王 萍,湯慶新,梁天全,于泉洲,李 欣

基于MODIS數(shù)據(jù)的山東省近十年AOD時空變化特征

王 萍,湯慶新*,梁天全,于泉洲,李 欣

(聊城大學(xué)環(huán)境與規(guī)劃學(xué)院,山東 聊城 252059)

利用2010～2019年的MOD04_3K氣溶膠光學(xué)厚度產(chǎn)品數(shù)據(jù),從時間和空間角度分析山東省氣溶膠光學(xué)厚度(AOD)變化特征. 結(jié)果表明:2010～2019年山東AOD年均值在0.545～0.851波動,平均值為0.706,10年間山東AOD年均值整體呈現(xiàn)下降趨勢,至2019年下降了0.269,下降幅度高達(dá)33%;山東AOD有明顯的季節(jié)變化特征,呈夏季高峰,冬季最低,采暖期AOD均值整體上低于非采暖期;山東AOD高值區(qū)集中在北部環(huán)渤海、魯西地區(qū)及濟寧市,而山東中部及東北部沿海地區(qū)為低值區(qū). AOD高值區(qū)總體分布在低海拔地區(qū),而AOD較低的區(qū)域主要位于高海拔地區(qū),且AOD時序變化趨勢率與年均AOD空間分布特征基本保持一致.

AOD；山東??；時空變化；MODIS

大氣氣溶膠是指均勻分散于大氣中的固體微粒和液體微粒所構(gòu)成的穩(wěn)定混合體系,粒子的空氣動力學(xué)直徑多在0.001～100mm之間[1].氣溶膠粒子的主要來源是自然和人類活動,前者主要來自植被、海洋、土壤,后者主要來自化工生產(chǎn)、生物焚燒、土地利用變化等.大氣氣溶膠一方面可以通過吸收和散射太陽輻射影響地球的輻射平衡;另一方面,氣溶膠粒子又可以作為云的凝結(jié)核間接影響降水量和水循環(huán)[2].因此,研究大氣氣溶膠變化對于環(huán)境改善具有重要意義.作為表征氣溶膠性質(zhì)的重要光學(xué)參數(shù)之一,氣溶膠光學(xué)厚度(AOD)的物理意義為沿輻射傳輸路徑,單位截面上氣溶膠的吸收和散射對太陽輻射產(chǎn)生的總削弱強度,主要用來描述氣溶膠對光的消減作用[3].目前有多種方式可以觀測AOD,主要有地基觀測和衛(wèi)星遙感探測.其中地基觀測數(shù)據(jù)雖精度高,但站點分布稀疏且不均勻,無法滿足區(qū)域性研究需要,而衛(wèi)星遙感克服了地基觀測在空間上的不足,可以進行長時間、大尺度范圍的觀測[4].現(xiàn)已有眾多學(xué)者利用遙感數(shù)據(jù)對AOD的時空變化及與其他要素的聯(lián)系進行了研究.羅宇翔等[5]基于2001～ 2010年MODIS氣溶膠光學(xué)厚度數(shù)據(jù),選取了10個代表性區(qū)域分析了中國大陸10年間的AOD時空特征及影響因素;Grguri?等[6]基于克羅地亞上空MODIS氣溶膠光學(xué)厚度時空變化進行分析,并探討了與PM10的關(guān)系;齊兵等[7]利用2011～2012年杭州國家基準(zhǔn)氣候站內(nèi)太陽光度計(CE-318)觀測資料,分析了杭州市AOD季度變化特征及其原因,從AOD及Angstrom波長指數(shù)α頻率分布證明杭州市主要氣溶膠為城市-工業(yè)型氣溶膠;李一凡等[8]基于MODIS和CALIOP氣溶膠產(chǎn)品數(shù)據(jù),探究了我國華北地區(qū)氣溶膠光學(xué)厚度與西北太平洋海洋初級生產(chǎn)力之間的相關(guān)性;馬奮華等[9]對中國東部AOD進行分級,證明不同污染等級下的氣溶膠與到達(dá)地面的太陽短波輻射、地面氣溫、風(fēng)速及降水存在不同輕重的聯(lián)系;王銀牌等[10]利用MODIS氣溶膠日產(chǎn)品,通過Spearman秩相關(guān)檢驗法,探究了中國大陸近15年的AOD年均值與及均值逐年變化趨勢,并表明人類活動對AOD值變化有顯著影響;劉狀等[11]結(jié)合K-means聚類分析方法,對中國中部和東部的氣溶膠光學(xué)厚度時間序列進行分析;胡俊等[12]利用2006～2017年MODIS氣溶膠日產(chǎn)品,對新疆11個代表性城市分類,研究其時空變化特征及規(guī)律;丁瑩等[13]基于2008～2016年中分辨率成像光譜儀MAIAC的AOD數(shù)據(jù),分析了長株潭城市群近10a來AOD演化特征,并利用拉格朗日混合型單粒子軌跡模式(HYSPLIT)及全球資料同化系統(tǒng)(GDAS)氣象要素數(shù)據(jù)研究大氣污染物潛在傳輸規(guī)律;劉雨華等[14]基于環(huán)渤海地區(qū)氣溶膠光學(xué)厚度數(shù)據(jù)進行時空研究,得到環(huán)渤海地區(qū)AOD表現(xiàn)為降低趨勢,且呈現(xiàn)東南高西北和東北低的空間格局;Gunadhar等[15]分析了2007～2016年季風(fēng)前印度次大陸AOD與氣象和地面參數(shù)的時空動態(tài)關(guān)系.氣溶膠光學(xué)厚度研究多集中于采用不同的方法,選定有代表性研究區(qū)或大范圍地區(qū),分析氣溶膠光學(xué)厚度時空變化特征及與其他要素的相關(guān)性.基于AOD的長時間序列時空分析可以研究大氣中顆粒物的時空分布特征和動態(tài)變化規(guī)律,且AOD的時空分布分析對評估大氣污染程度和研究氣溶膠氣候效應(yīng)具有重要意義[16].

山東省作為我國的經(jīng)濟大省,近年來隨著經(jīng)濟的迅速發(fā)展,其大氣環(huán)境問題也越來越引起人們的重視.本文基于分辨率為3km的MODIS數(shù)據(jù)針對山東省2009～2019年AOD進行時空變化特征分析,探討山東省AOD的長時間變化和空間分布規(guī)律,揭示近10年間山東省AOD與多種排放污染物排放量之間的聯(lián)系,以期為后續(xù)研究和改善山東省大氣環(huán)境質(zhì)量提供理論支持和決策依據(jù).

1 研究區(qū)概況

山東省位于我國東部沿海(34°22.9￠N～ 38°24.01￠N,114°47.5￠E～122°42.3￠E),地處黃河下游,東臨黃海、渤海,具有以山地丘陵為骨架、平原盆地相互交錯的地形特征.山東省氣候?qū)倥瘻貛Ъ撅L(fēng)性氣候,夏季高溫多雨,冬季寒冷干燥.特殊的地理位置使山東省成為沿黃河經(jīng)濟帶和渤海經(jīng)濟區(qū)的交匯點,在全國經(jīng)濟格局中具有重要地位.除了優(yōu)越的地理位置,山東省還有發(fā)達(dá)的交通設(shè)施,深厚的文化底蘊.

圖1 山東省地形示意

2 數(shù)據(jù)與方法

氣溶膠光學(xué)厚度(AOD)可以通過衛(wèi)星傳感器觀測數(shù)據(jù)反演獲取.中等分辨率成像光譜儀MODIS作為Terra和Aqua衛(wèi)星上搭載的主要傳感器之一,具有36個光譜通道,覆蓋紫外、可見光、近紅外、紅外等波段,波長范圍分布在0.4～15mm,數(shù)據(jù)空間分辨率為1000m、500m和250m[17].MODIS 的軌道高度為705km,采用±55°天底掃描方式觀測,掃描幅寬2330km,每1～2d覆蓋全球1次,具備更新頻率高、光譜范圍廣等特點,是目前應(yīng)用較為廣泛的氣溶膠探測傳感器[18].

采用來自NASA發(fā)布的Level 2級的2010～ 2019年MOD04_3K氣溶膠光學(xué)厚度產(chǎn)品,此產(chǎn)品是利用暗目標(biāo)(DT)氣溶膠算法建立的一種用來獲取全球海洋和陸地環(huán)境的大氣氣溶膠光學(xué)特性(如:光學(xué)厚度和大小分布)和質(zhì)量濃度的新型的3km氣溶膠產(chǎn)品.

通過ENVI5.3及IDL對AOD日產(chǎn)品做幾何校正、重投影、圖像鑲嵌、圖像疊加、圖像裁剪等預(yù)處理,得到山東省每天的AOD數(shù)據(jù);通過MATLAB軟件進行年均值及季度均值計算及結(jié)果出圖;通過ENVI5.3進行時序數(shù)據(jù)變化趨勢率(斜率)分析,并通過ArcGIS10.5出圖,其中,斜率正、負(fù)號表示AOD變化方向,斜率絕對值表示其變化速度和程度.

3 結(jié)果與分析

3.1 時間變化分析

以山東省為研究區(qū)域,對不同年份、不同季度、采暖期與非采暖期的AOD進行分析研究. 為方便對不同季度的時間變化特征進行研究,文中季節(jié)變化劃分是:3～5月為春季,6～8月為夏季,9～11月為秋季,12月至次年2月為冬季;采暖期與非采暖期時段分別設(shè)置在每年12月至次年2月和6～9月.

3.1.1 AOD年變化特征 山東省近十年AOD均值高達(dá)0.706,各個年份變化浮動較大.由圖2可見, 2010～2019年,山東AOD年均值在0.545～0.851,自0.814下降至0.545,年均AOD降低了0.269,下降幅度高達(dá)33%,整體下降趨勢明顯.其中,年均AOD最高值出現(xiàn)在2012年,最低值出現(xiàn)在2019年.

2010年至2014年,山東省年均AOD呈螺旋狀下降.其中,2012年AOD值不僅為5年間最高值,也為十年間AOD最高點. Li[19]指出,2012年山東省露天焚燒作物的污染排放水平明顯高于中國所有其他省份,省內(nèi)多發(fā)霧、霾等天氣事件,全省AOD年均值較高. 2013年比2012年下降0.121,下降幅度為12.1%,是AOD值下降幅度最大的一年;自2014年以后,山東省年均AOD更是呈現(xiàn)出長期穩(wěn)定的快速下降趨勢,下降幅度達(dá)29.4%.

圖2 2010～2019年AOD年均值變化

研究表明,AOD與近地面顆粒物質(zhì)量濃度、空氣污染指數(shù)、空氣質(zhì)量指數(shù)等有很強的相關(guān)性[20]. 清華大學(xué)開發(fā)并維護的中國多尺度排放清單模型(Multi-resolution Emission Inventory for China,簡稱MEIC)建立了完整的排放源分類分級體系,涵蓋固定燃燒源、工藝過程源、移動源、溶劑使用源、農(nóng)業(yè)源和廢棄物處理源等六大類人為排放源,通過逐個排污設(shè)備計算、入戶調(diào)查數(shù)據(jù),結(jié)合逐時氣象場、路網(wǎng)信息和交通流數(shù)據(jù)等,綜合了來自電力、工業(yè)、民用、交通和農(nóng)業(yè)等排放源的污染物排放量,定量解析了包括PM2.5、PM10、SO2、NO等10種主要大氣污染物和溫室氣體的排放情況.其可按年份、模型模擬區(qū)域、行業(yè)、時空分辨率提供對應(yīng)的排放清單產(chǎn)品[21].通過MEIC模型獲取山東省2010～2017年大氣污染物數(shù)據(jù),并對其與山東省AOD進行相關(guān)分析,得到圖3與表1.可見污染物排放量變化趨勢與AOD年均變化情況具有一致性,且呈現(xiàn)出強正相關(guān),即人為活動是導(dǎo)致AOD值較高的主要原因.

圖3 2010～2017年污染物排放量變化

表1 AOD與污染物排放量的相關(guān)性

注:除相關(guān)系數(shù)外其余指標(biāo)單位均為′104t.

研究表明,細(xì)顆粒物濃度上升是灰霾形成的主要原因[22],霾天AOD顯著高于清潔天氣[23]. 2014年以前,華北地區(qū)霾天氣頻發(fā),氣溶膠類型以沙塵和污染沙塵為主,其次是煙塵氣溶膠,近地面還存在一定比例的來自城市排放的污染大陸型氣溶膠[24].隨后,濟南等城市先后出臺了強有力污染治理辦法,推舉一系列產(chǎn)業(yè)升級、能源轉(zhuǎn)換措施,顯著改善了城市空氣質(zhì)量[25].山東省在2018年修訂的山東省大氣污染防治條例第三章中,專門針對大氣污染防治措施,指出要重點防治煤炭污染、工業(yè)以及相關(guān)污染、機動車船以及非道路移動機械污染、揚塵污染、農(nóng)業(yè)和其他污染等[26],使得AOD值持續(xù)回落.

3.1.2 AOD季度變化特征 由圖4及表2可見,山東省近十年季度AOD均值表現(xiàn)為夏季>春季>秋季>冬季.其中,夏季最高為0.937,冬季最低為0.452.由各年份的季度AOD值可見,近十年山東省各季度AOD均呈現(xiàn)下降趨勢.冬季AOD均值十年內(nèi)減少量最少,僅為0.038,下降幅度為7.7%.夏季AOD均值減少量最多,高達(dá)0.752,下降幅度為56.8%.其中,夏季AOD下降值與下降幅度最大的年份為2016年,由0.989減少至0.647,減少了0.342,下降幅度為34.6%.秋季AOD均值十年內(nèi)減少0.24,下降幅度較大,為31.5%;春季AOD均值減少0.123,下降幅度為18.1%,整體趨勢處于較平穩(wěn)狀態(tài).由此可得,近十年內(nèi)季度AOD減少幅度表現(xiàn)為:夏季>秋季>春季>冬季.

圖4 2010～2019年AOD季度均值

由于山東位于我國東部沿海地區(qū),氣候?qū)倥瘻貛Ъ撅L(fēng)性氣候類型,雨熱同季.有研究通過冬夏季Na+/Cl-比值發(fā)現(xiàn)夏季海洋氣溶膠對沿海地區(qū)AOD值有明顯影響[27],且夏季有利于“氣-?！鞭D(zhuǎn)化過程中氣溶膠的生成,水溶性氣溶膠吸濕膨脹,在人為活動和海洋的雙重作用下,導(dǎo)致夏季平均的氣溶膠光學(xué)厚度較高[28];秋、冬季度氣溫較低,多大風(fēng),甚至常有冷空氣爆發(fā),氣溶膠易擴散,AOD季度均值低,因此呈現(xiàn)出春夏季度高、秋冬季度低的“倒U型”分布特征.

表2 2010～2019年各季度AOD均值

夏季AOD均值最高,且變化幅度最大,季內(nèi)各月AOD逐年變化情況如圖5所示.根據(jù)AOD值變化情況可見,季內(nèi)各月均有較大波動,但整體呈現(xiàn)下降趨勢.其中,7月份AOD減少量最多為0.826,8月份降低幅度最大為66.8%.

圖5 2010～2019年夏季AOD月變化

3.1.3 AOD采暖期與非采暖期對比 圖6為2010～ 2019年采暖期(12月至次年2月)與非采暖期(6～9月)AOD均值對比變化.可以看出采暖期的AOD均值與非采暖期差異較大,采暖期的AOD均值整體上低于非采暖期.由圖6和表3可知,采暖期與非采暖期的AOD值整體上均呈現(xiàn)下降趨勢,這與季度變化趨勢保持了一致性.非采暖期AOD均值幾乎呈現(xiàn)直線下降,十年內(nèi)減少0.693,降低幅度為54.6%,;采暖期AOD均值整體平穩(wěn),并有減小趨勢.

圖6 2010～2019年采暖期與非采暖期AOD對比

表3 2010～2019年采暖期與非采暖期AOD

山東省屬人口大省,人口總數(shù)和人口密度大,能源消耗量大,因此人為活動對采暖期產(chǎn)生的影響較大,造成兩個時期的AOD均值差異較大.由于非采暖期與采暖期相比,水汽對于氣溶膠含量的影響高于大氣顆粒物[29],因此采暖期的AOD均值整體上低于非采暖期.由于山東省的產(chǎn)業(yè)結(jié)構(gòu)中含有較多排放VOC等生成二次氣溶膠的工廠[30-31],有效防治措施的實施,使得省內(nèi)氣溶膠逐漸減少;采暖期AOD均值整體平穩(wěn),并有減小趨勢,原因是山東省逐漸以天然氣替代煤炭作為取暖燃料以減輕大氣污染[32].

3.2 空間變化分析

據(jù)資料顯示,2013～2018年中國大陸地區(qū)多年AOD均值僅有0.324[33],而同時段山東省AOD均值達(dá)0.676,可見山東省在大陸地區(qū)中屬較高值區(qū).山東省工業(yè)發(fā)展較好,環(huán)境因素和工業(yè)因素對大氣污染物都有顯著影響作用,其中,工業(yè)煙塵排放、化學(xué)原料及化學(xué)制品制造業(yè)生產(chǎn)等因素對大氣質(zhì)量均有負(fù)面影響[34],造成山東省AOD值較高. 但由于各種因素的影響,山東省AOD的空間分布并不均衡,存在較大差異.

3.2.1 AOD空間分布特征 由圖7可見,山東省各市年均AOD值差距較大.AOD高值區(qū)為北部環(huán)渤海及西部和南部地區(qū),主要分布于濰坊、東營、濱州北部以及聊城、濟寧市;AOD低值區(qū)為山東中部及西部,主要分布于淄博南部及煙臺、威海市,形成了北高南低、西高東低的分布格局.

圖7 年均AOD空間分布

大氣中的氣溶膠具有高度可變性,且其分布受地形特征影響顯著[35].與圖1對比可見,AOD高值區(qū)地勢以平原為主,氣溶膠不易擴散,AOD值較高[36];低值區(qū)以山地為主,地勢起伏大,空氣環(huán)流強, AOD值較低[37],因此形成了北高南低、西高東低的分布格局.

北部環(huán)渤海地區(qū)為重點高值區(qū),位于山東與河北的交接處,屬于工業(yè)集中區(qū),且多以重工業(yè)為主,污染物較多,且易于產(chǎn)生細(xì)顆粒物氣溶膠,由此,滯后的產(chǎn)業(yè)結(jié)構(gòu)對環(huán)境產(chǎn)生了較大影響,也增加了環(huán)境治理的難度,成為了AOD高值區(qū)[38].其次,聊城、濟寧等是大氣污染較為嚴(yán)重的地區(qū),原因是該區(qū)化學(xué)化工等重工業(yè)較多,地理位置遠(yuǎn)離海洋,氣候干燥、氣溫高,導(dǎo)致氣溶膠增多,AOD值較大.

除地形原因外,淄博市南部及東北部沿海地區(qū)重點產(chǎn)業(yè)主要為輕工業(yè),人為產(chǎn)生的顆粒物較少,且植被覆蓋面積大,使得AOD值較低.其中,威海市三面環(huán)海,具有良好的污染物擴散條件,受海洋清潔氣團影響顯著,空氣質(zhì)量在山東省一直處于良好狀態(tài).

3.2.2 AOD變化趨勢率空間特征 由圖8可以看出,山東省AOD變化趨勢率差異較大,但集中于負(fù)值,表明AOD整體變化方向為減小.減小最明顯的地區(qū)主要位于環(huán)渤海地區(qū),山東北部、西部、西南部次之,中部和東部減小程度最輕,整體上基本與年均AOD空間分布特征保持一致.

圖8 年均AOD時序變化趨勢率空間分布

環(huán)渤海經(jīng)濟區(qū)位于省交界沿海地帶,過去其產(chǎn)業(yè)結(jié)構(gòu)造成大氣污染嚴(yán)重,AOD值較高. 近年來,環(huán)渤海經(jīng)濟圈產(chǎn)業(yè)結(jié)構(gòu)逐漸高級化、合理化,實現(xiàn)了煙(粉)塵和SO2減排,減輕了大氣污染狀況,AOD減少速度快、程度大[39].東營、聊城、濟寧等地也逐漸關(guān)閉私、小作坊和工廠,使得空氣質(zhì)量得以改善. 山東省中、東部大氣環(huán)境基本保持良好狀態(tài),AOD值常年較小,因此變化速率及程度不如其他地區(qū).

4 結(jié)論

4.1 時間分布上,從年際變化、季度變化、采暖期與非采暖期三方面展開分析.在年際變化上,山東省年均AOD為0.706,年際變化整體上呈現(xiàn)降低趨勢,下降幅度高達(dá)33%;在季度變化上,季度AOD值表現(xiàn)為夏季>春季>秋季>冬季,季度AOD減少幅度表現(xiàn)為夏季>秋季>春季>冬季,其中,夏季減少值與減少幅度均最大,分別為0.752和56.8%;在采暖期與非采暖期的對比上,采暖期的AOD均值整體上低于非采暖期,且非采暖期AOD值下降幅度為54.6%,下降速度更快.

4.2 空間分布上,山東省AOD值在中國大陸中屬較高值區(qū),整體上呈現(xiàn)出北高南低、西高東低的分布格局,且AOD時序變化趨勢率與年均AOD空間分布特征基本保持一致.

4.3 山東省AOD值在時間和空間上均體現(xiàn)為下降趨勢,且下降速度較快,表明山東省采取的大氣污染防治措施取得了良好成效.

[1] 謝志英,劉 浩,唐新明.北京市MODIS氣溶膠光學(xué)厚度與PM10質(zhì)量濃度的相關(guān)性分析[J].環(huán)境科學(xué)學(xué)報, 2015,35(10):3292-3299.

Xie Z Y, Liu H, Tang X M. Correlation analysis between MODIS aerosol optical depth and PM10concentration over Beijing [J]. Acta Scientiae Circumstantiae, 2015,35(10):3292-3299.

[2] 鄭小波,周成霞,羅宇翔,等.中國各省區(qū)近10年遙感氣溶膠光學(xué)厚度和變化[J]. 生態(tài)環(huán)境學(xué)報, 2011,20(4):595-599.

Zheng X B, Zhou C X, Luo Y X, et al. Chinese province-level variations and trends in aerosol optical depth from recent 10years of remote sensing data [J]. Ecology and Environmental Sciences, 2011, 20(4):595-599.

[3] 張宸赫,趙天良,王 富,等.2003～2014年東北三省氣溶膠光學(xué)厚度變化分析[J]. 環(huán)境科學(xué), 2017,38(2):476-484.

Zhang Z H, Zhao T L, Wang F, et al. Variations in aerosol optical depth over three Northeastern Provinces of China, in 2003～2014 [J]. Environmental Science, 2017,38(2):476-484.

[4] 瑪依拉·熱西丁,丁建麗,張喆等.烏魯木齊市氣溶膠光學(xué)厚度時空分布特征及潛在來源分析[J]. 環(huán)境科學(xué)學(xué)報, 2020,40(5):1611- 1620.

Mayila Rexiding, Ding J L, Zhang Z, et al. Spatiotemporal distribution characteristics and potential sources of aerosol optical depth in Urumqi [J]. Acta Scientiae Circumstantiae, 2020,40(5):1611-1620.

[5] 羅宇翔,陳 娟,鄭小波.近10年中國大陸MODIS遙感氣溶膠光學(xué)厚度特征[J]. 生態(tài)環(huán)境學(xué)報, 2012,21(5):876-883.

LuoY X, Chen J, Zheng X B. Climatology of aerosol optical depth over China from recent 10years of MODIS remote sensing data [J]. Ecology and Environmental Sciences, 2012,21(5):876-883.

[6] Grguri? S, Kri?an J, Ga?parac G, et al. Relationship between MODIS based aerosol optical depth and PM10over Croatia [J]. Open Geosciences, 2014,6(1):2-16.

[7] 齊 冰,杜榮光,于之鋒,等.杭州市大氣氣溶膠光學(xué)厚度研究 [J]. 中國環(huán)境科學(xué), 2014,34(3):588-595.

Qi B, Du R G, Yu Z F, et al. Aerosol optical depth in urban site of Hangzhou [J]. China Environmental Science, 2014,34(3):588-595.

[8] 李一凡,陳文忠.基于MODIS和CALIOP衛(wèi)星遙感數(shù)據(jù)的氣溶膠光學(xué)厚度與海洋初級生產(chǎn)力相關(guān)性 [J]. 中國環(huán)境科學(xué), 2017,37(1): 76-86.

Li Y F, Chen W Z. Correlation between aerosol optical depth and ocean primary productivity based on MODIS and CALIOP data [J]. China Environmental Science, 2017,37(1):76-86.

[9] 馬奮華,管兆勇.中國東部AOD等級變化及與東亞夏季風(fēng)的聯(lián)系 [J]. 中國環(huán)境科學(xué), 2018,38(9):3201-3210.

Ma F H, Guan Z Y. Features of graded AOD in East China in association with East Asian summer monsoon anomalies [J]. China Environmental Science, 2018,38(9):3201-3210.

[10] 王銀牌,喻 鑫,謝廣奇.中國近15年氣溶膠光學(xué)厚度時空分布特征 [J]. 中國環(huán)境科學(xué), 2018,38(2):426-434.

Wang Y P, Yu X, Xie G Q. Spatial distribution and temporal variation of aerosol optical depth over China in the past 15years [J]. China Environmental Science, 2018,38(2):426-434.

[11] 劉 狀,石晨烈,張 萌,等.基于聚類分析的氣溶膠光學(xué)厚度時間變化特征研究[J]. 大氣與環(huán)境光學(xué)學(xué)報, 2019,14(6):411-418.

Liu Z, Shi C L, Zhang M, et al. Temporal characteristics of aerosol optical depth based on cluser analysis method [J]. Journal of Atmospheric and Environmental Optics, 2019,14(6):411-418.

[12] 胡 俊,鐘 珂,亢燕銘,等.新疆典型城市氣溶膠光學(xué)厚度變化特征 [J]. 中國環(huán)境科學(xué), 2019,39(10):4074-4081.

Hu J, Zhong K, Kang Y M, et al. Variation in aerosol optical depth over the typical cities in the Xinjiang region [J]. China Environmental Science, 2019,39(10):4074-4081.

[13] 丁 瑩,馮徽徽,鄒 濱,等.長株潭城市群氣溶膠時空分布與傳輸規(guī)律 [J]. 中國環(huán)境科學(xué), 2020,40(5):1906-1914.

Ding Y, Feng H H, Zou B, et al. Spatial-temporal distribution and transport characteristic of aerosol in Changsha-Zhuzhou-Xiangtan urban agglomeration [J]. China Environmental Science, 2020,40(5): 1906-1914.

[14] 劉雨華,鄭小慎.環(huán)渤海地區(qū)氣溶膠光學(xué)厚度數(shù)據(jù)選取及時空特征分析[J]. 環(huán)境科學(xué)學(xué)報, 2020,40(5):1621-1628.

Liu Y H, Zheng X S. Analysis of temporal and spatial characteristics and data selection of aerosol optical depth in the Bohai Rim Region [J]. Acta Scientiae Circumstantiae, 2020,40(5):1621-1628.

[15] Gunadhar B, Prasenjit A, Arabinda M, et al. A synergy of linear model and wavelet analysis towards space-time characterization of aerosol optical depth (AOD) during pre-monsoon season (2007～ 2016) over Indian sub-continent [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2020,211.

[16] 牛林芝,王旭紅,韓海青,等.中亞五國氣溶膠光學(xué)厚度時空分布特征研究 [J]. 環(huán)境科學(xué)學(xué)報, 2021,41(2):321-333.

Niu L Z, Wang X H, Han H Q, et al. Spatiotemporal distribution of aerosol optical depth in the five Central Asian countries [J]. Acta Scientiae Circumstantiae, 2021,41(2):321-333.

[17] 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) [J]. IEEE Transactions on Geoscience and Remote Sensing, 1992,30(1):2-27.

[18] 李曉靜,高 玲,張興贏,等.衛(wèi)星遙感監(jiān)測全球大氣氣溶膠光學(xué)厚度變化[J]. 科技導(dǎo)報, 2015,33(17):30-40.

Li X J, Gao L, Zhang X Y, et al. Global change of aerosol optical depth based on satellite remote sensing data [J]. Science & Technology Review, 2015,33(17):30-40.

[19] Li Jing, Bo Yu, Xie Shaodong. Estimating emissions from crop residue open burning in China based on statistics and MODIS fire products [J]. Journal of Environmental Sciences, 2016,44:158-170.

[20] Jerome Vidot, Richard Santer, Didier Ramon. Atmospheric particulate matter (PM) estimation from SeaWiFS imagery[J]. Remote Sensing of Environment, 2007,111(1):1-10.

[21] 中國多尺度排放清單模型MEIC [EB/OL]. http://www. meicmodel.org/.

Multi-resolution Emission Inventory for China [EB/OL]. http://www. meicmodel.org/.

[22] 湯玉明,鄧孺孺,劉永明,等.大氣氣溶膠遙感反演研究綜述[J]. 遙感技術(shù)與應(yīng)用, 2018,33(1):25-34.

Tang Y M, Deng R R, Liu Y M, et al. Research review of remote sensing for atmospheric aerosol retrieval [J]. Remote Sensing Technology and Application, 2018,33(1):25-34.

[23] 蘆亞玲,遲建偉,姚 蘭,等.中國北部背景區(qū)域霾天氣溶膠的水溶性無機離子組分及混合狀態(tài) [J]. 中國科學(xué):地球科學(xué), 2015,45(11): 1728-1736.

Lu Y L, Chi J W, Yao L, et al.Composition and mixing state of water soluble inorganic ions during hazy days in a background region of North China [J]. Science China: Earth Sciences, 2015,45(11):1728- 1736.

[24] 許瀟鋒,劉晨璇,唐志偉,等.基于CALIPSO的華北地區(qū)氣溶膠垂直分布特征[J]. 大氣科學(xué)學(xué)報, 2018,41(1):126-134.

Xu X F, Liu C X, Tang Z W, et al. Characteristics of aerosol vertical distribution based on CALIPSO over North China [J]. Transactions of Atmospheric Sciences, 2018,41(1):126-134.

[25] 吳燕杰,滿其霞,艾文育,等.2001～2018年濟南氣溶膠光學(xué)厚度時空分布及影響因素研究 [J]. 山東師范大學(xué)學(xué)報(自然科學(xué)版), 2020, 35(4):449-459.

Wu Y M, Man Q X, Ai W Y, et al. Temporal and spatial distribution of aerosol optical depth and its influencing factors in jinan from 2001to 2018 [J]. Journal of Shandong Normal University(Natural Science), 2020,35(4):449-459.

[26] 山東省大氣污染防治條例 [EB/OL]. http://www.sdrd.gov.cn/articles/ ch00023/201812/9d34892a-b597-4096-a3de-7878e4cc4df1.shtml, 2018-12-05.

Regulations of Shandong Province on prevention and control of air pollution [EB/OL]. http://www.sdrd.gov.cn/articles/ch00023/201812/ 9d34892a-b597-4096-a3de-7878e4cc4df1.shtml, 2018-12-05.

[27] 徐新華,姚榮奎,李金龍.青島地區(qū)大氣氣溶膠海洋因子貢獻研究 [J]. 海洋環(huán)境科學(xué), 1997,(2):56-60.

Xu X H, Yao R K, Li J L. Study on the sea contribution to atmospheric aerosol in Qingdao district [J]. Marine Environmental Science, 1997, (2):56-60.

[28] 關(guān)佳欣,李成才.我國中、東部主要地區(qū)氣溶膠光學(xué)厚度的分布和變化[J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 2010,46(2):185-191.

Guan J X, Li C C. Spatial distributions and changes of aerosol optical depth over Eastern and Central China [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010,46(2):185-191.

[29] 岳 輝,劉 英,張元敏.基于MODIS數(shù)據(jù)的中國地區(qū)氣溶膠光學(xué)厚度時空變化特征[J]. 環(huán)境污染與防治, 2020,42(1):89-93.

Yue H, Liu Y, Zhang Y M. Study on temporal and spatial variabilitu of aerosol optical depth in China region based on MODIS data [J]. Environmental Pollution & Control, 2020,42(1):89-93.

[30] 常 明,劉曉環(huán),劉明旭,等.非采暖期和采暖期青島市及中國東部臭氧和細(xì)顆粒物模擬研究[J]. 中國海洋大學(xué)學(xué)報(自然科學(xué)版), 2016, 46(2):14-25.

Chang M, Liu X H, Liu M X, et al. Simulation study of ozone and fine particulate matter in Qingdao and eastern China in non-heating and heating periods [J]. Periodical of Ocean University of China, 2016, 46(2):14-25.

[31] 陳文泰,邵 敏,袁 斌,等.大氣中揮發(fā)性有機物(VOCs)對二次有機氣溶膠(SOA)生成貢獻的參數(shù)化估算[J]. 環(huán)境科學(xué)學(xué)報, 2013, 33(1):163-172.

Chen W T, Shao M, Yuan B, et al. Parameterization of contribution to secondary organic aerosol (SOA) formation from ambient volatile organic compounds (VOCs) [J]. Acta Scientiae Circumstantiae, 2013, 33(1):163-172.

[32] 張 晶,朱兆洲,李緒威,等.煤改氣后天津市采暖期大氣污染特征的時空分布研究[J]. 生態(tài)環(huán)境學(xué)報, 2019,28(2):324-331.

Zhang J, Zhu Z Z, Li X W, et al. Spatial and temporal distribution of atmospheric pollutants in Tianjin during winter heating period after the "coal to gas" project [J]. Ecology and Environmental Sciences, 2019, 28(2):324-331.

[33] 劉 利,鄧宇宸,吳 丹,等.廣東省城市環(huán)境空氣質(zhì)量時空特征及經(jīng)濟影響因素分析 [J]. 中國環(huán)境監(jiān)測, 2021,37(3):40-50.

Liu L, Deng Y C, Wu D, et al. Analysis of temporal and spatial characteristics and economic influencing factors of urban ambient air quality in Guangdong Province [J]. Environmental Monitoring in China, 2021,37(3):40-50.

[34] 林美含,張曉平.華北地區(qū)空氣質(zhì)量時空變化特征及其影響因素探究 [C]//2019年中國地理學(xué)會經(jīng)濟地理專業(yè)委員會學(xué)術(shù)年會摘要集, 2019.

Lin M H, Zhang X P. Spatiotemporal variation of air quality in North China and its influencing factors [C]//Abstract of the Academic Annual Meeting of Economic Geography Committee of Chinese Geographical Society in 2019, 2019.

[35] 王 雁,郭 偉,閆世明,等.山西省氣溶膠光學(xué)厚度時空變化特征及氣候效應(yīng)分析[J]. 生態(tài)環(huán)境學(xué)報, 2018,27(5):900-907.

Wang Y, Guo W, Yan S M, et al. Analysis of spatio-temporal variation of aerosol optical depth and climatic effects in Shanxi Province [J]. Ecology and Environmental Sciences, 2018,27(5):900-907.

[36] Miao Zhang, Jing Liu, Muhammad Bilal, et al. Optical and Physical Characteristics of the Lowest Aerosol Layers over the Yellow River Basin [J]. Atmosphere, 2019,10(10).

[37] 紀(jì)曉璐,廉麗姝,周甜甜,等.基于MODIS數(shù)據(jù)的環(huán)渤海地區(qū)氣溶膠時空變化特征分析[J]. 環(huán)境污染與防治, 2017,39(11):1238-1241, 1245.

Jj X L, Lian L S, Zhou T T, et al. Temporal and spatial variation characteristics analysis of around Bohai Sea region based on MODIS data [J]. Environmental Pollution & Control, 2017,39(11):1238- 1241,1245.

[38] 侯思遠(yuǎn),劉雨華,鄭小慎,等.基于MODIS數(shù)據(jù)氣溶膠光學(xué)厚度特征分析[J]. 海洋信息, 2019,34(2):36-42.

Hou S Y, Liu Y H, Zheng X S, et al. Analysis of Aerosol Optical Thickness Characteristics Based on MODIS Data [J]. Marine Information, 2019,34(2):36-42.

[39] 吳振信,閆洪舉.產(chǎn)業(yè)結(jié)構(gòu)變遷對環(huán)渤海經(jīng)濟圈大氣污染物排放的影響[J]. 商業(yè)研究, 2015,(6):30-35.

Wu Z X, Yan H J. The effects of industrial structure change on Bohai Rim Region Economic Circle's air pollution [J]. Commercial Research, 2015,(6):30-35.

致謝：感謝美國航空航天局(NASA)提供的MOD04_3K氣溶膠光學(xué)厚度產(chǎn)品.

Spatiotemporal variation of AOD in Shandong Province in recent ten years based on MODIS data.

WANG Ping, TANG Qing-xin*, LIANG Tian-quan, YU Quan-zhou, LI Xin

(College of Environment and Planning, Liaocheng University, Liaocheng 252059, China)., 2021,41(11)：5019～5026

The spatial-temporal pattern of aerosol optical thickness (AOD) across Shandong Province was investigated based on MOD04_3K data from 2010 to 2019. The results showed that the annual average AOD fluctuated from 0.545 to 0.851 with a mean value of 0.706. It was a trend of decline during the last 10 years. It had a dramatically high reduction rate of 33% and eventually decreased about 0.269 by the end of 2019. The AOD had an obvious seasonal variation, with the peak value in summer and the lowest value in winter. Overall, the average value of AOD during heating periods presented to be lower than that during non-heating periods. The spatial pattern of AOD was mainly characterized with the high value in the northern Bohai Rim region,, the western Shandong province and Jining City, while with low value in the northeastern coastal areas and central Shandong province. Meanwhile, high AOD values were primarily in low-altitude regions, while low AOD values were mainly in high-altitude regions. Besides, the variation trend rate of AOD time-series was basically consistent with the pattern characteristics of annual average AOD.

AOD；Shandong province；spatio-temporal variation；MODIS

X513

A

1000-6923(2021)11-5019-08

王 萍(1998-),女,山東濰坊人,聊城大學(xué)碩士研究生,主要從事遙感技術(shù)在生態(tài)環(huán)境中的應(yīng)用方面研究.

2021-04-01

國家自然科學(xué)基金資助項目(31800367);山東省自然基金資助項目(ZR2017MD017);聊城大學(xué)博士啟動基金項目(318051631);山東省大學(xué)生創(chuàng)新訓(xùn)練項目(s201910447006)

* 責(zé)任作者, 副教授, tangqingxin@lcu.edu.cn