赵富强1
,
王维和2
,
邓小波1
,
杨阳3
,
彭永杰4
|
收稿日期: 2016-08-31
基金项目: 国家自然科学基金(编号：41375042，41175024)；北京市科技计划(编号：Z151100003615001)
第一作者简介: 赵富强(1987— )，男，硕士研究生，研究方向为卫星遥感。E-mail：fuqiangchengdu@126.com
通讯作者简介: 王维和(1966— )，男，正研级高级工程师，研究方向为大气物理、大气环境以及痕量气体。E-mail：wangwh@cma.gov.cn
中图分类号: TP79
文献标识码: A
|
摘要
吸收性气溶胶指数AAI (Absorbing Aerosol Index)是基于卫星观测的紫外后向散射辐射导出的参数，与大气中对紫外线有吸收作用的气溶胶(简称吸收性气溶胶)有关，能够定性反应吸收性气溶胶的存在与空间分布特征。由于臭氧在AAI反演波段对紫外线仍然存在弱吸收作用，因此AAI可能与大气臭氧总量有关，臭氧反演的误差也可能对AAI的反演精度造成影响。为了研究臭氧总量与AAI的关系，臭氧反演的精度对AAI反演的影响，利用辐射传输模型通过敏感性实验，来模拟吸收性气溶胶指数和臭氧总量之间的关系，臭氧反演误差对吸收气溶胶指数的反演的影响。采用沙漠气溶胶，不改变气溶胶的含量，通过改变中纬度夏季的臭氧总量来计算大气模型。对臭氧总量、气溶胶含量与AAI的内在关系，臭氧总量对AAI反演精度的影响进行了模拟，模拟结果表明，气溶胶指数与臭氧总量的改变存在正相关关系，而臭氧总量的反演误差对AAI指数的反演影响不大。基于风云三号气象卫星紫外臭氧总量探测仪(FY-3/TOU)的臭氧总量和吸收性气溶胶指数数据(2012年)，分析了青藏高原地区7月份臭氧总量与吸收性气溶胶指数空间分布特征的关系，与模拟结果一致。
关键词
臭氧总量, 吸收性气溶胶指数, 中分辨率大气辐射传输模式, 风云三号气象卫星, 紫外臭氧总量探测仪
ZHAO Fuqiang1
,
WANG Weihe2
,
DENG Xiaobo1
,
YANG Yang3
,
PENG Yongjie4
Abstract
The physical meaning of Absorbing Aerosol Index (AAI) is the spectral contrast at two ultraviolet (UV) wavelengths caused by absorbing aerosols; this contrast can be separated from other effects, including molecular Rayleigh scattering, surface reflection, gaseous absorption, and aerosol and cloud scattering. The AAI an indicate the presence of elevated absorbing aerosols; therefore, AAI based on space-borne backscattered UV instrument is a qualitative measure for atmospheric absorbing aerosols, such as desert and Black Carbon (BC) aerosols. The space-borne AAI data can be used for the study of spatial distribution and transport of absorbing aerosols, such as dust storm and environment pollution. Owing to the weak absorption of ozone in 331nm channel, such as the FY-3B Total Ozone Unit (TOU), a few relationships might exist between the AAI and the total column ozone. Thus, the AAI cannot completely separate the gaseous absorption effect from the aerosol absorption effect. The AAI is retrieved by comparing the measured backscattered UV radiances on top of the atmosphere and the UV radiances of pure molecular atmosphere, such as the Rayleigh scattering radiances, which is calculated by the radiative transfer model with the total column ozone as input. Hence, the retrieval of the AAI based on UV instruments might be affected by the uncertainty of ozone retrieval results. The radiative transfer model MODTRAN (MODerate resolution atmospheric TRANs mission) has been used to simulate the relationship between the AAI and the total column ozone, as well as the effect of ozone retrieval error on the retrieval of AAI. The simulation for the relation between the AAI and total column ozone is a sensitivity analysis process, in which the desert aerosol is adopted and the content of aerosol is fixed. The AAI is calculated by changing the total column ozone in the mid-latitude summer atmospheric model. The simulation results show that a 10% change of the total column ozone causes an approximately 15% change in the AAI. The effect of ozone uncertainty on the retrieval of the AAI is simulated through the calculation of the Rayleigh scattering radiance on top of the atmosphere by changing the total column ozone value in the mid-latitude summer atmosphere model. The results show that the AAI changes less than 1% with a 20% uncertainty in the total column ozone. The uncertainty of the total column ozone for FY-3/TOU is less than 5%, and the error of AAI caused by the ozone retrieval error is negligible. The AAI data of FY-3B/TOU for July of 2012 over the Taklimakan desert and Tibet Plateau are analyzed to verify the relationship between the AAI and the total column ozone, and the results show a remarkable correlation between the two. The conclusion cautions that using the AAI data of the spatial distribution of the total column must be considered in monitoring the absorbing aerosol process.
Key words
total column ozone, absorbing aerosol index, MODTRAN, FY-3, TOU
1 引 言
气溶胶粒子的消光特性包括散射消光和吸收消光两个部分组成，散射消光和吸收消光相对强弱程度是由单次散射反照率(SSA)描述的，即散射消光占总消光的比例，主要与气溶胶的化学组分有关。所谓散射性气溶胶指散射在消光中占主导地位的气溶胶，例如硫酸盐和海盐气溶胶，而吸收性气溶胶则指吸收在消光中起主导作用的气溶胶，例如黑碳气溶胶(BC)、沙尘等(Zhu，2010)。吸收性气溶胶的主要来源包括自然过程如沙尘暴、火山喷发、生物的燃烧以及人为过程如化石燃料燃烧过程，是对地球气候和环境都有重要影的大气组成成分(Gadhavi和Jayaraman，2010；Ahmad 等，2006)，但是由于这些吸收性气溶胶经常会从它们的源头产生长距离的输送，因此利用地基观测它们的空间分布特征具有很大的局限性，而卫星则可以很大程度克服这一约束。地基观测吸收性气溶胶的主要参数包括吸收系数和光学厚度光谱(AOD)，相对于卫星观测来说，地基观测具有更高的精度和时间连续性，但空间覆盖能力不足以反应气溶胶的空间分布特征和输送过程。卫星观测气溶胶主要参数就是气溶胶光学厚度，很多研究人员利用卫星搭载的可见光/近红外成像仪如NOAA卫星搭载的改进的甚高分辨率扫描辐射计(AVHRR)和EOS/Terra卫星搭载的中分辨率成像光谱仪(MODIS)反演大气气溶胶光学厚度(Holben 等，1992；Kaufman 等，1997)，但是在有云以及亮地表条件下很难得到AOD定量产品(李晓静 等，2003)。由美国航空航天局(NASA)研制的臭氧总量测绘光谱仪TOMS(Total Ozone Mapping Spectrometer)是用于反演大气臭氧总量的太阳紫外后向散射光谱仪，为了评估吸收性气溶胶对臭氧总量反演的影响，定义了反应吸收性气溶胶吸收紫外线程度的定性参数，即吸收性气溶胶指数AAI(Absorbing Aerosol Index)(Ahmad 等，2006)。在利用吸收性气溶胶指数定性评估吸收性气溶胶对臭氧反演的影响过程中发现了AAI指数在监测气溶胶方面独有的特点，例如早在1997年Heraman利用TOMS AI研究全球吸收性气溶胶分布源，这些分布源包括森林和秸秆等生物燃烧、沙尘暴等(Herman 等，1997)研究发现AAI指数能够在一定程度上克服云以及亮地表目标的影响，能够在传统可见光/近红外成像仪无法提供AOD产品时提供一部分吸收性气溶胶的空间分布信息。中国于2008年发射的第二代极轨气象卫星风云三号A星首次搭载了紫外臭氧总量探测仪(TOU)(Wang 等，2010，2011)，其原理类似于TOMS仪器。FY-3/TOU除了用于全球臭氧总量监测外，基于其观测数据开发的AAI指数产品也用于大气污染过程的吸收性气溶胶以及沙尘暴的监测(Zhang 等，2015；Fang 等，2016)。
基于诸如TOMS或TOU等紫外后向散射仪器观测数据的吸收性气溶胶指数在实际的反演中受到诸多因素的影响，这使得本来就属于定性或者半定量参数的AAI指数在实际的应用中存在很多不确定性，例如(De Graaf 等，2005)利用辐射传输模式研究了对AAI指数有影响的因素，发现AAI与气溶胶微物理特性、地表反射率的关系比较密切，但受云的影响较小。与TOMS仪器略有区别，FY-3/TOU用于反演AAI指数的通道对略有不同，FY-3/TOU反演AAI指数的通道对为331 nm/360 nm，而TOMS仪器为340 nm/380 nm组合，其中331 nm的后向散射辐亮度受到臭氧的吸收影响较340 nm大，而360 nm和380 nm则不受臭氧吸收的影响。
正是由于AAI指数与臭氧总量之间的相互关系，AAI指数在监测吸收性气溶胶的过程中难免受到臭氧分布的影响，因而不能完全反映吸收性气溶胶的分布特征。在反演AAI指数时首先要用到臭氧总量作为输入，因此臭氧总量的反演误差也会对AAI指数的反演精度带来影响。AAI指数在实际应用中需要消除臭氧总量带来的影响，因此本文的目的是通过辐射传输模式的模拟评估臭氧对AAI指数影响的程度，并利用实际数据的分析进行验证，评估二者之间的关系，为进一步定量订正给出依据。为了研究臭氧总量的不确定性对AAI指数反演可能带来的影响以及二者之间的内在关系，采用辐射传输模拟了AAI指数与臭氧总量的关系、臭氧总量的不确定性对AAI指数反演的影响。辐射传输模拟结果表明，臭氧总量的反演误差对AAI指数的反演精度影响不大，但AAI指数与臭氧总量是相关的，当AAI为1.966，臭氧总量为336DU时，臭氧总量改变10%时，AAI指数的变化约为15%。
2 臭氧总量和吸收性气溶胶指数的反演简介
2.1 臭氧总量反演算法简介
为了解AAI指数与臭氧总量的关系，首先介绍臭氧总量的反演原理。一些星载紫外臭氧总量探测仪比如TOMS和TOU仪器，它们反演臭氧时均采用通道对算法。通道对算法的原理是，在臭氧吸收通道中选出吸收差异明显的一对通道，这对通道的紫外后向散射强度的差与臭氧总量之间存在密切关系，基于这个关系可以反演得到臭氧总量。美国的NIMBUS-7/TOMS以及高光谱紫外仪器AURA/OMI均采用这种算法反演臭氧总量，如TOMS V7 (McPeters 等，1993)和TOMS V8 (Bhartia，2002)算法，FY-3/TOU采用的方法类似于TOMS V7算法(Wang 等，2010)。表1为FY-3B/TOU的光谱特性，其中通道3和通道5这一对臭氧对紫外吸收有明显差异的通道用于反演臭氧总量，而通道6由于臭氧的吸收比较微弱，用于计算下垫面的反射特性以及等效辐射云量。当吸收性气溶胶存在时，用于反演臭氧总量的通道3和通道5的后向散射辐亮度均会受到吸收性气溶胶的影响，因此可能对臭氧总量的反演产生影响，而吸收性气溶胶指数的初衷就是用来定性描述这一影响的严重程度。
表 1 FY-3B/TOU光谱参数
Table 1 The spectral parameters of FY-3B/TOU
| /nm | ||
| 通道 | 实测中心波长 | 实测带宽 |
| 1 | 308.780 | 1.153 |
| 2 | 312.719 | 1.138 |
| 3 | 317.730 | 1.171 |
| 4 | 322.516 | 1.162 |
| 5 | 331.434 | 1.152 |
| 6 | 360.271 | 1.156 |
2.2 吸收性气溶胶指数的定义和反演原理
吸收性气溶胶指数没有标准的物理定义，由于吸收性气溶胶在紫外波段的吸收系数随着波长减小而增加，需要定义这样的一个参数，能够反应含有吸收性气溶胶的大气后向紫外散射辐射对波长的依赖性。气溶胶对紫外波段的太阳辐射吸收性越强，对太阳紫外线的后向散射辐射对波长的依赖性越强。一般说来，吸收性气溶胶如沙尘，生物燃烧产生的烟雾，含碳颗粒物，火山灰云的气溶胶指数对波长有很强的依赖性。对于具体的星载紫外后向散射仪器来说，吸收性气溶胶指数定义为两个波长上仪器观测的后向散射辐亮度与瑞利散射大气(不考虑气溶胶的影响)后向散射辐亮度之间的残差，以FY-3/TOU为例，AAI指数定义为
| ${\rm{AAI}} = 100\left\{ {{\rm{lg}}\left[ {\frac{{I_{360}^{{\rm{Meas}}}}}{{I_{331}^{{\rm{Meas}}}}}} \right] - {{\lg }}\left[ {\frac{{I_{360}^{{\rm{Calc}}}}}{{I_{331}^{{\rm{Calc}}}}}} \right]} \right\}$ | (1) |
式中，
在大多数情况下，含有吸收性气溶胶的大气AAI指数为正，非吸收性气溶胶也就是纯散射大气AAI为零或负值。在反演AAI指数过程中，在计算瑞利散射大气辐亮度时需要知道臭氧总量，而臭氧总量是预先反演出来的，在吸收性气溶胶存在的条件下，臭氧总量的精度受到影响，因此必然影响到AAI指数的反演精度。
2.3 臭氧总量反演精度及AAI指数反演示例
为了评估臭氧总量的反演结果对AAI指数反演的影响，对所使用的臭氧总量反演数据即FY-3/TOU臭氧总量反演结果进行了真实性检验，并给出AAI指数反应吸收性气溶胶的能力给出示例。图1为利用芬兰气象局在索丹屈莱臭氧总量地面光谱仪(brewer)观测站对FY-3B/TOU进行真实性检验的结果，共选取了FY-3B发射后3年多共562个有效样本进行了对比，结果表明，FY-3B/TOU臭氧总量相对均方根偏差为3.0%。这与国际上同类产品如TOMS，OMI的精度相当。利用全球地面观测站对FY-3/TOU的臭氧总量进行真实性检验结果表明，FY-3/TOU全球臭氧总量反演误差在3%—4%(刘利 等，2015)。
基于FY-3B/TOU观测值依据方程(1)定义了吸收性气溶胶指数并应用于沙尘暴以及中国中东部地区春冬季节的污染监测。图2为2013年7月14日10时FY-B/TOU监测全国吸收性气溶胶指数分布，可以看出，7月份吸收性气溶胶主要出现在新疆的塔克拉玛干沙漠地区以及青藏高原的北部。图3为FY-3B/TOU监测的2014年3月10日中国华北和东部地区霾的分布情况，可以看出该季节在中国华北和东部地区存在较多的吸收性气溶胶。从图2和图3可以看出，吸收性气溶胶指数的有效范围在0—5，吸收性气溶胶对沙尘和霾颗粒有很好的响应。
3 臭氧总量与吸收性气溶胶指数的关系以及臭氧总量误差对吸收性气溶胶指数反演的影响分析
3.1 对不同的大气模式下吸收性气溶胶指数的模拟计算
中分辨率大气透射率计算模式MODTRAN (Moderate Resolution Transmission)是近30年发展起来的一种国际广泛使用的大气辐射传输模式(吴北婴 等，1988；毛克彪和覃志豪，2004)。对于给定的气溶胶模式和大气参数，MODTRAN可计算特定大气路径的透过率和辐亮度。为了模拟吸收性气溶胶指数对气溶胶模式和含量的相对敏感性，分别对沙漠气溶胶模式、城市气溶胶模式、乡村气溶胶模式以及海洋气溶胶模式进行了大气层顶后向散射辐射亮度的模拟计算，计算中选用中纬度夏季大气模式，仅考虑太阳天顶角为30°和天底观测方向，通过改变沙漠气溶胶的风速和能见度、城市气溶胶，乡村气溶胶以及海洋气溶胶的能见度来改变气溶胶的含量，计算331 nm和360 nm通道后向散射辐亮度，进而利用式(1)计算吸收性气溶胶指数。由于在卫星实际观测资料处理时，为了消除因仪器变化产生的定标误差，一般采用无量纲量N-值即辐亮度与辐照度比值的对数代替辐亮度：
| $N = - 100{\lg}(I/F)$ | (2) |
式中，N即为N-值，I为辐亮度，F太阳辐照度。
表2为利用MODTRAN内部提供的各种气溶胶模型通过改变风速、能见度而获得不同的气溶胶浓度模拟计算相应的吸收性气溶胶指数结果。气溶胶指数的大小主要取决于气溶胶的类型和浓度，可以看出沙漠型和乡村型气溶胶对应的AAI指数较高，而海洋性气溶胶的AAI指数为接近于零的负值，这与气溶胶指数的物理含义是相符的(De Graaf 等，2005)，这也与实际的观测结果一致，例如塔克拉玛干地区常年存在吸收性气溶胶指数高值区，而华北和华东地区由于春冬季节燃煤而产生大量的黑碳气溶胶而存在吸收性气溶胶指数高值区。
3.2 吸收性气溶胶指数与臭氧总量的关系
由于331 nm通道受到臭氧吸收的影响与360 nm通道有差别(图4)，因此不同臭氧总量下的AAI指数是否存在差别？为了模拟臭氧总量的变化与吸收性气溶胶指数的关系，利用MODTRAN模式自带的沙漠气溶胶模式和中纬度夏季大气模式，固定气溶胶的含量，仅改变大气臭氧总量，对吸收性气溶胶指数与臭氧的关系进行分析，其中沙漠气溶胶对应的风速为5 m/s，能见度为5 km，表3为模拟结果。从表3可以看出，当风速为5 m/s，能见度为5 km，中纬度夏季大气模式下，吸收性气溶胶指数为1.966，改变臭氧总量后吸收性气溶胶指数发生了改变，图5是吸收性气溶胶指数对臭氧总量的散点图。从表3和图5可以看出，在气溶胶和大气模式不变的情况下，当臭氧总量增加时，气溶胶指数的变化与臭氧总量变化呈递增关系。根据模拟结果，当吸收性气溶胶指数为1.966，臭氧总量为336 DU(中纬度大气模式下对应的臭氧总量)时，臭氧总量改变10%，AAI指数改变15%左右。根据定义，吸收性气溶胶指数反映出吸收性气溶胶浓度的变化，但根据模拟结果，必须是在臭氧总量的空间变化不大的情况下才能够体现吸收性气溶胶浓度的空间变化，如果臭氧总量出现较大的空间变化，需要考虑进行定量的订正。
表 2 MODTRAN模式模拟的不同气溶胶模型和含量下吸收性气溶胶指数
Table 2 Modtran simulation of absorbing aerosol index for different type and content of aerosols
| 气溶胶类型 | 能见度/km | 风速/(m/s) |
|
|
|
|
AAI |
| 瑞利大气 | —— | —— | 150.900 | 154.400 | 150.900 | 154.400 | 0 |
| 沙漠 | 2 | 5 | 218.913 | 204.836 | 150.900 | 154.400 | 3.882 |
| 沙漠 | 4 | 5 | 188.234 | 182.496 | 150.900 | 154.400 | 2.341 |
| 沙漠 | 5 | 5 | 181.714 | 177.647 | 150.900 | 154.400 | 1.966 |
| 沙漠 | 5 | 10 | 176.557 | 173.617 | 150.900 | 154.400 | 1.725 |
| 沙漠 | 5 | 15 | 167.726 | 166.412 | 150.900 | 154.400 | 1.338 |
| 沙漠 | 10 | 5 | 168.673 | 167.831 | 150.900 | 154.400 | 1.213 |
| 沙漠 | 10 | 10 | 166.075 | 165.774 | 150.900 | 154.400 | 1.075 |
| 城市 | 5 | —— | 149.733 | 150.391 | 150.900 | 154.400 | 0.806 |
| 城市 | 23 | —— | 152.655 | 154.473 | 150.900 | 154.400 | 0.482 |
| 乡村 | 5 | —— | 200.698 | 189.856 | 150.900 | 154.400 | 3.408 |
| 乡村 | 23 | —— | 181.714 | 177.647 | 150.900 | 154.400 | 1.081 |
| 海洋 | 23 | 5 | 154.724 | 159.279 | 150.900 | 154.400 | –0.264 |
表 3 MODTRAN模式模拟的臭氧总量变化对吸收性气溶胶指数的影响
Table 3 Effect of the total column ozone on the absorbing aerosol index for desert aerosol
| 相对臭氧总量 | 气溶胶类型 | 能见度/km | 风速/(m/s) |
|
|
|
|
AAI |
| 1.0 | 沙漠 | 5 | 5 | 181.676 | 177.654 | 150.912 | 154.406 | 1.966 |
| 1.1 | 沙漠 | 5 | 5 | 181.672 | 176.323 | 150.912 | 154.406 | 2.292 |
| 1.2 | 沙漠 | 5 | 5 | 181.650 | 174.584 | 150.912 | 154.406 | 2.717 |
| 0.9 | 沙漠 | 5 | 5 | 181.683 | 178.806 | 150.912 | 154.406 | 1.687 |
| 0.8 | 沙漠 | 5 | 5 | 181.696 | 180.619 | 150.912 | 154.406 | 1.252 |
3.3 臭氧总量的反演误差对吸收性气溶胶指数反演精度的影响
吸收性气溶胶指数的反演过程中首先根据卫星的观测几何计算331 nm和360 nm的瑞利散射辐亮度，但在此之前需要知道大气的臭氧总量，因为臭氧是影响这两个通道后向散射辐亮度最重要的吸收气体。在这两个通道的瑞利散射辐亮度计算出来以后，就可以利用方程(1)计算吸收性气溶胶指数，因此需要知道臭氧总量的反演误差对AAI指数计算的影响。与3.2模拟过程类似，同样利用MODTRAN模式自带的沙漠气溶胶模式和中纬度夏季大气模式，固定气溶胶的含量，沙漠气溶胶对应的风速为5 m/s，能见度为5 km，首先计算中纬度夏季条件下331 nm和360 nm通道对应的瑞利散射和有气溶胶条件下大气层顶后向散射辐亮度，之后改变臭氧总量，重新计算相应的瑞利散射辐亮度，计算吸收性气溶胶指数。图6为模拟结果。图6中给出臭氧总量分别改变±10%，±20%时吸收性气溶胶指数与中纬度夏季时吸收性气溶胶指数的变化，即便臭氧反演误差为±20%时，AAI指数的相对误差仍小于1%，可见臭氧总量的反演误差对AAI指数的反演误差贡献不大，正如3.2中所述，大气中实际臭氧总量的本身的增加对臭氧总量的影响较大，而臭氧的反演误差对AAI指数的影响是可以忽视的。
4 对测试数据的初步分析
臭氧总量的空间变化最大的区域是在3月份的北极(在不考虑南极臭氧洞的情况下)，臭氧总量基本上呈纬圈分布，高纬度臭氧含量高而且随经度发生变化，中低纬度臭氧总量分布较低且随经度的变化比较均匀。然而，吸收性气溶胶过程一般出现在低纬度的沙漠地区，如沙哈拉沙漠和塔克拉玛干沙漠(图2)的沙尘暴，喜马拉雅山脉以西的亚洲棕色云以及中国中东部地区春冬季节的含黑碳气溶胶的重污染过程，虽然在这些地区臭氧存在空间变化但变化比较平缓，且臭氧变化的空间尺度大于吸收性气溶胶过程的尺度，因此不太容易分析吸收性气溶胶指数与臭氧总量之间的相关性。由于受到塔克拉玛干沙漠的影响，青藏高原北部地区有时吸收性气溶胶指数较高，变化范围较大，在该地区每年的7月份存在臭氧谷(周秀骥 等，1995)，在塔克拉玛干-青藏高原地区臭氧有明显的空间变化，图7给出了2012年7月份中国及周边地区臭氧总量和AAI指数的月平均值。对2012年夏季该地区FY-3B/TOU反演的臭氧总量和气溶胶指数的数据进行了分析，选取的区域范围青藏高原地区(27°N—40°N，75°E—105°E)。根据中国风云三号气象卫星B星获取的2012年夏季的TOU观测数据，反演出上述区域的每日臭氧含量和每日的气溶胶指数，然后分析2012年7月AAI指数与臭氧总量月平均值之间的关系。图8为2012年7月的分析结果。从图8可以看到，青藏高原地区AAI指数随臭氧总量的增加有明显的增加趋势，相关系数为0.65，这说明吸收性气溶胶指数的变化除了沙尘的浓度本身的变化，与臭氧总量的变化是相关的，图8的结果与3.2的分析结果基本上是符合的。
5 结 论
利用辐射传输模式，对不同气溶胶类型和气溶胶含量对吸收性气溶胶指数的影响、吸收性气溶胶指数与臭氧总量的关系、臭氧总量的反演误差对吸收性气溶胶指数反演的影响并结合实际观测数据进行了分析，得到下面的结论：
(1) 吸收性气溶胶指数AAI对吸收性气溶胶如沙漠气溶胶、黑碳气溶胶等有显著的反应，能够定性反映出吸收性颗粒物的空间变化。
(2) 吸收性气溶胶指数随臭氧总量的变化存在明显的变化，表明331 nm通道臭氧对紫外线的弱吸收作用对吸收性气溶胶的指数存在影响，因此当考察的区域臭氧总量变化较大时，需要考虑臭氧总量对吸收性气溶胶指数的影响。
(3) 臭氧总量的反演误差对吸收性气溶胶指数的反演影响不大。
(4) 由于全球臭氧总量的分布一般在200—500 DU之间，而且臭氧总量尺度与沙尘、霾的时间空间尺度是不同的，因此在应用AAI指数进行吸收性气溶胶监测时，必须考虑到臭氧分布的影响。目前计算AAI指数是以吸收性气溶胶影响最低的热带太平洋海区作为背景值，但并没有考虑臭氧总量的影响，为了研究AAI指数的空间分布特征以及长时间变化，必须将所有的气溶胶指数订正到同一个臭氧总量下才有意义。
热带太平洋海区臭氧总量年变化在260—280 DU之间，与中高纬度地区相比变化的幅度较小。为了提高AAI反演的精确性，以热带太平洋海区臭氧总量年平均值作为标准对青藏高原和中国其他地区的AAI指数进行定量的订正将是下一步研究的重点。
志 谢 感谢国家卫星气象中心高玲绘制部分卫星图像。
参考文献(References)
-
Ahmad S P, Torres O, Bhartia P K, Leptoukh G G and Kempler S J. 2006. Aerosol index from TOMS and OMI measurements. American Meteorological Society Annual Meeting. Atlanta, GA: [s.n.]
-
Bhartia P K. 2002. OMI algorithm theoretical basis document, Volume II, NASA Goddard space flight center greenbelt. Maryland, USA ATBD-OMI-02, Version 2.0
-
De Graaf M, Stammes P, Torres O and Koelemeijer R B A. 2005. Absorbing Aerosol Index: sensitivity analysis, application to GOME and comparison with TOMS. Journal of Geophysical Research: Atmospheres, 110 (D1): D01201 [DOI: 10.1029/2004JD005178]
-
Fang L, Wang S P, Yu T, Gu X F, Zhang X Y, Wang W H and Ren S L. 2016. Changes in aerosol optical and micro-physical properties over Northeast Asia from a severe dust storm in April 2014. Remote Sensing, 8 (5): 394 [DOI: 10.3390/rs8050394]
-
Gadhavi H and Jayaraman A. 2010. Absorbing aerosols: contribution of biomass burning and implications for radiative forcing. Annales Geophysicae, 28 (1): 103–111. [DOI: 10.5194/angeo-28-103-2010]
-
Herman J R, Bhartia P K, Torres O, Hsu C, Seftor C and Celarier E A. 1997. Global distribution of UV-absorbing aerosols from NIMBUS 7/TOMS data. Journal of Geophysical Research: Atmospheres, 102 (D14): 16911–16922. [DOI: 10.1029/96JD03680]
-
Holben B, Vermote E, Kaufman Y J, Tanre D and Kalb V. 1992. Aerosol retrieval over land from AVHRR data-application for atmospheric correction. IEEE Transactions on Geoscience and Remote Sensing, 30 (2): 212–222. [DOI: 10.1109/36.134072]
-
Kaufman Y J, Tanré D, Remer L A, Vermote E F, Chu A and Holben B N. 1997. Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer. Journal of Geophysical Research: Atmospheres, 102 (D14): 17051–17067. [DOI: 10.1029/96JD03988]
-
Li X J, Liu Y J, Qiu H and Zhang Y X. 2003. Retrieval method for optical thickness of aerosds over Beijing and its vicinity by using the MODIS data. Acta Meteorologica Sinica, 61 (5): 580–591. [DOI: 10.11676/qxxb2003.058] ( 李晓静, 刘玉洁, 邱红, 张玉香. 2003. 利用MODIS资料反演北京及其周边地区气溶胶光学厚度的方法研究. 气象学报, 61 (5): 580–591. [DOI: 10.11676/qxxb2003.058] )
-
Liu L, Zheng X D, Chen S, Wang W H and She Y. 2015. Validation study of FY-3A-TOU total ozone using ground-based data. Chinese Journal of Space Science, 35 (6): 696–706. [DOI: 10.11728/cjss2015.06.696] ( 刘利, 郑向东, 陈树, 王维和, 佘勇. 2015. 风云-3A卫星TOU臭氧总量地基对比验证分析. 空间科学学报, 35 (6): 696–706. [DOI: 10.11728/cjss2015.06.696] )
-
Mao K B and Qin Z H. 2004. The transmission model of atmospheric radiation and the computation of transmittance of MODTRAN. Geomatics and Spatial Information Technology, 27 (4): 1–3. [DOI: 10.3969/j.issn.1672-5867.2004.04.001] ( 毛克彪, 覃志豪. 2004. 大气辐射传输模型及MODTRAN中透过率计算. 测绘与空间地理信息, 27 (4): 1–3. [DOI: 10.3969/j.issn.1672-5867.2004.04.001] )
-
McPeters R D, Krueger A J, Bhartia P K, Herman J R, Oaks A, Ahmad Z, Cebula R P, Schlesinger B M, Swissler T, Taylor S L, Torres O and Wellemeyer C G. 1993. Nimbus–7 Total Ozone Mapping Spectrometer (TOMS) Data Products User's Guide. NASA
-
Wang H, W X Y, Zhang X Q, An Y, Zhang F X, Huang Y M, Wang Y J, Wang Z M, Zhang J G, Lü L P, Fu F and Jiang G Y. 2010. Analysis for retrieval and validation results of FY-3 Total Ozone Unit (TOU). Chinese Science Bulletin, 55 (26): 3037–3043. [DOI: 10.1007/s11434-010-3240-2]
-
Wang W H, Zhang X Y, Wang Y M, Wang Y J, Zhang Z M, Fu L P, Jiang F and Liu G Y. 2011. Introduction to the FY-3A Total Ozone Unit: instrument, performance and results. International Journal of Remote Sensing, 32 (17): 4749–4758. [DOI: 10.1080/01431161.2010.489073]
-
Wu B Y, Li W, Chen H B, Li F, Zhang W X and Lyu D R. 1998. A Practical Algorithm for Atmospheric Radiative Transfer. Beijing: China Meteorological Press: 52–65 (吴北婴, 李卫, 陈洪滨, 李放, 章文显, 吕达仁. 1998. 大气辐射传输实用算法. 北京: 气象出版社: 52–65)
-
Zhang X Y, Wang L, Wang W H, Cao D J, Wang X and Ye D X. 2015. Long-term trend and spatiotemporal variations of haze over China by satellite observations from 1979 to 2013. Atmospheric Environment, 119 : 362–373. [DOI: 10.1016/j.atmosenv.2015.08.053]
-
Zhou X J, Luo C, Li W L and Shi J E. 1995. The change of total ozone in China and the low value center of the Tibetan Plateau. Chinese Science Bulletin, 40 (15): 1396–1398. [DOI: 10.3321/j.issn:0023-074X.1995.15.016] ( 周秀骥, 罗超, 李维亮, 史久恩. 1995. 中国地区臭氧总量变化与青藏高原低值中心. 科学通报, 40 (15): 1396–1398. [DOI: 10.3321/j.issn:0023-074X.1995.15.016] )
-
Zhu A H. 2010. Radiative and Climate Impacts of Absorbing Aerosols. San Diego: University of California
