and anthropogenic factors on AOD values over China were quantitatively analyzed with trend analysis and geographically and temporally weighted regression (GTWR) from spatial-temporalheterogeneity perspective. The results showed that AOD values in China hold a significant upward trend (0.0028a-1) during 1980～2017 but a downward trend (-0.0083a-1) during 2009～2017. The period around 2008was a turning point in AOD trends, probably owing to the construction of ecological civilization in 2007 and theglobal economic crisis in 2008. Secondly, the Hu Huanyong line was the geographical border of aerosol concentration, properties and trends in China. The distribution of AOD since 1980 demonstrated the characteristics of high in the east, low in the west, increasing in the east, and basically unchanged in the west, dominated by anthropogenic aerosols in the east, and dominated by natural aerosols in the west. Lastly, the AOD was positivecorrelated with precipitation, temperature, surface pressure, black carbon aerosol emission and SO4aerosol emission, while was negatively correlated with wind speed, normalized difference vegetation index (NDVI) and gross domestic product (GDP).The relationship between AOD and impact factors varied over time and space. From the perspective of temporal variations of estimated coefficients of GTWR model, the effects of influencing factors such as precipitation, wind speed, NDVI and GDP on AOD values over time were consistent; while the temporal variations of other factors, including temperature, surface pressure, black carbon aerosol emission and SO4aerosol emission, exhibited changedinconsistently. From the perspective of spatial variations,the correlation between temperature and AOD wasnegative in northern China, while positive in southern China.

aerosol optical depth；spatial-temporal distribution；impact factors；geographically and temporally weighted regression (GTWR)

X513

A

1000-6923(2021)10-4466-10

孫忠保(1980-),男,山東菏澤人,副教授,博士,主要從事氣候環(huán)境、自然災(zāi)害及人資源管理方面的研究.發(fā)表論文近20篇.

2021-02-26

國家自然科學(xué)基金資助項(xiàng)目(41271516);安徽省高校人文社會科學(xué)研究重點(diǎn)項(xiàng)目(SK2016A039)

* 責(zé)任作者, 教授, xianfucheng@sina.com