廣東省MODIS氣溶膠光學厚度時空分布及其影響因素

張 磊，江 洪*，陳 誠，張林靜，劉元亮，周 游

（1. 南京大學 江蘇省地理信息技術重點實驗室，江蘇 南京 210023；2.南京大學 國際地球系統科學研究所，江蘇 南京 210023；3.南京大學 地理與海洋科學學院，江蘇 南京 210023；4.南京信息工程大學 氣象災害預報預警與評估協同創新中心，江蘇 南京 210044）

廣東省MODIS氣溶膠光學厚度時空分布及其影響因素

張 磊1,2，江 洪1,2*，陳 誠1,3，張林靜1,2，劉元亮1,2，周 游4

（1. 南京大學 江蘇省地理信息技術重點實驗室，江蘇 南京 210023；2.南京大學 國際地球系統科學研究所，江蘇 南京 210023；3.南京大學 地理與海洋科學學院，江蘇 南京 210023；4.南京信息工程大學 氣象災害預報預警與評估協同創新中心，江蘇 南京 210044）

利用2001年、2007年和2013年MODIS氣溶膠光學厚度（AOD）產品，結合DEM、NDVI、夜間燈光及《廣東省統計年鑒》數據，分析了廣東省AOD的時空特征及其影響因素。結果表明，廣東省AOD呈現先升后降的趨勢，2007年較2001 年AOD年平均增加了14．97%，而2013年較2007年則下降了26．25%；月份分析結果顯示，春季AOD最大，在3、4月達到頂峰；AOD與DEM、NDVI負相關，與夜間燈光正相關；人口集中的地區AOD較大，珠三角城市群呈現成片高值區，珠三角以外地區AOD高值區零星分布，表明人類活動對AOD具有顯著的影響。

MODIS；AOD；時空分布；NDVI；DMSP/OLS夜間燈光

大氣氣溶膠可被定義為懸浮在大氣中由固體和液體微粒共同組成的多相體系，其直徑多在10-3～100 μm之間。大氣氣溶膠微粒來源于沙塵粒子、海洋粒子等自然源和人們生產、生活等人為源。在表征大氣氣溶膠物理特性的參量中， AOD反映了氣溶膠粒子對太陽輻射的消光作用，能夠推算氣溶膠含量、評估大氣污染程度[1-3]。

近年來，很多學者通過衛星遙感來研究氣溶膠的特性。國際上開展氣溶膠衛星遙感的工作始于20世紀70年代中期，我國從20世紀80年代中期開始進行這方面的研究[4-5]。Levy R C[6]和Remer L A[7]等在Kaufman的暗像元算法基礎上開發了NASA的V5．2氣溶膠反演算法，為全球提供10 km分辨率氣溶膠產品，對研究區域的氣溶膠污染物輸送有重要的應用價值。CHU D A[8]等利用NASA的10 km分辨率MODIS AOD產品進行了全球、區域和局地大氣污染監測方面的研究。該方法彌補了難以掌握大區域氣溶膠顆粒物空間分布的不足，為近地面的大氣環境研究提供了更多的空間信息。

廣東省是我國經濟最發達的省份之一，工農業活動向大氣排放了大量氣溶膠粒子，大氣中氣溶膠顆粒物的來源眾多且復雜，區域環境問題日益嚴重，因此有必要對該區域的大氣環境進行宏觀分析。本文以廣東省為研究區，主要根據MODIS MOD04數據分析了2001年、2007年和2013年AOD時空分布及變化趨勢，并結合DEM、SPOT NDVI、DMSP/OLS夜間燈光及《廣東省統計年鑒》數據，分析了影響AOD時空變化的原因，探討了人類活動對AOD分布的影響，對科學預測以及有效控制廣東省大氣顆粒物污染有著實際的指導意義。

1 研究資料與處理方法

1.1 研究區概況

廣東省地處中國大陸最南端，面積約為18萬km2，境內地勢北高南低，東西向腹部傾斜。這種地形分布，既可減少北方寒潮南下的機會，又可使省內更多的地方接受充足的陽光和雨水。地形的差別會影響區域氣候，同樣也會影響AOD的空間分布。根據地形、地理位置、經濟等因素，廣東省可分為珠三角、粵東、粵西、山區4個區域。珠三角包括廣州、佛山、肇慶、中山、珠海、江門、惠州、東莞、深圳9個市，粵東包括汕頭、潮州、揭陽、汕尾4個市，粵西包括陽江、茂名、湛江3個市，山區包括云浮、清遠、韶關、梅州、河源5 個市，如圖1所示。

1.2 數據來源與預處理

1）AOD采用的是MODIS二級產品MOD04，空間分辨率為10 km。該數據通過暗像元法反演得到[9]，來自NASA官網，本文用其分析研究區AOD的時空變化。利用Matlab和ArcGIS工具進行數據處理，得到廣東省各月的AOD數據，AOD年值數據由12個月數據取均值獲得。

圖1 廣東省各地級市分布（審圖號：粵S（2008）002號）

2）DEM采用的是SRTM地形產品數據，空間分辨率為90 m。該數據用于分析地形地勢對AOD空間分布的影響。數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站（http://www．gscloud．cn）。

3）NDVI采用的是SPOT VST-S10數據，空間分辨率為1 km；SPOT-NDVI產品是10 d最大化NDVI數據集的合成，有效地去除了云覆蓋的影響[10]。利用年平均獲得NDVI年值數據并重采樣為10 km空間分辨率，用以分析植被覆蓋對AOD時空分布的影響。

4）夜間燈光數據采用的是第4版本DMSP/OLS非輻射定標平均燈光強度數據，空間分辨率為1 km，DN值范圍為0～63。本文從2001年、2007年和2013年全球DMSP/OLS影像上裁剪出廣東省的數據，利用其探測城市燈光甚至是小規模居民地、車流等發出的低強度燈光，較適合大尺度城市化進程的動態監測[11-12]。

5）除遙感數據外，選用《廣東省統計年鑒》數據分析廣東省經濟社會發展進程對AOD時空分布的影響，主要包含各產業的生產總值和GDP總量。年鑒數據來自中國經濟與社會發展統計數據庫。

2 AOD時空特征分析

2.1 AOD時序變化規律

圖2顯示的是2001年、2007年和2013年的AOD年值分布特征。AOD最低值為0．177，最高值為1．108。從時間尺度上看，2007年平均AOD高于2001年和2013年，AOD呈先增后減的趨勢。廣東全省平均AOD從2001年到2007年增長了14．97%，而2007年到2013年則下降了26．25%。

圖2 廣東省2001年、2007年和2013年AOD年值的分布特征

由圖3可直觀看出，2007年整體的AOD值最大，2001年次之，2013年最小。3年中月尺度的變化規律較為一致，1、2月處于低谷狀態；3、4月呈明顯的上升趨勢，并達到一個峰值；在5～7月較穩定，且數值較低；8、10、12月呈現一個小的峰值，而11月則呈現明顯的谷值。總之，AOD表現出以1 年為尺度的周期變化。

圖3 3年MODIS AOD的月變化

表1統計了廣東省4個季節MODIS AOD的平均值和標準差，可以看出廣東省AOD呈現明顯季節變化，春季最大，冬季次之，夏季最小。AOD最大值出現在2001年春季，最小值出現在2013年夏季。根據3年標準差可看出AOD最大和最小的波動分別出現在春季和冬季。這些變化是由于氣象條件、大氣理化性質和人為排放的季節性等因素不同而造成的。

表1 廣東省四季MODIS AOD的平均值和標準差

2.2 AOD空間分布特征

圖4為根據2001年、2007年和2013年MODIS數據，利用ArcGIS Zonal統計獲得的4個區域AOD三年平均結果。珠三角地區AOD最高，粵西次之，粵東和山區較低。4個區域月份變化基本保持一致，高值主要出現在3、4月，低值主要在6、7月。以地級市來統計，AOD較高的地區有廣州、東莞、佛山、中山和珠海，全部處于珠三角地區；而AOD較低的地區有河源、梅州、潮州、汕尾等，多處于山區和粵東地區。珠三角、粵東、粵西、山區的3年AOD均值分別是0．578、0．429、0．516和0．440。由此可看出，珠三角的AOD明顯高于廣東省其他地區。

圖4 珠三角、粵東、粵西、山區的AOD變化

2.3 AOD影響因素分析

2.3.1 DEM對AOD的影響

圖5為2001年、2007年和2013年的AOD均值與1 年DEM的擬合結果。以廣東省各地級市為研究單元，計算各地級市區域內各指標的均值，以此進行回歸分析；并使用對數函數擬合，得到二者呈現較強的負相關。隨著高程的增加，AOD逐漸降低，而當到達一定的高度時，AOD下降的速率變慢，趨勢變得平緩，說明高程對AOD有一定的影響。經過統計分析可知，海拔較高的地區（如粵北山區）AOD偏低，而海拔較低的平原地區（如珠三角）AOD則較高。導致這種現象的原因是地勢低平的地區人口較集中，排放了較多的人為源氣溶膠顆粒，而海拔較高的山區人口較為稀疏，人為源氣溶膠顆粒物較少。

圖5 AOD與DEM的擬合結果

2.3.2 NDVI對AOD的影響

圖6為3年平均的AOD與NDVI的回歸分析結果。NDVI是通過近紅外波段和紅光波段的反射率計算得到的，是植被覆蓋度的最佳指示因子。AOD與NDVI呈現很高的負相關，R2達0．8以上，說明植被覆蓋度高的地區AOD較小，而植被少的地區AOD偏大[13]。導致這種現象的原因是植被覆蓋度低的地區大多人類集中，而植被覆蓋度高的森林地區人類活動較少。此外有關研究表明，植物可作為大氣污染物的吸收器，降低大氣粉塵濃度，是一種從大氣環境去除顆粒物的有效途徑[14-15]。據統計，2001年、2007年和2013年全省平均NDVI分別為0．454、0．471和0．519，一直在上升，表明廣東省的植被覆蓋度有所提高。植物的滯塵效應在一定程度上有助于減少氣溶膠的污染，抑制AOD的上升。

圖6 AOD與NDVI的擬合結果

2.3.3 夜間燈光對AOD的影響

如圖7所示，廣東省2001年、2007年和2013年的DMSP/OLS夜間燈光高值區分布呈逐漸擴大的趨勢，尤其是珠三角地區。珠三角上空夜間燈光高值區集中，而珠三角以外的地區高值區呈點狀分布。為了分析城市擴展及人類經濟活動對AOD時空變化的影響，利用Zonal統計方法得到廣東省21個城市3年的DMSP/ OLS夜間燈光數據，然后與對應年份的MODIS AOD數據分別建立線性回歸模型，并統計其3年平均結果。

圖7 廣東省3年DMSP/OLS夜間燈光分布特征

如圖8所示，AOD與夜間燈光數據之間具有較好的正相關性，整體上R2在0．6以上，而夜間燈光能夠在一定程度上反映人口及能源分布，說明AOD與人口分布、能源消耗呈正相關。對比圖2和圖7可以看出，城市集中的珠三角地區AOD出現連續的高值區，而粵東、粵西、山區的城市分布較稀疏，其AOD高值區也較少。

圖8 AOD與DMSP/OLS夜間燈光的擬合結果

表2為2001年、2007年、2013年AOD和夜間燈光的變化。十多年來，AOD先升后降，而夜間燈光數值一直在上升。由此可知，廣東省城市化進程持續進行，但AOD并沒有跟著持續增長，2001～2007年AOD呈上升狀態，而在2007～2013年不升反降。

表2 3年AOD與夜間燈光的平均值和標準差

2.3.4 統計數據對AOD的影響

表3為2001年、2007年和2013年廣東省第一、二、三產業生產總值及其所占比例的統計結果。可以看出，廣東省的產業結構發生了變化，第一產業比重不斷下降，第二產業比重較大且呈先升后降的趨勢，第三產業比重持續上升。廣東省的產業結構總體以第二、三產業為主，AOD與第二產業比重都呈先升后降的趨勢，表明第二產業對AOD影響較大，存在一定的聯系。

此外，廣東省2007年較2001年工業和建筑業分別增長了201．7%和82．2%，2013年較2007年工業和建筑業分別增長了83．9%和94．5%，后一個6年工業增長率較前一個6年放緩，2007年后第二產業比重的下降，一定程度上影響了AOD的年際間變化。具體原因可能是由于我國在“十一五”期間政府實施的較為嚴格的節能減排措施所帶來的協同效應所致，但具體的協同效應還有待進一步深入研究[16]。

表3 2001年、2007年、2013年廣東省第一、二、三產業生產總值及比例

3 結 語

1）廣東省平均AOD呈先升后降的趨勢，2007年較2001年AOD年平均增加了11．9%；而2013年較2007年AOD年平均下降了29．7%。一年中AOD大致在3、4月達到頂峰，在11月達到最低值。四季中AOD春季最高，夏季最低。

2）以地級市來統計，AOD較高的有廣州、東莞、佛山、中山和珠海，全部處于珠三角地區；而AOD較低的有河源、梅州、潮州、汕尾等，多處于山區和粵東地區。廣東省范圍內AOD分布呈現一個以珠三角為核心，包含廣州、佛山、東莞等地級市的大范圍高值區。

3）經濟發達的地區AOD也較大，珠三角地區呈現成片高值區。AOD的高低及其高值區的分布面積與自然環境和人類經濟活動密切相關，其中與人口集中度正相關、與高程及植被分布負相關。2007年之后AOD的下降主要與第二產業比重下降有一定關系，與植被覆蓋度的提高可能也有一定關系。在未來的研究中，應加入氣象資料和更多的統計數據，才能更準確地分析造成AOD變化的原因。

[1] 王躍思,辛金元,李占清,等．中國地區大氣氣溶膠光學厚度與Angstrom參數聯網觀測(2004-08～2004-12)[J]． 環境科學,2006,27(9):1 703-1 711

[2] 李成才,毛節泰,劉啟漢,等． MODIS衛星遙感氣溶膠產品在北京市大氣污染研究中的應用[J]．中國科學,2005,35(增刊1): 177-186

[3] Holben B N, Eck T F, Slutsker I, et al． AERONET—a Federated Instrument Network and Data Archive for Aerosol Characterization[J]． Remote Sensing of Environment,1998,66(1):1-16

[4] 吳兌．近十年中國灰霾天氣研究綜述[J]．環境科學學報,2012,32(2):257-269

[5] 毛節泰,張軍華,王美華．中國大氣氣溶膠研究綜述[J]．氣象學報,2002,60(5):625-634

[6] Levy R C, Remer L A, Mattoo S, et al． Second-generation Operational Algorithm: Retrieval of Aerosol Properties over Land from Inversion of Moderate Resolution Imaging Spectroradiometer Spectral Reflectance [J]． Journal of Geophysical Research Atmospheres,2007,112(D13):3 710-3 711

[7] Remer L A, Kaufman Y J, Tanré D, et al． The MODIS Aerosol Algorithm, Products and Validation[J]． Journal of the Atmospheric Sciences,2005,62(4):947-973[8] CHU D A, Kaufman Y J, Zibordi G, et al． Global Monitoring of Air Pollution over Land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS)[J]．Journal of Geophysical Research Atmospheres, 2003,108(D21):21

[9] Kaufman Y J, Tanré D, Remer L A, et al． Operational Remote Sensing of Tropospheric Aerosol over Land from EOS Moderate Resolution Imaging Spectroradiometer[J]． Journal of Geophysical Research Atmospheres,1997,102(14):17 051-17 067

[10] CHEN C, ZHAO S, DUAN Z, et al． An Improved Spatial Downscaling Procedure for TRMM 3B43 Precipitation Product Using Geographically Weighted Regression[J]． IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(9):4 592-4 604

[11] 陳晉,卓莉,史培軍,等．基于DMSP/OLS數據的中國城市化過程研究:反映區域城市化水平的燈光指數的構建[J]．遙感學報,2003,7(3):168-175

[12] 何春陽,史培軍,李景剛,等．基于DMSP/OLS夜間燈光數據和統計數據的中國大陸20世紀90年代城市化空間過程重建研究[J]．科學通報,2006,51(7):856-861

[13] LI L, WANG Y． What Drives the Aerosol Distribution in Guangdong:the Most Developed Province in Southern China?[J]．Scientific Reports,2014,4:5 972

[14] 邱媛,管東生,宋巍巍,等．惠州城市植被的滯塵效應[J]．生態學報,2008,28(6):2 455-2 462

[15] Prusty B A K, Mishra P C, Azeez P A． Dust Accumulation and Leaf Pigment Content in Vegetation near the National Highway at Sambalpur, Orissa, India[J]． Ecotoxicology & Environmental Safety,2005,60(2):753-773

[16] MA Z W, HU X F, Sayer A M, et al． Satellite-based Spatiotemporal Trends in PM2．5Concentrations: China, 2004～2013[J]． Environmental Health Perspectives,2016,124(2):184-192

P237

B

1672-4623（2017）01-0046-04

10.3969/j.issn.1672-4623.2017.01.014

張磊，碩士研究生，研究方向為地理信息系統與資源環境遙感應用。

2016-04-08。

項目來源：國家自然科學基金面上基金資助項目（41171324）；教育部博士點基金資助項目（20110091110028）；科技部平臺資助項目（2005DKA32306）。

（*為通訊作者）