阮琳 曹維佳,2 楊國興 張麗麗,2,3,* 牟曉莉

基于OCO-2衛(wèi)星遙感數(shù)據(jù)的三峽庫區(qū)XCO2時(shí)空特征演變分析

阮琳1曹維佳1,2楊國興1張麗麗1,2,3,*牟曉莉1

（1 長江三峽技術(shù)經(jīng)濟(jì)發(fā)展有限公司，北京 100038）（2 中國科學(xué)院空天信息創(chuàng)新研究院，北京 100094）（3 中科空間信息（廊坊）研究院，廊坊 065001）

定量分析三峽庫區(qū)大氣二氧化碳柱濃度混合比（XCO2）演變趨勢(shì)及空間分布，能有效探究水電工程對(duì)庫區(qū)大氣CO2濃度的影響，對(duì)實(shí)現(xiàn)國家“雙碳”目標(biāo)，調(diào)節(jié)能源結(jié)構(gòu)具有重要參考價(jià)值。文章選取軌道碳觀測衛(wèi)星-2（OCO-2）衛(wèi)星觀測數(shù)據(jù)，基于反距離權(quán)重（IDW）插值，利用曼-肯德爾（Mann-Kendall）法非參檢驗(yàn)、森氏（Sen's）斜率估計(jì)、空間自相關(guān)分析以及冷熱點(diǎn)算法，分析研究區(qū)大氣CO2的演變趨勢(shì)和空間特征。研究結(jié)果表明：1）2015～2020年，三峽庫區(qū)各區(qū)縣大氣CO2月均、年均濃度呈上升趨勢(shì)，研究區(qū)整體呈顯著增長趨勢(shì)；冬季大氣CO2濃度最高，秋季最低，表現(xiàn)出明顯的季節(jié)性周期變化。2）2015～2020年三峽庫區(qū)大氣CO2具有較高空間相關(guān)性，且部分區(qū)域表現(xiàn)出冷熱點(diǎn)聚集現(xiàn)象。3）三峽庫區(qū)XCO2與全國平均水平具有良好一致性，三峽工程的建設(shè)并未導(dǎo)致三峽庫區(qū)CO2濃度升高。

三峽庫區(qū) 二氧化碳濃度 時(shí)空特征 衛(wèi)星遙感

0 引言

二氧化碳（CO2）作為溫室氣體的重要組成，是影響地球輻射平衡的關(guān)鍵因素[1-4]。工業(yè)革命以來，社會(huì)經(jīng)濟(jì)得到了快速提升，但同時(shí)大氣CO2排放量也在急劇增加，導(dǎo)致全球地表平均溫度持續(xù)上升，讓人類賴以生存的氣候、生態(tài)環(huán)境受到嚴(yán)重威脅[5-6]。因此，如何科學(xué)分析和量化大氣CO2濃度的時(shí)序變化和空間分布特征，成為國內(nèi)外學(xué)者研究全球氣候變化的一個(gè)重要方向[7]。

為積極應(yīng)對(duì)氣候變化，我國提出“碳達(dá)峰，碳中和”目標(biāo)，在筑牢我國能源安全體系的同時(shí)，實(shí)現(xiàn)穩(wěn)定高質(zhì)量發(fā)展[8-9]。水電工程以清潔能源著稱，被認(rèn)為能夠有效減少碳排放，在碳中和進(jìn)程中肩負(fù)重任。然而有研究表明，水庫也可能會(huì)釋放大量的溫室氣體，甚至某些水電型水庫生產(chǎn)單位電力所釋放的溫室氣體會(huì)大于火電所產(chǎn)生的溫室氣體[10-12]。為此，探究水電型水庫對(duì)當(dāng)?shù)谻O2濃度變化的影響，能夠?yàn)樗娦退畮斓慕ㄔO(shè)及管理決策提供參考依據(jù)，為實(shí)現(xiàn)“雙碳”目標(biāo)提供數(shù)據(jù)支持，也為長江大保護(hù)工作提供科學(xué)建議。

傳統(tǒng)大氣CO2探測方法多借助于地基溫室氣體觀測系統(tǒng)，該系統(tǒng)能夠?qū)崿F(xiàn)對(duì)大氣CO2濃度的準(zhǔn)確和高頻次觀測，但也存在全球地基站點(diǎn)稀疏、分布不均勻、單點(diǎn)觀測等不足，難以實(shí)現(xiàn)對(duì)全球CO2大范圍或某一特定區(qū)域?qū)崟r(shí)、統(tǒng)一的探測[13]。掃描成像吸收光譜儀（SCIAMACHY）、大氣紅外探測儀（AIRS）、溫室氣體觀測衛(wèi)星（GOSAT）、軌道碳觀測衛(wèi)星-2（OCO-2）、碳衛(wèi)星（TanSat）、溫室氣體觀測衛(wèi)星-2（GOSAT-2）等碳觀測衛(wèi)星的發(fā)射，使科學(xué)便捷地獲取大氣CO2柱濃度混合比（XCO2）數(shù)據(jù)，探究大氣CO2濃度變化成為可能[14-16]。同時(shí)，眾多學(xué)者針對(duì)碳觀測衛(wèi)星的應(yīng)用展開積極研究[17-23]，通過與地基站點(diǎn)數(shù)據(jù)對(duì)比分析等手段，驗(yàn)證了基于OCO-2衛(wèi)星遙感反演的大氣XCO2具有較高精度[24-26]。

本文基于OCO-2衛(wèi)星遙感觀測數(shù)據(jù)，利用反距離權(quán)重（IDW）插值、曼-肯德爾法非參檢驗(yàn)（Mann-Kendall，M-K）、森氏斜率估計(jì)（Sen's slope）、空間自相關(guān)、冷熱點(diǎn)分析等算法，對(duì)三峽庫區(qū)大氣XCO2時(shí)序演變趨勢(shì)及空間分布特征展開研究，并與全國的平均水平做對(duì)比分析，以期為實(shí)現(xiàn)國家“雙碳”目標(biāo)和長江大保護(hù)提供數(shù)據(jù)支持。

1 研究區(qū)和數(shù)據(jù)源

本文基于OCO-2衛(wèi)星觀測數(shù)據(jù)進(jìn)行遙感反演XCO2，采用TCCON（Total Carbon Column Observing Network）地基站點(diǎn)數(shù)據(jù)對(duì)OCO-2的XCO2數(shù)據(jù)進(jìn)行精度驗(yàn)證，并結(jié)合MODIS（Moderate Resolution Imaging Spectroradiometer）MOD13Q2數(shù)據(jù)產(chǎn)品對(duì)三峽庫區(qū)XCO2空間聚集特征的原因進(jìn)行分析。

1.1 研究區(qū)概況

三峽庫區(qū)地處四川盆地與長江中下游平原的結(jié)合部（105°00'E～112°00'E，28°00'N～32°00'N），跨越鄂中山區(qū)峽谷及川東嶺谷地帶，北屏大巴山、南依川鄂高原，全長600km，植被覆蓋度約為74%，屬亞熱帶濕潤季風(fēng)性氣候[27]。研究區(qū)為緊鄰長江兩岸的17個(gè)區(qū)縣（圖1），總面積約1.3×104km2，在長江流域梯級(jí)水庫中占據(jù)核心位置[28]。

圖1 三峽庫區(qū)行政區(qū)劃

1.2 OCO-2的XCO2數(shù)據(jù)

OCO-2衛(wèi)星由美國國家航空航天局（NASA）于2014年7月發(fā)射并服役，能夠以較高的空間分辨率提供地面XCO2觀測信息[24]，旨在對(duì)碳排放、碳循環(huán)進(jìn)行精確觀測，改善全球碳循環(huán)觀測模型，以更好地探究大氣XCO2的變化，更準(zhǔn)確地預(yù)測全球氣候變化趨勢(shì)[13]。目前，官網(wǎng)發(fā)布的OCO-2衛(wèi)星日觀測L2 XCO2數(shù)據(jù)空間分辨率為2.25km×1.29km，重訪周期為16d。

文章選取中國區(qū)域2014-09–2021-06的L2 XCO2數(shù)據(jù)（2017年8月份數(shù)據(jù)缺失），作為分析研究區(qū)CO2濃度變化的基礎(chǔ)數(shù)據(jù)。同時(shí)，依據(jù)數(shù)據(jù)產(chǎn)品說明手冊(cè)，以質(zhì)量標(biāo)志參數(shù)（Quality Flag）為指標(biāo)對(duì)數(shù)據(jù)點(diǎn)進(jìn)行篩選，進(jìn)一步提高數(shù)據(jù)品質(zhì)[29]。然后，在WGS-1984坐標(biāo)系下，將得到的高品質(zhì)大氣XCO2日觀測數(shù)據(jù)，依據(jù)月、季度、年等時(shí)間節(jié)點(diǎn)進(jìn)行整合處理，考慮到OCO-2衛(wèi)星觀測受到云、氣溶膠等影響，XCO2數(shù)據(jù)存在空缺，利用IDW算法對(duì)存在數(shù)據(jù)空缺的部位進(jìn)行插值填補(bǔ)，在研究區(qū)范圍內(nèi)構(gòu)建0.25°×0.25°格網(wǎng)數(shù)據(jù)。

1.3 TCCON地基站點(diǎn)數(shù)據(jù)

TCCON地基站點(diǎn)是指全球柱濃度觀測網(wǎng)，是基于傅里葉光譜儀（FTS）獲取太陽直射光譜，能夠?qū)崿F(xiàn)大氣XCO2的精確觀測，在衛(wèi)星反演精度驗(yàn)證中得到廣泛應(yīng)用[1-2]。文章選用TCCON在中國境內(nèi)的香河站點(diǎn)XCO2數(shù)據(jù)，對(duì)OCO-2 XCO2數(shù)據(jù)插值結(jié)果進(jìn)行驗(yàn)證。

1.4 MODIS NDVI數(shù)據(jù)產(chǎn)品

本研究所使用的MODIS MOD13Q2數(shù)據(jù)產(chǎn)品，時(shí)間分辨率為16d，空間分辨率為1km，時(shí)間范圍為2015-03–2021-02。數(shù)據(jù)預(yù)處理時(shí)，采用均值融合方法得到研究區(qū)歸一化植被指數(shù)（NDVI）的空間分布，用于三峽庫區(qū)XCO2空間聚集特征的原因分析。

2 研究方法

文章以O(shè)CO-2的XCO2數(shù)據(jù)為基礎(chǔ)，利用反距離權(quán)重算法在研究區(qū)構(gòu)建格網(wǎng)數(shù)據(jù)，對(duì)XCO2數(shù)據(jù)進(jìn)行插值填補(bǔ)，根據(jù)Mann-Kendall非參檢驗(yàn)、Sen's斜率估計(jì)[30-31]對(duì)研究區(qū)內(nèi)CO2濃度演變趨勢(shì)和速率進(jìn)行分析，并通過空間相關(guān)性分析、冷熱點(diǎn)分析算法對(duì)三峽庫區(qū)CO2濃度空間分布特征進(jìn)行探究。

2.1 反距離權(quán)重插值

反距離權(quán)重插值是以未知點(diǎn)與已知樣本點(diǎn)間的空間距離為權(quán)重（樣本點(diǎn)距未知點(diǎn)越近，權(quán)重越大，越遠(yuǎn)權(quán)重越小）進(jìn)行加權(quán)平均的插值方法，被廣泛應(yīng)用于地理、環(huán)境、海洋等領(lǐng)域[32]。計(jì)算公式為

2.2 空間相關(guān)性分析

空間自相關(guān)分析是指地理空間中的各項(xiàng)觀測值之間的相關(guān)程度，通常選用全局莫蘭指數(shù)（Global Moran's I）作為空間自相關(guān)的度量參考，該指數(shù)能有效表征研究區(qū)整體范圍內(nèi)，所有空間對(duì)象之間的平均關(guān)聯(lián)程度、空間分布模式和顯著性。具體計(jì)算公式為[33-34]

2.3 冷熱點(diǎn)分析

3 結(jié)果分析與討論

本節(jié)首先對(duì)基于OCO-2 XCO2數(shù)據(jù)的IDW插值結(jié)果進(jìn)行精度分析，然后分析三峽庫區(qū)CO2濃度月度、季度、年度增長變化趨勢(shì)和空間分布特征，進(jìn)而與全國平均水平對(duì)比，探索影響三峽庫區(qū)大氣CO2濃度變化的自然因素，及導(dǎo)致其空間聚集特征的人文因素。

3.1 OCO-2 XCO2插值結(jié)果精度驗(yàn)證

本研究選取近3年(2018-06–2020-04)的地基觀測數(shù)據(jù)對(duì)基于OCO-2 XCO2數(shù)據(jù)的IDW插值結(jié)果進(jìn)行精度分析，以TCCON地基香河站點(diǎn)（116.96°N，39.75°E）觀測數(shù)據(jù)的月均值為基準(zhǔn)，以站點(diǎn)所在像元為空間匹配，逐月對(duì)OCO-2 XCO2插值格網(wǎng)進(jìn)行一致性分析。結(jié)果（圖2）表明：OCO-2 XCO2插值結(jié)果總體上略高于香河站點(diǎn)數(shù)據(jù)，除個(gè)別月份相差較明顯外，整體上兩者較為一致。OCO-2 XCO2插值結(jié)果與香河站點(diǎn)數(shù)據(jù)絕對(duì)誤差平均值為1.7×10–6，各月誤差百分比均值為0.41%，相關(guān)系數(shù)（2）為0.768，表現(xiàn)出良好一致性，能夠滿足研究區(qū)XCO2分析需求。

圖2 OCO-2 XCO2數(shù)據(jù)與TCCON香河站觀測數(shù)據(jù)對(duì)比（左）及相關(guān)性分析（右）

圖3 全國整體和三峽庫區(qū)大氣XCO2數(shù)值月變化曲線

表1 2015～2020年大氣XCO2及NDVI季度均值

3.2 大氣XCO2月變化特征

2014年9月～2021年6月，全國和三峽區(qū)域大氣XCO2年際變化均呈明顯波浪式上升趨勢(shì)，具有良好一致性（圖3）；大氣XCO2的年內(nèi)變化一般是1～4月份呈逐漸上升趨勢(shì)并達(dá)到極大值，5～8月份呈持續(xù)下降趨勢(shì)，8月份前后達(dá)到峰谷極值，9～12月大氣XCO2逐漸回升，表現(xiàn)出明顯的季節(jié)性變化特征。

3.3 大氣XCO2季節(jié)變化特征

根據(jù)三峽庫區(qū)2015～2020年大氣XCO2數(shù)據(jù)多年季度均值（表1）及空間分布（圖4），可以看出三峽庫區(qū)大氣CO2濃度呈現(xiàn)出明顯的時(shí)空差異性。其中，春季代表3～5月；夏季代表6～8月；秋季代表9～11月；冬季代表12月和次年1～2月；按季度對(duì)大氣XCO2數(shù)據(jù)進(jìn)行分析， XCO2均值從高到低依次為：冬季、春季、夏季、秋季。這是由于在三峽庫區(qū)夏季植被NDVI達(dá)到最高，強(qiáng)烈的光合作用吸收了空氣中大量的CO2，使得研究區(qū)XCO2持續(xù)下降；秋季，受環(huán)境影響，植被逐漸衰落，光合作用強(qiáng)度降低，大氣CO2濃度先下降后回升，直至冬季達(dá)到峰值；春季，植被開始復(fù)蘇，但尚處于萌芽時(shí)期，光合作用較弱，大氣CO2濃度呈先上升后下降趨勢(shì)，整體濃度均值相較冬季有所降低[9]。

結(jié)合表1，可以看出2015～2020年中國平均大氣XCO2也具有季節(jié)變化特征，具體表現(xiàn)為：冬季>春季>秋季>夏季，該趨勢(shì)與文獻(xiàn)[3]及文獻(xiàn)[36]中的2003～2011年、2009～2016年的中國大氣XCO2季節(jié)變化規(guī)律相類似。與三峽庫區(qū)相比，全國整體大氣XCO2在夏季時(shí)就達(dá)到最小值（圖5）。夏季時(shí)我國北部特別是東北地區(qū)大氣XCO2處于較低水平，秋季時(shí)該區(qū)域大氣XCO2已有所回升。分析知，物候差異可能是造成這一差異的主要原因。我國北部相較中南部植被枯萎更早，光合作用對(duì)大氣CO2吸收量與對(duì)應(yīng)區(qū)域內(nèi)排放量達(dá)到平衡點(diǎn)的時(shí)間也更早，故導(dǎo)致全國整體均值達(dá)到最低值的時(shí)間與三峽庫區(qū)相比稍有提前。

圖4 三峽庫區(qū)2015～2020年大氣XCO2季節(jié)均值空間分布(0.25°×0.25°)

圖5 全國整體2015～2020多年大氣XCO2濃度季節(jié)均值空間分布（0.25°×0.25°）

圖6 2015～2020年全國整體和三峽庫區(qū)大氣XCO2結(jié)果

3.4 大氣XCO2年際變化特征

如圖6所示，2015年～2020年三峽庫區(qū)和全國整體大氣CO2濃度逐年均值變化呈現(xiàn)出明顯上升式趨勢(shì)，由2015年時(shí)的400×10–6左右，到2020年時(shí)增長到413×10–6左右，年均增長約2.6×10–6，平均增長速率分別為0.56%、0.53%。2015～2016年增長速率相對(duì)較高，2017～2020年增長速率有所減緩，整體上三峽庫區(qū)與全國平均水平變化趨勢(shì)一致，增量相近。

對(duì)三峽庫區(qū)2015～2020年大氣XCO2在時(shí)間維度上進(jìn)行趨勢(shì)顯著性分析和定量變化率估計(jì)，如圖7所示。結(jié)果表明：1）M-K非參檢驗(yàn)，三峽庫區(qū)各區(qū)縣均呈上升趨勢(shì)。其中，巫溪縣、開縣、云陽縣等區(qū)縣及三峽庫區(qū)整體M-K趨勢(shì)統(tǒng)計(jì)量絕對(duì)值（）均大于2.57，表明該區(qū)域CO2濃度呈極顯著性增長趨勢(shì)；興山縣、巫山縣、南岸區(qū)等1.96，表明該區(qū)域CO2呈顯著增長趨勢(shì)；巴東縣、秭歸縣、沙坪壩區(qū)等大氣CO2濃度增長趨勢(shì)顯著性相對(duì)較低。2) Sen's斜率估計(jì)中，三峽區(qū)域各區(qū)縣估計(jì)量均大于0，即研究區(qū)內(nèi)大氣XCO2數(shù)值增長速率均為正值。其中，渝北區(qū)斜率值最大，表明渝北區(qū)大氣CO2濃度增長趨勢(shì)最為明顯。

圖8為2015～2020年三峽庫區(qū)大氣XCO2年均結(jié)果，可以看到：近年來，渝北區(qū)、涪陵區(qū)、南岸區(qū)大氣CO2濃度增長較為明顯；宜昌縣、興山縣等大氣CO2濃度水平相對(duì)較低；三峽庫區(qū)整體大氣CO2濃度呈逐年上升趨勢(shì)。

圖7 研究區(qū)域大氣XCO2時(shí)序分析結(jié)果

3.5 空間自相關(guān)及冷熱點(diǎn)分析

針對(duì)2015～2020年三峽庫區(qū)大氣XCO2均值數(shù)據(jù)，采用莫蘭指數(shù)進(jìn)行空間相關(guān)性分析，結(jié)果表明研究區(qū)內(nèi)CO2濃度分布具有顯著空間正相關(guān)性，其中，2020年數(shù)據(jù)分布僅有小于10%的可能是隨機(jī)分布的，其余年份數(shù)據(jù)分布僅有小于5%的可能是隨機(jī)分布的，也即數(shù)據(jù)呈聚集分布的可能性大于隨機(jī)分布的可能。在此基礎(chǔ)上，利用冷熱點(diǎn)分析算法，對(duì)研究區(qū)內(nèi)CO2濃度的空間聚集情況進(jìn)行分析（圖9），可以發(fā)現(xiàn)：2016、2017和2019年具有明顯的熱點(diǎn)聚集現(xiàn)象，集聚地點(diǎn)位于忠縣、涪陵區(qū)、巫山縣、巴東縣、長壽縣、北培區(qū)、渝北區(qū)、沙坪壩區(qū)、江北區(qū)等；2015、2018和2020年具有明顯的冷點(diǎn)集聚現(xiàn)象，集聚地點(diǎn)位于興山縣、秭歸縣、宜昌縣、宜昌。除較少區(qū)域存在冷點(diǎn)和熱點(diǎn)聚集現(xiàn)象，研究區(qū)內(nèi)大部分區(qū)域無明顯聚集特征。熱點(diǎn)區(qū)域主要聚集在重慶城區(qū)，該區(qū)域工業(yè)較為發(fā)達(dá)，碳排放量相對(duì)較高；而沙坪壩區(qū)、江北區(qū)、渝北區(qū)、大渡口區(qū)等熱點(diǎn)或熱點(diǎn)周邊區(qū)域，其NDVI統(tǒng)計(jì)均值均在0.5以下，相對(duì)較低（圖10），植被對(duì)CO2吸收能力較弱是促使熱點(diǎn)區(qū)域XCO2高值聚集的原因之一。同時(shí)，長江生態(tài)環(huán)保、煤礦整治、電力體制改革等人為因素，也對(duì)研究區(qū)CO2濃度變化有不同程度的影響。

圖10 研究區(qū)內(nèi)各縣NDVI統(tǒng)計(jì)均值（左）及空間分布（右）

4 結(jié)束語

本文基于OCO-2衛(wèi)星遙感數(shù)據(jù)，通過反距離權(quán)重插值、M-K非參檢驗(yàn)、Sen's斜率估計(jì)、空間自相關(guān)分析及冷熱點(diǎn)分析算法，探究三峽庫區(qū)大氣CO2濃度演變趨勢(shì)和空間分布特征，得到如下結(jié)論：

1）2014-09–2021-06，三峽庫區(qū)和全國區(qū)域大氣CO2濃度月均值呈現(xiàn)波浪式上升態(tài)勢(shì)，即每年在冬季達(dá)到最大值、秋季（三峽庫區(qū)）或夏季（全國區(qū)域）達(dá)到最小值，具有明顯的季節(jié)性周期變化。

2）2015～2020年三峽庫區(qū)大氣CO2年均濃度呈平穩(wěn)上升趨勢(shì)，與月均值數(shù)據(jù)分析結(jié)果相吻合，與全國整體大氣CO2濃度變化趨勢(shì)保持一致。M-K非參檢驗(yàn)和Sen's斜率估計(jì)結(jié)果表明三峽庫區(qū)各區(qū)縣大氣CO2濃度變化呈增長或顯著增長趨勢(shì)，研究區(qū)整體呈顯著增長趨勢(shì)。

3）空間相關(guān)性分析表明，2015～2020年三峽庫區(qū)大氣CO2濃度在空間上均表現(xiàn)出較高的空間相關(guān)性；通過冷熱點(diǎn)分析可知，2016、2017和2019年具有明顯的熱點(diǎn)聚集現(xiàn)象；2015、2018和2020年具有明顯的冷點(diǎn)集聚現(xiàn)象。

綜上分析，三峽庫區(qū)大氣CO2濃度呈增長趨勢(shì)，與全國整體月、季度、年均值的變化趨勢(shì)基本一致，未表現(xiàn)出明顯差異性，能在一定程度上說明三峽工程并未導(dǎo)致三峽庫區(qū)CO2濃度升高。

[1] 鄧安健, 郭海波, 胡潔, 等. GOSAT衛(wèi)星數(shù)據(jù)監(jiān)測中國大陸上空CO2濃度時(shí)空變化特征[J]. 遙感學(xué)報(bào), 2020, 24(3): 319-325.

DENG Anjian, GUO Haibo, HU Jie, et al. Temporal and Distribution Characteristic of CO2Concentration over China Based on Gosat Satellite[J]. National Remote Sensing Bulletin, 2020, 24(3): 319-325. (in Chinese)

[2] 吳長江. 多源衛(wèi)星長時(shí)間序列XCO2數(shù)據(jù)生成方法研究[D]. 北京: 中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所), 2018.

WU Changjiang. Inteqration of Long Timeseries Atmospheric CO2Observations Retrieved from Multiple Satellite[D]. Beijing: University of Chinese Academy of Sciences (Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences), 2018. (in Chinese)

[3] 呂政翰. 中國大氣二氧化碳濃度時(shí)空變化特征及其影響因素分析[D]. 哈爾濱: 哈爾濱師范大學(xué), 2019.

LYU Zhenghan. Spatial and Temporal Variation Characteristics of Atmospheric Carbon Dioxide Concentration and Its Influencing Factors in China[D]. Harbin: Harbin Normal University, 2019. (in Chinese)

[4] DUFRESNE J L, CREVOISIER C, EYMET V, et al. Greenhouse Effect: The Relative Contributions of Emission Height and Total Absorption[J]. Journal of Climate, 2020, 33(9): 3827-3844.

[5] ZHANG C, LI S, WAN J H. The Warmest Year 2015 in the Instrumental Record and Its Comparison with Year 1998[J]. Atmospheric & Oceanic Science Letters, 2016, 9(6): 487-494.

[6] MIKHAYLOV A, MOISEEV N, ALESHIN K, et al. Global Climate Change and Greenhouse Effect[J]. Entrepreneurship and Sustainability Issues, 2020, 7(4): 2897-2913.

[7] 白文廣, 張興贏, 張鵬. 衛(wèi)星遙感監(jiān)測中國地區(qū)對(duì)流層二氧化碳時(shí)空變化特征分析[J]. 科學(xué)通報(bào), 2010, 55(30): 2955-2962.

BAI Wenguang, ZHANG Xingying, ZHANG Peng. Analysis of Temporal and Spatial Variation Characteristics of Tropospheric Carbon Dioxide Monitoring by Satellite Remote Sensing in China[J]. Science Bulletin, 2010, 55(30): 2955-2962. (in Chinese)

[8] GREGG J S, ANDRES R J, MARLAND G. China: Emissions Pattern of the World Leader in CO2Emissions from Fossil Fuel Consumption and Cement Production[J]. Geophysical Research Letters, 2008, 35(8): 1-5.

[9] 李晉, 蔡聞佳, 王燦, 等. 碳中和愿景下中國電力部門的生物質(zhì)能源技術(shù)部署戰(zhàn)略研究[J]. 中國環(huán)境管理, 2021, 13(1): 59-64.

LI Jin, CAI Wenjia, WANG Can, et al. The Deployment Strategy of Bioenergy Technology in China's Power Sector Under the Vision of Carbon Neutralioy[J]. China Environmental Management. 2021, 13(1): 59-64. (in Chinese)

[10] 李雙. 三峽水庫庫中地區(qū)典型干、支流水體p(CO2)的時(shí)空分布及影響因素研究[D]. 上海: 上海大學(xué), 2014.

LI Shuang. Spatiotemporal Distribution and Influencing Factors of p(CO2) in Typical Dry and Tributary Water Bodies in the Three Gorges Reservoir[D]. Shanghai: Shanghai University, 2014. (in Chinese)

[11] GUNKEL G. Hydropower – A Green Energy? Tropical Reservoirs and Greenhouse Gas Emissions[J]. Clean – Soil Air Water, 2009, 37(9): 726-734.

[12] KELLY C A, RUDD J W M, BODALY R A, et al. Increases in Fluxes of Greenhouse Gases and Methyl Mercury Following Flooding of an Experimental[J]. Environmental Science & Technology, 1997, 31(5): 1334-1334.

[13] 李勤勤. 大氣CO2衛(wèi)星遙感反演算法與軟件實(shí)現(xiàn)[D]. 合肥: 中國科學(xué)技術(shù)大學(xué), 2020.

LI Qinqin. Atmospheric CO2Satellite Remote Sensing Inversion Algorithm and Software Implementation[D]. Hefei: University of Science and Technology of China, 2020. (in Chinese)

[14] 劉毅, 呂達(dá)仁, 陳洪濱, 等. 衛(wèi)星遙感大氣CO2的技術(shù)與方法進(jìn)展綜述[J]. 遙感技術(shù)與應(yīng)用, 2011, 26(2): 247-254.

LIU Yi, LYU Daren, CHEN Hongbin, et al. Advances in Technologies and Methods for Satellite Remote Sensing of Atmospheric CO2[J]. Remote Sensing Technology and Application, 2011, 26(2): 247-254. (in Chinese)

[15] 王振. 中國區(qū)域大氣CO2特征及源匯分析研究[D]. 西安: 長安大學(xué), 2019.

WANG Zhen. Research on Regional Atmospheric CO2Characteristics And Source-Sink Analysis in China[D]. Xi'an: Chang'an University, 2019. (in Chinese)

[16] 劉毅, 王婧, 車軻, 等. 溫室氣體的衛(wèi)星遙感——進(jìn)展與趨勢(shì)[J]. 遙感學(xué)報(bào), 2021, 25(1): 53-64.

LIU Yi, WANG Jing, CHE Ke, et al. Satellite Remote Sensing of Greenhouse Gases: Progress and Trends[J]. National Remote Sensing Bulletin, 2021, 25(1): 53-64. (in Chinese)

[17] WU L, BRUGH J, MEIJER Y, et al. XCO2Observations Using Satellite Measurements with Moderate Spectral Resolution: Investigation Using GOSAT and OCO-2 Measurements[J]. Atmospheric Measurement Techniques, 2020, 13(2): 713-729.

[18] SIABI Z, FALAHATKAR S, ALAVI S J. Spatial Distribution of XCO2Using OCO-2 Data in Growing Seasons[J]. Journal of Environmental Management, 2019, 244: 110-118.

[19] WANG H, JIANG F, WANG J, et al. Terrestrial Ecosystem Carbon Flux Estimated Using GOSAT and OCO-2 XCO2Retrievals[J]. Atmospheric Chemistry and Physics, 2019, 19(18): 12067-12082.

[20] NASSAR R, MASTROGIACOMO J P, BATEMAN-HEMPHILL W, et al. Advances in Quantifying Power Plant CO2Emissions with OCO-2[J]. Remote Sensing of Environment, 2021, 264(1): 112579.

[21] WU L H, HASEKAMP O, HU H L, et al. Carbon Dioxide Retrieval from OCO-2 Satellite Observations Using the RemoTeC Algorithm and Validation with TCCON Measurements[J]. Atmospheric Measurement Techniques, 2018, 11(5): 3111-3130.

[22] YE X, LAUVAUX T, KORT E A, et al. Constraining Fossil Fuel CO2Emissions from Urban Area Using OCO-2 Observations of Total Column CO2[J]. Atmospheric Chemistry and Physics, 2017: 1-30. DOI:10.5194/acp-2017-1022.

[23] MILLER S M, MICHALAKA M, YADAV V, et al. Characterizing Biospheric Carbon Balance Using CO2Observations from the OCO-2 Satellite[J]. Atmospheric Chemistry & Physics, 2018, 18(9): 6785-6799.

[24] CRISP D, POLLOCK H R, ROSENBERG R, et al. The On-orbit Performance of the Orbiting Carbon Observatory-2 (OCO-2) Instrument and its Radiometrically Calibrated Products[J]. Atmospheric Measurement Techniques, 2017, 10(1): 1-45.

[25] GETIS A, ORD J K. The Analysis of Spatial Association by Use of Distance Statistics[J]. Geographical Analysis, 1992, 24(3): 189-206.

[26] AILIN L, WEI G, GE H, et al. Comparison of Satellite-Observed XCO2from GOSAT, OCO-2, and Ground-Based TCCON[J]. Remote Sensing, 2017, 9(10): 1033.

[27] 楊凱祥, 劉強(qiáng), 李秀紅, 等. 三峽庫區(qū)土壤侵蝕和植被覆蓋變化分析[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2021, 57(5): 631-638.

YANG Kaixiang, LIU Qiang, LI Xiuhong, et al. Analysis of Soil Erosion and Fractional Vegetation Cover Change in the Three Gorges Reservoir Area[J]. Journal of Beijing Normal University(Natural Science Edition), 2021, 57(5): 631-638. (in Chinese)

[28] 王圓圓, 李貴才, 郭徵, 等. 1979年～2014年三峽庫區(qū)月平均氣溫的時(shí)空變化分析[J]. 遙感學(xué)報(bào), 2018, 22(3): 487-496.

WANG Yuanyuan, LI Guicai, GUO Hui, et al. Spoctial-temporal Analysis of Monthly air Temperatwre Changes from 1979-2014 in the Three Gorges Region[J]. Journal of Remote Sensing, 2018, 22(3): 487-496. (in Chinese)

[29] 張麗麗, 趙明偉, 趙娜, 等. 基于OCO-2衛(wèi)星觀測模擬高精度XCO2的空間分布[J]. 地球信息科學(xué)學(xué)報(bào), 2018, 20(9): 1316-1326.

ZHANG Lili, ZHAO Mingwei, ZHAO Na, et al. Modeling the Spatial Distribution of XCO2with High Accuracy Based on OCO-2?s Obsenations[J]. Journal of Earth Information Science, 2018, 20(9): 1316-1326. (in Chinese)

[30] 孫灝, 阮琳, 郭航, 等. 生態(tài)用地比例遙感估算及應(yīng)用分析——以寧夏沿黃城市帶為例[J]. 遙感信息, 2021, 36(3): 67-75.

SUN Hao, RUAN Lin, GUO Hang, et al. Remote Sensing Estimation and Application Analysis of Ecological Land Proportion and Its Practical Analysis: Taking Urban Along Yellow River in Ningxia, China for an Example[J]. Remote Sensing Information, 2021, 36(3): 67-75. (in Chinese)

[31] 孫灝, 馬立茹, 蔡創(chuàng)創(chuàng), 等. 干旱區(qū)地表溫度和熱島效應(yīng)演變研究——以寧夏沿黃城市帶為例[J]. 干旱區(qū)地理, 2020, 43(3): 694-705.

SUN Hao, MA Liru, CAI Chuangchuang, et al. Evolution of Surface Temperature and Heat Island Effect in Arid Areas: A Case of City Belt Along the Yellow River in Ningxia[J]. Geography of Arid Regions, 2020, 43(3): 694-705. (in Chinese)

[32] 曾金迪. 基于空間自回歸神經(jīng)網(wǎng)絡(luò)的插值方法及其模擬和實(shí)測數(shù)據(jù)驗(yàn)證[D]. 杭州: 浙江大學(xué), 2020.

ZENG Jindi. Interpolation Method Based on Spatial Autoregressive Neural Network and Its Simulation and Measured Data Verification[D]. Hangzhou: Zhejiang University, 2020. (in Chinese)

[33] YIN C, HE Q, LIU Y, et al. Inequality of Public Health and Its Role in Spatial Accessibility to Medical Facilities in China[J]. Applied Geography, 2018, 92: 50-62.

[34] YE Weifeng, MA Zhongyu, HA Xiuzhen. Spatial-temporal Patterns of PM2.5 Concentrations for 338 Chinese Cities[J]. Science of the Total Environment, 2018, 631/632: 524-533.

[35] 曹君, 張正棟, 崔峰艷, 等. 1996～2015年紐約灣區(qū)生態(tài)系統(tǒng)服務(wù)對(duì)景觀格局變化的響應(yīng)[J]. 世界地理研究, 2021, 30(4): 826-838.

CAO Jun, ZHANG Zhengdong, CUI Fengyan, et al. Responses of Ecosystem Services to Landscape Pattern Changes in the New York Bay Area from 1996 to 2015[J]. World Geographic Research, 2021, 30(4): 826-838. (in Chinese)

[36] WANG Xi, ZHANG Xingying, ZHANG Liyang, et al. Interpreting Seasonal Changes of Low-tropospheric CO2over China Based on SCIAMACHY Observations during 2003～2011[J]. Atmospheric Environment, 2015, 103: 180-187.

Analysis on the Spatial-temporal Evolution of XCO2in the Three Gorges Reservoir Region Based on OCO-2 Satellite

RUAN Lin1CAO Weijia1,2YANG Guoxing1ZHANG Lili1,2,3,*MOU Xiaoli1

（1 Yangtze Three Gorges Technology & Economy Development Co., Ltd. (TGDC), Beijing 100038, China）（2 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China）（3 Zhongke Langfang Institute of Spatial Information Applications, Langfang 065001, China）

To achieve China's "dual carbon" target and adjust the country's energy structure, it is essential to do significant research on the impact of hydroelectric projects in the Three Gorges Reservoir Region on atmospheric CO2concentrations. Quantitative analysis of the evolution trend of the atmospheric XCO2and its spatial distribution is one of the most effective measurement techniques. In this paper, we employed OCO-2 satellite data, inverse distance weight (IDW) interpolation, the Mann-Kendall nonparametric test, Sen's slope estimation, spatial autocorrelation analysis, and cold hot spot methods to analyze the evolution trend and spatial distribution of atmospheric CO2in the study area. The research results have shown that: 1) From 2015 to 2020, the monthly and annual average atmospheric CO2concentration of each district and county in the Three Gorges Reservoir Region showed an increasing trend, and the overall study area showed a significant growth trend. The atmospheric CO2concentration was the highest in winter and the lowest in autumn, showing obvious seasonal cycle change. 2) The atmospheric CO2in the Three Gorges Reservoir Region from 2015 to 2020 has a high spatial correlation, and some regions show the phenomenon of cold and hot aggregation. 3) The XCO2in the Three Gorges Reservoir Region is consistent with the national average level, and the construction of the Three Gorges Project did not lead to the increase of CO2concentration in the Three Gorges Reservoir Region.

Three Gorges Reservoir Region; CO2concentration; spatial and temporal characteristics; satellite remote sensing

P456.7

A

1009-8518(2022)06-0141-11

10.3969/j.issn.1009-8518.2022.06.014

2022-05-07

國家自然科學(xué)基金（41907192）；河北省自然科學(xué)基金（D2022103002）；資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室開放基金；民用航天預(yù)研項(xiàng)目（D040102）

阮琳, 曹維佳, 楊國興, 等. 基于OCO-2衛(wèi)星遙感數(shù)據(jù)的三峽庫區(qū)XCO2時(shí)空特征演變分析[J]. 航天返回與遙感, 2022, 43(6): 141-151.

RUAN Lin, CAO Weijia, YANG Guoxing, et al. Analysis on the Spatial-temporal Evolution of XCO2in the Three Gorges Reservoir Region Based on OCO-2 Satellite[J]. Spacecraft Recovery & Remote Sensing, 2022, 43(6): 141-151. (in Chinese)

阮琳，男，1993年生，2021年獲中國礦業(yè)大學(xué)（北京）碩士學(xué)位，現(xiàn)為助理工程師。研究方向?yàn)橘Y源與環(huán)境遙感及遙感應(yīng)用。

張麗麗，1987年生，女，博士，主要從事大氣遙感、GIS應(yīng)用研究。E-mail：zhangll@lreis.ac.cn。

（編輯：夏淑密）