应用气象学报  2003, 14 (1): 1-7   PDF    
用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征
李成才1,2, 毛节泰1, 刘启汉(Alexis Kai-Hon Lau)1     
1. 北京大学物理学院天气科学系,北京 100871;
2. 香港科技大学海岸与大气研究中心,香港九龙
摘要: 利用MODIS卫星遥感光学厚度产品,分析了四川盆地光学厚度分布和季节变化特征。由于受沙尘天气的影响,春季四川盆地具有最大的平均光学厚度。盆地内几个大值区中,西部成都一带的中心常年维持,季节变化小;南部中心位于宜宾到重庆沿长江流域一带;东部南充到重庆间的大值中心,季节变化大,在夏季消失。光学厚度分布和季节变化的数据结果为研究区域气候变化提供了依据。
关键词: 四川盆地    MODIS    光学厚度    遥感    
Characteristics of Aerosol Optical Depth Distributions over Sichuan Basin Derived from MODIS Data
Li Cheng cai1,2, Mao Jietai1, Alexis Kai-Hon Lau1     
1. Department of Atmospheric Science , School of Physics , Peking University , Beijing 100871;
2. Center for Coastal and Atmospheric Research , Hong Kong University of Science and Technology , Hong Kong
Abstract: The characteristics and seasonal changes of the aerosol optical depth (AOD) distribution of the Sichuan Basin from MODIS products are analyzed. In spring there is the biggest seasonal average due to the dusty weathers. Several regional large value centers in the basin are found. The first is in the west near Chengdu and had less seasonal change. The second is in the south between Yibin and Chongqing. The third is between Nanchong and Chongqing and has the biggest seasonal change and disappears in summer. The results provide the basic data for regional climate and air pollution research.
Key words: Sichuan basin     MODIS     Aerosol Optical Depth(AOD)     Remote sensing    
引言

大气气溶胶通常是指悬浮在大气中的直径小于10 μm的粒子, 对流层气溶胶通过直接辐射强迫和间接辐射强迫强烈影响着气候系统。由于气溶胶的时间、空间上比较大的变化, 利用卫星对气溶胶的分布、光学和辐射效应进行全球观测非常必要[1]。同时, 气溶胶颗粒物由于可导致大气污染, 可对人体健康造成极大危害, 具有重要的环境效应。中国是一个以煤为主要能源的国家, 全国烟尘排放量的70 %、二氧化硫排放量的90 %都来自于燃煤, 使得工业化和人口集中的城市产生了比较严重的大气污染, 有些地区和城市还产生了酸雨并呈发展趋势。20世纪90年代以来, 中国已经成为仅次于欧洲和北美的第三大酸雨区, 而四川盆地这一地区已成为我国主要的酸雨区[2]。李晓文等利用多年的太阳辐射和地面气温资料发现了中国四川盆地近40年来气温的变冷趋势, 并认为可能与这一地区硫酸盐气溶胶含量的增加有关[3]。罗云峰等利用全国46个甲种太阳辐射站近30年的资料计算了中国地区大气气溶胶的光学厚度的分布和变化, 发现四川盆地是我国重要的气溶胶光学厚度大值区之一, 并且年变化保持上升趋势, 认为气溶胶光学厚度的增加是年平均气温变冷趋势的主要原因[4, 5]。四川盆地以其独特的地理、气候和资源特征在西部大开发中具有举足轻重的战略位置。这一地区的气候特征又会对长江中下游产生影响, 对我国的经济社会发展发挥关键作用, 因此对这一地区进行监测和研究非常必要。

MODIS (中分辨率成像光谱仪) 是搭载在TERRA (EOS-AM1) 卫星上的一个传感器, 由于其具有从可见光、近红外到红外的36个通道, 最高可见光分辨率达到250 m, 扫描宽度达2330 km, 对陆地气溶胶遥感提供了可行的手段[6]。NASA利用暗背景条件下地表反射率在可见光与近红外波段相关很好的特征, 利用MODIS可见光通道1与通道3和近红外通道7的资料业务反演了气溶胶产品[7, 8]

地表反射率的确定是利用卫星反演气溶胶光学厚度的难点。利用卫星遥感海洋上的气溶胶产品, 由于海表反射率在可见波段除了太阳耀斑区域外相当低并且比较均一, 国际上很早已经通过NOAA系列卫星的资料业务化使用[9, 10]。而陆地上的气溶胶卫星遥感, 由于地面反射率的不均一和不稳定性, 科学家们不得不采取各种尝试[7]。按照光学厚度与波长的Anström关系, 波长越长的波段对气溶胶越不敏感。在2.1 μm的近红外波段表观反照率几乎不受气溶胶的影响, Kaufman等[7, 8]通过飞机实测资料的分析, 发现0.66μm红光和0.47 μm蓝光的地表反照率与2.1 μm近红外的地表反照率在植被密集的暗背景地表环境下成良好的线性关系, 这一结果被直接用于NASA的MODIS气溶胶反演业务算法。

地表反照率确定以后, 在水汽总量和臭氧总量得到反演的情况下, 可以利用辐射传输模式进行气溶胶光学厚度的反演。首先需要假设一个气溶胶模型, 每个假定的气溶胶光学厚度在一定的太阳高度角和观测角度下对应一个确定的卫星表观反照率, 与卫星实测值进行对比就可以确定实际的气溶胶光学厚度。NASA的业务算法[9]中首先假定气溶胶模型为大陆型气溶胶, 然后通过反演气溶胶光学厚度计算红光 (0.66 μm) 和蓝光 (0.49μm) 路径辐射的比值, 进一步订正气溶胶模型。判断气溶胶模型是否属沙尘型。对非沙尘型的情况, 再按照地理位置的分布假设气溶胶模型。结合既定的气溶胶模型, 可以计算出粒子谱分布、CCN浓度、质量浓度、Anst röm常数等有关的物理量。NASA反演的光学厚度与全球地面光度计测量网的结果相比, 误差大致在Δτ=0.05±0.2 τ[7], 空间分辨率为星下点10 km。

本文利用NASA的这一产品, 给出四川盆地及周边地区的气溶胶图像, 分析了该地区气溶胶的分布和季节变化特征。

1 四川盆地气溶胶光学厚度的图像

图 1图 2为我们利用NASA的MODIS气溶胶产品得到的两天的图像:2000年冬季12月22日和2001年春季4月13日。图中斜线区域为云覆盖或地面积雪反照率较高未获得数据的区域。图 1代表了四川盆地气溶胶分布的一般情况, 图中可见气溶胶光学厚度在盆地内大部分地区都比盆地周围高出约0.3以上, 其分布与四川盆地的地形十分接近, 可推断导致四川盆地为气溶胶光学厚度的大值区的主要地面排放源应该在四川盆地内部人类活动产生的气溶胶。四川盆地属亚热带湿润季风气候, 盆地内部通常情况下地面风速较小、湿度较大, 白天混合层发展经常受到逆温层的限制, 水平扩散条件很差。盆地周边地带通常条件下的山谷风环流同样阻止了气溶胶向盆地外的扩散。湿度也是影响气溶胶光学厚度比较敏感的一个因素, 在悬浮颗粒物数浓度一定的情况下, 湿度增加会导致吸湿性粒子膨胀, 而使光学厚度显著增长。从图 1中还可以看到, 盆地内部气溶胶分布大致可以划分为以成都为中心的西部大值区、以重庆到宜宾沿长江流域的南部大值区和以南充为中心向东北伸展的东部大值区。

图 1. 2000年12月22日550 nm光学厚度分布图

图 2. 2001年4月13日550 nm光学厚度分布图

图 2给出了四川盆地气溶胶分布在受到沙尘天气影响时的情况。来自于中国西北地区的沙尘暴跨越秦岭、大巴山到达位于中国西南地区的四川盆地。图中可见四川盆地和盆地以北的广大地区被气溶胶光学厚度1.0~1.4的大值所覆盖, 盆地内部难以区分自身原有的区域特征。盆地以外东南方向贵州等省也都有显著升高, 大部分地区光学厚度在0.5~0.6的范围。盆地以外西南方向青藏高原的东缘, 光学厚度仍然保持较小的数值, 似乎未受到沙尘天气的影响。

2 成都、重庆的气溶胶光学厚度变化

在研究四川盆地的光学厚度季节分布前, 我们先看一下四川盆地的重要城市成都和重庆的光学厚度月平均变化以及与盆地外城市贵阳的对比, 图 3给出2000年9月到2001年12月的结果。数据取自空间上以城市大致中心为圆心25 km为半径的区域平均。成都位于四川盆地西部成都平原上, 重庆位于四川盆地东南的边缘、嘉陵江和长江的汇合处。图中可见成都和重庆的年平均值不相上下, 分别为0.68和0.69。而位于四川盆地外东南方向贵阳的光学厚度的年平均值仅为0.33。两个盆地城市的相同点是在春季3、4月份都有一个明显的升高, 4月份达到全年的最大值1.0以上。

图 3. 成都 (A)、重庆 (B) 和贵阳 (C) 气溶胶光学厚度 (AOD) 的月平均变化 (2000年9月~2001年12月)

相比之下重庆比成都具有更大的季节变化, 重庆在1月和7月达到全年中两次最小值0.3~0.4左右; 而成都全年变化的幅度不大。另外一个显著的不同点是成都的气溶胶光学厚度自11月份开始进入冬季后迅速上升, 上升趋势几乎和春季的上升前后相连。而重庆11月到12月、1月的趋势是下降。可能和两地冬季燃料结构的不同有关。

3 四川盆地气溶胶光学特征的季节分布

图 4~7为利用2000年9月到2002年2月的MODIS卫星遥感的气溶胶光学厚度产品数据, 取27°~35°N、102°~112°E的范围, 包含四川盆地的一块区域、在春季、夏季、秋季和冬季的光学厚度季节平均分布。季节的划分原则是, 春季:3~5月, 夏季:6~8月, 秋季:9~11月和冬季:12~2月。图中斜线区域为整个季节未获得数据的区域, 原因是地表为高原积雪覆盖或处于沙漠或半荒漠地带, 整个季节具有较高的地面反照率, 按照目前Kaufman的反演方法[7]未能得到气溶胶光学厚度。图中标出了西部城市成都、东南部城市重庆、南部城市宜宾、东北部城市南充的位置。

图 4. 四川盆地春季气溶胶光学厚度分布

图 5. 四川盆地夏季气溶胶光学厚度分布

图 6. 四川盆地秋季气溶胶光学厚度分布

图 7. 四川盆地冬季气溶胶光学厚度分布

春季的光学厚度具有全年最高平均值, 可能是受到沙尘暴和本地扬尘的影响。光学厚度大于0.7的区域几乎覆盖了整个盆地地区。平均分布图中仍然可以看到一些区域特征:东部南充和重庆之间以及南部宜宾和重庆之间为0.9的大值区, 东部和南部的大部分地区在0.8等值线所覆盖的范围内; 另外一个0.9的中心位于西部成都附近。

到了夏季, 东部的中心消失, 从南充到重庆出现了0.4~0.5的“清洁”区域, 这一数值是整个盆地在全年季节平均中所达到的区域最小值。西部的成都地区以及南部的宜宾以北地区同春季相比, 没有显著变化, 仍然维持着各自的大值区。秋季, 西部以成都为中心的区域继续维持。南部宜宾的中心向东北方向发展, 和南充、重庆相接应。冬季, 南部宜宾与重庆间的中心和东部重庆与南充间的中心分离开来。西部成都中心基本维持原状。

总的来看, 四川盆地的光学厚度全年平均值在0.7左右。盆地中个别区域最大季节平均值达到1.0以上, 最小季节平均值在0.4~0.5。春季盆地受到沙尘天气的影响气溶胶光学厚度具有较大值。盆地内几个最大的中心分别位于西部的成都、南部宜宾与重庆之间、东部南充与重庆之间。其中西部成都所在的大值中心全年维持, 季节变化幅度也比较小。而东部在夏季有明显的下降趋势。四川盆地周边地区, 除了在春季较高外, 夏季、秋季、冬季变化范围大致在0.2~0.4之间, 没有显著的季节变化。

4 结论与讨论

MODIS气溶胶光学厚度产品反映了四川盆地具有高出周围区域的较大光学厚度分布。这个分布和四川盆地的地理、气候特征有关, 同时也和四川盆地内的人类活动密切相关。盆地内可划分为西部以成都为中心的大值区、宜宾到重庆的南部大值区和南充到重庆的东部大值区。其中西部成都附近的大值区基本全年维持, 季节变化幅度小。春季整个区域具有较大的光学厚度; 夏季除了西部和南部重要工业城市分布的地区外, 东部光学厚度达到最小; 秋季和冬季东部和南部的大值区域得到加强。

这些分布特征和变化可以进一步用在区域气候模式中气溶胶计算直接强迫的大小, 也可以和地面空气质量监测数据结合起来, 用以研究工业发展带来的大气污染问题。同时结合气象场研究盆地与盆地外部的交换, 包括春季沙尘的输入、盆地气溶胶对于长江中下游的影响, 以及盆地内部的区域输送、各个主要大值区的相互影响等也是迫切需要研究的问题。

致谢 本文的研究利用了NASA GSFC的MODIS资料、产品, 在此表示感谢.
参考文献
[1] King M D, Kaufman Y J, Tanré D, et al. Remote sensing of tropospheric aerosols from space: past, present and future. Bulletin of the American Meteorological Society, 1999, 80, (11): 2229–2259. DOI:10.1175/1520-0477(1999)080<2229:RSOTAF>2.0.CO;2
[2] 国家环境保护总局. 1999年中国环境状况公报. 北京:国家环保局,2000.
[3] Li Xiaowen, Zhou Xiuji, Li Weiliang, et al. The cooling of Sichuan Province in recent 40 years and its probable mechanisms. Acta Meteorologica Sinica, 1995, 9, (1): 57–68.
[4] 罗云峰, 李维亮, 周秀骥. 20世纪80年代中国地区大气气溶胶光学厚度的平均状况分析. 气象学报, 2001, 59, (1): 77–87.
[5] Luo Yunfeng, Lu Daren, Zhou Xiuji, et al. Characteristics of the spatial distribution and yearly variation of aerosol optical depth over China in last 30 years. Journal of Geophysical Research. 2001, 106(D13): 14501~14513.
[6] King, M D, Kaufman Y J, Menzel W P, et al. Remote sensing of cloud, aerosol, and water vapor properties from the Moderate Resolution Imaging Spectrometer (MODIS). IEEE Transactions on Geoscience and Remote Sensing,1992, 30: 2~27.
[7] Kaufman Y J, Tanré D, Remer L, et al. Operational remote sensing of tropospheric aerosol over the land from EOS-MODIS. Journal of Geophysical Research, 1997, 102, (D14): 17051–17068. DOI:10.1029/96JD03988
[8] 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. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(5): 1286~1298.
[9] Kaufman Y J, Tanré D, Gordon H R, et al. Passive remote sensing of tropospheric aerosol and atmospheric correction for the aerosol effect. Journal of Geophysical Research. 1997, 102(D14): 16815~16830.
[10] Mishchenko M I, Geogdzhayev I V, Cairns B, et al. Aerosol retrievals over the ocean by use of channels 1 and 2 AVHRR data: sensitivity analysis and preliminary results. Applied Optics, 1999, 38, (36): 7325–7341. DOI:10.1364/AO.38.007325