基于衛星遙感的池州市氣溶膠光學厚度時空分布

張明明， 程東兵， 齊建華， 胡建春， 羅 晶

(安徽省池州市氣象局,池州 247100)

基于衛星遙感的池州市氣溶膠光學厚度時空分布

張明明， 程東兵， 齊建華， 胡建春， 羅 晶

(安徽省池州市氣象局,池州 247100)

氣溶膠光學厚度(aerosol optical depth,AOD)是大氣環境的重要評價指標，可用于反映空氣污染程度。通過衛星遙感獲取AOD，可以彌補地面觀測難以反映AOD空間分布和整體變化趨勢的不足。以池州市為研究區，利用2013年12月—2014年12月間獲取的EOS MODIS數據，基于改進的暗像元法(V5.2算法)，反演研究區2014年全年4個季度的AOD； 在對其可靠性進行驗證的基礎上，分析研究區AOD時空變化特征。研究結果表明，AOD反演結果與MOD04_3K氣溶膠數據在整體變化趨勢上有較好的一致性，但同時也存在一定差異，尤其是在冬半年； 研究區AOD區域差異和季節變化明顯，總體表現為北部沿江AOD明顯高于南部，春夏季節高于秋冬季節，同時不同地區變化趨勢和幅度存在不同； AOD的時空變化強烈受到自然因素和人為因素2方面的影響。

MODIS； 氣溶膠光學厚度(AOD)； 改進的暗像元法； 池州市

0 引言

氣溶膠是指懸浮在大氣中的固體(如塵埃、煙粒等)和液體(如由水和冰組成的云霧滴、冰晶等)微粒與大氣載體共同組成的多相體系[1]。雖然氣溶膠占整個大氣的比重并不大[2]，但作為地-氣系統的重要組成部分，其對包括環境質量、氣候變化和人類健康等在內的諸多方面都有重大而深遠的影響[3-5]。已有研究表明[6]，高濃度氣溶膠在靜穩天氣條件下不斷積聚凝結增長是產生大范圍持續性霧霾天氣的主要因素。

氣溶膠最基本的光學特性可以用氣溶膠光學厚度(aerosol optical depth,AOD)來衡量，其定義為氣溶膠消光系數沿輻射傳輸路徑在垂直方向上的積分，為無量綱量[7]。AOD描述了氣溶膠對光的衰減作用，是表征大氣渾濁度的重要物理量，能夠在一定程度上反映區域空氣質量的好壞[8]。準確、及時獲取AOD的時空分布信息，對全面認識和掌握大氣中顆粒物污染程度及其變化特征有著重要意義。目前，AOD主要通過地基觀測和衛星遙感2種方式獲取。常規的地基觀測時效性強且數值準確，但受限于站點分布的不均，無法很好地反映較大范圍AOD的連續分布； 而衛星遙感則能很好地彌補這一不足，包括MODIS在內的各類光學遙感儀器已在此方面得到了廣泛應用[9]，成為目前監測區域AOD分布的一種有效手段。國際上，Kaufman等[10]在20世紀90年代提出了利用MODIS數據反演陸地上空AOD的方法，即暗像元法(dense dark vegetation,DDV)。Levy等[11]在DDV法的基礎上加以發展完善，進而提出了改進的DDV法(V5.2算法)，已作為一種經典算法在AOD遙感領域廣泛應用，MODIS標準氣溶膠產品(MOD04)就是以此算法為基礎生成的。在國內，毛節泰等[12]、李成才等[13]、劉桂青等[14]和段婧等[15]通過與地面實測數據進行對比驗證，對MODIS標準氣溶膠產品進行了時空變化分析； 趙秀娟等[16]利用DDV法反演并分析了蘭州地區AOD空間分布情況； 唐家奎等[17]利用Terra和Aqua雙星MODIS數據協同反演，最終獲取陸地上空AOD。作為主要是面向大區域尺度乃至世界范圍的氣溶膠監測與展示，MODIS標準氣溶膠產品最新的Collection 6數據集提供的MOD04_3K與之前的Collection 5數據集提供的MOD04_L2相比，星下點空間分辨率由10 km提高到了3 km； 但對池州市這樣的中小城市來說，其空間分辨率仍較低，難以滿足在該區域尺度上研究的需求。本文利用EOS MODIS L1B數據，以安徽省池州市為研究區，基于改進的DDV法(V5.2算法)反演得到空間分辨率為1 km的池州市AOD，通過與MOD04_3K數據進行可靠性對比驗證，分析池州市2014年全年4個季節的AOD時空分布變化特征。

1 數據與方法

1.1 研究區概況

池州市地處安徽省西南部(E116°38′～118°05′,N29°33′～30°51′)，長江下游南岸(圖1)。全市下轄1區3縣，分別為貴池區、東至縣、石臺縣和青陽縣。池州市境內地形地貌多樣，其東南部以九華山、牯牛降為主體構成南部山區骨架，是皖南山區的組成部分； 中部為崗沖相間的丘陵區； 西北部沿江地帶為洲圩區，地勢低平，河湖交錯。

圖1 研究區位置Fig.1 Location of study area

作為中國第一個國家生態經濟示范區，池州境內森林覆蓋率達59.2%，生態環境優良。但近年來，隨著社會經濟的發展，尤其是工業生產、汽車尾氣等人為因素的影響，使得氣溶膠的排放顯著增加，灰霾天氣頻發。據池州市氣象部門統計，2014年池州市出現霧霾的天數為129 d，霧霾天數超過了全年的1/3，發布相關預警22次，對池州市環境質量和居民健康造成了較大影響。因此，準確、及時地了解該地區大氣污染分布狀況及變化特征是十分迫切和必要的。

1.2 MODIS數據

本文使用的EOS MODIS數據包括MODIS L1B數據、云檢測數據(MOD35)、氣溶膠數據(MOD04_3K)和植被指數數據(MOD13A3)，除MOD04_3K空間分辨率為3 km外，其余均為1 km，選取時段均為2013年12月—2014年12月。其中MODIS L1B數據包括MOD02反射率數據和MOD03地理空間定位數據； MODIS植被指數產品(MOD13A3)選用標準的歸一化差值植被指數(normalized difference vegetation index,NDVI)，為逐月合成數據。上述數據均來自NASA_LAADS(level 1 and atmosphere archive and distribution system)網站(http: //ladsweb.nascom.nasa.gov/data/search.html)。

1.3 AOD反演方法

在大量實驗的基礎上，Kaufman等[10]發現在晴空潔凈(氣溶膠較少)大氣背景下，綠色植被覆蓋區的紅光(0.66 μm)、藍光(0.49 μm)波段反射率與中紅外(2.1 μm)波段存在一定關系。由于中紅外波段反射率主要由地表決定，受氣溶膠的影響較小，因此對于非潔凈大氣，紅光、藍光波段地表反射率可以通過與中紅外波段表觀反射率之間建立的簡單關系式估算得到，由此形成傳統的DDV法，即

(1)

Levy等[11]在此基礎上，考慮了散射角和NDVI對地表反射率的影響，進而提出了改進的DDV法(V5.2算法)，即

(2)

其中,

(3)

(4)

(5)

2 數據處理

2.1 MODIS數據預處理

利用MRTSwath工具軟件，基于MOD03數據對MOD02數據進行幾何糾正，將原始投影類型轉換為經緯度投影，并將影像DN值轉換為表觀反射率值。同理，分別利用MCTK和MRT工具對MOD04_3K和MOD13A3數據進行預處理，投影類型轉換為經緯度投影，并通過鑲嵌、裁剪處理將空間范圍選擇為池州市。

在利用改進的DDV法反演AOD時，云層會導致很大的反演誤差，因此在反演前需對影像進行云檢測。本文使用MOD35云檢測數據進行逐像元判定，剔除云像元。

2.2 多維查找表構建

本文借助6S大氣輻射傳輸模型，建立反演AOD所需的查找表(look up table,LUT)。根據研究區的地理位置及MODIS數據獲取時間(2013年12月—2014年12月)，氣溶膠模式選擇標準輻射大氣(standard radiation atmosphere,SRA)中的大陸型，大氣廓線分別選擇中緯度夏季大氣廓線(2014年4—9月)和中緯度冬季大氣廓線(2013年12月—2014年3月及2014年10—12月)，海拔高度設為0 km。用于構建6維LUT中的5維參數(6S模型輸入值)具體設置見表1，其中相對方位角為太陽與衛星的方位角之差； 還有1維參數為模擬得到的表觀反射率(6S模型輸出值)。

表1 LUT參數設置Tab.1 Parameters in LUT

2.3 地表反射率估算

選取中紅外(2.12 μm)波段表觀反射率范圍在0.01～0.15的像元為暗像元[18]，其地表反射率則根據改進的DDV法由式(2)―(5)估算得出。

2.4 反演插值與高度訂正

將MODIS影像逐像元的實際參數值(包括表觀反射率、估算的地表反射率、太陽和衛星的天頂角及相對方位角)代入LUT，進行多維查找比較，當其相一致時，則將LUT中該組合對應的AOD值賦給當前像元點； 其他值則采用線性內插的方法，從而獲取像元在550 nm 處的AOD反演初值。

由于前期在查找表中假定的像元海拔高度為0 km，而池州市境內地勢起伏較大，海拔高度不一，故需要根據實際海拔高度對AOD反演初值進行高度訂正[19](見式(6))，最終得到池州市AOD空間分布圖，即

(6)

式中：τz為經海拔高度訂正后的AOD；z為海拔高度，km；τ0為假定海拔高度為0 km狀態下的AOD反演初值。

3 結果與分析

3.1 反演結果及驗證

本文選取2013年12月—2014年12月獲取的池州市晴空區域較多的MODIS L1B數據影像共75景，逐月景數分別為19,10,1,5,2,5,2,4,0,1,9,4和13(其中8月份因有大面積云存在，故沒有符合條件的影像)，利用改進的DDV法最終獲得池州市1 km空間分辨率的AOD分布圖。

由于研究區內沒有地基氣溶膠觀測數據，而MOD04_3K數據被證實在陸地區域與AERONET地面觀測站點相關性較好[20]，其精度滿足期望誤差要求[21]。本文參考胡子梅[22]和張璐等[23]的研究方法，將AOD反演結果與同時間獲取的MOD04_3K產品數據進行比較(圖2)。

圖2 MODIS AOD反演結果與MOD04_3K數據對比Fig.2 Comparison between AOD retrieved from MODIS and MOD04_3K

從圖2可以看出，MODIS AOD反演結果與同時間的MOD04_3K產品數據在整體變化趨勢上有較好的一致性，但也存在一定的差異——整體上，產品值高于本文的反演值，總平均絕對誤差和相對誤差分別為0.19和51.63%； 季節上，冬半年(1—3月和10—12月)兩者差別較大且相關性較低，而夏半年則兩者差別較小且相關性顯著提升。除因空間分辨率不一致導致的整體差異外，由于MOD04_3K產品數據是采取對暗/亮目標使用不同方法(暗目標使用改進的DDV法，亮目標使用深藍算法)獲取AOD后融合的結果[24]，考慮冬半年地表植被覆蓋減少，符合改進的DDV法的總體程度下降，這可能是反演結果與MOD04_3K產品值在該季節存有較大偏差的原因。線性相關分析表明，本文的AOD反演值與產品值在0.01置信水平(雙側檢驗)下顯著相關，其Pearson相關系數為0.78。總體而言，本文的反演結果具有可信性，可以用來表征池州市AOD的時空分布并據此進行特征分析。

3.2 AOD空間分布特征

利用改進的DDV法得到池州市2014年1—12月共55景AOD影像，首先計算55景AOD總和，然后除以對應的有效像元(非0值)總景數，得到池州市2014年AOD均值分布情況(圖3)，其中0值為云、水體或亮地表覆蓋區。

圖3 2014年池州市AOD均值分布Fig.3 Spatial distribution of AOD average in Chizhou City in 2014

從圖3可以看出，2014年池州市AOD均值在空間分布上特征明顯，具體表現為北部沿江一線較高(一般在0.70以上)，中南部較低(基本都在0.40以下)。由于池州屬于皖南山區，境內多山，唯有沿江平原地勢平坦，適宜大面積聚集生產和生活，故沿江一線多為城鎮中心，也成為AOD高值區，并隨著城鎮規模的擴大而增高。

以貴池區、東至縣、石臺縣和青陽縣共1區3縣分地區進行統計，得到不同區域AOD統計值(表2)和AOD頻數分布(圖4)。

表2 2014年池州市各區縣AOD統計比較Tab.2 Comparison of AOD statistics in different regions of Chizhou City in 2014

圖4 2014年池州市各區縣AOD頻數分布比較Fig.4 Comparison of frequency distribution of AOD in different regions of Chizhou City in 2014

由表2和圖4可以看出，4個地區的AOD值分布差異明顯： 貴池區AOD值最高，均值為0.31，值域分布的最高頻數位于0.20～0.30； 青陽縣和東至縣次之，AOD均值分別為0.28和0.27，值域分布的最高頻數也都位于0.20～0.30； 而石臺縣AOD均值僅為0.20，為4個地區中最低，值域分布的最高頻數位于0.10～0.20，且聚集性較好，范圍集中，與其他3個地區差異明顯。

此外，由圖3可以看出，除北部沿江一線，在東至縣西南部、青陽縣中北部也存在AOD均值較高區域，這與各區域的城鎮化發展狀況及特殊的地理位置相關。東至縣西南部AOD值較高區域為龍泉鎮，作為承擔加快城鎮化進程和帶動周圍農村地區發展任務的全國重點鎮以及安徽省13個重點邊貿市場之一，龍泉鎮被賦以副縣級鎮級別，承擔了一系列的農村改革試點工作，2006年被省政府列為新農村建設示范鎮，鎮內有工業園區、溫泉度假村等，使得該地區AOD值較高，達到了0.50左右； 而青陽縣中部為縣城中心，是生產和生活聚集地，北部則為縣城中心的延伸，加之與貴池區沿江一線高值區相鄰，受其影響較大，因而出現較高的AOD值。與此相對應的是石臺縣，作為安徽省“兩山一湖”旅游經濟圈的重要組成部分，全縣生態環境優良，即使是石臺縣中部的縣城中心，其AOD值與周邊相比也未明顯偏高。

3.3 AOD季節變化特征

按季節分別統計2014年池州市4季AOD反演均值(圖5)，分析研究區AOD季節變化。4季的具體劃分為： 2013年12月―2014年2月為冬季(30景)，3月―5月為春季(12景)，6月―8月為夏季(6景)，9月―11月為秋季(14景)。

(a) 冬季 (b) 春季

(c) 夏季 (d) 秋季

圖52014年池州市4季AOD分布

Fig.5SpatialdistributionofAODinfourseasonsofChizhouCityin2014

從圖5可以看出，2014年池州市AOD值季節變化明顯，冬、春、夏、秋4個季節均值分別為0.15,0.41,0.36和0.23。總體上看，研究區AOD值春、夏季高，秋、冬季低。具體表現為： 冬季，研究區內AOD值普遍較低，AOD均值在4季中最低，值域范圍也最為集中(≤0.6)，整個研究區無明顯高值區域； 春季，AOD值呈爆發式增長，均值位列4季之首，高值區(>0.9)集中于北部沿江一帶，且呈現出NE―SW向連片分布并向SE方向延伸的趨勢，AOD高低值分界較為清晰，南北差異對比明顯； 夏季，AOD值小于春季但仍較高，在空間分布上與春季相比也有所不同，整個研究區AOD值分布較為均勻，北部沿江的高值有所下降，而南部的低值亦有所抬升，南北部之間的差異縮小，高低值之間界線不復存在； 秋季，整個研究區內AOD值回落明顯，雖然北部沿江一線仍為高值區，但范圍已顯著縮小且聚集度不高，在數值上與春、夏2季相比也有明顯降低。

進一步對貴池區、東至縣、石臺縣和青陽縣地區進行統計，得到不同區域4季AOD均值變化情況(圖6)。

圖6 2014年池州市各區縣4季AOD均值比較Fig.6 Comparison of mean values of AOD in four seasons of Chizhou City in 2014

由圖6可以看出，在總體上，貴池區和青陽縣AOD值較高，東至縣次之，石臺縣在4季中AOD值均為最低，且與其他3個地區差異較為明顯。季節變化上，除石臺縣外，貴池區、東至縣和青陽縣3個地區由冬季至秋季，均為先快速升高(冬季―春季)后緩慢下降(春季―夏季―秋季)，在這期間AOD值變化范圍在0.30左右，且均發生在相鄰季節(冬季―春季)，4季變化幅度大且急速； 而石臺縣為先緩慢上升(冬季―春季―夏季)再緩慢下降(夏季―秋季)，在這期間AOD值變化范圍為0.20，相鄰季節變化最大為0.17(冬季―春季)，4季變化幅度小且平穩。

3.4 AOD時空變化因素分析

3.4.1 自然因素

NDVI是反映植被覆蓋的一個重要指數[25]，圖7示出利用MOD13A3產品數據得到的池州市2014年NDVI均值分布。

圖7 2014年池州市NDVI空間分布Fig.7 Spatial distribution of NDVI in Chizhou City in 2014

由圖7可以看出，研究區內植被覆蓋由北部沿江一線向東南方向逐步增加，均值由0.64升至0.72，整體上南部高于北部(圖8)。

圖8 2014年池州市各區縣NDVI均值比較Fig.8 Comparison of mean values of NDVI in different regions of Chizhou City in 2014

研究區NDVI與AOD的定量回歸散點圖如圖9所示。

圖9 NDVI與AOD的散點圖Fig.9 Scatter diagram of AOD and NDVI

從圖9可以看出，在整體變化趨勢上，AOD隨著NDVI的增大而減小，兩者呈明顯的負相關性，具體變現為： 隨著NDVI的增大(<0.7)，AOD相應的迅速減小，之后(NDVI>0.7)則趨于平緩。AOD空間分布與植被茂密程度存在緊密聯系的原因很可能是由于地表植被的覆蓋能夠有效吸附空氣中的懸浮物，對大氣中的粉塵、微小顆粒具有阻擋、吸附、滯留和過濾的作用，從而達到“凈化”空氣的效果，抑制了AOD高值的產生。另外值得注意的是，AOD值分布在隨著NDVI值逐步增大的過程中，其聚集性明顯轉好。這是由于相比于高植被覆蓋區，低植被覆蓋區對于空氣中的氣溶膠顆粒的吸附凈化能力不足，主要表現在一方面無法有效阻滯如揚塵天氣導致的地面顆粒物懸浮于空氣中； 另一方面對來自周邊區域擴散的顆粒物也無法形成生態屏障、起到凈化作用，這使得該區域對源自本地區產生、周邊區域擴散或兩者兼而有之的顆粒物均易受到直接影響，導致在這一區域AOD值波動范圍大、聚集性差。

池州市處于亞洲大陸內陸，4季不同的天氣和氣候特點對AOD時空分布變化也會產生較大的影響。春季氣候干燥且風速較大，有利于本地揚塵天氣的產生，同時易受到北方地區在此季節多發的沙塵天氣的影響，加上季內有效降水并不多，導致AOD堆積升高。夏季氣溫和濕度都比較高，有利于“氣粒”轉化過程中氣溶膠的生成以及水溶性氣溶膠吸濕增長[26]，因而使得AOD維持在較高水平； 與此同時，混合層發展較高，對流發展旺盛，使得大氣交換比較充分，AOD在空間分布上表現得較為均勻，但季內尤其是梅雨期降水頻繁雨量充沛，雨水的沖刷通過濕沉降作用大大縮短了氣溶膠生命期[27]，不過仍遠高于秋、冬季。秋、冬季一般天氣晴好，氣溫及相對濕度較低，使得AOD相比于春、夏季進一步降低。

3.4.2 人為因素

除自然因素外，AOD的空間分布還強烈受到人類活動的影響。作為人類活動最為主要的承載體，每個城市因其自身特點(人口密度、土地資源、生活生產方式和城鎮化水平等)的不同而在AOD值上存在著差異[28]。本研究通過查詢2015年出版的池州市統計年鑒，統計了2014年池州市1區3縣共4個區縣的城市建設用地占比、人口密度以及工業和建筑業的生產總值，對比結果分別見圖10和圖11。

圖10 2014年池州市各區縣建設用地面積和城市人口密度Fig.10 Construction land area and urban population density in different regions of Chizhou City in 2014

圖11 2014年池州市各區縣工業和建筑業生產值Fig.11 Production values of industry and construction industry in different regions of Chizhou City in 2014

由圖10和圖11可以看出，就城鎮化水平而言，在4個地區中，貴池區城鎮化發展水平最高，其不論是城市建設用地面積還是城市人口密度都位居第一，分別為26 435 hm2和1 199人·km-2。東至縣和青陽縣次之，其中東至縣城市建設用地面積為第二，達18 733 hm2； 而青陽縣城市人口密度為第二，達788人·km-2。石臺縣最低，其城市建設用地面積和城市人口密度分別僅為3 109 hm2和137人·km-2。最高值與最低值之間相差近9倍，差異十分明顯。就工業化水平來看，貴池區依然位居第一，其工業和建筑業產值分別為756 874萬元和228 057萬元； 東至縣和青陽縣次之，分列第二和第三位； 石臺縣最低，工業和建筑業產值僅分別為63 371萬元和17 610萬元，兩者均僅連貴池區的一成都不到，存在很大差距。

縱觀圖3和圖5可以看出，AOD均值表現出與各區縣發展狀況相統一的現象。貴池區經濟發展迅速，其2014年GDP總量占全市的43%，同時工業和建筑業發達，加之城市建設用地面積和城市人口密度均較大，促使該地區AOD值維持在一個較高的范圍； 石臺縣則主要以農林業為主，城鎮化和工業化建設規模不大，使其本地AOD值較小； 而東至縣和青陽縣則居于貴池區和石臺縣之間。此外，一些較為集中的人類生產活動也會對該時段AOD的分布產生影響，如池州市的夏收季節，農民大量焚燒秸稈(一般集中于5月)，會導致空氣中的氣溶膠顆粒顯著增加，從而加劇該季節AOD值的上升。

4 結論

本文利用改進的DDV法(V5.2算法)反演了池州市2013年12月—2014年12月間的氣溶膠光學厚度(AOD)，并對其可靠性進行了驗證，對其時空分布及其變化因素進行了分析，得出結論如下：

1)本文AOD反演結果與MOD04_3K氣溶膠數據在整體變化趨勢上有較好的一致性，在0.01置信水平(雙側檢驗)下顯著相關，Pearson相關系數達0.78； 但同時也存在一定差異(尤其是在冬半年)，總平均絕對誤差和相對誤差均值分別為0.19和51.63%。除因兩者空間分辨率不同導致的差別外，主要與反演算法的差異有關。

2)2014年池州市AOD時空分布特征明顯，年均AOD值為0.27，整體表現為北部沿江一線較高(一般在0.70左右)，中南部較低(基本都在0.40以下)； 4季AOD值整體表現為春、夏季高(0.4左右)，秋、冬季低(0.2左右)； 1區3縣中，南部的石臺縣AOD年均值和季節均值均為最低，4季變化幅度小且平穩。

3)AOD的時空變化強烈受到自然因素(位置地形、天氣氣候和植被指數等)和人為因素(城鎮規模、人口密度和工業化水平等)2個方面的影響。相比于中南部，池州市北部沿江一線人口聚集度高，城鎮化和工業化水平較高，加之植被覆蓋度較低，造成其容易出現較高的AOD值； 同時，一些較為集中的人類生產活動(如春季的秸稈焚燒)也會對AOD值帶來不利影響。

[1] 章澄昌,周文賢.大氣氣溶膠教程[M].北京:氣象出版社,1995:2-3.

Zhang C C,Zhou W X.Atmospheric Aerosol Tutorial[M].Beijing:China Meteorological Press,1995:2-3.

[2] 王明星.氣溶膠與氣候[J].氣候與環境研究,2000,5(1):1-5.

Wang M X.Aerosol in relation to climate change[J].Climatic and Environmental Research,2000,5(1):1-5.

[3] Schwartz S E,Arnold F,Blanchet J P,et al.Group report:Connection between aerosol properties and forcing of climate[C]//Charlson R J,Heintzenberg J.Aerosol Forcing of Climate.1995:251-280.

[4] Hansen J,Sato M,Ruedy R.Radiative forcing and climate response[J].Journal of Geophysical Research,1997,102(D6):6831-6864.

[5] 任麗新,游榮高,呂位秀,等.城市大氣氣溶膠的物理化學特性及其對人體健康的影響[J].氣候與環境研究,1999,4(1):67-73.

Ren L X,You R G,Lyu W X,et al.The physical and chemical characteristics of aerosols in the urban region and their influence on human health[J].Climatic and Environmental Research,1999,4(1):67-73.

[6] 張小曳,孫俊英,王亞強,等.我國霧-霾成因及其治理的思考[J].科學通報,2013,58(13):1178-1187.

Zhang X Y,Sun J Y,Wang Y Q,et al.Factors contributing to haze and fog in China[J].Chinese Science Bulletin,2013,58(13):1178-1187.

[7] Charlson R J,Schwartz S E,Hales J M,et al.Climate forcing by anthropogenic aerosols[J].Science,1992,255(5043):423-430.

[8] 李成才,毛節泰,劉啟漢,等.利用MODIS光學厚度遙感產品研究北京及周邊地區的大氣污染[J].大氣科學,2003,27(5):869-880.

Li C C,Mao J T,Liu Q H,et al.Research on the air pollution in Beijing and its surroundings with MODIS AOD products[J].Chinese Journal of Atmospheric Sciences,2003,27(5):869-880.

[9] 陳良富,陶金花,王子峰,等.空氣質量衛星遙感監測技術進展[J].大氣與環境光學學報,2015,10(2):117-125.

Chen L F,Tao J H,Wang Z F,et al.Review of satellite remote sensing of air quality[J].Journal of Atmospheric and Environmental Optics,2015,10(2):117-125.

[10] Kaufman Y J,Wald A E,Remer L A,et al.The MODIS 2.1-μm channel-correlation with visible reflectance for use in remote sensing of aerosol[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(5):1286-1298.

[11] Levy R C,Remer L A,Mattoo S,et al.Second-generation operational algorithm:Retrieval of aerosol properties over land from inversion of moderate resolution imaging spectroradiometer spectral reflectance[J].Journal of Geophysical Research,2007,112(D13):D13211.

[12] 毛節泰,李成才,張軍華,等.MODIS衛星遙感北京地區氣溶膠光學厚度及與地面光度計遙感的對比[J].應用氣象學報,2002,13(S1):127-135.

Mao J T,Li C C,Zhang J H,et al.The comparison of remote sensing aerosol optical depth from MODIS data and ground sun-photometer observations[J].Journal of Applied Meteorological Science,2002,13(S1):127-135.

[13] 李成才,毛節泰,劉啟漢,等.利用MODIS研究中國東部地區氣溶膠光學厚度的分布和季節變化特征[J].科學通報,2003,48(19):2094-2010.

Li C C,Mao J T,Liu Q H,et al.Characteristics of distribution and seasonal variation of aerosol optical depth in eastern China with MODIS products[J].Chinese Science Bulletin,2003,48(22):2488-2495.

[14] 劉桂青,李成才,朱愛華,等.長江三角洲地區大氣氣溶膠光學厚度研究[J].環境保護,2003(8):50-54.

Liu G Q,Li C C,Zhu A H,et al.Optical depth research of atmospheric aerosol in the Yangtze River Delta region[J].Environmental Protection,2003(8):50-54.

[15] 段 婧,毛節泰.長江三角洲大氣氣溶膠光學厚度分布和變化趨勢研究[J].環境科學學報,2007,27(4):537-543.

Duan J,Mao J T.Study on the distribution and variation trends of atmospheric aerosol optical depth over the Yangtze River Delta[J].Acta Scientiae Circumstantiae,2007,27(4):537-543.

[16] 趙秀娟,陳長和,張 武,等.利用MODIS資料反演蘭州地區氣溶膠光學厚度[J].高原氣象,2005,24(1):97-103.

Zhao X J,Chen C H,Zhang W,et al.Retrieval of aerosol optical depth over Lanzhou area using MODIS data[J].Plateau Meteorology,2005,24(1):97-103.

[17] 唐家奎,薛 勇,虞 統,等.MODIS陸地氣溶膠遙感反演——利用TERRA和AQUA雙星MODIS數據協同反演算法[J].中國科學D輯(地球科學),2005,35(5):474-481.

Tang J K,Xue Y,Yu T,et al.Aerosol retrieval over land by exploiting the synergy of TERRA and AQUA MODIS data[J].Science in China Series D,2006,49(6):641-649.

[18] 李曉靜,劉玉潔,邱 紅,等.利用MODIS資料反演北京及其周邊地區氣溶膠光學厚度的方法研究[J].氣象學報,2003,61(5):580-591.

Li X J,Liu Y J,Qiu H,et al.Retrieval method for optical thickness of aerosds over Beijing and its vicinity by using the MODIS data[J].Acta Meteorologica Sinica,2003,61(5):580-591.

[19] 陳良富,李莘莘,陶金花,等.氣溶膠遙感定量反演研究與應用[M].北京:科學出版社,2011.

Chen L F,Li S S,Tao J H,et al.Research and Application on Quantitative Retrieval of Aerosol by Rremote Sensing[M].Beijing:Science Press,2011.

[20] Remer L A,Mattoo S,Levy R C,et al.MODIS 3 km aerosol product:Algorithm and global perspective[J].Atmospheric Measurement Techniques Discussions,2013,6(1):69-112.

[21] 孫曉雷,甘 偉,林 燕,等.MODIS 3 km氣溶膠光學厚度產品檢驗及其環境空氣質量指示[J].環境科學學報,2015,35(6):1657-1666.

Sun X L,Gan W,Lin Y,et al.Validation of MODIS 3 km aerosol optical depth product and its air quality indication[J].Acta Scientiae Circumstantiae,2015,35(6):1657-1666.

[22] 胡子梅.基于衛星遙感和地面監測數據的上海市氣溶膠污染研究[D].上海:華東師范大學,2014.

Hu Z M.Aerosol Pollution Research in Shanghai Based on Satellite Remote Sensing and Ground Monitoring Data[D].Shanghai:East China Normal University,2014.

[23] 張 璐,施潤和,李 龍.基于HJ-1衛星數據反演長江三角洲地區氣溶膠光學厚度[J].遙感技術與應用,2016,31(2):290-296.

Zhang L,Shi R H,Li L.Retrieval of aerosol optical depth using HJ-1 data over the Yangtze River Delta[J].Remote Sensing Technology and Application,2016,31(2):290-296.

[24] Levy R C,Mattoo S,Munchak L A,et al.The collection 6 MODIS aerosol products over land and ocean[J].Atmospheric Measurement Techniques,2013,6(11):2989-3034.

[25] 楊 嘯.基于時序NDVI的湖北省植被覆蓋動態變化監測分析[J].長江流域資源與環境,2013,22(2):226-231.

Yang X.Dynamic change monitoring and analysis of vegetation cover in Hubei Province based on time series NDVI data[J].Resources and Environment in the Yangtze Basin,2013,22(2):226-231.

[26] 關佳欣,李成才.我國中、東部主要地區氣溶膠光學厚度的分布和變化[J].北京大學學報(自然科學版),2010,46(2):185-191.

Guan J X,Li C C.Spatial distributions and changes of aerosol optical depth over eastern and central China[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2010,46(2):185-191.

[27] 劉桂青,毛節泰,李成才.長江三角洲地區大氣氣溶膠光學厚度研究[J].上海環境科學,2003(S1):58-63,193.

Liu G Q,Mao J T,Li C C.Optical depth study on atmospheric aerosol in Yangtze River Delta region[J].Shanghai Environmental Sciences,2003(S1):58-63,193.

[28] 張明明,劉振波,葛云健.江蘇省大氣氣溶膠光學厚度時空分布研究[J].長江流域資源與環境,2014,23(12):1775-1782.

Zhang M M,Liu Z B,Ge Y J.Spatio-temporal distribution of atmospheric aerosol optical depth in Jiangsu Province[J].Resources and Environment in the Yangtze Basin,2014,23(12):1775-1782.

TemporalandspatialdistributionofaerosolopticaldepthinChizhoubasedonsatelliteremotesensing

ZHANG Mingming， CHENG Dongbing， QI Jianhua， HU Jianchun， LUO Jing

(ChizhouMeteorologicalBureauofAnhui，Chizhou247100，China)

Aerosol optical depth (AOD) is a key indicator of the atmospheric environment, which can be used to represent the degree of atmospheric pollution. Obtaining AOD by satellite remote sensing can make up for the lack of the spatial distribution of AOD and the trend of overall change by ground-based observation. With Chizhou City as the study area, the authors retrieved AOD of four seasons in 2014 using the improved dense dark vegetation method(V5.2 method)based on EOS-MODIS data and analyzed spatial and temporal distribution of AOD after verifying its reliability. The research results show that there is a good consistency in the overall change trend between the AOD retrieved from MODIS and that from MOD04_3K, but they also have some differences, especially in the winter half year. There is a remarkable difference of AOD distribution both regionally and seasonally. Overall performance in the northern part of the AOD is significantly higher than in the south, and spring and summer seasons are higher than the autumn and winter seasons, while different regional trends are different. The temporal and spatial changes of AOD are strongly influenced by natural factors and human factors.

MODIS； aerosol optical depth(AOD); improved dense dark vegetation method； Chizhou City

10.6046/gtzyyg.2017.04.22

張明明,程東兵,齊建華,等.基于衛星遙感的池州市氣溶膠光學厚度時空分布[J].國土資源遙感,2017,29(4)：147-155.(Zhang M M,Cheng D B,Qi J H,et al.Temporal and spatial distribution of aerosol optical depth in Chizhou based on satellite remote sensing[J].Remote Sensing for Land and Resources,2017,29(4)：147-155.)

TP 751.1; X 513; P 407

A

1001-070X(2017)04-0147-09

2016-06-21；

2016-07-28

安徽省氣象局碩博士工作啟動經費項目“基于衛星遙感和地面監測數據的池州市氣溶膠分布研究”(編號： C201527)資助。

張明明(1989-),男,碩士,助理工程師,主要從事天氣預報和環境氣象方面的研究。Email： zhangmingming_5310@126.com。

(責任編輯：李瑜)