2021, Vol. 41
[PDF全文]
2. 辽宁省沈阳生态环境监测中心, 沈阳 110000
2. Shenyang Ecological Environment Monitoring Center of Liaoning Province, Shenyang 110000
大气气溶胶是指悬浮在大气中的固态或液态的微小颗粒, 是影响气候变化的重要因子(唐孝炎等, 2006; 陈洪滨等, 2018).气溶胶粒子通过吸收、散射或通过充当云和冰晶的凝结核, 直接或间接影响气候系统(石广玉等, 2008; 张小曳, 2014).然而, 大气气溶胶的分布不均匀, 缺乏对其全面、长期的观测数据以及气溶胶的辐射强迫作用等导致气溶胶对气候变化的影响程度存在不确定性(IPCC, 2013).由于不同的气象条件, 不同的地势地貌, 不同的植被类型等因素的影响, 气溶胶的时空分布特征也不相同.气溶胶光学厚度及气溶胶粒径大小对气候的影响也各不相同.因此详细地了解气溶胶光学特性及其时空分布特征也是进一步阐明气溶胶辐射强迫机制的研究基础.
气溶胶光学厚度(aerosol optical depth, AOD)和Angstrom波长指数(AE)是表征大气气溶胶光学特征的重要参量, 也可以推算大气气溶胶的含量; 其中AE数值越大说明粒子越小, 可用来粗略估计气溶胶的来源.目前广泛运用的气溶胶监测手段主要有地基观测和卫星监测.其中地基气溶胶遥感观测网(AERONET)的气溶胶产品精度高, 多为单点观测, 但无法获取到连续的、大范围的气溶胶光学特征(王宏斌等, 2014; 张勇等, 2014); 卫星监测具有覆盖面积广、数据获取较方便等优势, 被国内外学者广泛运用(唐家奎等, 2005; Liu et al., 2018).搭载在Terra/Aqua卫星上的中分辨率成像光谱仪MODIS气溶胶的算法不断改进, 最新的C6.1版数据质量良好(Che et al., 2019).已有学者利用MODIS数据对中国地区气溶胶的时空变化开展了大量研究, 其中有部分研究证明MODIS气溶胶产品具有较高的精度(Levy et al., 2009; 王宏斌等, 2016; Tian et al. 2019; 王海林等, 2019).此外, 王银牌等(2018)、柳晶(2008)和张小娟(2014)发现中国西北的新疆南部地区存在气溶胶光学厚度的高值区, 主要受沙尘天气影响.赵仕伟等(2017a;2017b)得到2005—2015年塔里木盆地和关中盆地是AOD得高值区, 发现西北地区AOD在2011年起呈缓慢下降趋势, 并分析出西北地区Angstrom波长指数与AOD存在相反的季节变化.Wang等(2017)分析了2001—2016年中国北部的气溶胶数据, 发现青海、内蒙古北部等存在下降趋势, 但新疆南部及北部等出现显著增加趋势.王跃思等(2006)利用典型区域的AOD、Angstrom混浊系数和Angstrom波长指数, 研究出北部荒漠地区气溶胶主要有大粒径的大陆型气溶胶和沙尘气溶胶.张明远(2019)利用2001—2017年MODIS AOD数据, 得到了新疆年均AOD最高值变化范围为0.4~0.7, 年降水量与AOD具有较高的相关系数.胡俊等(2018)和李霞等(2005)分别从MODIS遥感与太阳光度计数据分析出乌鲁木齐的气溶胶光学厚度受春季沙尘天气的影响, 表现为AOD值在春季最大, 夏季、冬季次之.李慧娟等(2018)结合地面能见度与相对湿度研究北疆地区AOD与PM10质量浓度的相关系数达到0.755, 呈显著正相关.林泓锦等(2018)分析出内蒙古中西部及东北部存在AOD高值区, 这些地区存在人为源气溶胶粒子影响, 内蒙古西部气溶胶主要以沙尘气溶胶为主.相较于中国北方(李一凡等, 2017)和东部(茆佳佳等, 2011; Tan et al., 2015)等经济发达地区, 西北干旱与半干旱地区的气溶胶研究较少.本文基于MODIS C6.1版气溶胶数集(空间分辨率为0.1°×0.1°), 分析西北地区(内蒙古、陕西、宁夏、甘肃、青海和新疆等)近16年来的气溶胶光学厚度和Angstrom波长指数的时空变化特征以及影响气溶胶光学厚度的气象因素, 以期为西北地区城市的经济发展及大气环境治理提供科学依据.
2 材料与方法(Materials and methods) 2.1 研究区域选取中国西北地区(73°~126°E, 31°~54°N)作为研究对象, 包括内蒙古、陕西、宁夏、甘肃、青海、新疆等6个省市(图 1).西北地区地形以高原、盆地和山地为主.该区域大部分地区属于中温带大陆性气候, 局部属于高寒气候, 冬季严寒而干燥, 夏季高温.其中高山环绕的塔克拉玛干沙漠以及内蒙古戈壁荒漠是中国地区的沙尘源区.沙漠气溶胶是西北地区最主要的气溶胶类型之一, 再加上农业、工业以及交通运输等排放的空气污染物, 使得西北地区气溶胶类型更为复杂多样.
 |
| 图 1 研究区域位置和站点的位置分布 Fig. 1 Location of the study area and site location distribution |
本文选用2003—2018年Aqua-MODIS的C6.1 Level 2气溶胶产品(MYD04_L2)气溶胶数据集, AOD选用了“AOD_550_Dark_Target_Deep_Blue_Combined”数据; Angstrom波长指数采用“Deep_Blue_Angstrom_Exponent for land”, 均为无量纲量.Huang等(2020)分析了中国西北喀什地区的太阳-天空辐射计观测网络(SONET)与MODIS AOD数据的相关性, 证明MODIS可用于分析西北地区的气溶胶光学厚度.MODIS AOD产品融合了暗像元法(DT)和深蓝算法(DB), DT适用于植被高覆盖率陆地区域和海洋等暗背景表面, DB适用于沙漠、荒原等亮背景表面(Levy et al. 2013; Bial et al., 2017; Bial et al., 2018).从各省下垫面来看, 青海、新疆和内蒙古地区存在大范围的缺测值; 青海地区多为高原、山脉等地形较复杂, DB和DT算法反演AOD出现缺测现象.内蒙古北部和新疆北部冬季下垫面反射率较高, 使得DT、DB两种产品数据反演质量都比较低, 出现大范围缺测现象.
本文使用MODIS卫星轨道数据集的空间分辨率为10 km × 10 km.为了有效地选取数据及空间匹配, 将西北地区数据进行空间校正、格点化并且整合到空间分辨率为0.1°×0.1°数据产品, 之后获得西北地区研究资料, 最后进行时空分布分析.本文也结合了西北地区的省市划分范围, 提取6个省(内蒙古、陕西、宁夏、甘肃、青海和新疆)的气溶胶光学厚度的年平均、月平均值进行变化趋势分析.由于Aqua卫星过境时间为13:30, 本文选取了其过境时刻的每小时气温、相对湿度等气象要素, 并分析其对AOD的影响.
依照西北地区省市的地理位置选取6个站点, 分别为Baita、Hanzhong、Yinchuan、Jiuquan、Xining和Urumqi, 具体站点位置如图 1所示.气温、风速及降水等气象要素数据来自中国气象局公布的气象数据网.站点位置±25 km周围的MODIS反演AOD值与该站点的气象要素进行Spearman相关系数的计算, 其计算公式见式(1).
|
(1) |
式中, n为样本总量, r为变量x和y的Spearman简单相关系数, xi为各站点周围±25 km的AOD值, x为变量xi的平均值; yi为各站点的气象因素, y为变量yi的平均值.
3 结果与讨论(Results and discussion) 3.1 西北地区气溶胶光学特性年均值分布特征图 2是我国西北地区2003—2018年气溶胶光学厚度和Angstrom波长指数的年均值空间分布.如图 2所示, 西北地区AOD的高值区主要位于塔克拉玛干沙漠、青海西部及陕西关中地区.塔里木盆地的大部分区域AOD年均值在0.45~0.70, 沙漠边缘地区均存在高值, 年均值大于0.6.AOD低值区主要位于青海东部、新疆北部及内蒙古地区.西北地区的AE的低值区主要分布在塔里木盆地及青海北部, 且AE值由西到东逐渐增大.有研究指明AE值低于1.0是沙尘等大粒径的气溶胶, AE值高于1.0为燃烧有关的人为气溶胶(Schuster et al., 2006).陕西地区的人口密度大及工业数量较多, 产生的人为污染和生物质燃烧导致该地区的人为源气溶胶较高(彭艳等, 2015).塔里木盆地的AOD值大而AE值小, 其主控气溶胶影响因素是沙尘.新疆北部地区AE值分布差异较大, 主要是由于沙尘气溶胶和人为气溶胶的共同作用.
 |
| 图 2 2003—2018年中国西北地区平均AOD(a)和AE(b)分布 Fig. 2 Distribution of yearly averaged AOD and AE over the northwest area of China in 2003—2018 |
图 3和图 4分别为西北地区2003—2018年AOD和Angstrom波长指数的季节变化特征.其AOD的季节分布与年均值分布相似, 新疆南部地区AOD值在四个季节均表现出偏高值.从区域上看, 西北地区最高AOD值在春季最高, 夏季次之, 秋冬季最低.这种春季AOD值远高于其他季节的特征与湖北(王晓玲等, 2018)、北京(Yu et al., 2017)、南京(Kang et al., 2016)等不同.在AE指数的季节分布中, 秋季AE指数明显高于其他季节, 且各个季节AE指数的低值中心稳定存在于塔里木盆地.春季青海西北地区的AOD高于1.2, 结合图 1可知这是由于青海西北部柴达木沙漠的沙尘气溶胶聚集造成的.西北大部分地区的AE值在1.0以下, 表明春季频繁的大风天气造成的沙尘气溶胶对该地区的影响较大(陶建红, 2009; 韩兰英等, 2012).陕西、青海东南部等地区在各个季节中AE值均高于1.0, 表明这些地区主要以人类活动产生的气溶胶为主导.夏秋季AE高值区范围逐渐增大, AOD值明显下降, 说明夏秋季的气溶胶污染较低, 大气气溶胶主要以细颗粒物为主.冬季部分地区的AOD值增加, AE值明显下降, 主要是因为冬季风场形势有利于沙尘气溶胶的输送.
 |
| 图 3 2003—2018年西北地区的AOD的空间分布和季节变化特征 Fig. 3 Seasonal averaged spatial distribution of AOD based on MODIS combined products in 2003—2018 over the northwest area of China |
 |
| 图 4 2003—2018年西北地区的AE指数的空间分布和季节变化特征 Fig. 4 Seasonal averaged spatial distribution of AE based on MODIS products in 2003—2018 over the northwest area of China |
图 5表示的是2003—2018年西北地区的AOD、AE指数的年际变化和月均值变化.可以看出, 近16年西北地区的AOD变化范围在0.165~0.266, 年平均值为0.219, 明显低于京津冀(0.488)(刘浩等, 2016)、长三角(0.448)(姚玲玲等, 2017)和珠三角(0.81)(肖钟湧等, 2010)等人口密集和城市发达地区; 总体来说AOD出现明显下降趋势, 其中AOD的最高值出现在2006年, 最低值出现在2017年; AE指数年平均值为1.08±0.024, 在2009—2017年期间AE指数存在微弱上升趋势, 说明细颗粒物污染不断增加.从图 5b中发现, 4—10月期间AOD值急剧下降, AE指数呈现波动性增加; 其中月平均AOD最高值(0.44)是最低值(0.11)的4倍, 在9—12月期间AE指数均超过1.2, 表明西北地区的气溶胶污染水平较低, 空气较为清洁.在3、4月份沙尘气溶胶对西北整体地区影响较大, 8—次年1月该地区气溶胶主要以细粒子为主导.
 |
| 图 5 2003—2018年AOD和AE指数的年际变化(a)与月均变化(b) Fig. 5 Annual (a) and monthly (b) AOD and AE from 2003 to 2018 over the northwest area of China |
图 6显示了西北地区6个省市的AOD月均值变化情况.从图中可以看出, 各个省市的AOD峰值均出现在3月或4月, 说明春季沙尘对西北地区空气质量的重要影响.其中甘肃、宁夏、青海和新疆地区AOD变化特征相似, 均在4月达到最高值; 且青海AOD最高值为0.60, 是内蒙古地区AOD月平均最高值的两倍; 甘肃等4个省的AOD值均在4—10月呈明显下降趋势, 11月—次年2月AOD值有所回升.内蒙古与陕西省AOD月均为双峰型变化.其中陕西省AOD月均值在8月份出现最高值, 图 4b和图 5b结果表明陕西地区受人为源气溶胶影响较大.
 |
| 图 6 西北地区不同区域AOD月际变化 Fig. 6 Monthly variation of AOD in different provinces of the northwest China |
图 7为西北地区各个省AOD的逐年及逐月平均值变化特征.宁夏自治区、甘肃及新疆地区的AOD最高值(分别为0.55、0.56、0.79)均出现在2006年3月.甘肃、青海和新疆等地区的AOD月平均值的峰值均出现在3月或4月, 表明自然气溶胶对西北地区的AOD的重要影响.其中青海地区AOD月平均值范围为0.068~0.930, 峰谷差值较大.2012—2018年内蒙古、陕西、宁夏及甘肃等地的月平均AOD值及峰谷差值均有所下降, 表明这4个省的空气质量状况有所改善, 这与近年来大气污染治理政策的实施有关.2003—2018年期间青海和新疆地区的AOD年平均值范围分别为0.16~0.34和0.19~0.33, 年均值分别为0.23和0.27.整体来说, 西北地区6个省的AOD年平均值均呈下降趋势, 其中陕西和宁夏地区AOD年变化率分别为-0.60%和-0.69%;各省的AOD年均值都在2017年或2018年下降到最低值, 表明西北地区防沙治沙的措施已取得一定的成果.
 |
| 图 7 西北地区不同区域AOD月平均值与年平均值变化状况 Fig. 7 Monthly average trend and annual average of AOD in different provinces of the northwest China |
本文选取6个站点(图 1)的Aqua过境时刻的每小时气象数据, 对气温、相对湿度(图 8)等气象要素与AOD值的相关性进行分析.选取站点周围±25 km的AOD值, 计算AOD与气温、湿度等之间的Spearman相关系数(表 1).由表 1可知, 不同区域的气象要素与其AOD的相关性不同.
 |
| 图 8 各个站点的月平均温度和相对湿度(a.Baita, b.Hanzhong, c.Yinchuan, d.Jiuquan, e.Xining, f. Urumqi) Fig. 8 Monthly average temperature and relative humidity at each site |
| 表 1 各个站点AOD与气象要素相关系数 Table 1 The correlation coefficient between AOD and meteorological factors at each station |
 |
气温、风速、相对湿度及降水量等气象因素对AOD值的影响是双面的.例如, 大风气象条件有利于颗粒物的扩散, 使当地AOD值减少; 也可以输送大量沙尘粒子, 使空气中污染物增多.Jiuquan观测站的AOD值与风速呈正相关.6个观测站的AOD与温度呈正相关, 其中Baita、Yinchuan和Urumqi观测站AOD与温度具有较强的正相关.而且Baita、Yinchuan和Xining观测站AOD与相对湿度呈较强正相关.所以温度和相对湿度等气象要素对Baita、Yinchuan及Xining站AOD影响较大.由图 8可知, 在6—10月期间Baita、Yinchuan与Xining站点的月平均温度和相对湿度存在峰值, 其中湿度的峰值略滞后于温度; 并结合图 4发现, Baita和Xining观测站在夏秋季节存在较多的人为源气溶胶.因此夏、秋季内降水有利于湿度的增加, 大气气溶胶的吸湿增长导致AOD增加(Yoon et al., 2006), 但Urumqi站的温度与相对湿度呈负相关, 可能影响Urumqi周围AOD还有其他重要因素.
4 结论(Conclusions)1) 西北地区AOD的高值区主要在塔克拉玛干沙漠和陕西关中地区, 低值区位于新疆北部青海东部等地区.西北地区Angstrom波长指数由西到东逐渐增大, 塔里木盆地及青海北部存在AE指数的低值中心, 但AE指数在新疆北部的空间分布较为复杂.近16年AOD和AE值的季节分布都具有明显的变化特征, 春季AOD明显高于其他季节, AE值季节变化特征与之相反.这与其他地区的季节分布特征不同, 主要是西北地区受到自然源气溶胶的影响较大.夏、秋季的AE值较春季有大范围增加, AOD明显下降.
2) 西北地区近16年AOD均值为0.219, AE均值为1.08;AOD年际变化整体表现为下降趋势, AE指数在2009—2017年出现微弱的上升趋势, 表明细粒子对西北地区大气气溶胶的影响不断增加.在月均变化中, AOD呈单峰分布变化趋势, 1—4月急剧增加, 4月出现最大值, 之后迅速下降.AE指数在9—12月期间高于1.2, 在3、4月期间低于1.0.
3) 西北地区内6个省AOD均在3月或4月达到高值, 主要是受到沙尘天气影响.而且各个省的AOD年均值在2006—2018年期间均呈现缓慢的下降趋势.不同区域的气象要素对AOD的影响不同.在0.05的显著性检验下, Baita、Yinchuan和Xining观测站AOD与温度、相对湿度呈正相关, 温度和相对湿度等气象要素对其AOD影响较大.
致谢: 感谢美国国家宇航局(NASA)数据中心提供MODIS气溶胶产品, 感谢中国气象数据网提供气象要素数据.
Bilal M, Nazeer M, Qiu Z F, et al. 2018. Global validation of MODIS C6 and C6.1 merged aerosol products over diverse vegetated surfaces[J]. Remote Sensing, 10(3): 475. DOI:10.3390/rs10030475 |
Bilal M, Nichol J E. 2017. Evaluation of the NDVI-Based Pixel Selection Criteria of the MODIS C6 dark target and deep blue combined aerosol product[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(8): 3448-3453. DOI:10.1109/JSTARS.2017.2693289 |
Che H Z, Yang L K, Liu C, et al. 2019. Long-term validation of MODIS C6 and C6.1 Dark Target aerosol products over China using CARSNET and AERONET[J]. Chemosphere, 236: 1-11. |
陈洪滨, 范学花, 夏祥鳌. 2018. 大气气溶胶的卫星遥感及其在气候和环境研究中的应用[J]. 大气科学, 42(3): 621-633. |
韩兰英, 张强, 郭铌, 等. 2012. 中国西北地区沙尘天气的时空位移特征[J]. 中国沙漠, (2): 173-176. |
胡俊, 亢燕铭, 陈勇航, 等. 2018. 基于MODIS_C006的乌鲁木齐10年气溶胶光学厚度变化特征[J]. 环境科学, 39(8): 3563-3570. |
Huang G, Chen Y H, Li Z Q, et al. 2020. Validation and accuracy analysis of the collection 6.1 MODIS Aerosol optical depth over the westernmost City in China based on the sun-sky radiometer observations from SONET[J]. Earth and Space Science, 7(3): 1-24. |
IPCC. 2013. Intergovermental Panel on Climate Change Fifth Assessment Report[M]. New York, USA: Cambridge University Press.
|
Kang N, Kumar K R, Hu K, et al. 2016. Long-term (2002-2014) evolution and trend in Collection 5.1 Level-2 aerosol products derived from the MODIS and MISR sensors over the Chinese Yangtze River Delta[J]. Atmospheric Research, (181): 29-43. |
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 Discussions, 6(1): 159-259. |
Levy R C, Leptoukh G G, Kahn R, et al. 2009. A critical look at deriving monthly aerosol optical depth from satellite data[J]. IEEE Transactions on Geoscience and Remote Sensing, 47(8): 2942-2956. DOI:10.1109/TGRS.2009.2013842 |
李慧娟, 胡列群, 李帅. 2018. 北疆地区MODIS 3 km气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报, 38(3): 1109-1116. |
李霞, 陈勇航, 胡秀清, 等. 2005. 乌鲁木齐大气气溶胶的光学特性分析[J]. 中国环境科学, 25(Z1): 22-25. DOI:10.3321/j.issn:1000-6923.2005.z1.006 |
李一凡, 陈文忠. 2017. 基于MODIS和CALIOP卫星遥感数据的气溶胶光学厚度与海洋初级生产力相关性[J]. 中国环境科学, 37(1): 76-86. |
林泓锦, 都瓦拉, 玉山, 等. 2018. 基于MODIS的内蒙古气溶胶时空分布特征分析[J]. 环境科学学报, 38(12): 4573-4581. |
Liu B, Ma Y Y, Gong W, et al. 2018. Comparison of AOD from CALIPSO, MODIS, and Sun Photometer under different conditions over Central China[J]. Scientific Reports, 8(1): 10066. DOI:10.1038/s41598-018-28417-7 |
刘浩, 高小明, 谢志英, 等. 2015. 京津冀晋鲁区域气溶胶光学厚度的时空特征[J]. 环境科学学报, 35(5): 251-256. |
柳晶. 2008.中国地区气溶胶光学特性及辐射强迫的卫星遥感观测研究[D].南京: 南京信息工程大学, 37-100
|
茆佳佳. 2011.华东地区气溶胶特性的MODIS资料反演及其时空分布特征的研究[D].南京: 南京信息工程大学, 60-68
|
彭艳, 李星敏, 董妍, 等. 2015.关中地区大气气溶胶时空分布及其对气象要素的影响[C].中国环境科学学会学术年会. 3035-3046
|
Schuster G L, Dubovik O, Holben B N. 2006. Angstrom exponent and bimodal aerosol size distributions[J]. Journal of Geophysical Research Atmospheres, 111(D7): 1-14. |
石广玉, 王标, 张华, 等. 2008. 大气气溶胶的辐射与气候效应[J]. 大气科学, 32(4): 826-840. DOI:10.3878/j.issn.1006-9895.2008.04.11 |
陶健红. 2009. 西北地区沙尘天气的时空特征及影响因素分析[J]. 中国沙漠, 29(2): 327-334. |
Tan C H, Zhao T L, Xu X F, et al. 2015. Climatic analysis of satellite aerosol data on variations of submicron aerosols over East China[J]. Atmospheric Environment, 123(6): 392-398. |
唐家奎, 薛勇, 虞统, 等. 2005. MODIS陆地气溶胶遥感反演——利用TERRA和AQUA双星MODIS数据协同反演算法[J]. 中国科学(D辑:地球科学), 35(5): 474-481. |
唐孝炎, 张远航, 邵敏. 2006. 大气环境化学[M]. 第二版. 北京: 高等教育出版社, 268-359.
|
Tian X P, Gao Z Q. 2019. Validation and accuracy assessment of MODIS C6.1 aerosol products over the heavy aerosol loading area[J]. Atmosphere, 10(9): 548. DOI:10.3390/atmos10090548 |
Wang P, Ning S J, Dai J G, et al. 2017. Trends and variability in aerosol optical depth over North China from MODIS C6 Aerosol Products during 2001-2016[J]. Atmosphere, 8(12): 223. DOI:10.3390/atmos8110223 |
王海林, 刘琼, 陈勇航, 等. 2019. MODIS C006气溶胶光学厚度产品在京津冀典型环境背景下的适用性[J]. 环境科学, 40(1): 44-54. |
王宏斌, 张镭, 焦圣明, 等. 2014.基于AERONET观测资料对MODIS气溶胶产品的验证[A].大气成分委员会、中国气象科学研究院.第31届中国气象学会年会S6大气成分与天气、气候变化[C].大气成分委员会、中国气象科学研究院: 中国气象学会. 13-25
|
王宏斌, 张镭, 焦圣明, 等. 2016. 中国地区MODIS气溶胶产品的验证及反演误差分析[J]. 高原气象, 35(3): 810-822. |
王晓玲, 吕睿, 王艳杰, 等. 2018. 基于MODIS C6产品研究湖北省气溶胶光学特性的时空分布[J]. 生态环境学报, 27(6): 1099-1106. |
王银牌, 喻鑫, 谢广奇. 2018. 中国近15年气溶胶光学厚度时空分布特征[J]. 中国环境科学, 38(2): 426-434. DOI:10.3969/j.issn.1000-6923.2018.02.004 |
王跃思, 辛金元, 李占清, 等. 2006. 中国地区大气气溶胶光学厚度与Angstrom参数联网观测(2004-08-2004-12)[J]. 环境科学, 27(9): 1703-1711. DOI:10.3321/j.issn:0250-3301.2006.09.002 |
肖钟湧, 江洪, 陈健, 等. 2010. 利用MODIS遥感数据反演广州市气溶胶光学厚度[J]. 中国环境科学, 30(5): 577-584. |
姚玲玲. 2017.中国及典型地区气溶胶光学厚度的时空分布特征及影响因素研究[D].杭州: 浙江大学.40-63
|
Yu X N, Lü R, Liu C, et al. 2017. Seasonal variation of columnar aerosol optical properties and radiative forcing over Beijing, China[J]. Atmospheric Environment, (166): 340-350. |
Yoon S C, Kim J. 2006. Influences of relative humidity on aerosol optical properties and aerosol radiative forcing during ACE-Asia[J]. Atmospheric Environment, 40(23): 4328-4338. DOI:10.1016/j.atmosenv.2006.03.036 |
张明远. 2019. 2001-2017年新疆气溶胶光学厚度时空分布及影响因素研究[D].江西: 江西理工大学. 28-54
|
张小娟. 2014.基于MODIS遥感DT和DB数据集的中国AOD分布与变化[D].南京: 南京信息工程大学.42-85
|
张小曳. 2014. 中国不同区域大气气溶胶化学成分浓度、组成与来源特征[J]. 气象学报, 72(6): 1108-1117. |
张勇, 银燕, 刘蕴芳, 等. 2014. 北京秋季大气气溶胶光学厚度与Angstrom指数观测研究[J]. 中国环境科学, 36(4): 1380-1398. |
赵仕伟, 高晓清. 2017. 基于MODIS数据的西北地区气溶胶光学厚度和Angstrom波长指数的研究[J]. 大气与环境光学学报, (5): 321-331. |
赵仕伟, 高晓清. 2017. 利用MODIS C6数据分析中国西北地区气溶胶光学厚度时空变化特征[J]. 环境科学, 38(7): 2367-2646. |