设为首页
加入收藏
Variation Characteristics of Aerosol Optical Depth in Northeast China from 2003 to 2022
-
摘要: 利用2003—2022年我国东北地区MODIS(moderate-resolution imaging spectroradiometer)大气气溶胶光学厚度(aerosol optical depth, AOD)数据和中国多尺度排放清单模型(multi-resolution emission inventory for China, MEIC), 分析东北地区AOD的空间分布特征及年际变化趋势, 讨论气象因子和人为排放对东北地区AOD变化的影响。结果表明: 辽宁AOD较高, 最大值为0.6, 出现在辽宁中部, 其次是吉林西部, AOD平均值为0.4, 黑龙江AOD平均值为0.3。东北地区AOD高值区出现在春季和夏季, AOD空间分布在秋季呈减小趋势, 冬季分布范围增加。不同季节AOD最高值均出现在辽宁, 东北地区夏季AOD增加主要与环境湿度有关, 边界层气象条件对冬季AOD具有一定影响。辽宁AOD在[0.1, 0.2)和[0.2, 0.3)范围内年平均发生频率最高为50%, 吉林和黑龙江AOD在[0.1, 0.2)范围的年平均发生频率最高为25%~30%, 特别是黑龙江极端清洁状况AOD在[0.0, 0.1)范围内年平均发生频率最高为15%。东北地区AOD区域平均值在2003年和2014年较高, 主要受到边界层气象要素和人为排放SO2、PM2.5、有机碳和NO2影响。东北地区夏季AOD年代际变化趋势从2012年之前的增长趋势(0.1·(10 a)-1)向2013以后的减少趋势(-0.3·(10 a)-1)转变。Abstract: Based on the MODIS (moderate-resolution imaging spectroradiometer) AOD (aerosol optical depth) and MEIC (multi-resolution emission inventory for China) in Northeast China from 2003 to 2022, the spatial distribution and interannual trend of AOD in Northeast China are analyzed. Effects of meteorological factors and anthropogenic emissions on AOD changes in Northeast China are discussed. Results show that the AOD maximum in central Liaoning is 0.6, followed by an average AOD of 0.4 in western Jilin and 0.3 in Heilongjiang. The average AOD in Northeast China is lower than that in north China, Yangtze River Delta and other frequent pollution areas. High AOD occurs in spring and summer in Northeast China, and it decreases spatially in autumn while increases in winter. The summer AOD in Liaoning is significantly higher than that in other regions, when the average value in central Liaoning and the Bohai Rim increases to 0.6. The highest values of AOD in different seasons occur in Liaoning, followed by Jilin and Heilongjiang. The increase of AOD in summer is mainly related to environmental humidity, and adverse meteorological conditions and local emissions have certain effects on near-surface atmospheric extinction in winter. The annual occurrence frequency of AOD in the range of [0.1, 0.2) and [0.2, 0.3) in Liaoning is up to 50%, the annual occurrence frequency of AOD in the range of [0.1, 0.2) in Jilin and Heilongjiang is up to 25%-30%, and the annual occurrence frequency of extreme clean condition in Heilongjiang is up to 15%. Affected by dust events in spring, the occurrence frequency of AOD [0.2, 0.3) and AOD [0.3, 0.4) in Northeast China is 25%. The regional average value of AOD in Northeast China is higher in 2003 and 2014, which is mainly influenced by boundary layer meteorological elements and anthropogenic emission of SO2, PM2.5, organic carbon (OC) and NO2. In Northeast China, AOD is negatively correlated with boundary layer height and average wind speed, and positively correlated with anthropogenic emissions. The correlation coefficient between AOD and anthropogenic emissions of SO2, PM2.5 and OC is the highest in Liaoning. From 2003 to 2022, AOD in Liaoning shows a weak negative growth trend (about-0.1 per decade), while the AOD in Jilin and Heilongjiang shows little change trend. From the perspective of seasonal interannual trend, there is a transition from a negative increasing trend in spring to a positive increasing trend in summer before 2012. After 2013, the summer AOD in Northeast China shows a negative growth trend (-0.3 per decade), which confirms that the contribution of summer aerosol to atmospheric extinction in Northeast China is decreasing in the past 10 years.
-
Keywords:
- Northeast China /
- aerosol optical depth /
- long-term variation
-
引言
大气气溶胶在全球和区域尺度大气辐射收支能量平衡中起着至关重要的作用，其长期变化和年代际趋势对气候变化评估至关重要[1-2]。气溶胶粒子可以通过吸收和散射太阳辐射直接影响地气系统辐射平衡，也可以通过改变云的性质间接影响气候变化[3-5]。
大气气溶胶通过其光学、微物理和化学特性影响大气辐射和气候变化, 其光学特性取决于气溶胶的理化性质、时空分布以及下垫面等变率因子，是评估不同地区气溶胶辐射效应和气候变化的关键参数之一[6-7]。大气气溶胶光学厚度(aerosol optical depth，AOD) 表示整层大气气溶胶对光的削减作用, 是描述大气消光程度的重要光学参数，用于表征区域气溶胶负荷，揭示气溶胶对辐射和全球气候的影响[8]。因此，气溶胶光学特性的长期和高时间分辨率测量十分重要，可以为气候变化的预测和估计提供关键信息[9-11]。近年大规模太阳光度计站网如全球气溶胶光学特性观测网(AERONET)、法国气溶胶光学特性观测网(PHOTONS)、加拿大太阳光度计网络(AEROCAN)、日本大气辐射和气溶胶观测网(SKYNET)已被用于国家、区域和全球气溶胶光学特性的长期观测，获得了气溶胶光学和微物理特性的持续定量测量，提高了对气溶胶光学性质的时空分布及其对气候影响的认识[12-15]。地基激光雷达被认为是获取气溶胶垂直分布最有效的方法之一，不仅能够提供时间和空间尺度的气溶胶光学廓线，还可以提供多种重要气溶胶垂直剖面信息，包括边界层结构、光学和微物理特性等[16-17]。此外，利用卫星遥感观测全球气溶胶光学特性的长期变化特征，能够弥补地基观测在空间和时间覆盖方面的不足，如MODIS(moderate-resolutionimaging spectroradiometer)、MISR(multi-angle imaging spectroradiometer)、OMI(ozone monitoring instrument)、CALIPSO(the cloud-aerosol lidar and infrared pathfinder satellite observation)、AVHRR(advanced very high resolution radiometer)等卫星及搭载的传感器已经广泛应用于研究全球气溶胶光学产品[18-21]。
我国经历了快速的经济发展和城市化进程，来自工业污染、煤炭燃烧、汽车尾气、局部排放、扬尘运输、生物质燃烧以及二次气溶胶等自然源和人为源的气溶胶对其光学特性产生了重要影响，并与边界层气象条件相互作用影响大气辐射效应[22-24]。我国自主建立的中国地区太阳分光光度计观测网(CSHNET)[25]及中国气溶胶遥感监测网(CARSNET)[26]通过测量不同地区大气气溶胶的光学特征及其时空分布，有助于促进对我国不同区域大气气溶胶光学特征及其气候效应的连续性和深入性研究。我国气溶胶光学特性相关研究大多集中在气溶胶负荷高的华北地区、华东地区、易受沙尘气溶胶影响的西北地区以及受到地形和输送影响的西南地区[27-29]。但针对东北地区气溶胶光学特性长期连续观测的数据较少，多集中在单个站点或一组邻近城市群，尤其是对多年气溶胶光学变化特征缺乏较为客观且全面的认识[30-32]。
与京津冀、长江三角洲、珠江三角洲等地区的地理分布特征不同，我国东北地区具有独特的地理位置和气候特点，其所属区域纬度较高，冬季漫长寒冷，积雪覆盖导致地表反照率增大[33]。夏秋季节焚烧秸秆及冬季燃煤产生的大量含碳气溶胶吸收性较强，既可以导致该区域大气气溶胶负载明显增加，也可以改变该区域大气气溶胶吸收性和散射性，对区域气溶胶直接辐射强迫效应有一定影响，进而影响其气候效应[34-37]。
因此，对东北地区气溶胶光学特性的长期、连续观测对于研究该地区环境问题与气候变化十分必要。利用卫星数据估算我国东北地区不同空间尺度和时间跨度的气溶胶光学特性，对于理解气溶胶对气候和污染气象形成的长期影响具有重要意义。
1. 数据和方法
1.1 MODIS气溶胶光学特性产品
本文使用的数据为2003—2022年MODIS/Terra和MODIS/Aqua反演的逐日2级气溶胶光学厚度产品(MOD04_L2和MYD04_L2)，其版本号为C6.1，空间分辨率为10 km。选取参数为经暗目标算法和深蓝算法合并反演的550 nm处AOD。为了降低产品的不确定性，研究仅使用质量控制编码标记为“好”和“非常好”的数据。产品评估结果表明：MODIS暗目标算法和深蓝算法合并反演的AOD产品与地基AERONET观测的相关系数为0.907，均方根误差为0.11[38]。
为了开展空间分析，MOD04_L2和MYD04_L2每日瞬时2级AOD数据通过最近邻插值法被重采样、平均至空间分辨率为0.1°× 0.1°的日平均数据。二者日平均表征日平均AOD。日平均AOD场计算得到月平均值用于开展时空分布特征及演变趋势分析。需要指出的是，在计算月平均时，需要每个格点像元至少满足2个有效反演。本研究也关注AOD的季节性(春、夏、秋、冬)时空演变特征，春季为3—5月平均，夏季为6—8月平均，秋季为9—11月平均，冬季为12月—次年2月平均。
1.2 ERA5再分析数据
为了更好地理解东北地区AOD时空演变趋势，本研究使用欧洲中期天气预报中心(ECMWF)第5代大气再分析数据集(ERA5)，时间为2003—2022年，空间分辨率为0.25°×0.25°。选取的参数包括10 m风速、降水量和边界层高度。10 m风速和边界层高度分别表征大气气溶胶的水平和垂直扩散条件，降水通过湿沉降过程影响大气气溶胶的消散。
1.3 MEIC排放清单模型
除气象条件外，本研究也探讨人为排放变化对东北地区AOD时空演变趋势的影响。人为排放数据来自多尺度排放清单模型(multi-resolution emission inventory for China，MEIC) 排放源清单。MEIC是清华大学开发的人类活动大气排放模拟平台，其分发包括温室气体和大气污染物排放等在内的多个多尺度数据集，已被广泛用于空气质量模拟、政策评估等工作。本研究从MEIC平台获取了V1.4版本全部门4种主要污染物的月平均排放源清单，包括PM2.5、二氧化硫(SO2)、有机碳(organic carbon，OC)、氮氧化物(NOx)。这些大气物种已被证明能够直接和间接影响大气气溶胶的消光。
2. 气溶胶光学厚度特性
2.1 大气气溶胶光学厚度空间分布特征
我国东北地区由南向北包括辽宁、吉林和黑龙江。辽宁中部、吉林中部和黑龙江西部人口密度较大(图 1)。山区主要包括黑龙江西北部的大兴安岭、东南部的小兴安岭和吉林东南部的长白山，人口密度较小。气态污染物的区域分布显示，人为排放SO2浓度较高值集中在辽宁大部、吉林和黑龙江南部，年平均排放大于200 t。人为排放SO2主要与煤、石油等含硫燃料的燃烧有关，特别是煤的不完全燃烧会产生大量的SO2和煤烟。由于人口密度较小，北部山区的人为排放SO2相对较低。由AOD空间分布可知，辽宁AOD较高，最大值出现在辽宁中部，AOD平均值为0.6；其次是吉林西部，AOD平均值为0.4；黑龙江AOD平均值最小，为0.3。与我国华北、长江三角洲等地易出现大范围污染过程地区相比，东北地区AOD多年平均值(沈阳为0.89)低于我国西南(成都为1.17)、华北(郑州为0.99)和华中(武汉为1.00)等地[39]。东北城市AOD主要与人类活动密切相关，较大值集中出现在辽宁中部城市群以及哈尔滨和长春城市群。
![]()
图 1 2003年3月—2023年2月东北地区AOD、地形高度、人口数量和人为排放SO2分布Figure 1. Distribution of AOD, topographic height, population size and anthropogenic SO2 emissions in Northeast China from Mar 2003 to Feb 2023本文插图中所涉及的中国国界和省界基于审图号为GS(2020)4619号标准地图制作，底图无修改。
图 2为东北地区AOD季节分布特征。东北地区AOD高值均出现在春季和夏季，秋季AOD呈减小趋势，冬季AOD增加。
![]()
图 2 2003年3月—2023年2月东北地区气溶胶光学厚度季节分布Figure 2. Seasonal distribution of AOD in Northeast China from Mar 2003 to Feb 2023春季，辽宁中部和南部AOD较高，平均值为0.5，吉林西部AOD最大值为0.4~0.5，黑龙江AOD较高, 约为0.2。我国东北地区生物质燃烧事件具有独特的季节特征，春季火情活动主要集中在黑龙江北部和西部，特别是大兴安岭和小兴安岭[40]地区。夏季辽宁AOD增加趋势显著，其中辽宁中部和环渤海地区AOD平均值增加至0.6，吉林西部和黑龙江西南部AOD可达0.5。AOD的季节分布表明：东北大部分地区夏季气溶胶消光事件严重，其中辽宁AOD显著高于其他地区。秋季，东北地区AOD平均值减小，辽宁中部AOD最高值为0.4，其他地区AOD小于0.3。冬季，东北地区AOD呈增加趋势，最大值超过0.6，这与东北地区冬季取暖活动导致人为气溶胶排放增加有关。Che等[41]指出我国50个CARSNET站AOD整体上表现为春夏季大于秋冬季。
2.2 大气气溶胶光学厚度季节变化特征
图 3为东北地区AOD区域平均值。由图 3可知，对于年平均AOD，辽宁AOD最高，为0.35；其次为吉林，AOD为0.29；黑龙江较低，AOD为0.22。东北地区春季AOD整体较高，均大于多年平均值，其中辽宁最高, 为0.42，其次为吉林(0.37)，黑龙江春季AOD较小(0.29)。与春季相似，夏季AOD最高值出现在辽宁，为0.42，吉林和黑龙江AOD分别为0.30和0.23。秋季东北大部分地区AOD较低，辽宁较高(0.25)，其次是吉林(0.20)，黑龙江较小(0.15)。冬季，AOD增加，AOD最高值出现在辽宁，为0.33，吉林为0.31，黑龙江为0.28。春季的秸秆焚烧和夏季强辐射和高湿度有利于加速气体颗粒的转化，细颗粒物对东北地区大气消光具有重要影响[34]。
![]()
图 3 2003年3月—2023年2月东北地区气溶胶光学厚度区域平均值Figure 3. Regional average of AOD in Northeast China from Mar 2003 to Feb 2023图 4为东北地区不同季节风场与边界层高度分布。由图 4可知，东北地区夏季主要受偏南气流控制，有利于水汽输送，增大大气湿度，进一步促进夏季小颗粒向中颗粒的吸湿生长，导致整层大气消光性增强，是东北地区夏季AOD增加显著的主要原因。冬季边界层显著降低，不利的大气污染扩散条件导致冬季燃煤取暖产生的人为排放污染物积累，加剧了近地面大气消光作用。Ma等[42]指出污染过程中边界层变化对东北地区气溶胶消光系数分布有重要影响。尽管冬季近地面大气污染物累积导致气溶胶消光显著，但气溶胶光学厚度计算的是整层大气在垂直方向的消光特征，因此冬季气溶胶AOD小于夏季。
![]()
图 4 2003年3月—2023年2月东北地区不同季节边界层高度(填色) 及风场(矢量)Figure 4. Seasonal distribution of boundary layer height (the shaded) and wind field (the vector) in Northeast China from Mar 2003 to Feb 20232.3 大气气溶胶光学厚度频率分布特征
图 5为东北地区AOD发生频率的分布。将AOD划分为13档：[0.0，0.1)，[0.1，0.2)，[0.2，0.3)，[0.3，0.4)，[0.4，0.5)，[0.5，0.6)，[0.6，0.7)，[0.7，0.8)，[0.8，0.9)，[0.9，1.0)，[1.0，1.5)，[1.5，2.0)，[2.0，+∞)。
![]()
图 5 2003年3月—2023年2月东北地区气溶胶光学厚度发生频率Figure 5. Frequency occurrence of AOD in Northeast China from Mar 2003 to Feb 2023由图 5年平均发生频率分布可知，辽宁和吉林出现极端清洁事件频率小于10%。由于纬度较高，人类活动较少，黑龙江极端清洁状况AOD在[0.0，0.1)范围年平均发生频率最高(15%)。辽宁AOD在[0.1，0.2)和[0.2，0.3)范围年平均发生频率最高，占发生频率的50%。吉林和黑龙江AOD在[0.1，0.2)范围年平均发生频率最高为25%~30%，其他AOD范围年平均发生频率逐渐减小。
进一步分析东北地区不同AOD范围发生频率的季节特征。东北地区春季AOD发生频率范围分布较宽，其他季节AOD发生频率分布较为集中。春季，东北地区AOD在[0.2，0.3)和[0.3，0.4)范围发生频率较高(25%)，特别是辽宁AOD在[0.4，0.5)范围的发生频率增加至20%，这可能与春季沙尘事件的增加有关。Zhao等[43]指出沙尘气溶胶对春季辽宁气溶胶光学厚度具有重要影响。夏季，辽宁AOD在[0.2，0.3)和[0.3，0.4)范围发生频率约为18%，吉林AOD在[0.1, 0.2)和[0.2，0.3)范围发生频率增加至25%，AOD在[0.1，0.2)范围发生频率最大值集中分布在黑龙江，约为35%。秋季，吉林和辽宁AOD在[0.1，0.2)发生频率约为30%~40%，与吉林和辽宁不同，秋季人为活动相对较少的黑龙江AOD在[0.0，0.1)范围发生频率显著增加至40%。进入冬季，东北各省不同AOD范围发生频率趋势较为一致，最高发生频率出现在[0.1，0.2)和[0.2，0.3)，约为25%~30%。
2.4 大气气溶胶光学厚度年际变化特征
图 6为东北地区AOD区域平均值年际变化特征。由图 6可知，东北各省AOD区域平均值年际变化趋势一致。AOD年平均值在2003年较高，为0.3~0.4，随后显著下降，2004年各省AOD均小于0.3。近15年各省AOD呈波动变化，2008年和2014年年平均值最大，平均值变化范围为0.4~0.5。
![]()
图 6 2003年3月—2023年2月东北地区气溶胶光学厚度年际变化Figure 6. Interannual variation of AOD in Northeast China from Mar 2003 to Feb 2023考虑到MEIC中国人为源排放清单为2003—2020年，图 7为2003—2020年东北地区风速、降水量和边界层高度等气象要素的年际变化。由图 7可知，东北地区2014年近地面平均风速为极小值，平均值小于3 m·s-1，不利于污染物水平扩散。同时辽宁和吉林降水量也达到多年最低值，小于1 mm，降水较少不利于污染物的湿沉降。2014年吉林和黑龙江大气边界层高度也为低值(低于600 m)。边界层高度降低不利于污染物垂直扩散。因此，2014年东北地区气溶胶消光性增加，与气象条件有关。赵胡笳等[44]指出沈阳一次雾霾天气过程中小风天气对光学特征变化具有重要影响。
![]()
图 7 2003—2020年东北地区平均风速、降水量和边界层高度年际变化Figure 7. Interannual variation of wind speed, precipitation and boundary layer height in Northeast China from 2003 to 2020图 8为2003—2020年东北地区人为排放SO2、PM2.5、OC、氮氧化物的年际变化。由图 8可知，2003年我国东北地区SO2、PM2.5、OC排放均较高，特别是辽宁SO2和PM2.5排放量均大于100 t，说明人为排放源强度的增加对东北地区AOD水平的影响。随着国家和政府相关政策对污染物排放的控制，各种人为排放源逐渐减小。吉林和黑龙江尽管SO2、PM2.5、OC总排放量小于80 t，但减排速度相对较慢，2014年呈下降趋势。与其他人为排放源不同，东北地区氮氧化物的排放强度从2003年逐年增加，2010年达到峰值，随后东北地区氮氧化物排放呈下降趋势，并与其他污染物排放下降趋势一致。因此，人为排放源对我国东北地区大气消光年变化特征具有显著相关性。
![]()
图 8 2003—2020年东北地区SO2、PM2.5、OC和氮氧化物年际变化Figure 8. Interannual variation of SO2, PM2.5, OC and NOx in Northeast China from 2003 to 2020表 1为东北地区平均AOD与气象因子和人为排放源的相关。由表 1可知，东北地区AOD与边界层高度均呈负相关关系，辽宁、吉林和黑龙江AOD和边界层高度相关系数分别为-0.56(达到0.05显著性水平)、-0.42和-0.43。同样，区域AOD与平均风速也呈较高负相关，辽宁、吉林和黑龙江AOD和风速相关系数分别为-0.52(达到0.05显著性水平)、-0.60 (达到0.05显著性水平)和-0.46。
表 1 2003—2020年东北地区AOD与气象因子和人为排放源相关分析Table 1. Correlation coefficient between AOD and meteorological and anthropogenic emissions in Northeast China from 2003 to 2020气象因子与人为排放源 辽宁 吉林 黑龙江 边界层高度 -0.56* -0.42 -0.43 平均风速 -0.52* -0.60* -0.46 SO2 0.62* 0.25 0.10 PM2.5 0.61* 0.34 0.25 OC 0.60* 0.36 0.29 NOx 0.17 0.23 0.25 注：*表示达到0.05显著性水平。 人为排放源与东北地区AOD的相关关系均呈正相关，其中辽宁人为排放SO2、PM2.5、OC与AOD相关系数最高，分别为0.62、0.61和0.60，均达到0.05显著性水平，其次是吉林和黑龙江。辽宁SO2、NOx、OC等人为排放量高于吉林和黑龙江，因此辽宁大气污染物与气溶胶光学厚度相关性较大，AOD主要受到本地排放源影响[45]。AOD与SO2和OC相关性较好，是因为硫酸盐气溶胶对辽宁气溶胶光学厚度贡献较高，其次是有机碳气溶胶[40]。
2.5 大气气溶胶光学厚度年代际变化趋势
为研究东北地区AOD的年代际变化趋势，在0.05显著性水平上(图 9和图 10中黑点区域)分析2003—2022年以及2003—2012年和2013—2022年AOD的变化趋势。
![]()
图 9 东北地区气溶胶光学厚度年代际变化趋势(·表示趋势值达到0.05显著性水平)Figure 9. Interdecadal variation trend of AOD in Northeast China(· denotes the trend passing the test of 0.05 level)![]()
图 10 东北地区气溶胶光学厚度不同季节年代际变化趋势(·表示趋势值达到0.05显著性水平)Figure 10. Interdecadal variation trend of AOD in different seasons in Northeast China(· denotes the trend passing the test of 0.05 level)由图 9可知，2003—2022年辽宁AOD总体呈弱减少趋势(约为-0.1·(10 a)-1)，吉林和黑龙江AOD变化趋势不明显。2003—2012年东北地区AOD年代际变化趋势均不明显，其中辽宁中部城市群以及哈尔滨和长春城市群AOD呈明显增长趋势(约为0.2·(10 a)-1)。2013—2022年东北地区AOD呈显著减少趋势，辽宁AOD减少较快(约为-0.3·(10 a)-1)，其他地区减少约为-0.1·(10 a)-1。结果表明，2013—2022年辽宁气溶胶消光显著减少。
由AOD的季节年代际变化趋势(图 10)可知，2003—2022年春季东北地区AOD总体呈减少趋势(约为-0.2·(10 a)-1)，夏季吉林中部和黑龙江AOD增长趋势较小(约为0.1·(10 a)-1)，秋季整个东北地区AOD呈弱减少趋势(大于-0.1·(10 a)-1)，冬季AOD变化趋势不明显。2003—2012年夏季东北地区AOD年代际变化趋势出现增长趋势，其中黑龙江增长趋势较大，约为0.3·(10 a)-1。2013—2022年东北地区AOD年代际变化基本呈减少趋势，约为-0.3·(10 a)-1。从季节转换角度看，2012年以前为从春季减少趋势向夏季增长趋势转换，在2013年以后东北地区夏季AOD呈减少趋势(-0.3· (10 a)-1)，即近10年东北地区夏季气溶胶对大气消光的贡献在减少。
3. 结论
本文利用2003—2022年我国东北地区MODIS AOD产品长期观测数据和2003—2020年清华大学MEIC排放源清单，分析东北地区气溶胶光学厚度变化特征及其与气象因子和人为排放源的相关性。得到以下结论：
1) 我国东北城市地区气溶胶光学厚度与大城市人类活动密切相关，AOD最大值集中在辽宁中部，为0.6；其次是吉林西部，AOD平均值为0.4；黑龙江AOD平均值最小，为0.3。春季的焚烧秸秆和夏季强辐射和高湿有利于气粒转化过程的加快，对东北地区大气消光性影响较大。
2) 黑龙江AOD在极端清洁范围[0.0，0.1)发生频率最高为15%，黑龙江和吉林AOD在[0.1，0.2)范围发生频率最高为25%~30%。春季，辽宁AOD在[0.4，0.5)范围发生频率增加至20%，这与春季东北地区沙尘事件频发有关。
3) 东北地区AOD年平均值在2003年较高，为0.3~0.4，2014年达到最大值(0.4~0.5)。风速减小和边界层高度降低等不利气象条件对东北地区气溶胶消光性增加有重要影响。同时，人为排放SO2、PM2.5、OC和NOx也对东北地区大气消光性年际变化特征产生影响。
4) 2003—2012年东北地区AOD在夏季呈0.3· (10 a)-1的增长趋势。2012年以前AOD年代际变化从春季减少向夏季增长转换，2013年以后东北地区夏季AOD呈减少趋势，即近10年东北地区夏季气溶胶对大气消光的贡献在减少。
致谢: NASA、ECMWF提供了MODIS、ERA5数据的在线下载服务,清华大学提供了MEIC排放源清单的在线下载服务。 -
![]()
图 1 2003年3月—2023年2月东北地区AOD、地形高度、人口数量和人为排放SO2分布
Figure 1. Distribution of AOD, topographic height, population size and anthropogenic SO2 emissions in Northeast China from Mar 2003 to Feb 2023
![]()
图 2 2003年3月—2023年2月东北地区气溶胶光学厚度季节分布
Figure 2. Seasonal distribution of AOD in Northeast China from Mar 2003 to Feb 2023
![]()
图 3 2003年3月—2023年2月东北地区气溶胶光学厚度区域平均值
Figure 3. Regional average of AOD in Northeast China from Mar 2003 to Feb 2023
![]()
图 4 2003年3月—2023年2月东北地区不同季节边界层高度(填色) 及风场(矢量)
Figure 4. Seasonal distribution of boundary layer height (the shaded) and wind field (the vector) in Northeast China from Mar 2003 to Feb 2023
![]()
图 5 2003年3月—2023年2月东北地区气溶胶光学厚度发生频率
Figure 5. Frequency occurrence of AOD in Northeast China from Mar 2003 to Feb 2023
![]()
图 6 2003年3月—2023年2月东北地区气溶胶光学厚度年际变化
Figure 6. Interannual variation of AOD in Northeast China from Mar 2003 to Feb 2023
![]()
图 7 2003—2020年东北地区平均风速、降水量和边界层高度年际变化
Figure 7. Interannual variation of wind speed, precipitation and boundary layer height in Northeast China from 2003 to 2020
![]()
图 8 2003—2020年东北地区SO2、PM2.5、OC和氮氧化物年际变化
Figure 8. Interannual variation of SO2, PM2.5, OC and NOx in Northeast China from 2003 to 2020
![]()
图 9 东北地区气溶胶光学厚度年代际变化趋势
(·表示趋势值达到0.05显著性水平)
Figure 9. Interdecadal variation trend of AOD in Northeast China
(· denotes the trend passing the test of 0.05 level)
![]()
图 10 东北地区气溶胶光学厚度不同季节年代际变化趋势
(·表示趋势值达到0.05显著性水平)
Figure 10. Interdecadal variation trend of AOD in different seasons in Northeast China
(· denotes the trend passing the test of 0.05 level)
表 1 2003—2020年东北地区AOD与气象因子和人为排放源相关分析
Table 1 Correlation coefficient between AOD and meteorological and anthropogenic emissions in Northeast China from 2003 to 2020
气象因子与人为排放源 辽宁 吉林 黑龙江 边界层高度 -0.56* -0.42 -0.43 平均风速 -0.52* -0.60* -0.46 SO2 0.62* 0.25 0.10 PM2.5 0.61* 0.34 0.25 OC 0.60* 0.36 0.29 NOx 0.17 0.23 0.25 注：*表示达到0.05显著性水平。 
下载: 导出CSV
-
[1] Charlson R J, Schwartz S E, Hales J M, et al.Climate forcing by anthropogenic aerosols.Science, 1992, 255(5043):423-430. DOI: 10.1126/science.255.5043.423
[2] Watson J G. Visibility: Science and regulation. J Air Waste Manag Assoc, 2002, 52(6): 628-713. DOI: 10.1080/10473289.2002.10470813
[3] Hansen J, Sato M, Ruedy R. Radiative forcing and climate response. J Geophys Res, 1997, 102(D6): 6831-6864. DOI: 10.1029/96JD03436
[4] Ackerman A S, Toon O B, Stevens D E, et al. Reduction of tropical cloudiness by soot. Science, 2000, 288(5468): 1042-1047. DOI: 10.1126/science.288.5468.1042
[5] 李睿劼, 黄梦宇, 丁德平, 等. 基于70 m3膨胀云室的暖云滴谱试验研究. 应用气象学报, 2023, 34(5): 540-551. DOI: 10.11898/1001-7313.20230503 Li R J, Huang M Y, Ding D P, et al. Warm cloud size distribution experiment based on 70 m3 expansion cloud chamber. J Appl Meteor Sci, 2023, 34(5): 540-551. DOI: 10.11898/1001-7313.20230503
[6] Dubovik O, Holben B N, Eck T F, et al. Variability of absorption and optical properties of key aerosol types observed in worldwide locations. J Atmos Sci, 2002, 59(3): 590-608. DOI: 10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2
[7] 吴啸天, 王晓妍, 郑栋, 等. 不同类型气溶胶对长三角地区地闪活动影响. 应用气象学报, 2023, 34(5): 608-618. DOI: 10.11898/1001-7313.20230509 Wu X T, Wang X Y, Zheng D, et al. Effects of different aerosols on cloud-to-ground lightning activity in the Yangtze River Delta. J Appl Meteor Sci, 2023, 34(5): 608-618. DOI: 10.11898/1001-7313.20230509
[8] Breéon F M, Tanreé D, Generoso S. Aerosol effect on cloud droplet size monitored from satellite. Science, 2002, 295(5556): 834-838. DOI: 10.1126/science.1066434
[9] Allen S, Plattner G, Nauels A, et al. Climate Change 2013: The physical science basis. An overview of the working group Ⅰ contribution to the fifth assessment report of the intergovernmental panel on climate change(IPCC). Computational Geometry, 2007, 18(2): 95-123.
[10] Gui K, Che H Z, Zheng Y, et al. Three-dimensional climatology, trends, and meteorological drivers of global and regional tropospheric type-dependent aerosols: Insights from 13 years (2007-2019) of CALIOP observations. Atmos Chem Phys, 2021, 21(19): 15309-15336. DOI: 10.5194/acp-21-15309-2021
[11] Gui K, Che H Z, Li L, et al. The significant contribution of small-sized and spherical aerosol particles to the decreasing trend in total aerosol optical depth over land from 2003 to 2018. Engineering, 2022, 16: 82-92. DOI: 10.1016/j.eng.2021.05.017
[12] Holben B N, Eck T F, Slutsker I, et al. AERONET-A federated instrument network and data archive for aerosol characterization. Remote Sens Environ, 1998, 66(1): 1-16. DOI: 10.1016/S0034-4257(98)00031-5
[13] Goloub P, Li Z, Dubovik O, et al. PHOTONS/AERONET Sunphotometer Network Overview: Description, Activities, Results//Proc SPIE, Fourteenth International Symposium on Atmospheric and Ocean Optics/Atmospheric Physics, 2008, 6936: 218-232.
[14] Bokoye A I, Royer A, O'Neil N T, et al. Characterization of atmospheric aerosols across Canada from a ground-based sunphotometer network: AEROCAN. Atmosphere-Ocean, 2001, 39(4): 429-456. DOI: 10.1080/07055900.2001.9649687
[15] Takamura T, Nakajima T. Overview of SKYNET and its activities. Optica Puray Aplicada, 2004, 37: 3303-3308.
[16] 杨先逸, 车慧正, 陈权亮, 等. 天空辐射计观测反演北京城区气溶胶光学特性. 应用气象学报, 2020, 31(3): 373-384. DOI: 10.11898/1001-7313.20200311 Yang X Y, Che H Z, Chen Q L, et al. Retrieval of aerosol optical properties by skyradiometer over urban Beijing. J Appl Meteor Sci, 2020, 31(3): 373-384. DOI: 10.11898/1001-7313.20200311
[17] 梁苑新, 车慧正, 王宏, 等. 北京一次污染过程气溶胶光学特性及辐射效应. 应用气象学报, 2020, 31(5): 583-594. DOI: 10.11898/1001-7313.20200506 Liang Y X, Che H Z, Wang H, et al. Aerosol optical properties and radiative effects during a pollution episode in Beijing. J Appl Meteor Sci, 2020, 31(5): 583-594. DOI: 10.11898/1001-7313.20200506
[18] Levy R C, Mattoo S, Munchak L A, et al. The collection 6 MODIS aerosol products over land and ocean. Atmos Meas Technol, 2013, 6(11): 2989-3034. DOI: 10.5194/amt-6-2989-2013
[19] 高洋, 蔡淼, 曹治强, 等. "21·7"河南暴雨环境场及云的宏微观特征. 应用气象学报, 2022, 33(6): 682-695. DOI: 10.11898/1001-7313.20220604 Gao Y, Cai M, Cao Z Q, et al. Environmental conditions and cloud macro and micro features of "21·7" extreme heavy rainfall in Henan Province. J Appl Meteor Sci, 2022, 33(6): 682-695. DOI: 10.11898/1001-7313.20220604
[20] 郭雪星, 瞿建华, 叶凌梦, 等. 基于朴素贝叶斯的FY-4A/AGRI云检测方法. 应用气象学报, 2023, 34(3): 282-294. DOI: 10.11898/1001-7313.20230303 Guo X X, Qu J H, Ye L M, et al. FY-4A/AGRI cloud detection method based on naive Bayesian algorithm. J Appl Meteor Sci, 2023, 34(3): 282-294. DOI: 10.11898/1001-7313.20230303
[21] 高玲, 张里阳, 李俊, 等. 利用AVHRR数据反演陆地气溶胶光学厚度. 应用气象学报, 2014, 25(1): 42-51. http://qikan.camscma.cn/article/id/20140105 Gao L, Zhang L Y, Li J, et al. Retrieval of atmospheric aerosol optical depth over land from AVHRR. J Appl Meteor Sci, 2014, 25(1): 42-51. http://qikan.camscma.cn/article/id/20140105
[22] Che H, Xia X, Zhu J, et al. Column aerosol optical properties and aerosol radiative forcing during a serious haze-fog month over North China Plain in 2013 based on ground-based sunphotometer measurements. Atmos Chem Phys, 2014, 14(4): 2125-2138. DOI: 10.5194/acp-14-2125-2014
[23] 郭蕾, 李谢辉, 刘雨亭. 城市化对川渝地区极端气候事件的影响. 应用气象学报, 2023, 34(5): 574-585. DOI: 10.11898/1001-7313.20230506 Guo L, Li X H, Liu Y T. Impacts of urbanization on extreme climate events in Sichuan-Chongqing Region. J Appl Meteor Sci, 2023, 34(5): 574-585. DOI: 10.11898/1001-7313.20230506
[24] Xia X G, Chen H B, Li Z Q, et al. Significant reduction of surface solar irradiance induced by aerosols in a suburban region in northeastern China. J Geophys Res, 2007, 112, D22S02. DOI: 10.1029/2006JD007562.
[25] Xin J Y, Wang Y S, Li Z Q, et al. Aerosol optical depth(AOD) and Ångström exponent of aerosols observed by the Chinese Sun Hazemeter Network from August 2004 to September 2005. J Geophys Res, 2007, 112, D05203. DOI: 10.1029/2006JD007075.
[26] Che H Z, Zhang X Y, Chen H B, et al. Instrument calibration and aerosol optical depth validation of the China aerosol remote Sensing network. J Geophys Res, 2009, 114, D03206. DOI: 10.1029/2008JD011030.
[27] 颜鹏, 刘桂清, 周秀骥, 等. 上甸子秋冬季雾霾期间气溶胶光学特性. 应用气象学报, 2010, 21(3): 257-265. http://qikan.camscma.cn/article/id/20100301 Yan P, Liu G Q, Zhou X J, et al. Characteristics of aerosol optical properties during haze and fog episodes at Shangdianzi in Northern China. J Appl Meteor Sci, 2010, 21(3): 257-265. http://qikan.camscma.cn/article/id/20100301
[28] Wang X, Liu J, Che H Z, et al. Spatial and temporal evolution of natural and anthropogenic dust events over Northern China. Sci Rep, 2018, 8(1): 2141. DOI: 10.1038/s41598-018-20382-5
[29] Liang Y X, Gui K, Zheng Y, et al. Impact of biomass burning in south and Southeast Asia on background aerosol in southwest China. Aerosol Air Qual Res, 2019, 19(5): 1188-1204. DOI: 10.4209/aaqr.2018.08.0324
[30] Zhao H J, Che H Z, Zhang X Y, et al. Aerosol optical properties over urban and industrial region of Northeast China by using ground-based sun-photometer measurement. Atmos Environ, 2013, 75: 270-278. DOI: 10.1016/j.atmosenv.2013.04.048
[31] Wang P, Che H Z, Zhang X C, et al. Aerosol optical properties of regional background atmosphere in Northeast China. Atmos Environ, 2010, 44(35): 4404-4412. DOI: 10.1016/j.atmosenv.2010.07.043
[32] Wu Y F, Zhu J, Che H Z, et al. Column-integrated aerosol optical properties and direct radiative forcing based on sun photometer measurements at a semi-arid rural site in Northeast China. Atmos Res, 2015, 157: 56-65. DOI: 10.1016/j.atmosres.2015.01.021
[33] Zhao H J, Che H Z, Ma Y J, et al. Temporal variability of the visibility, particulate matter mass concentration and aerosol optical properties over an urban site in Northeast China. Atmos Res, 2015, 166: 204-212. DOI: 10.1016/j.atmosres.2015.07.003
[34] Zhao H J, Che H Z, Xia X G, et al. Multiyear ground-based measurements of aerosol optical properties and direct radiative effect over different surface types in Northeastern China. J Geophys Res Atmos, 2018, 123(24): 13887-13916.
[35] 宗雪梅, 邱金桓, 王普才. 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, 2005, 10(2): 201-208. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH200502006.htm Zong X M, Qiu J H, Wang P C. Characteristics of atmospheric aerosol optical depth over 16 radiation stations in the last 10 years. Clim Environ Res, 2005, 10(2): 201-208. https://www.cnki.com.cn/Article/CJFDTOTAL-QHYH200502006.htm
[36] 杨琨, 孙照渤, 倪东鸿. 1999—2003年我国气溶胶光学厚度的变化特征. 南京气象学院学报, 2008, 31(1): 92-96. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX200801012.htm Yang K, Sun Z B, Ni D H. Characteristics of atmospheric aerosol optical depth over China during 1999-2003. J Nanjing Inst Meteor, 2008, 31(1): 92-96. https://www.cnki.com.cn/Article/CJFDTOTAL-NJQX200801012.htm
[37] 王继志, 李多, 杨元琴, 等. 中国北方地区冬季雨雪年度变化与大气气溶胶分布特征研究. 气象与环境学报, 2011, 27(6): 66-71. https://www.cnki.com.cn/Article/CJFDTOTAL-LNQX201106013.htm Wang J Z, Li D, Yang Y Q, et al. Characteristics of annual variations of winter rain/snow and atmospheric aerosol distributions in the north of China. J Meteor Environ, 2011, 27(6): 66-71. https://www.cnki.com.cn/Article/CJFDTOTAL-LNQX201106013.htm
[38] Wei J, Li Z Q, Peng Y R, et al. MODIS Collection 6.1 aerosol optical depth products over land and ocean: Validation and comparison. Atmos Environ, 2019, 201: 428-440. DOI: 10.1016/j.atmosenv.2018.12.004
[39] Che H Z, Xia X G, Zhao H J, et al. Spatial distribution of aerosol microphysical and optical properties and direct radiative effect from the China aerosol remote sensing network. Atmos Chem Phys, 2019, 19(18): 11843-11864. DOI: 10.5194/acp-19-11843-2019
[40] Zhao H J, Gui K, Ma Y J, et al. Climatological variations in aerosol optical depth and aerosol type identification in Liaoning of Northeast China based on MODIS data from 2002 to 2019. Sci Total Environ, 2021, 781. DOI: 10.1016/j.scitotenv.2021.146810.
[41] Che H, Zhang X Y, Xia X, et al. Ground-based aerosol climatology of China: Aerosol optical depths from the China aerosol remote sensing network(CARSNET) 2002-2013. Atmos Chem Phys, 2015, 15(13): 7619-7652. DOI: 10.5194/acp-15-7619-2015
[42] Ma Y J, Zhao H J, Dong Y S, et al. Comparison of two air pollution episodes over Northeast China in winter 2016/17 using ground-based lidar. J Meteor Res, 2018, 32(2): 313-323. DOI: 10.1007/s13351-018-7047-4
[43] Zhao H J, Che H Z, Gui K, et al. Interdecadal variation in aerosol optical properties and their relationships to meteorological parameters over Northeast China from 1980 to 2017. Chemosphere, 2020, 247: 125737. DOI: 10.1016/j.chemosphere.2019.125737
[44] 赵胡笳, 马雁军, 王扬锋, 等. 沈阳一次雾霾天气颗粒物浓度及光学特征变化. 中国环境科学, 2015, 35(5): 1288-1296. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201505002.htm Zhao H J, Ma Y J, Wang Y F, et al. Characteristics of particle mass concentrations and aerosol optical properties during a fog-haze event in Shenyang. China Environ Sci, 2015, 35(5): 1288-1296. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGHJ201505002.htm
[45] Zhao H J, Gui K, Ma Y J, et al. Climatology and trends of aerosol optical depth with different particle size and shape in Northeast China from 2001 to 2018. Sci Total Environ, 2021, 763. DOI: 10.1016/j.scitotenv.2020.142979.
-
期刊类型引用(3)
1. 奚立宗，把黎，庞朝云，李宝梓，黄山. 祁连山北坡沙尘天气气溶胶特征的飞机观测. 应用气象学报. 2024(03): 311-322 . 
本站查看
2. 延昊，刘桂青，曹云，莫建飞，孙应龙，陈紫璇，程路. 2000—2023年京津冀蓝天等级日数遥感研究. 应用气象学报. 2024(05): 606-618 . 本站查看
3. 耿心泽，刘畅，刘旭艳，王玉龙，张智清，梁林林. 2020年1月哈尔滨PM_(2.5)重污染形成机制. 应用气象学报. 2024(06): 737-746 . 本站查看
其他类型引用(1)
计量
- 文章访问数: 409
- HTML全文浏览量: 111
- PDF下载量: 83
- 被引次数: 4
