中亞近地面CO2濃度時空分布及驅動因子分析

曹良中，葉輝，張力，駱宗萬，王軍邦

(1.九江學院 旅游與地理學院，江西 九江 332005；2.中國科學院地理科學與資源研究所 生態系統網絡觀測與模擬重點實驗室，北京 100101)

0 引言

大氣二氧化碳(carbon dioxide，CO2)濃度的時空格局動態具有重要的環境效應。一方面，作為人類活動所產生的主要溫室氣體，CO2濃度上升對全球氣候變化產生了顯著影響[1]；另一方面，作為植物光合作用的碳源，CO2濃度上升刺激了全球植被生產力增長[2]。由于較高的CO2濃度有助于降低氣孔導度和蒸騰耗水，因此近地面CO2濃度變化同干旱區植被水分利用效率及其生產力密切相關[3]。針對中亞干旱區的模擬研究表明，CO2施肥效應是1981—2007年間干旱區碳動態的主要控制因子[4]。因此，揭示近地表CO2的時空格局對模擬氣候變化背景下干旱區植被水分利用效率動態，預測未來CO2排放情景下荒漠植被生產力和生態穩定性具有重要意義。盡管如此，由于CO2地面觀測站點稀缺且測量方法不統一[5]，加上CO2源匯機制和大氣傳輸過程非常復雜而難以模擬，長期以來缺乏可靠的近地表CO2空間數據，致使對CO2的時空特征的理解不足[6]。由于空間數據的缺乏，大量區域和全球尺度的生態研究僅能參考來自于少數海島觀測的全球年均CO2背景值，卻忽視了近地表CO2濃度的時空異質性，因而對研究結果造成了很大的不確定性。隨著CO2衛星遙感技術的發展，近期已可以對全球CO2格局進行長期、穩定和高頻度(6 h)的觀測[7]。根據大氣CO2吸收光譜的不同，國外現有的CO2遙感平臺分為兩種，一種是利用熱紅外發射光譜觀測的傳感器，如搭載在Aqua衛星上大氣紅外探測儀(atmospheric infrared sounder，AIRS)及Metop A(meteorological operational-A)衛星上的高光譜紅外探測儀(infrared atmospheric sounding interferometer，IASI)，該類型傳感器主要對大氣中高層CO2濃度敏感，難以探測到近地面CO2濃度變化；另一種是利用近紅外反射太陽光譜來觀測的傳感器，如搭載在環境衛星(environmental satellite，ENVISAT)上的大氣掃描成像吸收光譜儀(scanning imaging absorption spectrometer for atmospheric chartographY，SCIAMACHY)及溫室氣體觀測衛星(greenhouse gases observing satellite，GOSAT)上的熱紅外及近紅外碳觀測傳感器(thermal and near-infrared sensor for carbon observation，TANSO)以及軌道碳觀測衛星(orbiting carbon observatory-2，OCO-2)搭載的一個三波段光柵式高光譜CO2探測儀，其中后者于2014年7月發射，現階段僅提供大氣CO2柱濃度數據。在國內，目前已有多個可以進行CO2觀測的近紅外高光譜觀測儀器，包括中國風云三號氣象衛星02批D星(FY-3D)高光譜溫室氣體監測儀(greenhouse gases absorption spectrometer，GAS)、碳衛星(TanSat)高光譜CO2探測儀(TanSat CO2spectrometer，TSCS)以及高分5號(GF-5)衛星搭載的大氣溫室氣體監測儀(greenhouse gases monitoring instrument-Ⅱ，GMI-Ⅱ)。目前國內尚未發布大氣近地面CO2產品。作為世界第一顆專門用于觀測溫室氣體的衛星，GOSAT衛星為CO2格局研究提供了相對較長的時間序列信息，已經被廣泛用于檢測CO2碳源分布。然而，較少有研究采用GOSAT遙感數據定量闡明CO2分布規律的控制機理[8]。這主要是因為此前研究所關注的地區，如歐美都市圈、中國東部發達地區的地表碳源(如城市、工業區、交通網)和碳匯(如農田、自然植被)具有高度的空間異質性，在每個2.5°×2.5°的GOSAT像元內強烈的碳源和碳匯密集交揉，無法分離各種控制因子。此外，這些區域的氣候系統一般比較復雜，盛行風向不定，難以分析周邊地區碳源輸送對研究區內CO2格局的影響。

鑒于此，本文將研究區域設在中亞干旱區。選擇該區域的優勢在于以下四個方面。1)由于荒漠植被對CO2響應敏感，因此闡明該區域CO2的分布格局具有重要的生態應用價值。2)該區域內的碳源主要集中在天山北坡城市群一帶，除了少數中小城鎮外，缺乏明顯碳源。碳匯主要以成片分布的森林、草原和大農場為主。在各種碳源/匯間往往以凈碳通量極低的荒漠區隔。其較為簡單和大粒度的地表源/匯格局有利于配合較粗分辨率的GOSAT數據開展分析。3)該區域遠離海洋碳匯的復雜影響，而且其氣候常年在西風環流的穩定控制下，各子區域的四季盛行風格局穩定，區域外碳源(歐洲工業區)輸入明確。這些因素都有利于簡化碳源匯機制的分析難度。4)作為陸上絲綢之路經濟帶的核心區，開展CO2時空格局監控對管理碳源/匯，實現一帶一路的低碳建設具有重要的參考價值。

基于以上考慮，本研究基于GOSAT衛星近地面CO2數據產品，分析了中亞干旱區2009—2012 年CO2濃度的分布特征及其年、季的變化特征，并結合研究區內社會經濟數據、生態數據、氣象數據，分析了中亞近地面CO2濃度的時空分布格局及其源匯控制機理。

1 資料與方法

1.1 研究區

研究區包括中亞五國(哈薩克斯坦、烏茲別克斯坦、土庫曼斯坦、吉爾吉斯坦、塔吉克斯坦)和中國新疆。該區域地處歐亞大陸腹地，介于34.17°N～55.73°N，46.33°E～96.47°E之間，面積為5.638×106km2，占全球干旱區總面積的1/3，是北半球中緯度地帶最具代表性的干旱區之一[9]。其中中亞五國地形主要以丘陵和平原為主，西部和中部為廣闊的平原，北部主要以丘陵為主，而東部則是天山山脈和帕米爾高原，具有明顯的西高冬低的特征。新疆的地形特點是山脈與盆地相間排列，由北向南構成“三山夾兩盆”的地形格局。以天山山脈為中軸，把新疆分為北疆和南疆兩個自然條件迥異的區域。該區域具有強烈的地理異質性、復雜的氣候條件，以及受水分脅迫的植被群落，對全球氣候變化的響應較為敏感[10]。

1.2 數據與方法

本研究使用了多套數據集，包括GOSAT L4B(Level 4B)CO2數據產品、世界溫室氣體數據中心(World Data Centre for Greenhouse Gases，WDCGG)大氣濃度本底站CO2數據產品、氣候研究中心(Climatic Research Unit，CRU)降水數據、美國國家環境預報中心(National Centers for Environmental Prediction，NCEP)/美國國家大氣研究中心(National Center for Atmospheric Research，NCAR)地表溫度再分析數據、中分辨率成像光譜儀(moderate resolution imaging spectroradiometer，MODIS)凈初級生產力(net primary productivity，NPP)年數據、世界發展銀行能源消費數據、中國統計年鑒、數字高程模型(digital elevation model，DEM)數據以及風場數據。

GOSAT衛星于2009年1月23號成功發射，是全球第一顆專門用來測量CO2和CH4的衛星平臺[11]。其后繼衛星GOSAT-2衛星于2018年10月29日成功發射，但目前尚未發布近地面CO2產品。本文所使用的2009年6月至2012年5月之間的GOSAT v2.03的近地面(975 hPa level)CO2L4B產品地面分辨率為2.5°×2.5°，時間分辨率為6 h(http：//data.GOSAT.nies.go.jp/GOSATUserInterface Gateway/guig/GuigPage/open.do)。在應用GOSAT數據研究中亞干旱區近地面CO2濃度時空分布特征之前，需要對GOSAT數據反演出的近地面CO2濃度進行可靠性評價，本文采用WDCGG大氣濃度本底站觀測數據(http：//ds.data.jma.go.jp/gmd/wdcgg/wdcgg.html)對GOSAT反演出的近地面CO2產品進行精度驗證。因研究區內缺少站點數據，因而選用研究區周圍最鄰近的10個站點數據作為驗證數據，其詳細信息如表1所示。

表1 2009年6月—2012年5月本底站觀測值與GOSAT CO2反演結果比較

在分析降水以及溫度對研究區內近地面CO2濃度季節變化的影響時，選取CRU開發的CRU TS v4.05(CRU Time series version 4.05)逐月降水數據集(https：//sites.uea.ac.uk/cru/data/)以及NCEP/NCAR開發的逐月溫度再分析數據(https：//www.esrl. noaa.gov/psd/data/reanalysis/reanalysis.shtml)進行后續分析，其中降水產品的空間分辨率為0.5°×0.5°，溫度產品的空間分辨率為2.5°×2.5°，時間覆蓋范圍均為2009年6月至2012年5月。

為了探討中亞干旱區近地面CO2濃度與能源消耗的相互關系，本文統計了世界發展銀行與中國統計年鑒[12]的能源消費數據。為了探討中亞干旱區植被碳匯對近地面CO2濃度的影響，本文采用MODIS年均NPP產品(MOD17A3，1 km×1 km；http：//www. ntsg.umt.edu/project/mod17)分析其對近地面CO2濃度空間分布的影響。作為影響近地面CO2濃度最重要的氣象因素[13]，盛行風的風速風向對近地面CO2的空間分布具有重要影響。本文所采用的近地面風場數據(975 hPa)來源于再分析資料ERA-Interim，數據水平分辨率為0.75°×0.75°，時間分辨率為6 h(http：//www.ecmwf.int/en/research/climate-reanalysis/era-interim)。本文采用相關分析方法來分析上述人類活動與自然因素對近地面CO2空間分布的影響。

2 結果

2.1 GOSAT衛星數據的地基驗證

通過10個大氣濃度本底站CO2觀測數據對GOSAT近地面CO2濃度的驗證，可以發現在三年間，(2009年6月—2012年5月)地面觀測值與GOSAT反演結果之間具有高度相關性(R2=0.868，RMSE=2.644)(圖1)。

圖1 GOSAT反演出的近地面CO2濃度與大氣濃度本底站實測CO2濃度間的點對點比較(2009年6月—2012年5月)

由表1的統計結果可以看出，所有大氣濃度本底站的觀測值與GOSAT反演結果之間的相關系數均大于0.8，月平均偏差均小于三百萬分之一ppmv(parts per million by volume)(1 ppmv=1 μL/L)，而CO2的季節波動平均值約為5 ppmv[14]，可見 GOSAT反演結果可以用來捕捉CO2的季節波動特征。基于大氣濃度本底站獲得的各站點CO2濃度年均增長率的平均值為2.191 ppmv·a-1，而對應的衛星反演結果顯示年增長率為2.483 ppmv·a-1，兩者偏差小于0.3 ppmv·a-1，說明GOSAT反演數據能夠很好地捕捉 CO2年際變化規律。Rayner等[15]研究證明，當CO2濃度精度優于1%(誤差小于4 ppmv)時，可以減小對區域CO2源匯估計的不確定性。綜上所述，GOSAT L4B近地面CO2濃度數據精度高、穩定性好，可以用于中亞干旱區近地面CO2濃度時空分布特征的分析。

2.2 中亞干旱區近地面CO2濃度時空分布特征

中亞干旱區多年(2009年6月—2012年5月)平均近地面CO2濃度分布呈現出明顯的空間異質性。高值區主要分布在哈薩克斯坦北部、西部，土庫曼斯坦的西南部以及烏茲別克斯坦、吉爾吉斯坦、塔吉克斯坦三國接壤地區，低值區主要分布在新疆以及哈薩克斯坦的東部、中部地區(圖2)。

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2020)4403號的標準地圖制作，底圖無修改。圖2 中亞地區近地面CO2濃度多年年均CO2空間分布(2009年6月—2012年5月)

中亞干旱區近地面CO2濃度的年、季節濃度統計結果如表2所示。六個國家/地區中，年平均濃度最高的區域為土庫曼斯坦，濃度為391.853 ppmv，年平均濃度最小的區域為中國新疆地區，濃度為390.927 ppmv。在年均增長率方面，三年間年均增長率最高的區域為塔吉克斯坦，年均增長2.515 ppmv·a-1，比增長速度最慢的新疆地區高出了12%。

中亞干旱區近地面CO2濃度在季節與月變化方面，呈現出了明顯的季節、月循環特征，如圖3所示。從圖3(b)可以看出，六個區域近地面CO2濃度在一年中每個季節都比上一年對應季節的近地面CO2濃度要高。中亞干旱區近地面CO2濃度除了在2011年11月比2010年11月減少0.328 ppmv外，在其他月份近地面CO2濃度都比上一年相同月份濃度高(圖3(a))，反映出大氣CO2持續增長的事實。從多年月平均值來看(圖3(c))，新疆地區在4月份達到最大值，而其他中亞國家則是在3月份達到最大值；六個區域中除了哈薩克斯坦在7月份達到最小值以外，其他五個地區則是在8月達到最小值。在季節變化方面(圖3(d))，六個區域近地面CO2濃度均是在夏季取得最小值，哈薩克斯坦、新疆地區在春季達到最大值，而其他四個區域則是在冬季達到四季中的最大值。相鄰季節之間的浮動最大的是春季到夏季之間的變化，浮動最小的季節是冬季到春季之間的變化。由表2可知，中亞干旱區相鄰季節之間浮動的平均值為4.933 ppmv，相鄰季節之間浮動最大的區域為哈薩克斯坦，其浮動的平均值為浮動最小區域新疆地區的1.43倍。

表2 2009年6月—2012年5月間中亞干旱區年、季節變化統計

圖3 中亞干旱區2009年6月—2012年5月間近地面CO2濃度

3 討論

3.1 中亞干旱區近地面CO2濃度季節變化特征影響因素分析

為了分析中亞地區近地面CO2濃度季節變化的影響因素，本文計算了研究區內近地面CO2濃度、降雨以及溫度多年(2009年6月—2012年5月)月平均值以及它們之間的相關系數(圖4)。由圖4(a)可知，中亞干旱區在春季(3月)近地面CO2濃度達到最高，夏季(8月)近地面CO2濃度最低，3—8月是全年近地面CO2濃度下降期，其中5—6月下降幅度最大(5.57 ppmv)；秋季CO2濃度呈現出上升趨勢，冬季CO2濃度持續增高，到了春季達到頂峰。研究區內近地面CO2濃度呈現這種季節變化規律的主要原因分析如下。1)在冬季和春季，中亞干旱區集中供暖，消耗大量的天然氣、煤炭、石油等化石能源，由此產生的大量CO2被排放到大氣中。2)春冬季植物處于休眠期和復蘇期，植物的呼吸作用強而光合作用較弱，對CO2吸收能力較差，集中排放與弱消耗導致該時期大氣CO2濃度劇増，造成大氣中CO2濃度升高。3)冬季氣溫較低不利于植物落葉分解，土壤微生物活動也受到抑制，春季后期氣溫開始上升，土壤微生物活動加強使得CO2從送些生物質中被分解釋放出來，同時還釋放了土壤中的CO2，因此衛星觀測到的CO2近地面CO2最高值出現在3月。4)由圖4(b)可以看出，降水與近地面CO2濃度相關性較差(R2=0.162，p<0.01)，其主要原因可能是降水通過影響植被光合作用進而對近地面CO2濃度產生作用，然而中亞屬于干旱、半干旱地區，常年降雨較少，植被用水主要以冰雪融水為主，尤其是夏季，因而降雨量與近地面CO2濃度相關性較差。由圖4(c)可知，溫度與近地面CO2濃度呈強負相關關系(R2=0.653，p<0.01)。溫度通過影響光合作用效率進而影響植被對CO2的吸收，在一定范圍內溫度升高，植被吸收CO2能力增強，進而導致近地面CO2濃度降低。在3—8月份，隨著光照強度、溫度的上升、冰雪融化供水增加，光合作用效率提高，從而使該時期近地面大氣CO2濃度逐漸降低。

研究表明，中亞干旱區CO2的年內季節波動最大，可達12.363 ppmv，遠高于同期世界CO2的年內季節變化量(4.3 ppmv)[15]。忽略CO2的季節和空間變異，會嚴重影響到生態系統模型對干旱區植被生產力和碳動態的預測精度。

圖4 中亞近地面CO2濃度、溫度、降水多年月平均變化趨勢及關系

3.2 中亞干旱區近地面CO2濃度空間分布異質性影響因素分析

圖5展示了2010年(2010年1月—2010年12月)中亞干旱區盛行風風向、風速以及以等直線表示的近地面CO2濃度的分布情況。由圖中可以看出：哈薩克斯坦北部盛行東南風，西部盛行西風，南部與阿富汗接壤的地區盛行南風；在地形上中亞五國西低東高；在CO2的分布上，由于獨特的地理位置，在周圍的國家和地區中，除了南部的阿富汗以及西部的中國新疆以外，其他地區均是CO2強排放區。在以上三種因素的綜合作用下，中亞五國北部、西部、西南部CO2濃度較高，中部、東部、南部、東南部CO2濃度較低。

圖5 中亞及周邊區域近地面CO2濃度分布及盛行風風速、風向示意圖

為了討論風對中亞五國的影響，劃定圖5中矩形區域為感興趣區討論風在該區域的作用。在不考慮CO2擴散的情況下，區域內人煙稀少，植被覆蓋度大體相同，因而從理論上講，區域內的CO2濃度應該大體相當。但是通過繪制CO2等值線，本研究清晰地發現自西向東，在風的影響下CO2濃度西高東低。而CO2等值線之間的距離代表了風從西邊帶來的CO2對本地區的影響。由圖5可知，自西向東，CO2等值線之間的距離先是逐漸增大，到達中亞干旱區中部后又逐漸減小，這表明由西向東風對CO2的擴散作用逐漸降低，到達中亞五國中部以后，另外一個因素——陸地生態系統對該區域內CO2濃度分布起著支配作用。

本研究通過在中亞區域內選取若干個研究區，提取該區域內NPP以及對應的CO2平均濃度來說明該區域內CO2的支配因素(圖6)。如圖6(a)所示，首先在中亞五國區域內及邊界附近采用等大的矩形框均勻選取23個采樣點，統計這些樣點內的NPP以及近地面CO2的平均濃度。由圖6(b)可以看出，NPP與CO2濃度具有負相關的特征，但是相關性較差(圖6(b)，R2=0.402)。當去掉靠近邊界那些受風影響較大的采樣點，而只保留中亞干旱區中部、東部的采樣點后(圖6(c))，NPP與CO2濃度呈現出較強的負相關特征(圖6(d)，R2=0.795)。

注：該圖基于自然資源部標準地圖服務下載的審圖號為GS(2020)4403號的標準地圖制作，底圖無修改。圖6 不同采樣方案下中亞五國近地面CO2濃度與NPP關系

綜上所述，受地形地貌、風速風向的影響，中亞五國CO2濃度在整體上與陸地生態系統在統計學上并不具備相關性，但是在伴隨著風對西部CO2擴散影響的減弱，從中部到東部區域，陸地生態系統對近地面CO2濃度的空間分布起主導作用。

從圖7可以看出，在國家尺度上，中亞五國近地面CO2濃度與固體能源、液體能源以及氣體能源消費時所排放的CO2總量呈正相關關系，且相關性較強(圖7(b)，R2=0.421，p<0.01)。這一結果表明，中亞五國近地面CO2濃度的分布不僅受周邊國家CO2排放的影響，本地區能源消耗產生的CO2對本地區CO2濃度分布亦有影響。

由于風對來自西部CO2擴散作用的逐漸減弱，以及天山和帕米爾高原的阻隔，使得新疆地區沒有受到西部CO2濃度擴散的影響。得益于其獨特的三山夾兩盆的地形，使得新疆CO2濃度較少受到外區域CO2濃度擴散的影響。由2010年CO2濃度空間分布圖可以看出，新疆CO2濃度空間分布具有以下特征：以天山為界限，北疆CO2濃度明顯大于南疆CO2濃度。通過分析新疆地區不同地市的能源消耗排放CO2量、新疆地區NPP數據(圖8)，本文可以得出如下結論：新疆CO2分布的空間異質性主要是由能源消費所引起，盡管新疆北部的阿勒泰、塔城地區能源消耗較少，但是在西北風的影響下，其濃度較高，NPP對新疆地區的影響并不顯著。

圖7 中亞五國能源消費所產生的CO2排放量與該區域近地面CO2濃度

注：該圖基于新疆維吾爾自治區自然資源廳網站下載的審圖號為新S(2019)044號的標準地圖制作，底圖無修改。圖8 新疆地區各縣市能源消費量、盛行風風速風向及NPP空間分布(2010年)

4 結束語

本文借助于GOSAT近地面CO2產品以及相關的輔助數據，對中亞干旱區近地面CO2濃度及其影響因素進行了研究，主要的結論歸納如下。

1)GOSAT反演的近地面CO2產品與中亞干旱區周圍的10個站點具有高度的相關性，相關系數均大于0.8，月平均偏差小于3 ppmv。GOSAT結果具有高精度、高穩定性，可以用來捕獲近地面CO2的季節以及年際變化特征。

2)中亞干旱區近地面CO2濃度分布具有明顯的空間異質性。中亞干旱區近地面CO2濃度東部高于西部，中亞五國靠近邊界的濃度高于中部的濃度，高值區呈現“?”形分布。

3)中亞干旱區近地面CO2呈現出年增長趨勢，年均增長率為2.442 ppmv·a-1，反映在季節與月份上，除個別月份外，各個季節近地面CO2濃度相較于上一年相同季節的濃度值均有所增長。在季節與月變化方面，呈現出季節循環與月循環特征。

4)中亞干旱區近地面CO2濃度在時間變化上的變化特征主要是受到陸地生態系統光合作用與呼吸作用、供暖等的影響，在不同季節起決定性作用的因素不同。在空間變化上，受地形與盛行風影響，中亞五國CO2濃度的空間分布受到周邊國家CO2排放的影響，隨著CO2濃度擴散影響的逐漸減弱，中亞五國中部以及東部受NPP影響較為顯著。受地形影響，新疆近地面CO2濃度較少受到區域外CO2濃度擴散的影響，空間異質性主要是由能源消費以及盛行風的影響，NPP對CO2濃度的影響并不顯著。

盡管本文對中亞地區近地面CO2濃度時間分布特征的影響因素進行了分析，但是由于GOSAT反演的CO2濃度數據時間尺度較短，對進一步深入分析形成障礙，以上問題將是下一步研究的重點。