基于衛星遙感的甘肅省吸收性氣溶膠的研究

李逢帥,巨天珍,馬 超,咸 龍

基于衛星遙感的甘肅省吸收性氣溶膠的研究

李逢帥,巨天珍*,馬 超,咸 龍

(西北師范大學地理與環境科學學院,甘肅 蘭州 730070)

基于OMAERUV數據日產品,對甘肅省2008～2017年吸收性氣溶膠指數(UVAI)的時空分布進行了分析,并對其相關因素進行了探討,結果表明:該省近10a UVAI空間格局為由西北向東南區域逐步遞減,UVAI的高值區域一直分布在酒泉市及鄰近區域,為吸收性氣溶膠污染源中心;甘肅省UVAI的穩定性呈現從東北向西南區域逐漸降低的規律;UVAI月均值呈現出明顯的規律性,每年的月變化均呈現“V”型;四季UVAI水平為:冬季>春季>秋季>夏季,四季變化規律基本同步,十年來四季的UVAI呈逐漸上升趨勢,且四季中主導的吸收性氣溶膠來源不同.基于PM2.5的UVAI指示的空氣質量等級分析,甘肅省空氣質量以良為主;從氣象因素與UVAI相關性分析來看,降水量、氣溫均與UVAI之間呈現顯著正相關,風向也對其空間分布有重要影響;植被覆蓋度與UVAI呈現正相關的區域主要分布在甘肅省西北部、武威市中部區域,呈現負相關的甘肅南部天水、隴南等區域為較高的植被覆蓋區域.從人類活動因子與UVAI相關性來看,地區生產總值、各產業產值與UVAI有著明顯的正相關性,尤其以第二產業與UVAI相關性最高;UVAI與汽車保有量、能源消耗總量及人口密度均存在較強的正相關,說明汽車尾氣和工業排放及建筑粉塵也是吸收性氣溶膠的重要來源.針對甘肅省UVAI時空分布特點、自然及人類活動因素分析情況,提出了減少人類活動強度等建議.

OMI；甘肅省；UVAI；時空分布；穩定度；相關性分析；空氣質量指數

大氣氣溶膠是液態或固態微粒在空氣中的懸浮體系,能作為水滴和冰晶的凝結核(大氣凝結核、大氣冰核)、太陽輻射的吸收體和散射體,并參與各種化學循環,是大氣的重要組成部分[1].其中部分物質不僅可通過人體呼吸活動直接進入人體肺部,還可以進一步滲透到人體血液甚至通過血液輸送到腦部,嚴重影響人類健康[2].由太陽輻射的吸收程度,可以將氣溶膠分為吸收性氣溶膠和非吸收性氣溶膠.吸收性氣溶膠的主要來源包括自然過程如沙塵暴、火山噴發、生物的燃燒以及人為過程如化石燃料燃燒過程,是對地球氣候和環境都有重要影響的大氣組成成分[3].吸收性氣溶膠由于對太陽輻射有著較強的吸收,還能通過加熱大氣、改變大氣穩定度、蒸發云滴、減少云量等“半直接方式”影響氣候[4].由于這些吸收性氣溶膠經常會從它們的源頭產生長距離的輸送,又因其短暫的生命周期以及物理、化學特征的高度時空可變性,利用地基觀測它們的空間分布特征具有很大的局限性,而衛星則可以很大程度克服這一約束.相對于地基觀測來說,衛星觀測具有足夠空間覆蓋能力來反應氣溶膠的空間分布特征和輸送過程[5].最重要的是大尺度遙感數據容易與氣象、人為活動要素建立關系式,分析它們之間的聯系,增加對氣溶膠變化的認識.

目前,吸收性氣溶膠還未列入我國大氣污染物的常規監測,國外在20世紀末就已經運用衛星監測大氣氣溶膠.1997年Heraman等[6]研究全球吸收性氣溶膠分布源,這些分布源包括森林和秸稈等生物燃燒、沙塵暴等.Dong 等[7]發現了中國吸收性氣溶膠與行星邊界層存在相互作用,并進一步影響氣溶膠的垂直分布.Bibi等[8]在非洲卡羅亞研究了吸收性氣溶膠并對其進行了分類,比如黑炭氣溶膠、沙塵氣溶膠等;張芝娟等[9]利用OMI資料分析了京津冀地區在亞太經合組織領導人會議(APEC)前、APEC期間和APEC后的吸收性氣溶膠的光學特性時空分布特征及北京地區歷史同期氣溶膠光學特性的變化;Tan等[10]揭示了在印度尼西亞森林火災期間,與西南季風季節相關的煙霧顆粒對該地區的紫外線吸收特性;王爽等[11]利用OMI傳感器的氣溶膠產品,分析了2006~2015年甘肅天水市紫外吸收性氣溶膠的分布動態.

甘肅省作為聯通中西部地區的樞紐,近幾年社會經濟快速發展,甘肅大氣中各種污染物濃度都有緩慢上升的趨勢,作為沙塵暴傳輸的重要通道之一[12],與其關系密切的氣溶膠研究成為甘肅省大氣污染防治重要內容,甘肅省自然地理諸多要素的地帶性規律是否會影響到大氣氣溶膠的分布是一個值得探究的問題.因此本文利用OMI遙感數據,結合氣象數據、統計年鑒,選取甘肅省分析了其2008～2017年吸收性氣溶膠指數的變化規律,為西部地區吸收性氣溶膠的研究提供參考.

1 研究區概況

甘肅省地處中國西北地區,境內為黃土高原、青藏高原和內蒙古高原三大高原的交匯地帶,境內地形復雜,山脈縱橫,海拔相差懸殊,地勢由東南向西北傾斜[13](圖1).全省陸域面積42.59萬km2,2017年全年全省實現生產總值(GDP)7677億元,常住人口2609.95萬人.各地氣候類型多樣,從南向北包括了亞熱帶季風氣候、溫帶季風氣候、溫帶大陸性(干旱)氣候和高原高寒氣候等四大氣候類型,年平均氣溫0~15℃.全省各地年降水量在36.6~734.9mm,大致從東南向西北遞減[14].受季風影響,降水多集中在6~8月份,占全年降水量的50%~70%.

圖1 研究區概況

2 數據與方法

2.1 數據來源及數據產品

吸收性氣溶膠數據來源于搭載在EOS—Aura衛星上的OMI傳感器.Aura衛星是一顆由多國共同研制的極軌、太陽同步科學探測衛星,軌道高度705km,過赤道的時間為13:45(當地時間),每天經過西北地區上空約為06:00(協調世界時)[15].繼GOME和SCIAMACHY之后,OMI作為新一代大氣成分探測傳感器,由荷蘭宇航計劃總局和荷蘭氣象研究所提供,波長范圍270~500nm,平均波譜分辨率0.5nm,星下點分辨率13km×24km,掃描寬度2600km,覆蓋全球只需1d[16-18],可以對臭氧等大氣痕量氣體以及氣溶膠進行有效觀測,為研究大氣污染提供了新的視野.

選用UVAI資料為2008~2017年L2 V003數據產品,是在紫外波段下獲得的數據,該產品名稱為OMAERUV.003,此產品由比利時太空大氣研究所(BIRA—ISAB)反演,并發布在NASA官網上的GES DISC,數據相對不確定性約為25%[19-20].OMI反演的紫外吸收性氣溶膠指數(ultraviolet aerosol index, UVAI)是利用兩個紫外通道光譜的輻射通量之比來定義的[21-22].

通常,對紫外輻射有較強吸收性的氣溶膠指數UVAI是大于零的,UVAI在(0±0.2)表示云或較大粒徑(P30.2mm)的非吸收性氣溶膠,UVAI為負值表示的較小粒徑(P<0.2mm)的非吸收性氣溶膠,粒徑在0.2mm

2.2 數據處理

選取2008~2017年每天的OMI Level 2數據產品進行研究區UVAI的研究,其空間分辨率與OMI原始資料星下點分辨率相同,由于Level 2數據是以HDF—EOS條帶(swath)數據格式存儲的,因此需要以研究區經緯度、時間為條件提取研究區內日氣溶膠數據,并為保證研究區邊界的插值精度,將邊界擴大了0.5個經緯度,該步驟是以Excel為軟件工具和Vb、python編程語言運行完成的[25-26].對得到的點數據運用空間插值、柵格計算等方法處理(分辨率不變),在此基礎上進行年、季、月的平均.利用得到的結果對研究區內吸收性氣溶膠的時空分布特征進行分析.

同時采用穩定性分析的方式來計算2008~2017年每個柵格AOD的變異系數,并用其反映時間序列上的穩定性,計算式為:

C

ｖ

=

(1)

在分析UVAI與植被覆蓋度的相關性時,采用了基于像元的空間分析法,其相關性系數計算公式如下:

回到“煙箱子”，我們哥幾個誰也不說話，只是抽煙。一根接一根地抽。想打架，就打了起來。原因是胡麻說他早就預料到哥們兒朝洛蒙會出事，但沒想會出這么大的事！稻谷說你這是事后諸葛亮，馬后炮！胡麻說你放屁！稻谷給胡麻一腳，胡麻就嚎叫著撲過去。“煙箱子”頓時亂成一團，成了逞英雄的戰場。你來我往，洗臉盆刷牙缸叮叮當當直響。沒一會又平靜了。打完架，都捂著臉。雖然皮肉受了傷痛，心里卻好受些。

3 結果與討論

3.1 甘肅省UVAI值月變化

為了研究UVAI的時間變化特征,根據時間序列繪制了甘肅省2008年1月~2017年12月,共計120個月的UVAI的月均值變化趨勢.由圖2可以看出,UVAI呈現出明顯的規律性,每年的月變化均呈現“V”型.10年中最大的UVAI值出現在2017年的12月份,UVAI值為1.942,每年的最高值出現在1、2、12月份;十年中最低的UVAI值出現在2008年6月份,UVAI值為0.013,每年的最低值出現在6、7月份.

圖2 2008~2017年甘肅省UVAI月均值變化趨勢

3.2 甘肅省UVAI值季節變化

由圖3可見,2008~2017年甘肅四個季節中冬季(12~1月)UVAI最高,春(3~5月)、秋季(9~11月)次之,夏季(6~8月)最低,四個季節變化規律基本同步.其中冬季UVAI的最大值在2017年,為1.295.春、秋兩個季節的UVAI最大值分別出現在2017年、2016年,分別為0.99、0.542.夏季一直處于波動上升狀態,UVAI最小值出現在2008年,最大值出現在2016年,為0.281.十年來,四季的UVAI呈現逐漸上升的趨勢,說明吸收性氣溶膠在逐漸增加.

圖3 2008~2017年甘肅省UVAI季節變化特征

為便于說明將UVAI數值分為五級(一級-0.2~ 0、二級0~0.3、三級0.3~0.6、四級0.6~0.9、五級0.9~1.2),來表示UVAI在季度上的空間分布情況.由圖4可見,2008~2017年甘肅春季UVAI值普遍較高,敦煌市全境為五級,酒泉市、嘉峪關市大部和張掖市及金昌市的部分區域均為四級,其余區域屬于二、三級,此時氣溫回升,且天氣干燥,地表解凍后土質疏松,而且表面植被稀少,為沙塵暴高發期,沙塵性氣溶膠對UVAI貢獻較大[29-30];夏季時,酒泉、嘉峪關及張掖市部分區域UVAI數值等級為三級,其他區域為一、二級,全境UVAI值成為一年當中最低時期.進入秋季時,UVAI開始升高,全境UVAI值以三級為主,二級次之.冬季時,UVAI數值全面升高,全境UVAI值有三個等級,即三級、四級、五級,其中,UVAI六級區域為甘肅西北部,包括酒泉市及嘉峪關市的大部區域、張掖市、武威市及金昌市部分區域,并且UVAI分布呈現由甘肅西北部向東南區域依次遞減的趨勢,此時吸收性氣溶膠的主要來源為采暖期產生的黑炭氣溶膠.

圖4 2008~2017年甘肅省UVAI季節分布

3.3 甘肅省UVAI年際變化

圖5 2008~2017年甘肅省UVAI空間整體分布

由圖5可知:甘肅2008~2017年UVAI空間格局為由西北向西南區域逐步遞減.其中UVAI一(0.0~0.2)、二(0.2~0.4)等級主要分布在甘南藏族自治州及隴南高海拔區域、定西、蘭州市、天水市等.UVAI數值的三級(0.4~0.6)中等水平主要分布在省內中部狹長區域(金昌、武威、張掖、嘉峪關等市),UVAI的四級(0.6-0.8)主要分布在酒泉的中部、嘉峪關的大部、張掖及武威市的西北部區域.UVAI的五級(>0.8)主要分布在酒泉市的中部及敦煌市的大部分區域.

由圖6可知:2008~2017年,研究區UVAI高值一直在酒泉市、嘉峪關、張掖、武威、金昌市及臨近區域.2008~2012年UVAI在逐年增加,高值區域也逐年在擴大.2013年酒泉市中部、東、西部(敦煌市)達到了吸收性氣溶膠的最高污染等級(5級),占省內面積的12.8%,這可能與敦煌近年來旅游業的發展,及本地植被覆蓋率較低,引起的揚塵氣溶膠有關; 2014~2016年UVAI數值在波動中降低,區域內濃度分布不均,有4個數值等級,二(0~0.3)、三(0.3~0.6)和四級(0.6~0.9)區域占據了研究區的大部分面積.2016~2017年,UVAI等級均上升一個等級,2017年中,省內UVAI三級區域同樣分布在甘南藏族自治州及隴南高海拔區域、定西、蘭州市、白銀市等東南區域,四、五級區域分布在省內狹長區域及酒泉市全部區域.

圖6 2008~2017年甘肅省UVAI逐年均值分布

3.4 UVAI變化的穩定性分析

由圖7可知,甘肅省UVAI穩定性整體呈現東北向西南區域逐漸降低,高低差異顯著的分布格局. UVAI穩定性存在顯著的空間差異,穩定性差、較差區域分布在甘南藏族自治州及鄰邊邊緣區域,這些地區受自然因素(降水、海拔)和人為活動(畜牧)擾動大,吸收性氣溶膠穩定性程度低.中等穩定區大多分布在張掖市西南部、武威市等部分區域,為由差、較差穩定區域向良好、較好穩定區域的過渡地帶,表明受人類活動和自然因素干擾少于穩定性差、較差區域.穩定性好、較好區域主要分布在酒泉市、嘉峪關市、張掖市、金昌市等的大部分區域.

圖7 2008~2017年甘肅省UVAI變化穩定程度

3.5 甘肅省UVAI變化的影響因素

氣溶膠作為一種多來源的物質,其在空間和時間上的變化除了受污染源和污染源強度的影響外,還與甘肅省的氣象條件、植被覆蓋度及人類活動等諸要素有著密切關系.

3.5.1 風向對UVAI的影響 風作為大氣污染的主要動力之一,其強度和方向直接影響著污染物擴散速度與方向,由于風向與所處的地理位置和氣候特征相關聯,某些特定的風向往往會導致污染物濃度升高[31].風速主要影響大氣的水平擴散.當風速較大時,大氣流動加強,擴散加快,可以有效減小污染物濃度;而靜風或風速小時,大氣水平流動能力減弱,大氣污染物容易聚積[32].

通過統計2013~2018年的甘肅省各地市風向數據,繪制西北部地區(酒泉市、嘉峪關市)、中部狹長地區(張掖市、武威市、蘭州市、白銀市、定西市等)風頻玫瑰圖.西南部(臨夏州、甘南藏族自治州、隴南市等)由于無持續風向,在此不做分析.西北部、中部風頻玫瑰圖(其中徑向坐標代表頻率),圖8可見,甘肅省西北部地區以東風和西風為主,頻率為70%,此區域沙地、戈壁灘分布廣泛且地勢開闊,容易形成局部沙塵氣溶膠,因此對UVAI的貢獻率較高;中部地區東北風和西北風頻率總共占76%,此地區常年主導風向為西北風,尤其在冬季,風速等級較高,此時吸收性氣溶膠的來源除本地污染源之外,在西北風的裹挾下,且在山地(祁連山脈群)阻隔、匯集作用下不利于吸收性氣溶膠向外擴散,因而冬季UVAI較高,反之夏季,UVAI數值較低,污染程度較輕.此外中部地區(騰格里沙漠邊緣)常年受沙塵暴侵擾,大氣中的吸收性氣溶膠維持在較高水平.

西北部 中部

圖8 甘肅省風頻玫瑰

Fig.8 The wind frequency chart of Gansu

3.5.2 氣溫對UVAI的影響 氣溫條件的不同對各種大氣污染物的影響不同.溫度較高時,大氣垂直對流作用加劇,有利于大氣擴散,因而一般與吸收性氣溶膠呈負相關[33].

表1 四季溫度、降水量、UVAI的月均值變化

圖9 UVAI月均值與月平均氣溫散點圖

氣溫條件的不同對各種大氣污染物的影響不同,溫度較高時,大氣垂直對流作用加劇,有利于大氣擴散,因而一般與吸收性氣溶膠呈負相關.表1 統計了甘肅省近十年四季溫度、降水量、UVAI的月均值,以期給出三者之間的定量關系.春季到夏季,在溫度升高10.5℃,增長75%的情況下,UVAI大幅降低,降低約67.4%,夏季到秋季、秋季到冬季, 溫度分別降低10.1℃、12.8℃,UVAI增長率分別為149%、98.6%.可以看出,UVAI隨著溫度的降低而增加的反向變化.圖9為UVAI月均值與月平均氣溫散點圖,是依據2012~2018年月平均氣溫及2008~2017年UVAI月均值繪制的,分析了兩者之間的相關性,發現UVAI月均值與月平均氣溫之間存在明顯的負相關,平均擬合優度2達到了91.91%,為0.005.甘肅UVAI數值存在明顯的冬春高,夏秋低的季節差異,UVAI數值的變化趨勢,一方面是因為當平均氣溫低于3℃時,甘肅地區開始進入采暖期,煤炭等燃料消耗大幅度增加,此時產生的吸收性氣溶膠主要類型為黑炭氣溶膠;另一方面可能是因為在地表溫度較低時,對流較弱,容易形成逆溫[34-35],不利于污染物的擴散.

3.5.3 降水量對UVAI的影響 穩定性降水對吸收性氣溶膠顆粒具有稀釋沉降作用,從而降低了吸收性氣溶膠指數數值.從表1可得出,春季到夏季,在降水量增加71mm,增長98%的情況下,UVAI降低約67.4%,夏季到秋季、秋季到冬季, 降水量分別降低88.9mm、32.1mm,UVAI增長分別為0.23、0.379, UVAI隨著降水量降低而增加的反向變化.為了更加清晰的表明兩者之間的相關性,統計了2008~2017年甘肅UVAI月均值和2008~2018年月均降水量的相互關系(圖10),發現UVAI與甘肅月均降水量之間存在較高的負相關,最高發生在六月份,且為0.005.由此可知,降水量集中的夏季,甘肅省UVAI數值普遍低于其他三個季節.

3.5.4 植被因素分析 植被對大氣污染具有凈化作用,其主要是通過葉片實現,對揚塵氣溶膠和其它顆粒物具有滯留過濾作用,從而一定程度上降低吸收性氣溶膠濃度[36].圖11為2017年甘肅省UVAI與植被覆蓋度的相關性,其中67.9%的格點數據通過了=0.05的置信度檢驗,與吸收性氣溶膠指數呈現正相關的區域面積占總面積的26.04%,從空間上看,與UVAI呈現正相關的區域主要分布在甘肅省西北部(酒泉市大部分區域)、武威市中部區域,相關性多在0~0.6之間變動.對于呈現負相關的區域,相關性多在-0.8~0之間變動,如蘭州、隴南、定西市等,說明植被覆蓋率低的地區,UVAI較高;植被覆蓋率高的地區,UVAI較低,可見植被有降低吸收性氣溶膠的作用.

圖10 UVAI月均值與降水量散點圖

圖11 UVAI月均值與植被覆蓋度的相關性

3.5.5 人類活動分析 甘肅省的經濟發展水平主要由地區生產總值及各產業值來衡量,其中第二產業是主要影響UVAI的指標之一,同時機動車尾氣的排放作為吸收性氣溶膠的主要來源之一,也是影響UVAI變化的重要因素.除此之外,人口密度的增加,造成本地區能源消耗的增加,化石燃料的燃燒所產生的各類氣溶膠無疑會對大氣環境造成壓力.

表2為2008~2017年UVAI與甘肅省生產總值、第一、二、三產業值、汽車保有量、能源消費總量及人口密度的相關性分析結果,其中人類活動因子數據從甘肅省統計年鑒獲取.地區生產總值及各產業值,在一定程度上可以反映當地生產活動對UVAI的貢獻程度,是吸收性氣溶膠增加的重要因素,從表2可知,地區生產總值、各產業產值與UVAI有著明顯的正相關性,尤以第二產業與UVAI相關性最高.這也從一定程度上反映了工業、建筑業的發展與吸收性氣溶膠的增加有密切聯系.

表2 2008~2017年UVAI與人類活動因子的相關性矩陣

注:** 在0 .01 水平(雙側)上顯著相關.* 在 0.05 水平(雙側)上顯著相關.

UVAI與汽車保有量、能源消耗總量均存在較強的正相關,分別為86.8%,83.9%,說明汽車尾氣的排放,能源消耗所產生的廢氣是吸收性氣溶膠的重要來源之一.

甘肅經濟較發達的地市一般處于盆地及河谷地帶,人類的生產、生活活動在該區域也較為頻繁,形成了經濟發達地區人口密度較高的特點,尤其城市的工業區和混合功能區的人口密度最高,對大氣環境造成的影響也最大.由表2可知,人口密度與UVAI存在一定的正相關性,相關性89.9%.一般認為相關系數在0.8以上,認為兩者有強的相關性.

人類活動強度直接影響了吸收性氣溶膠來源大小,進而影響吸收性氣溶膠指數數值,自然因素則對吸收性氣溶膠指數產生了間接影響.研究區內工業、建筑業發展產生的黑炭、揚塵氣溶膠是吸收性氣溶膠的主要來源,對吸收性氣溶膠指數的增加具有重大貢獻.因此在諸多因素中,第二產業對吸收性氣溶膠指數數值影響最大.

3.6 PM2.5為首要污染物的空氣質量等級與UVAI的關系

目前,尚未有UVAI的空氣質量標準,考慮到PM2.5是吸收性氣溶膠的重要組成部分,以甘肅為例,結合中國氣象網空氣質量數據,探討兩者關系.選取2016年的PM2.5為首要污染物的天數,以及對應的各天的AQI指數,與對應日期的UVAI日均值進行二元擬合分析,取得UVAI的空氣質量標準值[37].如圖12為甘肅省AQI與UVAI日均值擬合圖,平均擬合優度2達到了82.94%,具有較強的相關性.根據AQI等級劃分情況,按照擬合關系,得到對應的UVAI等級劃分,詳見表3.并以這三個UVAI的空氣質量等級,將圖5轉換為甘肅省UVAI空氣質量等級圖(圖13),由圖13可看出,2008~2017年甘肅省空氣質量分為優、良和輕度污染3個等級,優、良和輕度污染所占面積分別占蘭州市總面積的9.4%、78.8%和11.6%,其中質量等級為優的地區主要分布在甘南藏族自治州及鄰邊區域(隴南市西部、定西市南部區域),質量為輕度污染的地區主要分布在酒泉市中西部及東部、嘉峪關與張掖市的交界處,其余區域質量等級為良.綜上所述,以UVAI為指示的甘肅省空氣質量以良為主.

圖12 甘肅省AQI與UVAI日均值擬合

表3 空氣質量等級與UVAI對應關系

圖13 2008~2017年甘肅省UVAI空氣質量等級

4 結論

4.1 從UVAI值變化來看,UVAI月均值呈現出明顯的規律性,每年的月變化均呈現“V”型;季節變化特征為:冬季UVAI最高,春、秋季次之,夏季最低,十年來四季的UVAI呈現逐漸上升的趨勢,說明吸收性氣溶膠在逐漸增加.從UVAI的分布來看,甘肅近10a UVAI空間格局為由西北向東南區域逐步遞減, UVAI的高值區域一直分布在酒泉市的中部及敦煌市的大部分區域.

4.2 甘肅省UVAI穩定性整體呈現東北向西南區域逐漸降低,高低差異顯著的分布格局;基于PM2.5的UVAI指示的空氣質量等級分析,甘肅省空氣質量以良為主.

4.3 從氣象因子與UVAI的相關性結果來看,氣溫與UVAI的相關性更為密切,降水量次之;風的強度和方向直接影響著污染物擴散速度與方向,進而影響甘肅省各地的UVAI的大小與分布.由植被與UVAI相關性來看,與UVAI呈現正相關的區域主要分布在甘肅省西北部、武威市中部區域.

4.4 從人類活動因子與UVAI相關性來看,地區生產總值、各產業產值與UVAI有著明顯的正相關性;汽車保有量、能源消耗總量及人口密度與UVAI亦存在較強的正相關,說明工業排放、汽車尾氣和建筑粉塵均是吸收性氣溶膠的重要來源.

[1] 張曉通.全球陸表下行短波輻射和光合有效輻射反演算法研究[D]. 武漢:武漢大學, 2010. Zhang Xiaotong. Inversion algorithm of global terrestrial surface downlink short-wave radiation and photosynthetic active radiation [D]. Wuhan: Wuhan university, 2010.

[2] 張亮林,潘竟虎.基于MODIS數據的中國氣溶膠光學厚度時空分布特征[J]. 環境科學學報, 2018,38(11):4431-4439. Zhang Lianglin, Pan jinghu. Spatial-temporal distribution characteristics of aerosol optical thickness in China based on MODIS data [J]. Journal of environmental science, 2008,38(11):4431-4439.

[3] 陳莎莎.基于微脈沖激光雷達反演整層氣溶膠光學厚度[D]. 合肥:中國科學技術大學, 2017. Chen Shasha. Inversion of whole layer aerosol optical thickness based on micro-pulse lidar [D]. Hefei: University of Science and Technology of China, 2017.

[4] 宿興濤,許麗人,張志標,等.基于衛星觀測的我國北方地區紫外吸收性氣溶膠的時空分布研究[J]. 氣候與環境研究, 2015,20(1):11-20. Su Xingtao, Xu Liren, Zhang Zhibiao, et al. Spatial-temporal distribution of ultraviolet absorbent aerosols in northern China based on satellite observations [J]. Climate and Environment Research, 2015, 20(1):11-20.

[5] 趙富強,王維和,鄧小波,等.大氣臭氧總量與吸收性氣溶膠指數的關系[J]. 遙感學報, 2017,21(4):500-508. Zhao Fuqiang, Wang Weiwei, Deng Xiaobo, et al. Relationship between total atmospheric ozone and absorbability aerosol index [J]. Journal of Remote Sensing, 2017,21(4):500-508.

[6] Herman J R, Bhartia P K, Torres O, et al. Global distribution of UV-absorbing aerosols from Nimbus 7/TOMS data [J]. Journal of Geophysical Research Atmospheres, 1997,102(D14):16911-16922.

[7] 劉 狀,孫曦亮,劉 丹,等.2001~2017年中國北方省份氣溶膠光學厚度的時空特征[J]. 環境科學學報, 2018,38(8):3177-3184. Liu, Sun Xiliang, Liu Dan, et al. Spatio-temporal characteristics of aerosol optical thickness in northern China from 2001 to 2017 [J]. Journal of Environmental Science, 2008,38(8):3177-3184.

[8] Bibi S, Alam K, Chishtie F, et al. Characterization of absorbing aerosol types using ground and satellites based observations over an urban environment [J]. Atmospheric Environment, 2016:S1352231016309438.

[9] 張芝娟,陳 斌,等.利用OMI資料分析APEC期間吸收性氣溶膠的時空分布特征[J]. 蘭州大學學報(自然科學版), 2017,53(1):93-100. Zhang Zhijuan, Chen Bin, et al. Analysis of spatial and temporal distribution characteristics of absorbant aerosols during APEC using OMI data [J]. Journal of lanzhou university (natural science edition), 2017,53(1):93-100.

[10] Tan K C, Lim H S, Mat Jafri M Z. Remote sensing assessment of absorbing aerosol over Peninsular Malaysia from OMI onboard Aura satellite [J]. Journal of Physics: Conference Series, 2017,852:012027.

[11] 王 爽,巨天珍,謝順濤,等.天水市紫外吸收性氣溶膠時空動態的遙感監測[J]. 環境監測管理與技術, 2018,30(1):46-49. Wang Shuang, Ju Tianzhen, Xie shuntao, et al. Remote sensing monitoring of spatial and temporal dynamics of ultraviolet absorption aerosols in tianshui city [J]. Environmental monitoring management and technology, 2008,30(1):46-49.

[12] 王麗軍.甘肅省生態足跡與能源消費年度變化關系研究[D]. 蘭州:蘭州大學, 2013. Wang Lijun. Research on the relationship between ecological footprint and energy consumption in gansu province [D]. Lanzhou: Lanzhou University, 2013.

[13] 岳軍偉.甘肅主要森林類型固碳動態、潛力及影響機制[D]. 楊凌:中國科學院大學(中國科學院教育部水土保持與生態環境研究中心), 2018. Yue Junwei. Carbon sequestration dynamics, potential and impact mechanism of major forest types in gansu [D]. Yangling: University of Chinese Academy of Sciences (Research Center of Soil and Water Conservation and Ecological Environment, Ministry of Education, Chinese Academy of Sciences), 2018.

[14] 張 寧,張武平,張 萌.沙塵暴降塵對甘肅大氣環境背景值的影響研究[J]. 環境科學研究, 2005,(5):6-10. Zhang N, Zhang W P, Zhang M. study on the influence of dust storm on atmospheric background value in gansu [J]. Environmental Science Research, 2005,(5):6-10.

[15] 杜君平,朱玉霞,劉 悅,等.基于OMI數據的中國臭氧總量時空分布特征[J]. 中國環境監測, 2014,30(2):191-196. Du Junping, Zhu Yuxia, Liu Yue, et al. Spatial and temporal distribution characteristics of total ozone in China based on OMI data [J]. China Environmental Monitoring, 2014,30(2):191-196.

[16] Smedt I D, Stavrakou T, Müller J F, et al. H2CO columns retrieved from GOME—2: first scientific results and progress towards the development of an operational product [C]//Eumetsat Meteorological Satellite Conference.

[17] 游志強,尉 鵬,邱雄輝,等.基于衛星觀測的2005~2015年京津冀地區NO2柱濃度分布及變化趨勢[J]. 環境科學研究, 2016,29(10): 1400-1407. You Zhiqiang, Wei Peng, Qiu Xionghui, et al. Distribution and change trend of NO2column concentration in beijing-tianjin-hebei region from 2005 to 2015 based on satellite observation [J]. Environmental science research, 2016,29(10):1400-1407.

[18] 謝順濤,巨天珍,葛建團,等.基于衛星遙感中國甲醛的時空分布及影響因子[J]. 中國環境科學, 2018,38(5):1677-1684. Xie Shuntao, Ju Tianzhen, Ge jiantuan, et al. Spatial-temporal distribution and influencing factors of formaldehyde in China based on satellite remote sensing [J]. Chinese Journal of Environmental Sciences, 2008,38(5): 1677-1684.

[19] Baek K H, Kim J H, Park R J, et al. Validation of OMI HCHO data and its analysis over Asia. [J]. Science of the Total Environment, 2014, 490:93-105.

[20] 劉宏慶,巨天珍.黑龍江省近12年甲醛柱濃度時空變化及其影響因素[J]. 中國環境科學, 2018,38(6):2001-2011. Liu Hongqing, Ju Tianzhen. Spatial-temporal variation of formaldehyde column concentration and its influencing factors in heilongjiang province in recent 12 years [J]. China environmental science, 2018,38(6):2001-2011.

[21] Torres O, Tanskanen A, Veihelmann B, et al. Aerosols and surface UV products from ozone monitoring instrument observations: An overview [J]. Journal of Geophysical Research Atmospheres, 2007, 112(D24).

[22] Tanr & Xe D. Derivation of tropospheric aerosol properties from satellite observations [J]. Comptes rendus — Géoscience, 2010,342(4): 403—411.

[23] 陳科藝,彭志強.應用OMI衛星資料監測蒙古戈壁沙塵的傳播[J]. 高原氣象, 2012,31(3):798-803. Chen Keyi, Peng Zhiqiang. Application of OMI satellite data to monitor the transmission of gobi dust in Mongolia [J]. Plateau Meteorology, 2012,31(3):798-803.

[24] 楊東旭,劉 毅,夏俊榮,等.華北及其周邊地區秋季氣溶膠光學性質的星載和地基遙感觀測[J]. 氣候與環境研究, 2012,17(4):422-432. Yang Dongxu, Liu Yi, Xia Junrong, et al. Spaceborne and ground-based remote sensing observations of autumn aerosol optical properties in north China and its surrounding areas [J]. Climate and Environment Research, 2012,17(4):422-432.

[25] 巨天珍,師賀雄,王 彥,等.基于OMI衛星遙感數據的蘭州市SO2空間分布分析[J]. 安全與環境學報, 2012,12(4):154-157. Ju Tianzhen, Shi Hexiong, Wang Yan, et al. Spatial distribution analysis of SO2in Lanzhou based on OMI satellite remote sensing data [J]. Journal of Safety and Environment, 2012,12(4):154-157.

[26] 李逢帥,巨天珍,賈維平,等.基于OMI數據的蘭州地區吸收性氣溶膠指數時空分布特征研究[J]. 環境科學學報, 2018,38(12):4582- 4591. Li Fengshuai, Ju Tianzhen, Jia Weiping, et al. Temporal and spatial distribution characteristics of the absorption aerosol index in Lanzhou based on OMI data [J]. Acta Scientiae Sinica Sinica, 2018,38(12): 4582-4591.

[27] 潘竟虎,黃克軍,李 真. 2001~2010年疏勒河流域植被凈初級生產力時空變化及其與氣候因子的關系[J]. 生態學報, 2017.37(6): 1888-1899. Pan Jinghu, Huang Kejun, Li Zhen. Temporal and spatial variation of net primary productivity of vegetation in the Shule River Basin from 2001 to 2010 and its relationship with climatic factors [J]. Acta Ecologica Sinica, 2017,37(6):1888-1899.

[28] 穆少杰,李建龍,陳奕兆,等.2001~2010年內蒙古植被覆蓋度時空變化特征[J]. 地理學報, 2012,67(9):1255-1268. Mu Shaojie, Li Jianlong, Chen Yizhao, et al. Temporal and spatial variation characteristics of vegetation coverage in Inner Mongolia from 2001 to 2010 [J]. Acta Geographica Sinica, 2012,67(9):1255- 1268.

[29] 蔣賢玲,鞏遠發,等.青藏高原-熱帶印度洋地區大氣熱源的時空變化特征[J]. 成都信息工程學院學報, 2011,26(6):601-607. Jiang Xian-ling, Gong Yuan-Fa, et al. Spatial and Temporal Variation Characteristics of Atmospheric Heat Source over the Tibetan Plateau-Tropical Indian Ocean [J]. Journal of Chengdu University of Information Technology, 2011,26(6):601-607.

[30] 董自鵬,余 興,李星敏,等.基于MODIS數據的陜西省氣溶膠光學厚度變化趨勢與成因分析[J]. 科學通報, 2014,59(3):306-316. Dong Zhipeng, Yu Xing, Li Xingmin, et al. Trends and genesis of aerosol optical thickness in Shaanxi based on MODIS data [J]. Chinese Science Bulletin, 2014,59(3):306-316.

[31] Goyal P, Sidhartha. Effect of winds on SO2and SPM concentrations in Delhi [J]. Atmospheric Environment, 2002,36(17):2925-2930.

[32] 林 俊,劉 衛,李 燕,等.大氣氣溶膠粒徑分布特征與氣象條件的相關性分析[J]. 氣象與環境學報, 2009,25(1):1-5. Lin Jun, Liu Wei, Li Yan, et al. Correlation analysis between atmospheric aerosol particle size distribution and meteorological conditions [J]. Journal of Meteorology and Environment, 2009,25(1): 1-5.

[33] 朱能文.顆粒物濃度的影響因素及變化規律[J]. 環境科學動態, 2005,(2):16-18. Zhu Nenwen. Influencing Factors and Variation Law of Particle Concentration [J]. Environmental Science, 2005,(2):16-18.

[34] 趙敬國,王式功,王嘉媛,等.蘭州市空氣污染與氣象條件關系分析[J]. 蘭州大學學報(自然科學版), 2013,49(4):491-496,503. Zhao Jingguo, Wang Shigong, Li Jiayuan, et al. Analysis of the relationship between air pollution and meteorological conditions in Lanzhou City [J]. Journal of Lanzhou University (Natural Science), 2013,49(4):491-496,503.

[35] 周曙東,歐陽緯清,葛繼紅.京津冀PM2.5的主要影響因素及內在關系研究[J]. 中國人口·資源與環境, 2017,27(4):102-109. Zhou Yidong, Ouyang Weiqing, Ge Jihong. Study on the Main Influencing Factors and Intrinsic Relationship of Beijing-Tianjin- Hebei PM2.5[J]. China Population, Resources and Environment, 2017, 27(4):102-109.

[36] 陳璞瓏,王體健,謝曉棟,等.基于數值模式的細顆粒物來源解析[J]. 科學通報, 2018,63(18):1829-1838. Chen Wei, Wang Tijian, Xie Xiaodong, et al. Analysis of source of fine particles based on numerical model [J]. Chinese Science Bulletin, 2018,63(18):1829-1838.

[37] 盧秀娟,巨天珍,謝順濤,等.城市大氣臭氧柱濃度時空變化研究——以天水為例[J]. 地球與環境, 2017,45(6):612-619. Lu Xiujuan, Ju Tianzhen, Xie Shuntao, et al. Spatial and Temporal Variations of Urban Atmospheric Ozone Concentration—Taking Tianshui as an Example [J]. Earth and Environment, 2017,45(6):612- 619.

Absorption aerosol in Gansu Province based on satellite remote sensing.

LI Feng-shuai, JU Tian-zhen*, MA Chao, XIAN Long

(Geographical and Environmental Department, Northwest Normal University, Lanzhou 730070, China)., 2019,39(10)：4082~4092

Based on the OMAERUV data daily product, the spatial and temporal distribution of the ultraviolet aerosol index (UVAI) in Gansu Province from 2008 to 2017 was analyzed, and the related factors were discussed. The results showed that the spatial pattern of UVAI nearly 10 years in the province gradually decreased from northwest to southeast region. The high value area of UVAI distributed in Jiuquan City and its neighboring areas, which was the center of absorbent aerosol pollution. The stability of UVAI in Gansu Province gradually decreased from northeast to southwest region. The monthly average value of UVAI showed an obvious regularity, and the monthly change of UVAI showed a "V" pattern every year; the UVAI level of four seasons was: winter>spring>autumn>summer, the seasons were basically synchronized, the UVAI of the four seasons had risen gradually during past ten years, and the sources of the absorbed aerosol dominated in four seasons were different. The analysis of air quality level Based on UVAI of PM2.5indicated that the air quality in Gansu Province was mainly good; From the analysis of correlation between meteorological factors and UVAI, precipitation, temperature showed a significant positive correlation to UVAI, and the wind direction also had an important impact on its spatial distribution; the areas where the main distribution of vegetation coverage and UVAI was positively correlated distributed in the northwestern of Gansu Province and the center of Wuwei City, the areas where the main distribution of vegetation coverage and UVAI was negatively correlated distributed in Tianshui and Longnan in the south of Gansu Province, which had a higher vegetation coverage.From the point of the correlation between human activity factors and UVAI, regional GDP, industrial output value and UVAI had a significant positive correlation, especially the secondary industry and UVAI had the highest relevance; UVAI had a strong positive correlation with car ownership, total energy consumption and population density, which indicated that automobile exhaust, industrial emissions and construction dust were important source of absorbing aerosol. Based on the spatial and temporal distribution characteristics of UVAI and the analysis of natural and human activities in Gansu Province, some suggestions of reducing the intensity of human activities were proposed.

OMI；Gansu Province；UVAI；space-time distribution；stability；correlation analysis；air quality index

X513,X87

A

1000-6923(2019)10-4082-11

李逢帥(1994-),男,山東濟南人,西北師范大學碩士研究生,主要從事大氣污染物遙感方面研究.發表論文1篇.

2019-03-18

甘肅省重點研發計劃(17YF1FA120);蘭州市科技計劃項目(2017-RC-69)

* 責任作者, 教授, jujutz@163.com