Print

出版日期: 2016-07-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20165250
2016 | Volumn20 | Number 4





                              上一篇|





下一篇
大气遥感专栏
沈阳地区MODIS与MERSI气溶胶产品对比研究
expand article info 张婕1,2 , 刘昊野2 , 辛金元2,3 , 张文煜1 , 肖国杰2 , 冯鑫媛2 , 王莉莉3
1. 兰州大学大气科学学院, 甘肃省干旱气候变化与减灾重点实验室, 甘肃 兰州 730000
2. 成都信息工程大学大气科学学院, 高原大气与环境四川省重点实验室, 四川 成都 610225
3. 大气边界层物理与大气化学国家重点实验室, 中国科学院大气物理研究所, 北京 100029
收稿日期: 2015-11-09; 修改日期: 2016-02-22; 优先数字出版日期: 2016-07-25
基金项目: 国家自然科学基金（编号：41222033，41305076）；中国科学院战略性先导科技专项（B类）（编号：XDB05020103）
第一作者简介: 张婕(1975-),女,博士研究生,现从事大气辐射鱼大气遥感相关研究。E-mail:zj3130@cuit.edu.cn
通讯作者简介: 辛金元(1975-),男,研究员,现从事大气物理与大气环境研究。E-mail:xjy@mail.iap.ac.cn
中图分类号: P407
文献标识码: A
文章编号: 1007-4619(2016)04-0549-12

摘要

在中国东北地区，卫星气溶胶产品尚缺乏有效的验证机制，相关应用存在较大不确定性。利用2009-2011年中国地区太阳分光光度计观测网（CSHNET）沈阳站地基观测资料，借助后向轨迹模式分析了该地区气溶胶来源和季节变化特征，并同步对比了FY-3A/MERSI和Terra/MODIS气溶胶产品精度的季节差异及误差来源。结果表明：沈阳站气溶胶光学厚度和Angstrom波长指数季节变化明显，气溶胶受远程输送和区域排放的共同影响，人为源和自然源丰富。不同粒径粒子对气溶胶光学厚度的贡献因季节而异，导致卫星反演算法中气溶胶模型选择误差较大，影响了卫星反演精度。观测期间MODIS与MERSI气溶胶产品与地基观测数据的总匹配率分别为68%和83%。当气溶胶光学厚度较低时（AOD< 0.35），MODIS产品出现低估，MERSI出现高估，与实测值的相对误差分别为-46%-54%、7%-135%；当气溶胶光学厚度较高时（0.35-0.75），MODIS和MERSI均出现不同程度的低估，两者与实测值的相对误差分别为-34%-54%、-21%-75%；当气溶胶光学厚度大于0.75时，低估尤为严重，与实测值的相对误差可达-34%-100%、-9%-58%。能与地基观测匹配的MODIS和MERSI有效样本数春、秋季较高（春季分别为69%、80%，秋季分别为73%、70%），夏季次之（69%、73%），冬季最少（2%、49%）；MODIS与地基观测的相关性总体优于MERSI；但在冬季，MODIS与MERSI产品均不具备代表性。MODIS与MERSI气溶胶产品落入误差线的比例均为春季最高（22%、25%），秋季次之（19%、16%），夏季最小（6%、5%）。MERSI对粗模态气溶胶（α≤0.5）反演效果优于MODIS，而MODIS对混合模态气溶胶（0.5≤α< 1.5）反演效果优于MERSI。MERSI与MODIS气溶胶产品在春、秋季可比性较好，夏季可比性较差，总体来说，春、秋季MERSI比MODIS低估更为严重。从气溶胶产品在辽宁省的区域分布来看，FY-3A/MERSI比Terra/MODIS覆盖范围略广，各季节FY-3A/MERSI与Terra/MODIS的总体空间分布特征基本一致，但对于某些地区，两者数值上依然存在较大偏差。

关键词

后向轨迹模式 , 气溶胶光学厚度 , Angstrom波长指数 , FY-3A/MERSI , Terra/MODIS

The comparison of MODIS and MERSI aerosol products in Shenyang
expand article info ZHANG Jie1,2 , LIU Haoye2 , XIN Jinyuan2,3 , ZHANG Wenyu1 , XIAO Guojie2 , FENG Xingyuan2 , WANG Lili3
1.Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China
2.College of Atmospheric Sciences, Chengdu University of Information Technology, Plateau Atmosphere and Environment Key Laboratory of Sichuan Province, Chengdu 610225, China
3.State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

Abstract

There still had some uncertainty when satellite aerosolproducts were applied in northeast China for lack of effective verification method. The sources and seasonal variations of aerosol were analyzed based on the HYSPLIT-4 model using the ground-based observation provided by the Chinese Sun Hazemeter Network (CSHNET) in Shenyang during 2009-2011. The quality of MERSI and MODIS Aerosol Optical Depth (AOD) products, and the source of error at four seasons were also discussed. The results showed distinctive seasonality for AOD and Angstrom exponent in northeast China. The aerosol came from remote transmission and regional emission with abundant anthropogenic and natural components. Aerosol sizes and AODs had large differences in four seasons, which leaded to a large error of aerosol model in the satellite retrieval algorithm. The accuracy of the satellite AOD products decreased due to the improper aerosol model. The comprehensive utilization ratio of MERSI and MODIS AOD products accounted for 68% and 83% of the ground-based AOD during the observing period. When AOD was lower than 0.35, the MODIS products underestimated and FY3-A products overestimated. Meanwhile, the relative error range of MODIS and FY3-A AOD products from the ground-based AOD was -46%-54% and 7%-135%. Both MODIS and FY3-A products underestimated with the relative error-34%-54% and -21%-75% when AOD was in the range from 0.35 to 0.75. A worse underestimation of MODIS and FY3-A products was found when AOD was more than 0.75 with the relative error of -34%-100% and -9%-58%. The utilization ratios of MODIS and MERSI had large differences in four seasons, 69% and 80% in spring, 73% and 70% in autumn, 69% and 73% in summer, only 2% and 49% in winter, respectively. On the whole, MODIS AOD products were more consistent with the ground-based observation than MERSI. There representativeness both of MODIS and MERSI were very poor in winter in northeast China. The percentages of MODIS and MERSI products falling within the expected errors were largest in spring (22%,25%), moderate in autumn (19%, 16%), least in summer (6%, 5%); MERSI retrieval algorithm has better capability to retrieve coarse mode aerosols (α≤0.5), while MODIS has more advantage in retrieving mixed mode aerosols (0.5≤α< 1.5). The comparability between MERSI and MODIS was relatively good in spring and autumn, but poor in summer. MERSI products were more severe underestimated than MODIS in spring and autumn. Comparisons of regional distribution between MERSI and MODIS AOD products in Liaoning province showed that MERSI AOD product covered a broader range than MODIS AOD product. Although the general characteristic of AOD distribution was consistent, but there still existed obvious deviation in some areas.

Key words

HYSPLIT-4 model , Aerosol Optical Depth (AOD) , Angstrom exponent , FY-3A/MERSI , Terra/MODIS

1 引 言

气溶胶光学厚度是研究气溶胶气候辐射效应最重要的参数之一。气溶胶分布具有高度的时空变异性，地基观测仅能提供有限区域的气溶胶信息，难以有效地反映污染物来源和变化趋势的宏观分布特征(Chu等，2002；Crosbie等，2014；Kim等，2004)。卫星遥感由于观测时次多、覆盖范围广等优势，弥补了地面观测站点不足的问题，成为监控全球气溶胶光学厚度时空分布的有效手段(Engel-Cox等，2004；Kanniah等，2014；Kim等，2014)。无论在全球或区域尺度，将卫星反演气溶胶产品广泛应用于各领域之前需对其可信度进行校验。卫星气溶胶产品的验证不仅可通过不同卫星之间的比较来实现，也可通过与真实的地基观测数据比较来实现(齐玉磊等，2013；Wang等，2007；Wang等，2010；Liu等，2007；Hao等，2005)。MODIS气溶胶产品作为当前国际上应用最为广泛的卫星气溶胶产品之一，在陆地和海洋气溶胶监测方面发挥着重要作用，对它的精度评估已经进行了卓有成效的研究(Kanniah等，2014；Levy等，2013；Munchak等，2013；Wang等，2007)，但沈阳地区作为中国重要的工农业发展基地，影响该地区的气溶胶源复杂多变(洪也等，2010a)，尚缺乏对MODIS气溶胶产品的有效系统验证。此外，FY-3A气象卫星作为中国自主发射的第2代极轨气象卫星，在功能和技术上比以往有长足改进，实现了光谱覆盖紫外、可见光、红外和微波的多遥感仪器综合观测，自2008年发射以来已积累了长时间气溶胶光学厚度反演产品资料(张鹏等，2012；杨军等，2009)，目前对该资料的验证工作尚处于起步阶段，如何检验该产品的精度，提高业务应用水平，与国际卫星接轨，为大气环境监测和评价、环境治理、防灾减灾提供科学依据，已成为亟待解决的科学问题。

通过分析东北典型区域气溶胶季节变化特征和传输路径，对比Terra/MODIS气溶胶产品、FY-3A/MERSI气溶胶产品与地基实测数据的差异，定量评估两种气溶胶产品在沈阳地区不同季节的适用性及引起误差的原因，以促进MODIS和MERSI气溶胶产品反演算法的完善，推动卫星探测和反演技术发展，为将气溶胶产品应用于气候诊断或预测、研究区域环境污染等问题提供科学依据。

2 资料与方法

本文卫星观测资料期间为2009-03-19-2011-10-16，通过对Terra/MODIS C5.1二级气溶胶产品(https://ladsweb.nascom.nasa.gov/data/search.html)进行地理校正、图像拼接后得到所需气溶胶光学厚度(AOD)数据。FY-3A/MERSI气溶胶产品来自风云卫星遥感数据服务网下载的陆上气溶胶日产品，是全球10°×10°分幅的0.01°×0.01°等经纬度投影网格数据(http://fy3.satellite.cma.gov.cn/portalsite/default.aspx)。与MODIS气溶胶产品算法机理相同，MERSI产品基于Kaufman等人(1997)发展的暗像元法，利用蓝光通道(0.47 μm)，红光通道(0.65 μm)和短波红外通道(2.1 μm)数据和地理定位等数据，在云检测产品、水汽总量和臭氧总量等辅助数据支持下实现暗像元算法，反演晴空、无冰/雪/水体覆盖的陆地植被区上空波长470 nm、550 nm、650 nm处的气溶胶光学厚度。

地基数据为中国地区太阳分光光度计观测网(CSHNET)沈阳农业生态系统站(41.52°N，123.63°E)的气溶胶光学厚度资料，站点位于辽中南城市群所在地，距沈阳市区50 km，高投入农业和工业污染给本地区持续发展带来一系列严峻的生态环境问题(图 1)。从地理位置上讲，沈阳生态站正好处于由东到西水分因子驱动和由南到北热量因子驱动的横穿中国境内的两条样带上，代表了东北典型生态地理区域(http://210.72.135.230/)。CSHNET观测网统一采用NASA自主研发的便携式LED太阳分光光度计进行观测，同类产品在GLOBE计划中曾得到广泛的应用。为了保证观测的有效性，观测网每年进行1次Langley标定和CIMEL比对校正，并且要求单站每个时刻实测值的标准偏差小于0.05，以减少验证误差。本文选取沈阳站睛天或云量在五成以下，且光度计视场角30°内无云的观测数据，通过500 nm和650 nm波段线性插值求得550 nm波段的AOD值(Kim等，2004)，并利用405 nm、500 nm、650 nm 波段AOD观测值采用对数线性回归的方法求出Angstrom波长指数(α)(Xin等，2007；Wang等，2011)。


图 1 沈阳观测站地理位置(红色五星代表观测站所在位置)
Fig. 1 Geographical location of Shenyang site(The red star represents the location of Shenyang site)

同时，利用NOAA HYSPLIT-4模式(http://ready.arl.noaa.gov/HYSPLIT.php)和1°×1°NCEP GDAS 6小时风场再分析资料(ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)计算到达观测站气团的36 h后向轨迹，分析气溶胶传输路径(Crosbie等，2014；Wang等，2009；Zhang等，2013)。模式每天运行4次，起始时刻为00:00，06:00，12:00，18:00 UTC(08:00，14:00，20:00，02:00 地方时)，到达高度设为100 m a.g.l.。

3 结果分析

3.1 气溶胶季节变化特征和传输路径讨论

通过观测期间CSHNET气溶胶光学厚度和Angstrom波长指数月变化图可知(图 2)，沈阳站AOD和Angstrom指数呈明显的季节变化，AOD从11月至次年3月维持在较低的水平，随后开始上升，4月、5月可达0.5以上，6月—8月达到全年最高(>0.7)，9月后逐渐下降，至11月—12月达到最低值，与宗雪梅等人(2005)的研究结果一致。Angstrom指数与AOD基本呈反相变化，6月—9月出现全年最低值(0.33—0.44)，随后上升，12月—1月达到最高值(0.76—0.90)，然后开始呈下降趋势，但4月Angstrom指数有时会出现回升。Angstrom指数反映了观测气柱中气溶胶颗粒的平均有效粒径，例如：工业城市气溶胶一般为1.1≤α≤2.4，生物质燃烧的气溶胶为1.2≤α≤2.3，沙尘气溶胶一般为-1≤α≤0.5，海盐气溶胶为1.1≤α≤1.8(Dubovik等，2002)。AOD和Angstrom波长指数的季节变化表明该地区气溶胶组成复杂，不同粒径的粒子在不同季节对气溶胶光学厚度的贡献存在差异，因此有必要对气溶胶类型和来源的季节变化进行研究(曹国良等，2005)。


图 2 地基观测AOD和Angstrom指数月均值变化图(垂直误差线表示地基AOD观测的时间标准偏差)
Fig. 2 Time series of monthly mean AOD and Angstrom exponent from ground-based observation(Temporal standard deviation of ground-based observation is shown as vertical bars)

以2009年为例(观测期间内各年变化类似)，通过计算每日到达观测站气团的36 h后向轨迹并对各月轨迹分型后，聚类分析得到不同季节气溶胶源对沈阳地区的影响(图 1，图 3)。


图 3 2009年沈阳站气团后向轨迹聚类分析月平均结果(彩色线条表示气团轨迹聚类月平均结果，括号内数值为相应出现频数)
Fig. 3 Monthly trajectory clustering results of the air mass back trajectories starting from Shenyang site in 2009(The colored lines represent the monthly trajectory clustering means，the value in brackets represent the frequency of the air mass trajectories)

1月、2月、11月、12月(图 3(a)，图 3(b)，图 3(k)，图 3(l))，气溶胶主要来自站点以北沈阳市区、铁岭、通辽等地区的局地或区域输送作用。另外，西南方向鞍山等工业城市的区域输送也不容忽视；而西北向内蒙科尔沁南缘沙漠化土地远程输送作用相对较弱。由于冬季冰雪覆盖地表限制了土壤气溶胶排放，故农田区域对气溶胶贡献很小，同时，冬季频繁的冷空气入境对局地污染具有显著的清除效果(Xin等，2011)，AOD达全年最低，而冬季供暖和工业排放的气溶胶以细粒子为主控(洪也等，2010a)，使Angstrom指数在此期间达最大。

3月—5月(图 3(c)—图 3(e))时值春季，北部除沈阳市区、铁岭、通辽等工业城市的局地或区域输送作用外，由于气温回升快，土壤表面解冻，加之少雨、多大风的气象条件，往往成为起沙、扬沙的最佳时机，西北部内蒙古地区的沙地成为沙尘的源地，粗模态粒子含量增加(杜吴鹏等，2009)；同时西南向除鞍山、辽阳一带城市群间工业气溶胶的区域输送外，农田区域高强度耕种产生的扬尘，渤海海洋粒子的远程输送作用也使得大气中粗模态粒子含量增多，而采暖期结束后细粒子含量显著减少，故AOD上升，Angstrom指数呈下降趋势。

6月—9月气溶胶来源复杂多样(图 3(f)—图 3(i))，西北向沙尘远程输送能力开始减弱，南向气流占主导，瓦房店、盖州、大石桥及营口一带的农田，鞍山、辽阳一带工业污染，渤海海盐粒子，对沈阳站的气溶胶组分均有贡献。更为重要的是夏季高温、高湿的气象条件促进工业排放物通过气-粒转化过程生成二次气溶胶，有利于燃煤排放的SO2粒子、土壤粒子进行吸湿性增长(邱金桓等，1997)，因此粗粒子比例增加，Angstrom指数减小，同时，AOD达到全年最高值。

10月北向工业城市局地或区域输送、西北向远程输送在气溶胶来源中所占份额开始增加(图 3(j))，南向气流所带来的土壤粒子显著减少，AOD降低，但农田区域秸秆焚烧增加了大气中的细粒子含量，鞍山等地的工业输送，也对大气中细粒子含量有所贡献，导致Angstrom指数迅速升高。

3.2 卫星气溶胶产品与地基观测的对比分析

3.2.1 MERSI产品与地基观测的时空匹配性

考虑到MERSI日产品和MODIS日产品空间分辨率分别为1×1 km、10×10 km，单点区域卫星气溶胶产品可以看成时间固定具有空间分布的一组数据，CSHNET数据是固定的观测点间隔 0.5 h的观测值，是一组空间固定具有时间分布的数据。为了使两组数据更具时空代表性和可比性，需要选择卫星一定空间范围统计结果与光度计的时间平均结果进行匹配。对于MODIS产品该方面的研究已经比较成熟(Ichoku等，2002)，但目前对MERSI气溶胶产品精度及地区适用性的定量评估尚处于起步阶段，因此需确定其与地基观测的时空匹配范围。随机抽选2009年3月—2011年10月云量3成以下的18个MERSI AOD产品样本，以沈阳站为中心，分别对20×20 km、30×30 km、50×50 km、70×70 km 方形区域内MERSI AOD有效观测值作空间平均，与卫星过境前后半小时内地面AOD均值进行对比(图 4)，结果表明，当空间取值范围过小时，气溶胶反演算法可能找不到地表反射率较低的“暗像元”，无法反演得到气溶胶产品。当空间范围扩展至50×50 km、70×70 km时，基本规避了卫星数据缺测的问题，但70×70 km 范围内下垫面不均匀性和气溶胶类型的差异将导致较大的空间标准偏差，使气溶胶反演误差增大。因此后续工作选择MERSI产品50×50 km 的空间平均与卫星过境前后半小时内地面AOD均值进行相关性统计分析。


图 4 沈阳站不同空间范围内MERSI AOD均值与地基实测值对比图(柱状条表示不同范围内MERSI AOD产品的空间平均，以及卫星过境前后半小时内地基观测AOD均值，顶部误差条表示空间平均的标准偏差)
Fig. 4 Comparison of the spatial average value of MERSI AOD with ground-based observation over Shenyang site using different window sizes(The spatial means of MERSI AOD within different window sizes，and the temporal averaged ground-based AOD within ±30 min of satellite overpassing are represent by the heights of the wide bars，while the standard deviations of spatial means are potted as the top spikes)

3.2.2 卫星产品与地基观测的对比分析

从观测期间的所有统计样本来看(图 5)，沈阳地区气溶胶光学厚度全年基本上小于1，MODIS与MERSI产品与地基观测数据的总匹配率分别为68%和83%，对各类气溶胶浓度情况，MODIS匹配率均低于MERSI。当AOD较小时(< 0.35)，MODIS落入期望误差线的比例高于MERSI，MODIS对光学厚度出现低估，MERSI出现明显高估，两者与实测值的相对误差分别为-46%—54%、7%—135%；当AOD界于0.35—0.75之间时，MODIS和MERSI对光学厚度均出现低估，其间，AOD低于0.5时，MODIS落入误差线的比例略低于MERSI，两者与实测值的相对误差分别为-41%—54%、-21%—55%；AOD高于0.5时，MODIS落入误差线的比例高于MERSI，两者与实测值的相对误差分别为-34%—53%、-42%—75%；当AOD较大时(>0.75)，MODIS和MERSI与实测值的相对误差分别为-34%—100%、-9%—58%，但由于此区间内样本数过少，MODIS和MERSI产品不具有明显的统计意义，但可以看出无论MODIS还是MERSI反演误差均很大，几乎都在误差线以外，低估尤为严重。沈阳站AOD>0.75的地基实测数据样本多集中在4—8月，正值农作物生长旺季，导致50 km范围内地表覆盖的非均一性增加，反射率普遍较低，而卫星反演过程中可能高估了地表反射率的影响。


图 5 不同气溶胶浓度时卫星反演AOD产品与地基观测值对比图(根据CSHNET AOD数值间隔0.05对所有并列的数据进行分类，虚线表示NASA所给出的期望误差线，分别为y=0.05+1.15x和y = -0.05+0.85x，垂直误差线表示卫星数据的空间标准偏差。R1为气溶胶光学厚度在每个分段区间的累计百分比，R2为在每个分段区间卫星AOD产品落在误差线内的百分比，N是所有并列数据点的总数)
Fig. 5 Comparisons of the satellite retrieval AOD and ground-based AOD in different aerosol loading condition(The data are sorted according to the ground-based AOD which are styleed at the interval of 0.05. Dashed lines represent y=0.05+1.15x and y = -0.05+0.85x，which are the expected error lines issued by NASA. Vertical bars represent the standard deviation of AOD stylees for satellite retrieval. R1 is the cumulative percentage of data points in each style and R2 is the percentage of the satellite AOD products within the expected error lines in each style. N is the total number of collocated data points)

从50 km范围内卫星反演的AOD产品的空间标准偏差来看(图 5)，当AOD在0.55以下时，MODIS的空间标准偏差较小，而AOD大于0.55时，MERSI的空间标准偏差较小。说明不同气溶胶浓度时同一区域内不同像素点卫星产品反演误差有所差异。

不同季节按Angstrom指数分类后，地基观测与卫星反演AOD产品的对比结果如表 1、图 6所示，在观测期间内MODIS和MERSI与地基观测匹配到的有效样本数都是春、秋季较多(春季分别为69%、80%，秋季分别为73%、70%)，夏季次之(69%、73%)，冬季最少(MODIS样本数为1，MERSI样本数为28，匹配率分别为2%、49%)。整体来说，卫星产品与地基观测数据的匹配率MODIS均低于MERSI，特别是冬季，由于地表冰雪覆盖，50×50 km范围内很难找到满足暗像元条件的像素点，导致冬季几乎无MODIS产品。在春、夏、秋三季MODIS和MERSI产品均存在不同程度的低估，MODIS与地基观测的相关性明显优于MERSI，MODIS在夏季相关性最好(0.49)，春季次之(0.44)，秋季较弱(0.28)，冬季因MODIS可匹配的样本数太少，故不具有统计意义。而MERSI在春季相关性最好(0.22)，夏季次之(0.19)，秋季较弱(0.07)，冬季MERSI产品出现明显高估，相关系数几乎为零，但落入误差线的比例较高(39%)，这可能与冬季样本量少有关。因此在冬季，MODIS与MERSI对气溶胶光学特性的观测均不具备代表性。

表 1 不同季节卫星AOD产品与地基观测对比统计参数一览表
Table 1 Statistical values for the assessment of the satellite AOD products and those of the ground-based observation in different seasons

下载CSV 
卫星产品与地基对比统计参数 春季 夏季 秋季 冬季
卫星产品与地基观测匹配率/% MODIS 69 69 73 2
MERSI 80 73 70 49
卫星产品与地基观测相关系数 MODIS 0.44 0.49 0.28 —
MERSI 0.22 0.19 0.07 0.00
斜率 MODIS 0.70 0.69 0.47 —
MERSI 0.62 0.42 0.30 -0.09
截距 MODIS -0.05 -0.14 0.01 —
MERSI -0.07 -0.01 0.06 0.69
卫星AOD产品落入误差线的总比例/% MODIS 22 6 19 —
MERSI 25 5 16 39
粗模态气溶胶落入误差线的比例/% MODIS 17 5 8 —
MERSI 36 5 23 25
混合模态气溶胶落入误差线的比例/% MODIS 26 6 26 —
MERSI 19 5 12 42


图 6 不同季节卫星反演AOD产品与地基观测值对比图(虚线为NASA给出的误差线为y=0.05+1.15x与y= -0.05+0.85x；竖直和水平误差线分别代表卫星反演AOD的空间标准偏差和地面观测AOD的时间标准偏差)
Fig. 6 Comparisons of the satellite retrieval AOD products and ground-based AOD for the four seasons(Dashed lines represent y=0.05+1.15x and y = -0.05+0.85x，which are the expected error lines issued by NASA. Vertical bars and horizontal bars represent the spatial standard deviation of satellite retrieval AOD and the temporal standard deviation of ground-based AOD)

MODIS和MERSI产品落入误差线的比例两者都是春季最高(22%、25%)，秋季次之(19%、16%)，夏季最小(6%、5%)，但MERSI对粗模态气溶胶(α≤0.5)反演效果优于MODIS，而MODIS对混合模态气溶胶反演效果优于MERSI(0.5≤α< 1.5)。这可能与卫星反演算法中对该地区气溶胶模型的选择及地表反射率的确定有关。春季α的月均值为0.54—0.76(图 2)，MODIS和MERSI与地基观测线性回归的斜率分别为0.70、0.62，截距分别为-0.05、-0.07，卫星反演算法中对气溶胶模型的选择较合理，反演效果较好；夏季气溶胶浓度最高，α的月均值为0.33—0.44(图 2)，MODIS和MERSI的斜率分别为0.69、0.42，说明高气溶胶浓度下反演算法中气溶胶模型选择存在明显误差(Xia等，2004)，原因如3.1节所分析，可能是夏季气溶胶来源丰富(图 3(f)—图 3(h))，高温高湿条件利于气-粒转化过程和吸湿性增长过程所致，加之夏季农作物生长旺盛，站点周围50 km范围内地表覆盖的非均一性增加，反射率估算误差增大(MODIS截距达-0.14)，故卫星气溶胶产品精度较差。秋季α的月均值为0.32—0.88(图 2)，MODIS和MERSI的斜率分别为0.47、0.30，截距分别为0.01、0.06，10月秸秆焚烧和11月燃煤采暖使气溶胶组分随时间变异性较大，故卫星气溶胶产品的误差主要来源于该季节的气溶胶模型选择误差(Remer等，2005)。

对比MERSI与MODIS产品在观测期间不同季节的相关关系(图 7)，发现两者在秋季相关性最好(0.57)，春季次之(0.43)，春、秋季MERSI产品比MODIS产品偏低的样本数居多；夏季MERSI与MODIS产品相关性较差(0.17)，冬季MODIS卫星样本数太少，不具有统计意义。如前所述，夏季气溶胶来源丰富且浓度高，气-粒转化过程和吸湿性增长过程影响较大，同时，该季地表反射率估算误差增加，诸多因子对不同气溶胶反演算法的误差贡献存在差异，削弱了不同卫星产品之间的可比性。


图 7 不同季节MERSI与MODIS AOD产品对比图(虚线为NASA给出的误差线为y=0.05+1.15x与y= -0.05+0.85x)
Fig. 7 Comparisons of MERSI and MODIS AOD products for the four seasons(Dashed lines represent y=0.05+1.15x and y = -0.05+0.85x，which are the expected error lines issued by NASA)

3.2.3 卫星产品区域分布特征对比分析

分别挑选2011-04-05、2011-06-05、2011-10-11作为春、夏、秋三季晴天典型日的代表，通过对比不同日期辽宁省范围内FY-3A/MERSI与Terra/MODIS气溶胶产品的空间分布特征(图 8)，来评估区域尺度上两种气溶胶产品的差异。从覆盖范围来看，FY-3A/MERSI反演出的有效数据比Terra/MODIS覆盖范围略广。各季节FY-3A/MERSI与Terra/MODIS的宏观空间分布特征基本一致，辽西南和辽中地区铁岭、沈阳、鞍山一带AOD较高，而东部AOD较低，但对于某些地区，两者数值上依然存在较大偏差。因此，在以后的工作中需增加区域内地基观测站点，通过地基与空基气溶胶光学厚度的对比进一步校验卫星资料在该地区的适用性。


图 8 MERSI与MODIS AOD产品区域分布对比图
Fig. 8 Comparisons of MERSI and MODIS AOD products on regional scale

4 结 论

观测研究结果表明，在中国沈阳地区，气溶胶光学厚度与模态呈显著的季节变化，春、夏季强烈的农业活动和沙尘、扬尘天气导致该地区气溶胶浓度高，其光学厚度大，气溶胶模态呈现为大粒径的沙尘主控模态；秋季气溶胶光学厚度下降，但伴随区域生物质燃烧使细粒子含量增加，气溶胶主控模态逐步向混合模态转变；冬季冰雪覆盖限制了地表扬尘等大粒径颗粒物的排放，供暖燃烧排放细模态烟尘气溶胶比例显著上升。利用地基观测对比验证Terra/MODIS与FY-3A/MERSI气溶胶光学厚度产品精度表明，在沈阳地区，中国FY-3A/MERSI气溶胶光学厚度产品精度与Terra/MODIS气溶胶产品精度仍存在较大差距。在春、夏、秋季两颗卫星均存在低估，MODIS为系统性低估，而MERSI产品低估的离散程度远大于MODIS。在冬季，在冰雪覆盖的高亮背景下，MODIS在沈阳地区几乎没有有效的气溶胶光学厚度产品，而FY-3A卫星具备一定数量的有效气溶胶光学厚度产品，但高估的离散点误差非常显著。在辽宁省范围内FY-3A/MERSI气溶胶产品覆盖范围比Terra/MODIS略广，两者所体现的光学厚度宏观空间分布特征基本一致，但对局地两者数值上依然存在较大偏差。整体而言，FY-3A卫星气溶胶光学厚度反演算法及产品质控仍有较大提升空间；同时，在沈阳地区，国内外卫星反演需要考虑不同季节气溶胶模态组分和地表反射率变化对气溶胶反演算法误差的影响，需要基于长期地基观测来修正该区域气溶胶模型，降低地表反射率的不确定性，以提高卫星反演精度。

参考文献(References)

  • Cao G L, Zhang X Y, Wang D, Zheng F C.2005.Inventory of atmospheric pollutants discharged from biomass burning in China continent. Environmental Science, 25 (4) : 389–393 .
  • ( 曹国良, 张小曳, 王丹, 郑方成. 2005. 中国大陆生物质燃烧排放的污染物清单. 中国环境科学, 25 (4) : 389–393. [DOI:10.3321/j.issn:1000-6923.2005.04.002] )
  • Chu D A, Kaufman Y J, Ichoku C, Remer L A, Tanré D, Holben B N.2002.Validation of MODIS aerosol optical depth retrieval over land. Geophysical Research Letters, 29 (12) : MOD2-1–MOD2-4 . [DOI:10.1029/2001GL013205]
  • Crosbie E, Sorooshian A, Monfared N A, Shingler T, Esmaili O.2014.A multi-year aerosol characterization for the greater Tehran Area using satellite, surface, and modeling data. Atmosphere, 5 (2) : 178–197 . [DOI:10.3390/atmos5020178]
  • Du W P, Gao Q X, Wang Y S, Xin J Y, Lin Y Y.2009.Influence of dust storms on urban atmospheric environmental quality in Northern China. Research of Environmental Sciences, 22 (9) : 1021–1026 .
  • ( 杜吴鹏, 高庆先, 王跃思, 辛金元, 蔺永耀. 2009. 沙尘天气对我国北方城市大气环境质量的影响. 环境科学研究, 22 (9) : 1021–1026. )
  • Dubovik O, Holben B, Eck T F, Smirnov A, Kaufman Y J, King M D, Tanré D, Slutsker I.2002.Variability of absorption and optical properties of key aerosol types observed in worldwide locations. Journal of the Atmospheric Sciences, 59 (3) : 590–608 . [DOI:10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2]
  • Engel-Cox J A, Holloman C H, Coutant B W, Hoff R M.2004.Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality. Atmospheric Environment, 38 (16) : 2495–2509 . [DOI:10.1016/j.atmosenv.2004.01.039]
  • Hao W M, Ward D E, Susott R A, Babbitt R E, Nordgren B L, Kaufman Y J, Holben B N, Giles D M.2005.Comparison of aerosol optical thickness measurements by MODIS, AERONET sun photometers, and Forest Service handheld sun photometers in southern Africa during the SAFARI 2000 campaign. International Journal of Remote Sensing, 26 (19) : 4169–4183 . [DOI:10.1080/01431160500113104]
  • Hong Y, Zhou D P, Ma Y J, Liu N W.2010a.Analysis on aerosol mass concentrations of PM10、PM25 and PM1 in Shenyang. Environmental Science and Technology, 33 (6E) : 231–234 .
  • ( 洪也, 周德平, 马雁军, 刘宁薇. 2010a. 沈阳地区PM10、PM25和PM1质量浓度的分析. 环境科学与技术, 33 (6E) : 231–234. [DOI:10.3969/j.issn.1003-6504.2010.6E.060] )
  • Hong Y, Zhou D P, Qi Y, Liu D, Ma Y J, Liu N W, Gan L L.2010b.Distribution characteristics of aerosol mass concentrations in Northeastern China. Arid Land Geography, 33 (2) : 224–230 .
  • ( 洪也, 周德平, 齐颖, 刘丹, 马雁军, 刘宁微, 甘露林. 2010b. 东北地区气溶胶质量浓度分布特征. 干旱区地理, 33 (2) : 224–230. )
  • Ichoku C, Chu D A, Mattoo S, Kaufman Y J, Remer L A, Tanré D, Slutsker I, Holben B N.2002.A spatio-temporal approach for global validation and analysis of MODIS aerosol products. Geophysical Research Letters, 29 (12) : MOD1-1–MOD1-4 . [DOI:10.1029/2001GL013206]
  • Kanniah K D, Lim H Q, Kaskaoutis D G, Cracknell A P.2014.Investigating aerosol properties in Peninsular Malaysia via the synergy of satellite remote sensing and ground-based measurements. Atmospheric Research, 138 (3) : 223–239 . [DOI:10.1016/j.atmosres.2013.11.018]
  • Kaufman Y J, Tanré D, Remer L A, Vermote E F, Chu A, Holben B N.1997.Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer. Journal of Geophysical Research, 102 (D14) : 17051–17068 . [DOI:10.1029/96JD03988]
  • Kim D H, Sohn B J, Nakajima T, Takamura T, Takemura T, Choi B C, Yoon S C.2004.Aerosol optical properties over East Asia determined from ground-based sky radiation measurements. Journal of Geophysical Research:Atmospheres(1984-2012), 109 (D2) : 127–142 . [DOI:10.1029/2003JD003387]
  • Kim H S, Chung Y S, Kim J T.2014.Spatio-temporal variations of optical properties of aerosols in East Asia measured by MODIS and relation to the ground-based mass concentrations observed in central Korea during 2001~2010. Asia-Pacific Journal of Atmospheric Sciences, 50 (2) : 191–200 . [DOI:10.1007/s13143-014-0007-8]
  • Levy R C, Mattoo S, Munchak L A, Remer L A, Sayer A M, Hsu N C.2013.The Collection 6 MODIS aerosol products over land and ocean. Atmospheric Measurement Techniques, 6 (1) : 159–259 . [DOI:10.5194/amt-6-2989-2013]
  • Liu Y, Franklin M, Kahn R and Koutrakis P. 2007. Using aerosol optical thickness to predict ground-level PM2.5 concentrations in the St.
  • Louis area:a comparison between MISR and MODIS. Remote sensing of Environment, 107(1/2):33-44[DOI:10.1016/j.rse.2006.05.022]
  • Munchak L A, Levy R C, Mattoo S, Remer L A, Holben B N, Schafer J S, Hostetler C A, Ferrare R A.2013.MODIS 3 km aerosol product:applications over land in an urban/suburban region. Atmospheric Measurement Techniques, 6 (7) : 1747–1759 . [DOI:10.5194/amt-6-1747-2013]
  • Qi Y L, Ge J M, Huang J P.2013.Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET. Chinese Science Bulletin, 58 (20) : 2497–2506 .
  • ( 齐玉磊, 葛觐铭, 黄建平. 2013. 北方地区MODIS和MISR与AERONET气溶胶光学厚度的比较及其时空分布分析. 科学通报, 58 (20) : 1670–1679. )
  • Qiu J H, Pan J D, Yang L Q, Yang J M, Dong Y Z.1997.Variation of atmospheric aerosols over 10 sites in China during 1980~1994. Scientia Atmospherica Sinica, 21 (6) : 725–733 .
  • ( 邱金桓, 潘继东, 杨理权, 杨景梅, 董艺珍. 1997. 中国10个地方大气气溶胶1980~1994年间变化特征研究. 大气科学, 21 (6) : 725–733. [DOI:10.3878/j.issn.1006-9895.1997.06.10] )
  • Remer L A, Kaufman Y J, Tanré D, Mattoo S, Chu D A, Martins J V, Li R-R, Ichoku C, Levy R C, Kleidman R G, Eck T F, Vermote E, Holben B N.2005.The MODIS aerosol algorithm, products, and validation. Journal of the Atmospheric Sciences, 62 (4) : 947–973 . [DOI:10.1175/JAS3385.1]
  • Wang L L, Wang Y S, Xin J Y, Li Z Q, Wang X Y.2010.Assessment and comparison of three years of Terra and Aqua MODIS Aerosol Optical Depth Retrieval(C005)in Chinese terrestrial regions. Atmospheric Research, 97 (1/2) : 229–240 . [DOI:10.1016/j.atmosres.2010.04.004]
  • Wang L L, Xin J Y, Wang Y S, Li Z Q, Liu G R, Li J.2007.Evaluation of the MODIS aerosol optical depth retrieval over different ecosystems in China during EAST-AIRE. Atmospheric Environment, 41 (33) : 7138–7149 . [DOI:10.1016/j.atmosenv.2007.05.001]
  • Wang Y Q, Zhang X Y, Draxler R R.2009.TrajStat:GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data. Environmental Modelling and Software, 24 (8) : 938–939 . [DOI:10.1016/j.envsoft.2009.01.004]
  • Wang Y S, Xin J Y, Li Z Q, Wang S G, Wang P C, Hao W M, Nordgren B L, Chen H B, Wang L L, Sun Y.2011.Seasonal variations in aerosol optical properties over China. Journal of Geophysical Research:Atmospheres(1984-2012), 116 (D18) : [DOI:10.1029/2010JD015376]
  • Xia N A, Chen H B, Wang P C.2004.Validation of MODIS aerosol retrievals and evaluation of potential cloud contamination in East Asia. Journal of Environmental Sciences, 16 (5) : 832–837 .
  • Xin J Y, Wang Y S, Li Z Q, Wang P C, Hao W M, Nordgren B L, Wang S G, Liu G R, Wang L L, Wen T X, Sun Y, Hu B.2007.Aerosol optical depth(AOD)and Ångström exponent of aerosols observed by the Chinese Sun Hazemeter Network from August 2004 to September 2005. Journal of Geophysical Research:Atmospheres(1984-2012), 112 (D5) : D05203 [DOI:10.1029/2006JD007075]
  • Xin J Y, Wang L L, Wang Y S, Li Z Q, Wang P C.2011.Trends in aerosol optical properties over the Bohai Rim in Northeast China from 2004 to 2010. Atmospheric Environment, 45 (35) : 6317–6325 . [DOI:10.1016/j.atmosenv.2011.08.052]
  • Yang J, Dong C H, Lu N M, Yang Z D, Shi J M, Zhang P, Liu Y J, Cai B.2009.FY-3A:the new generation polar-orbiting meteorological satellite of China. Acta Meteorological Sinica, 67 (4) : 501–509 .
  • ( 杨军, 董超华, 卢乃锰, 杨忠东, 施进明, 张鹏, 刘玉洁, 蔡斌. 2009. 中国新一代极轨气象卫星-风云三号. 气象学报, 67 (4) : 501–509. )
  • Zhang P, Yang H, Qiu H, Ma G, Yang Z D, Lu N M, Yang J.2012.Quantitative remote sensing from the current Fengyun 3 satellites. Advances in Meteorological Science and Technology, 2 (4) : 6–11 .
  • ( 张鹏, 杨虎, 邱红, 马刚, 杨忠东, 卢乃锰, 杨军. 2012. 风云三号卫星的定量遥感应用能力. 气象科技进展, 2 (4) : 6–11. [DOI:10.3969/j.issn.2095-1973.2012.04.001] )
  • Zhang R, Jing J, Tao J, Hsu S C, Wang G, Cao J, Lee C S L, Zhu L, Chen Z, Zhao Y, Shen Z.2013.Chemical characterization and source apportionment of PM25 in Beijing:seasonal perspective. Atmospheric Chemistry and Physics, 13 (14) : 7053–7074 . [DOI:10.5194/acp-13-7053-2013]
  • Zong X M, Qiu J H, Wang P C.2005.Characteristic of atmospheric aerosol optical depth over 16 radiation stations in the last 10 years. Climatic and Environmental Research, 10 (2) : 201–208 .
  • ( 宗雪梅, 邱金桓, 王普才. 2005. 近10年中国16个台站大气气溶胶光学厚度的变化特征分析. 气候与环境研究, 10 (2) : 201–208. )