何月欣^1,2, 张学磊^1,3, 陈卫卫¹, 张世春¹, 赵红梅¹
1. 中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室, 长春 130102;
2. 中国科学院大学, 北京 100049;
3. Center for Spatial Information Science and Systems, George Mason University, Fairfax, VA 22030
收稿日期: 2017-05-15; 修回日期: 2017-09-21; 录用日期: 2017-09-21
基金项目: 国家重点研发计划重点专项（2017）（No.2017YFC0212303，2017YFC0212304）；国家自然科学基金（No.41771071，41775116，21407148）；中国科学院前沿科学重点研究项目（No.QYZDB-SSW-DQC045）；中国科学院青年创新促进会项目（No.2017275）；吉林省重点科技攻关项目（No.20150204031SF）
作者简介: 何月欣(1992-), 女, E-mail:heyuexin15@mails.ucas.ac.cn
通讯作者（责任作者）: 张学磊, E-mail:zhangxuelei@iga.ac.cn
陈卫卫, E-mail:chenweiwei@iga.ac.cn

摘要: 利用多卫星（MODIS、CALIPSO、VIIRS）观测的气溶胶产品、地面空气质量监测数据和气象资料，获取了东北地区2006-2015年期间气溶胶光学厚度（AOD）的季节和年际变化特征，并对2014年10月14日东北地区一次典型重霾污染过程的特征及其潜在传输路径进行了深入讨论.研究结果显示，自2008年起东北地区灰霾污染范围扩大且污染程度加剧，呈带状空间分布（营口-长春-哈尔滨）；区域内AOD值呈春、秋和冬季高，夏季低的时间变化特征.采用CALIPSO星载激光雷达数据与MODIS、VIIRS卫星获取的AOD开展综合分析，可有效弥补MODIS、VIIRS卫星因冬季积雪亮地表干扰所产生的AOD缺省区域，增强对长期积雪覆盖地区霾污染的时空特征分析能力.与反映霾污染空间分布范围更广的VIIRS卫星相比，MODIS卫星AOD值与东北地区地面观测获取的AQI、PM₁₀和PM_2.5相关系数更高，分别为0.89、0.73和0.83.进一步研究结果显示，秋末冬初东北地区的霾污染事件与农作物秸秆焚烧有关，同时，华北地区灰霾污染可跨越渤海湾传输至东北地区，进一步形成更大尺度的带状区域污染.
关键词:MODISVIIRSCALIPSO气溶胶光学厚度(AOD)霾污染时空分布特征东北地区
Spatial-temporal characteristics of regional air quality in Northeastern China based on multi-satellites aerosol products
HE Yuexin^1,2, ZHANG Xuelei^1,3 , CHEN Weiwei¹ , ZHANG Shichun¹, ZHAO Hongmei¹
1. Key Laboratory of Wetland Ecology and Environment, Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102;
2. University of Chinese Academy of Sciences, Beijing 100049;
3. Center for Spatial Information Science and Systems, George Mason University, Fairfax, VA 22030
Received 15 May 2017; received in revised from 21 September 2017; accepted 21 September 2017
Supported by the National Key Recserch and Develpment Plan(2017) (No.2017YFC0212303, 2017YFC0212304), the National Natural Science Foundation of China(No.41771071, 41775116, 21407148), the Key Program of the Chinese Academy of Sciences(No.QYZDB-SSW-DQC045), the Program of the Youth Innovation Promotion Association CAS(No.2017275) and the Jilin Province Key Scientific Research Project(No.20150204031SF)
Biography: HE Yuexin(1992-), female, E-mail:heyuexin15@mails.ucas.ac.cn
^*Corresponding author: ZHANG Xuelei, E-mail:zhangxuelei@iga.ac.cn
CHEN Weiwei, E-mail:chenweiwei@iga.ac.cn
Abstract: Multi-satellites derived aerosol optical depth (AOD) (i.e., MODIS, VIIRS and CALIPSO), ground-level-observed air quality data and meteorological data from 2006 to 2015 were used to explore the spatial and temporal distribution of regional air pollution in Northeastern China.A typical haze event in autumn (i.e., October 14, 2014) was further investigated to verify the regional pollution characteristics and its potential transport trajectories.The results showed a clearly tendency that the increased air pollution was gradually formed a "haze belt" over the region of "Yingkou-Changchun-Haerbin" since 2008 in Northeastern China.Furthermore, the regional air quality in spring (Apirl and May) and winter (November to March) were obviously worse than it in autumn (September and October) and summer (June to August).With the comprehensive analysis of the AOD data from CALIPSO, MODIS and VIIRS, it could effectively fill the gap that the AOD cannot be retrieved over the bright snow surface for MODIS and VIIRS, and could reveal the temporal and spatial characteristics of haze pollution for long-time snow covered areas.Although the VIIRS AOD showed wider spatial distribution of haze pollution, MODIS AOD was more relevant to the observed AQI(r=0.89), PM₁₀(r=0.73) and PM_2.5 (r=0.83).Straw burning in early winter is most likely to be the primary emission source to effect the heavy haze events.In addition, the haze pollution in northern China (including Beijing-Tianjing-Hebei region) can be transported to Northeastern China across the Bohai Bay to form larger scale trans-regional pollution.
Key words: MODISVIIRSCALIPSOaerosol optical depth (AOD)haze pollutionspatial and temporal distributionNortheastern China
1 引言(Introduction)近年来, 随着我国经济的快速发展, 大多数城市出现了不同程度的大气污染, 尤其是霾污染事件频繁发生, 以煤烟型为特征的大气污染问题尤为严峻.同时, 高速发展的交通和汽车产业导致机动车尾气污染严重, 由此使区域大气污染由原始的煤烟型污染转化为煤烟型与机动车尾气等污染共存的复合型大气污染(俞学曾等, 2011; 薛志刚等, 2011).其主要表现为大气氧化性增强, NO₂浓度增加, 空气中大气细粒子污染严重, 区域重霾事件频繁发生并呈增加的趋势(洪也等, 2011; Du et al., 2011; 江琪等, 2013; 张海云等, 2010).此外, 区域性大气污染也对生态环境及人体健康造成了严重的危害, 影响了区域经济的可持续发展(吴兑, 2008; Chan et al., 2008; 贺克斌等, 2011).因此, 从区域尺度研究大气复合污染的时空分布特征和形成机制, 以确定污染排放控制的重点, 制定合理有效的区域联合防治及综合减排策略, 对于改善区域空气质量、逐步控制区域性复合大气污染具有十分重要的意义.
尽管针对我国区域尺度气溶胶时空分布特征的研究已经取得了很多有价值的成果, 但目前的研究区域主要集中于珠三角、长三角、津京冀和关中平原地区, 对东北地区气溶胶分布情况的研究工作偏少.而且, 地面观测站点稀疏、有限, 有效数据的时间序列较短, 缺乏对东北地区多个城市空气污染状况更为细致和系统的研究和比较, 难以获取区域灰霾污染的时空特征.卫星遥感反演信息全面, 覆盖范围广泛, 能够有效弥补地面监测站空间分布的不足.目前, 国内外对利用MODIS数据产品进行大气污染监测进行了较多研究, 证实了利用气溶胶光学厚度(AOD)进行区域尺度大气污染监测的重要意义(毛节泰等, 2002; 李成才等, 2003; Kittaka et al., 2011).
每年的11月到次年5月, 东北地区主要被亮背景积雪所覆盖, 基于传统被动遥感反演东北地区时空分布特征存在较大的局限性.虽有针对亮地表反演的深蓝算法, 但该算法对沙漠、荒漠地区有效, 对积雪造成的亮地表依然存在不足(胡蝶等, 2013; Sayer et al., 2013).携带激光雷达的“云-气溶胶激光雷达红外开拓者卫星观测系统”(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations, 简称CALIPSO)极轨卫星的主动雷达遥感方式, 可以克服积雪造成的亮地表背景对反演气溶胶光学厚度的影响, 同时还能给出气溶胶在不同垂直高度上的分布情况(Liu et al., 2008; Thomason et al., 2007).
基于此, 本研究拟通过MODIS、VIIRS气溶胶光学厚度产品结合CALIPSO星载激光雷达气溶胶产品, 综合分析东北地区2006-2015年间AOD年际变化和季节性变化特征, 进而获取东北地区霾污染的宏观时空分布特征, 并深入探讨2014年10月14日东北地区一次严重霾污染过程的特征及其潜在区域传输路径.
2 数据及分析方法(Data and analysis)2.1 MODIS数据搭载于Terra和Aqua卫星上的中分辨率成像光谱仪(MODIS), 是目前气溶胶探测的一个重要仪器.MODIS探测仪可以提供从可见光、近红外到远红外共计36个通道的探测资料, 具有较高的空间分辨率, 扫描宽度为2330 km, 可见光1通道(660 nm)和2通道(860 nm)具有250 m的星下点分辨率; 可见光3~7通道具有500 m的星下点分辨率, 可为陆地、海洋、大气、气溶胶及云的观测提供高分辨率的监测产品, 目前已得到广泛应用.在本研究中, MODIS (550 nm) Level 3 Version 6气溶胶光学厚度月平均产品被应用于年际和季节分析, 其空间分辨率为1°×1°, 时间范围为2006年1月-2015年12月.而典型霾污染事件分析中则采用气溶胶光学厚度日平均产品, 其空间分辨率为3 km(使用ArcGIS进行空间重采样至0.25°×0.25°分辨率), 时间为2014年10月14日.
2.2 VIIRS数据2011年10月28日发射升空的Suomi NPP(National Polar-orbiting Partnership)卫星为美国新一代极轨运行环境卫星系统预备项目(National Polar orbiting Operational Environmental Satellite System Preparatory Project)的首颗卫星, 同时也是美国下一代对地观测卫星, 用来接替服役超期的Terra、Aqua等卫星, 其携带包含VIIRS(Visible Infrared Imaging Radiometer Suite)在内的5个对地观测仪器(Miller et al., 2006).VIIRS的气溶胶数据包含两种格式:EDR(Aerosol Products Environmental Data Record)和IP(Intermediate Product).其中, IP产品被称为中间产品, 其空间分辨率为750 m, 用于获取环境中需要定量测量的气溶胶性质, 如550 nm AOD、浑浊度系数等.EDR产品是由IP产品经过数据质量检查、滤波和分析后得到的6 km分辨率环境数据, 包括陆地和海洋的AOD及?ngstr?m指数.两者最明显的区别在于IP的AOD文件包含NAAPS(Navy Aerosol Analysis and Prediction System)的信息, 当受到云或高亮表面影响, 或夜间无光时期, IP采用NAAPS预测的AOD对缺省值进行填补(Vermote et al., 2012).本文采用的VIIRS数据为EDR Level2 6 km分辨率数据(经过24 h数据平均后由ArcGIS重采样为0.25°×0.25°分辨率), 时间为2014年10月14日.
2.3 CALIPSO数据CALIPSO也是A-Train系列极轨卫星, 与Aqua具有相同的运行轨道, 两者经过同一位置的时间差仅为73 s, 故可将它们视为同步观测.进行二者匹配可以在全球范围内找出大量近同时、位置匹配的观测数据, 有利于开展二者比较融合研究.CALIPSO的主要任务是通过对星下点大气当中的云和气溶胶的垂直结构进行观测, 能够精确地获得大气垂直剖面结构, 对溶胶、云的垂直分布进行探测, 同时还可以提供反演获取的气溶胶产品, 将气溶胶分成6类(煤烟、沙尘、污染沙尘、清洁大陆、污染大陆和清洁海洋).本研究采用level3月平均产品, 空间分辨率为2°×5°, 其产品为532 nm气溶胶柱光学厚度(使用Matlab对研究区域CALIPSO AOD数据进行年平均、季节平均后, 利用MATLAB对其进行克里格差值, 转化为1°×1°数据), 以及来自CALIPSO激光雷达level 2气溶胶层数据产品及垂直特征层分布数据产品.CALIPSO卫星资料的下载地址为http://eosweb.larc.nasa.gov/PRODOCS/calipso/table_calipso.html.
本文利用MODIS、VIIRS、CALIPSO卫星所探测到的气溶胶数据产品, 同时使用ArcGIS10.3及Matlab对数据进行相应处理, 包括:剔除异常值、提取各主要城市所在区域AOD值、计算各季节的AOD 10年平均值等, 对2014年10月14日东北地区出现的一次重霾污染事件进行深入分析, 并采用拉格朗日后向轨迹模式HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory Mode)探讨其潜在的传输路径.
3 空间分布特征(Spatial distribution)卫星遥感的气溶胶光学厚度代表垂直方向上大气总的消光系数.如果假设大气气溶胶在垂直方向上按照指数递减分布, 气溶胶总的消光系数即光学厚度与地面的消光系数呈线性相关, 而地面的消光系数一般与地面污染物的浓度呈线性关系, 故气溶胶光学厚度与地面污染物浓度存在一定相关性.本文首先对MODIS的AOD产品进行预处理, 剔除AOD值大于2的数据, 以消除云检测不彻底造成的影响; 然后分别将东北地区2006-2010年、2011-2015年的MODIS AOD年平均值做5年平均, 将所得到的空间分布结果绘制成如图 1所示图像.结果显示, 污染高值出现于东北地区省会城市及周边, 近5年的MODIS空间分布特征显示, 吉林省中部(长春市-吉林市)城市群污染面积扩大, 逐渐成为东北地区大气颗粒物污染高值区; 而由于黑龙江省地处高纬度地区, 积雪时间长, 深蓝算法无法准确反演积雪高亮地表背景下的气溶胶光学厚度, 即卫星监测无法有效获取黑龙江省冬季AOD空间分布特征.近10年MODIS AOD观测结果显示, 黑龙江省南部及三江平原地区污染加重, 重污染区域扩大.
图 1(Fig. 1)

图 1 东北地区MODIS气溶胶光学厚度(AOD)产品2006-2010年平均值(a)和2011-2015年平均值(b)空间分布特征 Fig. 1Spatial distribution of averaged AOD from MODIS in the periods of 2006 to 2010(a) and 2011 to 2015(b)

通过对比图 2中MODIS、CALIPSO在2006-2015年间所监测的东北地区气溶胶光学厚度年均值分布特征(CALIPSO从2006年6月开始提供质量可靠的连续产品, 2006年图像为6-12月平均值), 可以看出, CALIPSO和MODIS的AOD呈相似的特征.区域整体污染空间分布特征表现为:一方面以主要城市(营口-长春-哈尔滨)及周边城市群为核心, 形成了东北地区空气污染的带状分布; 另一方面, 受东北区域地形特征影响(东北处在大兴安岭山脉、小兴安岭山脉和长白山山脉包围下), 形成的污染物不易向东西方向扩散, 而在东北平原带状通道下南北向传输形成区域性灰霾(图 1和图 2).2008年以前, 东北地区的颗粒物污染主要集中于辽宁省中部; 而2008年以后, 东北地区逐渐形成带状区域污染, 吉林省中部、黑龙江省南部、东北部地区污染明显加重(CALIPSO监测结果显示, 2013年以后的区域污染加重尤为明显).总体上, CALIPSO的AOD观测值低于MODIS的AOD观测值, 分析可能存在3方面原因:一是CALIPSO作为主动雷达遥感受云的影响小得多, 在区分云和气溶胶的可信度要高于作为被动遥感的MODIS; 二是粗分辨率的CALIPSO数据进行空间插值及平滑处理时出现误差导致AOD值偏低; 三是CALIPSO卫星数据的气溶胶反演过程中, 考虑了不同气溶胶类型, 进行了不同气溶胶模型的选取及激光雷达比的预设, 此过程中可能会造成一定的误差.一些亮的陆地表面(积雪、人工建筑)增添了CALIPSO信号中噪声, 降低了其信噪比, 导致最终所测量的AOD值有所偏低.但与积雪亮地表MODIS AOD产品相比, 至少可提供冬季AOD观测数值.
图 2(Fig. 2)

图 2 2006-2015年期间MODIS、CALIPSO所监测的东北地区气溶胶光学厚度年均值分布特征 Fig. 2Spatial distribution of annual AOD from MODIS and CALIPSO over the Northeastern China during 2006 to 2015

4 时间分布特征(Temporal distribution)基于先验认知和东北地区实际气候情况, 本文在此划分4-5月为春季, 6-8月为夏季, 9-10月为秋季, 11-3月为冬季.图 3a显示, 东北地区春季的AOD值较高, 其原因在于东北地区毗邻沙源地(如:科尔沁沙地、浑善达克沙地及吉林西部盐碱地), 春季沙尘频发, 在特定天气条件下会对东北主要城市空气污染造成沙尘影响, 尤其是对城市春季的重度污染现象有较大的影响(于大江等, 2014).夏季AOD处于全年最低, 高值仅出现在沈阳市及其周边(图 3b).主要有3方面原因:一是每年45%的降水量都集中在7-8月, 降水可有效清除大气污染物且该季节东北地区植被最为繁茂, 可有效抑制自然扬尘; 二是高强度降水有利于对大气污染物进行湿清除; 三是夏季天气以晴好为主, 边界层较高, 大气稳定, 所以AOD值低于其他季节.秋季存在本地区特有的秸秆焚烧活动, 造成松嫩平原、辽河平原和三江平原地区的农作物种植区呈现AOD高值(图 3c).由于秋季受季风气候影响, 污染物扩散沉降较快, 整体空气质量较好(洪也等, 2010).因秸秆燃烧时间集中于10月中、下旬, 后文将详细讨论一次秋季重霾污染事件特征.东北地区冬季寒冷漫长, 逆温等静稳天气增多, 小风等不利于污染物稀释扩散的气象条件阻碍空气污染物的扩散, 加之采暖期集中燃煤排放了大量的烟尘等污染物, 容易导致空气中大气细粒子的堆积, 形成高浓度的污染.如图 3d所示, 冬季AOD值为2006-2015年冬季AOD的平均值, 但实际上并未完全反映东北地区实际污染状况, 原因在于11月起东北地区进入雪季, 积雪形成的亮地表情况对MODIS AOD反演的有效性造成干扰.尽管本研究采用了深蓝算法反演的气溶胶产品, 但依然产生了大量空白区域, 反演所得AOD值多数为初冬时期秋季秸秆燃烧残留造成, 要小于实际污染情况.
图 3(Fig. 3)

图 3 2006-2015年东北地区四季MODIS AOD季节均值(a.春季, b.夏季, c.秋季, d.冬季)及冬季CALIPSO AOD均值(e) Fig. 3The spatial distribution of averaged MODIS AOD in four seasons(a.spring, b.summer, c.autumn, d.winter) and CALIPSO AOD in winter(e) during 2006 to 2015

图 3e为CALIPSO卫星反演获取的2006-2015年AOD冬季平均值, 其分布趋势大致与MODIS相同, 数值较低.前人研究显示, 在东北地区CALIPSO与MODIS反演的AOD值相差在0.1~0.2左右(Harmon et al., 2012; 刘贞, 2013; 沈仙霞, 2014).
图 4汇总了2006-2012年东北地区3个省会城市MODIS卫星的AOD年平均值变化情况.由图可知, 沈阳市AOD值基本处于稳定状态(0.5317~0.6023), 由于沈阳主要以高耗能的钢铁和机械为支柱产业, 其城市规模和人口也相对较大, AOD均值在3个省会城市中最高.沈阳及其周边城市鞍山、抚顺和本溪属于辽宁的大中型城市, 囊括了辽宁中部城市群的大部分区域, 城市人口密集, 工业集中.研究显示, 该城市群的空气质量较差, 主要大气污染物为可吸入颗粒物且细粒子PM_2.5污染严重(马雁军等, 2008).长春的AOD年均值除在2008年出现高峰值外, 整体显示出微弱的上升趋势(0.3936~0.459).值得注意的是, 哈尔滨市自2008年后AOD值呈现波动上升, 并在2015年超过沈阳, 在3个省会城市中AOD年均值最高(0.7887).3个省会城市在2012-2015年期间的AOD值出现明显上升趋势.与长春(0.4461~0.5197)、沈阳(0.5317~0.652)相比, 哈尔滨市AOD值的上升最为显著(0.4048~0.7887).根据2013-2015年全国《大气十条》中期评估报告, 全国大部分地区的颗粒物年平均浓度均有所下降, 达到甚至超过了《大气十条》的中期目标要求.但据环境保护部发布的2015年全国城市空气质量状况报告显示, 沈阳是除京津冀地区城市以外唯一进入空气质量最差十城市名单中的全国重点城市, 再次反映出东北区域的大气污染状况不降反升.
图 4(Fig. 4)

图 4 东北地区3个省会城市2006-2015年AOD年均值 Fig. 4Time-series variation of annual averaged MODIS AOD in the three capital cities of the northeast provinces from 2006 to 2015

5 基于多卫星的一次重霾事件分析(Analysis of a haze event based on multi-satellites)5.1 卫星观测重霾事件2014年10月14日东北地区形成了一次具有秋季污染特征的典型重霾事件.图 5a和5b分别为0.25°×0.25°的VIIRS和0.25°×0.25°的MODIS所得的2014年10月14日AOD空间分布图, 两颗卫星显示的AOD分布基本一致, 其严重污染区域集中于辽宁、吉林省中部, 以及黑龙江南部地区.从图中可以更清晰地看出, AOD的高值区(红色区域), 即污染最严重区域以沈阳、长春、哈尔滨为中心夹带周围大型城市向外围扩散.而VIIRS有效数据范围要超过MODIS, 在内蒙古、黑龙江东北部、吉林西南部地区的有效性明显更高.图 6为基于CALIPSO反演的气溶胶垂直分类结果, 东北地区的此次重霾事件污染物主要以烟尘气溶胶和污染尘为主, 说明此次东北地区秋季污染的主要污染源为秸秆燃烧.此次秋季污染是在10月初东北地区农作物陆续收割后对残留秸秆进行大规模焚烧, 生物质燃烧产生的大量污染物在主要城市地区与城市内部污染(电厂、锅炉、机动车等)相叠加, 并在静稳天气(风速低、湿度大等)影响下, 逐渐积累浓度急剧上升.
图 5(Fig. 5)

图 5 2014年10月14日VIIRS、MODIS、CALIPSO卫星显示的东北地区秋季灰霾事件空间分布 (a.VIIRS AOD空间分布, b.MODIS AOD空间分布, c、d.在GoogleEarth中CALIPSO气溶胶垂直分布结果的右视图与左视图, 底图为MODIS AOD平面监测图, e.地面监测站点的PM10插值分布图, f.地面监测站点的PM2.5插值分布图) Fig. 5Spatial distribution of MODIS, VIIRS, CALIPSO and observed particulate concentrations over Northeast China in October 14th 2014

图 6(Fig. 6)

图 6 2014年10月14日基于CALIPSO反演的东北地区气溶胶垂直分类(N/A表示无值) Fig. 6The retrieved aerosol subtype classification from CALIPSO over the Northeastern China in october 14th 2014

除了在松嫩平原地区形成的污染带外, VIIRS反演的AOD图像显示出在三江平原一带也出现了以玉米秸秆燃烧为主的AOD高值区.图 5c和5d为CALIPSO星载激光雷达监测的气溶胶后向散射图与MODIS的平面AOD监测结果在GoogleEarth中进行三维空间叠合的结果, 发现两者气溶胶高值边界对应较好(东北地区、平壤和首尔), 而在MODIS图像缺省部位, CALIPSO卫星可以很好地显示出气溶胶浓度情况.地面监测站点的PM₁₀和PM_2.5分布特征(图 5e和5f)与卫星AOD分布特征基本一致.
为了进一步将地面观测结果与卫星相对比, 获取区域内21个地面监测点(图 5中监测点位置)坐标后, 抽取MODIS卫星与VIIRS卫星产品中对应坐标点的AOD值进行相关性分析(MODIS卫星图像有效点为15个, VIIRS卫星有效点为21个).图 7为利用2014年10月14日东北地区主要城市地面监测站点的PM_2.5、PM₁₀和AQI地面观测值与对应地理坐标点的MODIS、VIIRS卫星AOD进行相关性分析的散点分布图.结果显示, MODIS卫星反演所得AOD与AQI、PM₁₀和PM_2.5地面观测值的相关系数分别为0.827、0.725、0.886;VIIRS卫星的相关系数分别为0.725、0.694、0.766.说明MODIS、VIIRS卫星的AOD与地面观测都有显著的相关性, 能够反映出此次重霾污染的地面空间分布特征.
图 7(Fig. 7)

图 7 东北地区地面监测站点AQI、PM10、PM2.5值与MODIS(15个城市)和VIIRS(21个城市) AOD相关性散点分布图 Fig. 7Correlation between ground-based AQI, PM10, PM2.5 and MODIS AOD (15 cities) and VIIRS AOD (21 cities) over the Northeastern China in october 14th 2014

5.2 后向轨迹分析在研究东北地区灰霾时空分布特征的卫星资料人工判读过程中, 发现华北地区的灰霾可跨越渤海湾向东北地区传输, 两个区域合并为更大的带状污染带, 在西风的作用下往太平洋地区传输, 反映出灰霾可斜跨华北和东北地区形成更大尺度的跨区域灰霾污染.图 8a为HYSPLIST气团后向轨迹模型计算的长春地区过去24 h的后向轨迹分布, 结果显示, 华北地区的灰霾污染可跨越渤海湾并传输至东北地区.同样在气压分布场图(图 8b)中可以看出, 相对华北地区而言, 东北平原为低压带, 风场图像(图 8c)显示, 13日24:00到14日24:00为西-西南风向, 污染物可能在其作用下向东北传输.Yang等(2012；2013)基于地面观测、气象和气团轨迹分析及数值模拟方法的研究结果也显示, 京津冀地区排放的PM₁₀颗粒物可在区域冬季盛行的西-西南风作用下跨越渤海湾, 并传输至东北地区.除秋末初冬地面供暖燃煤排放外, 高空1~2 km的污染物中, 华北地区灰霾可跨越渤海湾传输至东北地区, 进一步形成更大尺度的区域性灰霾污染.目前, 华北地区雾霾传输至东北地区的年均频次仍需要更深入和系统的研究.
图 8(Fig. 8)

图 8 2014年10月14日24 h后向轨迹分析结果及风场气压场图(a.后向轨迹分析, b.14日气压场, c.14日风场) Fig. 824 h backward trajectories in Changchun(a) and daily distribution of wind field(b) and pressure-field(c) in October 14th 2014

6 结论(Conclusions)1) 基于MODIS、VIIRS和CALIPSO多卫星产品监测结果显示, 我国东北地区的区域性灰霾污染在2008年后逐渐加剧, 污染物沿平原通道传输, 不易受气象作用而扩散, 极易形成西南-东北向带状污染区域(营口-长春-哈尔滨)；尤其是近5年的监测结果显示, 吉林省中部(长春市-吉林市)城市群污染面积增加, 重污染范围向北扩大, 逐渐成为东北地区大气污染的高值区.
2) 东北地区春季沙尘频发, 西部呈现AOD高值区域; 夏季AOD最低, 反映出空气质量较好; 秋季由于秸秆焚烧, 松嫩平原、辽河平原和三江平原地区的作物种植区呈现AOD高值; 秋末冬初由于东北地区位于高寒区域, 供暖会增加大规模、持续性的重霾污染事件发生的概率.而除受本地排放源影响外, 受气象气候条件的影响, 华北地区的霾污染对东北地区的大气污染存在潜在贡献.
3) 东北地区冬季长时间的积雪亮地标覆盖, 可导致MODIS反演AOD冬季大范围缺省, 并不能反映真实情况.而通过MODIS、VIIRS、CALIPSO多卫星数据综合分析应用可有效增强对东北地区霾污染的时空特征分析能力, 为地方管控和联防联控提供时空分析支撑.
4) MODIS与VIIRS两者在东北地区的AOD数据结果基本相吻合, 与MODIS的AOD数据相比, VIIRS的覆盖范围更广, 反演信息更多.但本研究仅针对中国东北区域检测数据进行了验证, 其他区域并未进行相应的分析和真实数据检测验证, MODIS、VIIRS卫星是否在其他区域存在相同结果, 有待进一步研究.

参考文献

Chan C, Yao X. 2008. Air pollution in mega cities in China[J]. Atmospheric Environment, 42(1): 1–42.DOI:10.1016/j.atmosenv.2007.09.003

Du H, Kong L, Cheng T, et al. 2011. Insights into summertime haze pollution events over Shanghai based on online water-soluble ionic composition of aerosols[J]. Atmospheric Environment, 45(29): 5131–5137.DOI:10.1016/j.atmosenv.2011.06.027

贺克斌, 杨复沫, 段凤魁. 2011. 大气颗粒物与区域复合污染[M]. 北京: 科学出版社.

洪也, 马雁军, 李潮流, 等. 2011. 沈阳冬季灰霾日大气颗粒物元素粒径分布特征[J]. 环境科学研究, 2011, 24(6): 637–644.

洪也, 周德平, 齐颖, 等. 2010. 东北地区气溶胶质量浓度分布特征[J]. 干旱地理, 2010, 33(2): 224–230.

胡蝶, 张镭, 沙莎, 等. 2013. 西北地区MODIS气溶胶产品的对比应用分析[J]. 干旱气象, 2013, 31(4): 677–683.

江琪, 孙业乐, 王自发, 等. 2013. 应用颗粒物化学组分监测仪(ACSM)实时在线测定致霾细粒子无机和有机组分[J]. 科学通报, 2013, 58(36): 3818–3828.

Kittaka C, Winker D M, Vaughan M A, et al. 2011. Intercomparison of column aerosol optical depths from CALIPSO and MODIS-Aqua[J]. Atmospheric Measurement Techniques, 4(2): 183–186.

李成才, 毛节泰, 刘启汉, 等. 2003. 利用MODIS研究中国东部地区气溶胶光学厚度的分布和季节变化特征[J]. 科学通报, 2003, 48(19): 2094–2100.DOI:10.3321/j.issn:0023-074X.2003.19.018

刘贞. 2013. 基于A-Train卫星资料对中国北方地区气溶胶时空分布的研究[D]. 南京: 南京信息工程大学http://cdmd.cnki.com.cn/Article/CDMD-10300-1013340477.htm

Liu Z, Liu D, Huang J, et al. 2008. Airborne dust distributions over the Tibetan Plateau and surrounding areas derived from the first year of CALIPSO lidar observations[J]. Atmospheric Chemistry and Physics, 8(16): 5045–5060.DOI:10.5194/acp-8-5045-2008

Ma X, Bartlett K, Harmon K, et al. 2012. Comparison of AOD between CALIPSO and MODIS:significant differences over major dust and biomass burning regions[J]. Atmospheric Measurement Techniques, 5(6): 8343–8367.DOI:10.5194/amtd-5-8343-2012

马雁军, 王江山, 王扬锋, 等. 2008. 辽宁中部城市群可吸入颗粒物PM10和PM2.5的污染特征研究[J]. 气象与环境学报, 2008, 24(5): 11–15.

毛节泰, 李成才, 张军华, 等. 2002. MODIS卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比[J]. 应用气象学报, 2002, 13(l): 127–135.

Sayer A M, Hsu N C, Bettenhausen C, et al. 2013. Validation and uncertainty estimates for MODIS Collection 6 "Deep Blue" aerosol data[J]. Journal of Geophysical Research-atmspheres, 118(14): 7864–7872.DOI:10.1002/jgrd.50600

Schueler C F, Lee T F, Miller S D. 2013. VIIRS constant spatial-resolution advantages[J]. International Journal of Remote Sensing, 34(16): 5761–5777.DOI:10.1080/01431161.2013.796102

沈仙霞. 2014. 基于CALIPSO卫星的区域气溶胶特性研究[D]. 上海: 华东师范大学http://cdmd.cnki.com.cn/Article/CDMD-10269-1014322397.htm

Thomason L W, Pitts M C, Winker D M. 2007. CALIPSO observations of stratospheric aerosols:a preliminary assessment[J]. Atmospheric Chemistry and Physics, 7(20): 5283–5290.DOI:10.5194/acp-7-5283-2007

Vermote E, Justice C, Csiszar I. 2014. Early evalution of the VIIRS calibration, cloud mask and surface reflectance Earth data records[J]. Remote Sensing of Environmet, 158(6): 134–145.

吴兑. 2008. 大城市区域霾与雾的区别和灰霾天气预警信号发布[J]. 环境科学与技术, 2008, 31(9): 1–7.

薛志钢, 刘妍, 柴发合, 等. 2011. 城市空气污染指数改进方案及论证[J]. 环境科学研究, 2011, 24(2): 125–132.

Yang T, Wang X, Wang Z, et al. 2012. Gravity-current driven transport of haze from North China Plain to Northeast China in winter 2010-Part Ⅰ:observations[J]. Sola, 8: 13–16.DOI:10.2151/sola.2012-004

于大江, 吴艳玲, 李竑积, 等. 2014. 东北主要城市的空气质量长期变化特征[J]. 环境化学, 2014, 33(6): 956–961.DOI:10.7524/j.issn.0254-6108.2014.06.020

俞学曾, 张远航, 朱彤, 等. 2006. 第十四届全国大气环境学术会议论文集: 大气环境科学技术学科发展报告[C]. 北京: 中国环境科学学会

张云海, 马雁军, 王扬锋. 2010. 辽宁中部地区灰霾天气气候环境特征[J]. 生态环境学报, 2010, 19(5): 1114–1118.