2021年中國北方首次沙塵天氣的多源遙感分析

王 寧,陳 健,張緣園,徐永明,崔嘉文

2021年中國北方首次沙塵天氣的多源遙感分析

王 寧,陳 健*,張緣園,徐永明,崔嘉文

(南京信息工程大學遙感與測繪工程學院,江蘇 南京 210044)

利用多源遙感數據和NCEP再分析資料,從沙塵源區的地理環境和氣候特征出發,對2021年中國北方首次沙塵天氣事件每日的大氣環流形勢以及沙塵的水平,垂直分布特征進行深入的研究分析.結果表明:源區內異常增溫,降水稀少的氣候背景下致使大面積裸露松散的土壤含水量較低,為大范圍,高強度沙塵天氣的形成提供了物質基礎;頻繁活動的冷空氣,是沙塵天氣爆發的動力因子.沙塵在強風中沿東南方向向下游地區輸送和擴散,中國西北,華北,黃淮,江淮,江漢地區和江南北部等地先后受到沙塵天氣的影響,空氣質量迅速惡化,首要污染物為PM10.此外,沙塵氣溶膠東移也波及朝鮮半島,日本等下游地區.在輸送過程中,內陸地區沙塵主要分布在1～6km,而下游地區的沙塵則集中分布在2km高度附近,粒徑較大的沙塵出現在近地表的頻率較高,較小的顆粒主要分布在對流層中下層.

多源遙感；沙塵天氣；大氣環流

沙塵天氣是特定的沙漠生態環境和氣象條件綜合作用形成的自然現象[1].頻繁發生的沙塵天氣不僅對人類的生命健康和生態環境造成嚴重的危害,而且對全球氣候變化也有著重要的影響[2-3].因此,對沙塵天氣的監測與分析成為了近年來環境,生態,氣象領域的熱點方向.

2021年1月10日,受多股冷空氣影響,在內蒙古西部與蒙古國南部地區出現大范圍,高強度沙塵天氣.沙塵在強風中向東南方向輸送和擴散,中國西北地區東部,華北大部,黃淮等地先后受本次大規模沙塵天氣的影響,大氣污染嚴重.此次沙塵天氣是2021年首次沙塵天氣過程,較2000～2020年平均發生時間(2月15日)偏早1個月,也是自2002年(3月1日) 以來出現時間最早的一次沙塵天氣過程,呈現出發生時間早,強度高,影響范圍廣的特征.

目前,監測沙塵天氣的方式主要分為地基監測和衛星遙感監測.大規模的沙塵天氣通常起源于偏遠的荒漠地區,常規的地基監測極易受自然環境的影響,很難實現對沙塵天氣進行長期的監測和預報[4].此外,受人力,物力和財力等因素的限制,構建大規模,高密度的地面站進行沙塵天氣的監測難以實現.所以,地基監測具有很大的局限性,不利于對大范圍沙塵天氣的形成,移動和沉降進行監測,分析和預報等[5].

相比之下,衛星遙感技術具有大面積同步觀測能力,時效性強,經濟效益高等優勢,彌補了地基監測方式的不足[6].目前,已有大量研究利用Terra/Aqua, FY-4A,NOAA,Himawari等衛星遙感數據開展沙塵天氣定性、定量的研究[5,7-9].大多數衛星主要以被動遙感方式實現沙塵天氣的監測,主要分為近紅外法,熱紅外法,微波極化指數法和紫外吸收法等[10-13].一般而言,近紅外法更適合監測低濃度的沙塵,但不適用于下墊面為高反射率的地區,且僅在白天可用;熱紅外法適用于監測高濃度的沙塵,雖不受晝夜條件的限制,但受地表溫度和比輻射率及大氣溫度廓線的不確定性影響較大.而且,上述兩種方法僅適用于晴空大氣條件,無法獲取云層底部的沙塵信息.雖然,微波遙感可以有效地捕獲云層下的沙塵信息,但其空間分辨率和定量精度均較低.紫外法可用于高亮度地表上空的沙塵監測,但不適用于高強度沙塵天氣的研究.此外,自云-氣溶膠激光雷達和紅外探測衛星(CALIPSO)成功發射,利用其主動探測和退偏監測優勢可以有效地識別沙塵氣溶膠并獲取其垂直分布特征[14],但受激光能量大小的影響,導致白天的探測高度有限,而且數據反演方法也需要進一步的改進[7].

綜上所述,可知衛星遙感技術的發展改進了沙塵天氣的監測方式,提高了沙塵識別,光學參數等研究方面的精度.但是,利用任何單一的遙感手段監測沙塵天氣均有明顯的局限性和差異性,不能全面地反映沙塵目標的特征.因此,本文通過綜合多種沙塵天氣遙感監測方法的優勢,利用主,被動遙感觀測方式對2021年發生在中國北方的首次沙塵天氣過程進行深入的研究分析,以期實現不同遙感觀測方式之間的優勢互補,揭示沙塵天氣的氣候學成因,時空發展變化規律及沙塵氣溶膠的物理特征.

1 數據與方法

1.1 數據

1.1.1 MODIS數據 搭載在Terra和Aqua衛星上的中分辨率成像光譜儀(MODIS)是美國地球觀測系統(EOS)計劃中用于觀測全球生物和物理過程的重要儀器.它具有36個中等分辨率(0.4～14.4μm)的光譜波段,雙星聯合可以每天觀測地球表面4次,用于獲取陸地,大氣和海洋等目標的信息.其中,波段1(0.62～0.67μm),3(0.459～0.479μm),4(0.545～0.565μm)近似于可見光紅,藍,綠波段,波段31(10.78～11.28μm)和波段32(11.77～12.27μm)為熱紅外波段.L1B數據經過定標定位后的數據,空間分辨率為1km.大氣標準產品MOD/MYD04包括基于增強型深藍算法(DB)[15]和暗目標(DT)[16]算法反演的氣溶膠光學厚度(AOD),空間分辨率為10km.此外,該產品中還包含一個深藍算法和暗目標算法融合反演的AOD產品,即把DB陸地和DT海洋數據相結合,從反演結果中選取質量更高的值作為融合的AOD[17].

1.1.2 星載激光雷達數據 搭載在CALIPSO衛星上的云-氣溶膠正交偏振激光雷達(CALIOP)能夠全天候地獲取全球或區域尺度上的云和氣溶膠的垂直分布信息[18].它可以向地面發射532和1064nm兩個波段的激光,且532nm通道具有正交偏振能力.其L1B,L2VFM,L2Layer/Profile產品被廣泛應用于云,氣溶膠和氣候效應等方面的研究.本文主要利用CALIPSO的L1B數據中1064和532nm總衰減后向散射系數及532nm水平,垂直后向散射系數.星載激光雷達后向散射系數包括大氣分子和氣溶膠粒子產生的后向散射系數,定義如式(1)[19]:

顏色比定義為1064nm后向散射強度與532nm總后向散射強度的比值,由公式(6)所得.它反映的是被測顆粒的大小,粒徑越大顏色比越大,反之越小.沙塵氣溶膠的顏色比分布在0.3～1.5之間,且當顏色比大于0.8時以純沙塵氣溶膠為主[21-22].

退偏振比定義為532nm后向散射強度垂直分量與平行分量的比值,由式(7)所得,反映的是被測粒子的非球形程度.當退偏比越小,表明粒子越接近于球形,反之越不規則.沙塵型氣溶膠的退偏比分布在0.06～0.35之間,并以0.06為基準來區分沙塵氣溶膠和其他類型的氣溶膠[23].

1.1.3 30m全球地表覆蓋類型數據由中國自主研制的30m空間分辨率全球地表覆蓋數據,包括GlobeLand30 2000,2010,2020版[24].GlobeLand30研制所使用的遙感影像主要是30m多光譜影像,包括陸地資源衛星(Landsat)的TM5,ETM+,OLI和中國環境減災衛星(HJ-1)的多光譜影像,2020版數據還使用了16m分辨率高分一號(GF-1)多光譜影像.2020版30m全球地表覆蓋數據包括耕地,森林,草地,灌木地,濕地,水體,苔原,人造地表,裸地,冰川及永久積雪10種地表覆蓋類型.分類系統定義見表1.

表1 GlobeLand30分類系統

1.1.4 NCEP/NCAR再分析數據與空氣質量數據 NCEP/NCAR再分析數據是由美國氣象環境預報中心(NCEP)和美國國家大氣研究中心(NCAR)聯合制作的,采用了當今最先進的全球資料同化系統和數據庫對各種來源(地面,船舶,無線電探空,測風氣球,飛機,衛星等)的觀測資料進行質量控制和同化處理得到的一套完整的再分析數據.依據其統計時段不同,分為逐日,一日四次和月平均再分析資料.研究使用的數據是2021年1月10～17日500hPa氣壓層全球逐日的位勢高度,海平面氣壓和850hPa的風場數據,以及2001～2021年每年1月份的土壤濕度,降水量和地表氣溫月平均數據.

PM10濃度數據來自中國環境監測總站,根據沙塵移動路徑和影響范圍選取15個典型代表站,包括銀川,呼和浩特,太原,石家莊,北京,天津,鄭州,濟南,合肥,南京,上海,杭州,武漢,長沙和南昌站.

1.2 研究方法

通過目視解譯和預定義亮溫差閾值的分裂窗法確定沙塵源地.首先,利用MODIS L1B數據1,4,3波段的彩色合成影像獲取沙塵天氣的初步信息,在彩色圖像中,黃褐色具有羽毛紋理狀的為沙塵.而且,不同來源的沙塵顏色略有不同,從灰白,黃褐色到棕褐色等.雖然,通過遙感影像目視解譯可以初步識別沙塵來源和傳輸方向,但是很難將沙塵從其他地物中區別開,而且也會存在誤判現象.然而,在MODIS 31,32波段亮度溫差(BTD)[25]圖像中,云區和水體為正值,晴空地表在0附近,沙塵區則為負值,且濃度越高,值越小.因此,本文通過設定相應的亮溫差閾值(-0.3K)將沙塵從復雜的地表中提出來,并根據沙塵羽紋理及輪廓邊界確定沙塵源地.

由普朗克黑體輻射定律可知

式中:為普朗克常數,=6.6260693×10-34J·s;為光速,=2.9979246×108m/s;為玻爾茲曼常數,= 1.3806505′10-23J/K;為波長,μm;為亮度溫度,K.則經輻射校正后的31和32波段的亮度溫度可以通過式(9)得到.

式中:T為MODIS第(=31,32)波段亮度溫度;λ為MODIS第波段的中心波長,取31=11.03μm,32= 12.02μm;R為MODIS第波段的輻射亮度, W/ (m2·sr·μm);1為第一輻射常數,1=1.19104356× 10-16W·m2;2為第二輻射常數,2=1.487685× 104μm·K.

2 結果與分析

2.1 沙塵天氣的大氣環流特征分析

由圖1可知,在沙塵天氣爆發前后,歐亞大陸中高緯大氣環流呈現兩槽一脊型,且經向度大.位于烏拉爾山西部的高壓脊較弱,低壓槽位于歐洲中部和鄂霍次克海西部地區,東亞大槽自鄂霍次克海向西南方向延伸至中國中東地區,位置偏南,強度較高,有利于極地冷空氣南下.

1月10日,地面冷高壓中心位于內蒙古西部地區,中心強度高達1050hPa,活動在新地島附近的高壓脊較為強盛,迫使大量的冷空氣堆積在西西伯利亞橫槽的后部.受橫槽下擺和冷高壓中心東移南下的影響,使得蒙古國南部至中國北部地區的冷空氣勢力較強.冷鋒貫穿內蒙古東西地區,由于等壓線較為密集,氣壓梯度大,鋒后隨之而來的是較強的西北風,內蒙古西部部分地區風速可達14m/s,陣風超過20m/s,內蒙古西部和蒙古國南部地區開始出現明顯的沙塵天氣.11日,歐亞大陸中高緯環流呈現減弱態勢,但活動在中國北方的冷空氣仍較為頻繁.在偏北處中高緯度地區有一強度較弱,移動較快的氣旋形成,在高空氣流引導下快速向東移動,其后部的冷高壓也隨之快速東移,強度較之前略有減弱.此時,在西北風的作用下,隨上升氣流擴散到高空中的沙塵開始向下游地區輸送.12日,地面冷高壓中心位于新疆東南部,中心氣壓強度達1040hPa.當日,有一強度較弱的冷渦形成于烏拉爾山脈南部地區,使位于蒙古國與新疆西部的冷鋒加快發展,內蒙古中西部與蒙古國南部局地陣風可達18m/s.500hPa氣旋式環流異常和850hPa強西北風有利于沙塵的垂直上升和水平傳輸,使得沙塵天氣再度發展.到13日,低壓中心位于北伯利亞平原,低壓槽位于貝加爾湖東部,槽后冷空氣勢力強大,且在中高緯地區有一冷氣旋形成并東移南下侵襲中國北方地區,氣旋后部冷高壓中心強度可達1040hPa.受低壓槽與氣旋東移南下的影響,槽后和氣旋后部的冷空氣迅速影響到內蒙古中東部地區,使得沙塵天氣發展到強盛階段.1月14日,冷高壓中心位于蒙古國西部地區,高壓中心強度達1050hPa,地面冷鋒到達新疆中部并向南移動,新一輪冷空氣侵襲中國長江以北大部分地區,冷鋒后較強的西北風推動攜帶有大量沙塵的氣團繼續向東南移動.由于冷風移動和減弱的速度較快,到15日中國中東部地區氣壓梯度減弱,地面風速減小,沙塵天氣有減弱結束的趨勢.至16～17日,地面冷高壓中心由蒙古國西北部向南移動,高壓中心強度由1060hPa逐漸降低至1050hPa.沙塵天氣殘余在偏北氣流的作用下繼續向南輸送,江漢,江南北部等地出現了短暫且強度較弱的沙塵天氣.

2.2 沙塵源區地理環境與氣候特征的遙感監測

由圖2(a) MODIS 1,4,3波段彩色合成圖像可知,圖像中黃褐色且似羽毛狀的紋理部分,主要由地表上的沙塵隨強風擴散到空氣中形成的塵暴區,而色調更深的棕褐色區域則是靠近地表的沙塵區.圖2(b)MODIS 31,32波段BTD圖像較好的刻畫了沙塵區域輪廓,沙塵區紋理較為明顯,可以清晰地判斷沙塵天氣的形成源地與發展態勢.此外,從BTD圖像也可知空氣中的沙塵濃度由東南向西北逐漸增加,表明沙塵天氣強度從東南向西北逐漸增強的.綜合圖2(a),(b)沙塵羽紋理和輪廓邊界可以確定,2021年1月沙塵天氣主要起源于內蒙古西部與蒙古國南部地區.

沙塵天氣的形成與源地的地理環境和氣候特征有著密切的關系.由圖3沙塵源地(紅色方框)地表覆蓋類型圖可見,沙源地的地表類型以裸地為主,植被覆蓋度較低,且世界第四大沙漠-巴丹吉林沙漠位于源區內,為沙塵天氣的形成提供了大量物質基礎.而且,發生時間為冬季,源區內盛行西北風,地表上的沙塵微粒極易被大風攜帶到大氣中,形成沙塵天氣.

圖2 沙塵源區與沙塵提取

圖3 沙塵源地地表覆蓋類型

利用2001～2021年每年1月份的月平均再分析資料,通過公式(10)計算得到2021年1月份源區內的降水量,地表氣溫和土壤濕度距平分布,如圖4.

式中:P為某時段距平值;P為某時段的值,=1,2,…,.

由圖4(a)多年降水距平分布可知,2021年1月沙塵源區內的降水量較常年同期異常偏低0.3～0.6mm.主要由于低緯度地區南支槽異常偏西,偏弱,不利于印度洋的暖濕氣流向北方地區輸送,致使月內中國北方大部分地區無明顯降水天氣[26].其次,內蒙古中西部和蒙古國南部大部分地區的氣溫較常年明顯偏高1～2℃,土壤濕度較常年偏低.由于月內降水偏少,氣溫偏高,土壤含水量較少,使得源區內大面積裸露且松散的土壤附著力降低,為大范圍沙塵天氣的爆發創造了一定的條件.

2.3 沙塵天氣的水平特征及發展

當沙塵天氣出現時,地面的沙塵在強風的作用下擴散到大氣中,利用MODIS能夠有效地監測空氣中沙塵的時空變化.由圖5所示,1月10～17日的沙塵天氣過程起源于中國內蒙古西部和蒙古國南部地區,逐漸向東南方向移動.

由圖5(a)可知,1月10日僅在蒙古國南部和內蒙古西部局地出現沙塵天氣,影響范圍較小,強度較低,局部地區AOD值大于1.而11日的沙塵天氣較前一天有明顯的增強和擴張的趨勢,其中,內蒙古西部阿拉善盟地區的沙塵天氣最為嚴重.至12日,沙塵天氣發展愈加強烈,部分地區AOD值高于2.在西北風的作用下逐漸向東擴散到寧夏,陜西和山西等地,在內蒙古西部的阿拉善盟和甘肅的河西局部地區出現沙塵暴天氣.1月13日,受頻繁活動的冷空氣持續作用,攜帶高濃度沙塵的氣團繼續向東南方向移動,陜西省,山西省,京津冀地區,渤海海域及其周邊地區,黃海北部和黃淮地區均受到了沙塵天氣影響,AOD值均在1.3以上.內蒙古中部,陜西北部,山西大部和河北南部地區受沙塵天氣影響最為嚴重,空氣質量以重度污染為主.至14日,沙塵天氣強度和影響范圍較之前有明顯的減弱態勢,AOD高值區域明顯減少,空氣中的沙塵濃度大幅度下降.但是,華北部分地區仍然受到沙塵天氣影響,含有大量沙塵的氣團繼續向下游地區輸送,朝鮮半島北部與遼寧省南部地區受沙塵傳輸影響最為嚴重.受上游沙塵傳輸影響,在渤海海域及其周邊地區,黃淮和江淮北部以及黃海海域等地出現揚沙或浮塵天氣,空氣質量以輕至中度污染為主.到1月15日,由于西北地區沙源地和中東大部分地區風力減弱,且大氣擴散條件轉好,影響中國北方地區的沙塵天氣過程逐步緩解,但華北部分地區仍會受到浮塵或揚沙天氣的影響.停留在空氣的部分沙塵顆粒隨大氣運動被輸送到日本海東部地區甚至更遠的地方.16～17日,沙塵天氣趨于結束,但在偏北氣流的引導下,受此次沙塵天氣殘余的影響,黃淮,江淮地區,江漢及江南北部部分地區仍會有浮塵天氣的出現.

此次沙塵天氣的傳輸方向整體是自源地沿西北-東南方向向下游輸送,這不僅與影響此次沙塵天氣主要天氣系統和盛行風向有密切的聯系,而且與東亞地形有著緊密的關系.雖然,天氣系統和沙塵層的主導氣流是影響沙塵傳輸的主要因素,它決定了沙塵輸送的方向,距離和影響范圍,在地形較為平坦的地區往往較為明顯[27].但是,在地形高度較高和起伏較大的地區,沙塵的傳輸很大程度上受地形的影響[28].由于內蒙古西部與蒙古國南部的沙源地北側為西南-東北走向的薩彥嶺,南側為西北-東南走向的青藏高原,西部則是準葛爾盆地的出口,因此形成一個自西北向東南的“喇叭口”地形[29].內蒙古西部與蒙古國南部的沙源地正好位于“喇叭口”的中部.因此,在這一區域的沙塵天氣無疑有利于向東,向南擴散.盡管蒙古國南部和內蒙西部處于相對低洼的地帶,但是從薩彥嶺山沿西北-東南方向直至蒙古高原,再到黃土高原和華北平原,總體上呈一個緩慢的下坡過程,為沙塵天氣的傳輸提供了有力條件.此外,冷空氣南下爆發路徑往往是沿西北-東南方向,導致發生在邊界層中的沙塵天氣易沿西北-東南方向擴展.

圖5 2021年1月10～17日沙塵天氣過程每日MODIS AOD和PM10濃度分布

在較強西北氣流的作用下,攜帶高濃度沙塵的氣團沿著東南方向向下游地區輸送,中國西北地區中東部,華北地區大部,黃淮,江淮和江南部分地區先后受到沙塵天氣的影響,沙塵輸送途經地區空氣質量迅速轉差.至1月13日21:00,全國337個地級及以上城市中,40個城市PM10日均濃度達中度及以上污染水平,蒙甘陜寧交界地區7個城市空氣質量指數日均值“爆表”.根據沙塵移動路徑和影響范圍選取典型城市的PM10日均濃度變化如圖5所示.

由圖5典型城市PM10日均濃度可知,地處西北地區的城市在11日就受到了沙塵天氣的影響,主要以浮塵天氣為主,PM10日均濃度開始出現小幅度增長,距沙塵源區最近的銀川市PM10日均濃度從最初的84μg/m3快速升高到289μg/m3.隨后在12,13日,西北和華北部分地區城市PM10日均濃度先后達到了峰值,然后出現下降趨勢,空氣質量主要以輕至中度污染為主,部分地區為重度污染.其中,銀川市,呼和浩特市和太原市PM10日均濃度峰值均超過了1000μg/m3,北京和天津市PM10日均濃度較1月10日大幅增長,均超過230μg/m3.至14日,除內蒙古中西部和山西中部地區城市PM10日均濃度仍較高外,如呼和浩特市和太原市PM10日均濃度為1007和690μg/m3,為重度污染水平,西北和華北地區大部分城市PM10日均濃度呈降低趨勢.然而,黃淮,江淮地區的PM10日均質量濃度有小幅度升高趨勢.15日后,沙塵天氣趨于結束,中國北方地區城市PM10日均濃度開始下降,但沙塵天氣殘余的影響,江漢,江南北部地區城市的PM10濃度有短暫升高的現象,南昌市在1月16日的PM10日均質量濃度達到了364μg/m3,為重度污染水平.

2.4 沙塵天氣的垂直特征及發展

MODIS氣溶膠產品可以有效地監測到沙塵天氣的水平特征和傳輸過程,但它既不能觀測到沙塵氣溶膠的垂直分布特征,也不能在夜間進行觀測.為了更加全面地認識2021年首次沙塵天氣氣溶膠的垂直分布特征,進一步利用CALIPSO衛星的CALOP數據對傳輸過程中的沙塵氣溶膠垂直分布特性進行了監測分析.

CALIPSO衛星在北京時間1月12日凌晨先后經過內蒙古中西部,陜西省東部和山西省西部(32°N109.4°E～41°N112°E),其運行軌跡如圖6(d)所示.對應于圖6(a)中(紅色標記)可知,內蒙古中西部,陜西省東部和山西省西部1～4km高度的532nm總衰減后向散射系數分布在0.001～0.0045km-1·sr-1之間,而在內蒙古中西部交界處,陜西中北部和山西西北部1～3km高度范圍內存在總衰減后向散射系數高值區.此外,在湖北省西部,重慶市及貴州省中東部地區(25.4°N107.6°E～31.6°N109.4°E)的總衰減后向散射系數有明顯分層現象.其中2km高度以下總衰減后向散射系數集中在0.002～0.0045km-1·sr-1之間,而2～6km高度范圍內的總衰減后向散射系數則分布在0.0006～0.0025km-1·sr-1之間(圖6(a)黑色標記).再由圖6(b),(c)氣溶膠顆粒退偏比和顏色比可見,內蒙古中部交界區,陜西中北部和山西西北部地區的退偏比在0.1～0.5之間,顏色比在0.6～1.5之間;湖北省西部,重慶市及貴州省中東部地區退偏比集中分布在0.1～0.3,顏色比分布在0.6～1.2之間.綜上,可知內蒙古中西部,山西和陜西交界區域1～3km高度內存在大量的沙塵型氣溶膠,且形狀不規則,粒徑較大;重慶市和貴州省中東部及湖北省西部地區1～6km高度內存在少量,粒徑較小的沙塵氣溶膠.此外,也有研究表明,當退偏振比大于0.1,且色比不低于0.4,就表明該地區出現了沙塵天氣[30],這與實際情況相符.

由圖7(d)所示,CALIPSO衛星在1月17日01:08分先后經過日本西部海域,本州島南部地區和菲律賓海域(24.02°N134.04°E～33.9°N136.62°E).該地區14km高度范圍的532nm總衰減后向散射系數分布來看,從日本本州島南部海域至本州島西北部海域(32°N136.1°E～33.99°N136.62°E)上空的后向散射系數明顯大于0.0045km-1·sr-1,說明該地區上空存在較厚的云層,CALIPSO衛星完全探測不到云層底部沙塵顆粒的分布特征.然而,菲律賓海北部地區(27°N134.7°E～31.85°N136.1°E) 0～5km高度范圍內(圖7(a)紅色標記)的532nm總衰減后向散射系數分布0.0008～0.004km-1·sr-1之間,0～4km則集中在0.002km-1·sr-1附近;南部地區0～2km高度內的總衰減后向散射系數分布在0.001～0.0035km-1·sr-1之間(黑色標記),以上說明菲律賓海域上空存在大量的氣溶膠粒子.結合圖7(b),(c)體積退偏比和顏色比垂直分布特征來看,菲律賓海域北部2km高度以下氣溶膠粒子體積退偏比主要分布在0.1～0.2之間,顏色比分布在0.6～1.5之間;2～5km高度內的體積退偏比分布在0.1～0.3之間,顏色比在0.6～1.2之間;南部地區的氣溶膠粒子體積退偏比集中在0.1～0.2之間,顏色比在0.3～1.3之間.已經有研究結果表明,煙塵型氣溶膠粒子的顏色比主要集中在0.35,而沙塵型氣溶膠顏色比集中在0.8,當氣溶膠粒子的退偏比大于0.06則被判斷為沙塵氣溶膠;在退偏比極小,而顏色比較大時被分類為煙塵型氣溶膠;在退偏比較小,而顏色比較大時則是混合型氣溶膠.此外,還有研究結果表明海洋型氣溶膠通常是球形氣溶膠,其體積退偏比較小,大多接近0[31].綜上所述,可知在菲律賓海域北部2～5km高度范圍內主要是沙塵型氣溶膠,0～2km則是以煙塵氣溶膠為主;而南部海域則是沙塵型,煙塵型與海洋型氣溶膠組成的混合型氣溶膠.根據圖1當日的風場和圖4沙塵傳輸路徑來看,出現在菲律賓海域低層大氣中的沙塵,主要受起源于內蒙古西部與蒙古國南部高強度沙塵天氣的影響.

圖6 2021年1月12日00:55 CALIPSO衛星532nm總衰減后向散射系數,退偏振比,顏色比垂直剖面圖及運行軌跡線

圖7 2021年1月17日01:08 CALIPSO衛星532nm總衰減后向散射系數,退偏振比,顏色比垂直剖面圖及運行軌跡線

3 討論

本文通過主被動遙感觀測相結合的方式對2021年首次沙塵天氣進行全面的監測分析研究,實現了不同遙感觀測方式的優勢互補.但是,也存在以下問題:一是無論是主動遙感還是被動遙感都會受到云的影響,尤其光學遙感受云層的影響較大;二是CALIPSO衛星是極軌衛星,觀測周期比靜止衛星長,且掃描幅寬較小,無法獲取大面積,多時相氣溶膠的垂直分布特征.此外,風為沙塵天氣形成提供了動力,風力大小和風場格局主要受區域氣候,大氣環流和地貌格局的控制,而大氣環流和氣候因子中的水熱組合變化會影響到下墊面植被的長勢和表層土壤濕度,進而影響沙塵的起動與傳輸過程.因此,在以后的研究中更加關注沙塵天氣與地氣系統中水熱組合變化之間的關系,為沙塵天氣的監測,預報和防治提供理論依據.

4 結論

4.1 2021年1月份,在降水偏少,氣溫異常偏高和土壤濕度降低的氣候背景下,多股冷空氣持續南下侵襲中國北方地區,是2021年中國北方首次沙塵天氣的動力因子,源區內大面積裸露的土體是沙塵天氣的物質基礎.

4.2 沙塵天氣在1月10日形成后繼續發展,強度和影響范圍呈逐漸增加、擴大的趨勢,至1月13日發展到鼎盛階段. 空氣中的沙塵整體沿西北-東南方向向下游輸送,中國西北地區東部,華北大部,黃淮,江漢,江南d等地區也受到了沙塵天氣的影響,空氣質量迅速惡化,主要污染物為PM10.此外,沙塵氣溶膠東移也波及到朝鮮韓國等下游地區.

4.3 對于此次沙塵天氣過程中沙塵有明顯的向東南輸送而言,處于傳輸路徑上游地區的沙塵主要分布在1～6km,粒徑較大且形狀不規則;而在下游地區沙塵集中分布2km高度附近,且形狀趨于規則.此外,沙塵從源地向下游輸送過程中,粒徑較大的沙塵顆粒隨移動距離的增加出現的頻率下降,且主要集中在近地表附近,這是整個傳輸過程中共有的特征.

[1] Xu C, Guan Q, Lin J, et al. Spatiotemporal variations and driving factors of dust storm events in Northern China based on high- temporal-resolution analysis of meteorological data (1960～2007) [J]. Environmental Pollution, 2020,260:114084.

[2] 陳 杰,趙素平,殷代英,等.沙塵天氣過程對中國北方城市空氣質量的影響[J]. 中國沙漠, 2015,35(2):423-430.

Chen J, Zhao S P, Yin D Y, et al. Effect if dust process on air quality in cities of Northern China [J]. Journal of Derset Research, 2015,35(2): 423-430.

[3] Fuks D, Ackermann O, Ayalon A, et al. Dust clouds, climate change and coins: consiliences of palaeoclimate and economy in the Late Antique southern Levant [J]. Levant, 2017,49(2):205-223.

[4] 曹廣真,張 鵬,陳 林,等.地面能見度觀測在衛星遙感IDDI指數中的融合應用[J]. 遙感技術與應用, 2013,28(4):588-593.

Cao G Z, Zhang P, Chen L, et al. Duststorm detection by merging meteorological visibility with remote sensing IDDI [J]. Remote Sensing Technology and Application, 2013,28(4):588-593.

[5] 王 威,胡秀清,張 鵬,等.白天和夜間通用的衛星遙感沙塵判識算法構建與驗證分析[J]. 氣象, 2019,45(12):1666-1679.

Wang W, Hu X Q, Zhang P, et al. Construction and validation of remote sensing dust recognition algorithm in daytime and nighttime [J]. Meteor Mon, 2019,45(12):1666-1679.

[6] 邱 昀,李令軍,鹿海峰,等.基于Himawari 8的沙塵遙感監測與應用[J]. 中國環境科學, 2018,38(9):3305-3312.

Qiu Y, Li L J, Lu H F, et al. Dsut remote sensing monitoring and application based on Himawari 8 [J]. China Environmental Science, 2018,38(9):3305-3312.

[7] 張 鵬,王春姣,陳 林,等.沙塵氣溶膠衛星遙感現狀與需要關注的若干問題[J]. 氣象, 2018,44(6):725-736.

Zhang P, Wang C J, Chen L, et al. Current status of satellite-based dust aerosol remote sensing and some issues to be concerned [J]. Meteor Mon, 2018,44(6):725-736.

[8] Tiwari S, Kumar A, Pratap V, et al. Assessment of two intense dust storm characteristics over Indo–Gangetic basin and their radiative impacts: a case study [J]. Atmospheric Research, 2019,228:23-40.

[9] Han X, Gao H, Yang J, et al. Advances in Ecological Applications of Fengyun Satellite Data [J]. Journal of Meteorological Research, 2021, 35(5):743-758.

[10] Kaufman Y J, Tanré D, Dubovik O, et al. Absorption of sunlight by dust as inferred from satellite and ground‐based remote sensing [J]. Geophysical Research Letters, 2001,28(8):1479-1482.

[11] Zhang P, Lu N, Hu X, et al. Identification and physical retrieval of dust storm using three MODIS thermal IR channels [J]. Global and Planetary Change, 2006,52(1-4):197-206.

[12] Huang J, Ge J, Weng F. Detection of Asia dust storms using multisensor satellite measurements [J]. Remote Sensing of Environment, 2007,110(2):186-191.

[13] De Graaf M, Stammes P, Torres O, et al. Absorbing Aerosol Index: Sensitivity analysis, application to GOME and comparison with TOMS [J]. Journal of Geophysical Research: Atmospheres, 2005, 110(D1):201.

[14] Vaughan M A, Powell K A, Winker D M, et al. Fully automated detection of cloud and aerosol layers in the CALIPSO lidar measurements [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):2034-2050.

[15] Hsu N C, Jeong M J, Bettenhausen C, et al. Enhanced deep blue aerosol retrieval algorithm: The second generation [J]. Journal of Geophysical Research: Atmospheres, 2013,118(16):9296-9315.

[16] Levy R C, Mattoo S, Munchak L A, et al. The Collection 6MODIS aerosol products over land and ocean [J]. Atmospheric Measurement Techniques, 2013,6(11):2989-3034.

[17] Sayer A M, Munchak L A, Hsu N C, et al. MODIS collection 6 aerosol products: Comparison between Aqua's e‐Deep blue, dark target, and “merged” data sets, and usage recommendations [J]. Journal of Geophysical Research: Atmospheres, 2014,119(24):13,965-13,989.

[18] Winker D M, Pelon J R, McCormick M P. CALIPSO mission: spaceborne lidar for observation of aerosols and clouds [C]//Lidar Remote Sensing for Industry and Environment Monitoring III. International Society for Optics and Photonics, 2003,4893:1-11.

[19] Powell K A, Hostetler C A, Vaughan M A, et al. CALIPSO lidar calibration algorithms. Part I: Nighttime 532-nm parallel channel and 532-nm perpendicular channel [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):2015-2033.

[20] 陳勇航,毛曉琴,黃建平,等.一次強沙塵輸送過程中氣溶膠垂直分布特征研究[J]. 中國環境科學, 2009,29(5):449-454.

Chen Y H, Mao X Q, Huang J P, et al. Vertical distribution characteristics of during a long-distance transport of heavy dust pollution [J]. China Environmental Science, 2009,29(5):449-454.

[21] Zhang Z, Huang J, Chen B, et al. Three‐year continuous observation of pure and polluted dust aerosols over Northwest China using the ground-based lidar and sun photometer data [J]. Journal of Geophysical Research: Atmospheres, 2019,124(2):1118-1131.

[22] 劉 貞,張雪姣,鄭有飛,等.基于CALIPSO對中國春季一次沙塵暴的研究[J]. 環境科學學報, 2016,36(12):4315-4327.

Liu Z, Zhang X J, Zheng Y F, et al. Spatio-temporal distribution and transport behavior of a dust event based on the CALIPOS in China [J]. Acta Scientiae Circumstantiae, 2016,36(12):4315-4327.

[23] Liu D, Wang Z, Liu Z, et al. A height resolved global view of dust aerosols from the first year CALIPSO lidar measurements [J]. Journal of Geophysical Research: Atmospheres, 2008,113(D16):214.

[24] Chen J, Cao X, Peng S, et al. Analysis and applications of Globe Land 30: a review [J]. ISPRS International Journal of Geo-Information, 2017,6(8):230.

[25] Darmenov A, Sokolik I N. Identifying the regional thermal‐IR radiative signature of mineral dust with MODIS [J]. Geophysical Research Letters, 2005,32(16):803.

[26] 國家氣候中心,2021.2021年1月中國氣候影響評價[EB/OL]. https://cmdp.ncc-cma.net/influ/moni_china.php.

National Climate Centre, 2021. Assessment of climate impact over China in January 2021 [EB/OL]. https://cmdp.ncc-cma.net/influ/ moni_china.php.

[27] 宋敏紅,錢正安,蔡 英,等.中蒙強弱沙塵暴年春季平均環流及沙塵活動變化分析[J]. 氣象學報, 2007,65(1):94-104.

Song M H, Qian Z A, Cai Y, et al. Analyses of spring mean circulation for strong and weak dust-storm activity years in China-Mongolia area [J]. Acta Meteorologica Sinica, 2007,65(01):94-104.

[28] 姜學恭,沈建國,劉景濤,等.導致一例強沙塵暴的若干天氣因素的觀測和模擬研究[J]. 氣象學報, 2003,61(5):606-620.

Jiang X G, Shen J G, Liu J T, et al. Observational and numerical simulation study of some weather factors leading a severe dust storm [J]. Acta Meteorologica Sinica, 2003,61(5):606-620.

[29] 姜學恭,陳受鈞.地形影響沙塵傳輸的觀測和模擬研究[J]. 氣象學報, 2008,66(1):1-12.

Jiang X G, Chen S J. An observational and numerical study on the topography influence on the transportation [J]. Acta Meteorologica Sinica, 2008,66(1):1-12.

[30] 董旭輝,杉本伸夫,白雪椿,等.激光雷達在沙塵觀測中的應用—2004年春季北京和呼和浩特沙塵天氣的解析 [J]. 中國沙漠, 2006,26(6): 942-947.

Dong X H, Sigimoto N, Bai X C, et al. Application of lidar in sandstorm observation—Analysis of dust event of Beijing and Hohhot in spring of 2004 [J]. Journal of Derset Research, 2006,26(6): 942-947.

[31] 毛曉琴,陳勇航,耿福海,等.應用CALIPSO衛星資料研究長三角地區灰霾天氣特征[C]//第26屆中國氣象學會年會大氣成分與天氣氣候及環境變化分會場論文集. 2009:622-630.

Mao X Q, Chen Y H, Geng F H, et al.Application of CALIPSO satellite data to study the characteristics of haze weather in the Yangtze River Delta region [C]//Proceedings of the 26th Annual Meeting of the Chinese Meteorological Society. 2009:622-630.

致謝：30m 全球地表覆蓋數據來源于國家基礎地理信息中心全球地表覆蓋數據產品服務網站(DOI:10.11769),空氣質量數據來源于中國環境監測總站,衛星遙感數據來源于美國國家航空航天局,再分析資料來源于美國國家氣象環境預報中心和大氣研究中心.在此,對以上數據來源單位表示衷心的感謝!

Multi-source remote sensing analysis of the first sand and dust weather in Northern China in 2021.

WANG Ning, CHEN Jian*, ZHANG Yuan-yuan, XU Yong-ming, CUI Jia-wen

(School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(5)：2002～2014

The daily atmospheric circulation situation and both the horizontal and vertical distribution patterns of sand and dust during the first dust weather event in Northern China in 2021 are investigated by using multi-source remote sensing data and NCEP reanalysis data and taking account of the geographical environment and climatic characteristics of the dust source area. The results showed that the abnormal temperature increase and scarce precipitation in the source area lead to a decrease in water content for a large-area bare and loose soil, providing a material basis for the formation of large-scale and high-intensity sand and dust weather; moreover, the frequent activities of cold air turned out to be the driving factor for the outbreak of sand and dust weather. Sand and dust were transported and diffused along the southeast direction in strong winds to the downstream areas. Northwest China, North China, Huanghuai, Jianghuai, Jianghan and northern Jiangnan were affected by sand and dust weather in sequence, where air quality were rapidly deteriorated with the primary pollutant PM10. In addition, the eastward migration of sand and dust aerosols also affected downstream areas such as the Korean Peninsula and Japan. During the transportation process, the sand and dust in the inland areas were mainly distributed in the altitude from 1to 6km, while the sand and dust in the downstream areas were concentrated near the height of 2km. The dust with larger particle size appeared more frequently near the surface, while the smaller particles were mainly distributed in the middle and lower troposphere.

multi-source remote sensing；dust weather；atmospheric circulation

X51,X87

A

1000-6923(2022)05-2002-13

王 寧(1997-),男,江蘇徐州人,碩士研究生,主要研究方向為大氣環境.發表論文1篇.

2021-10-25

國家自然科學基金資助項目(41871028,42176180);江蘇省環境監測科研基金資助項目(1903)

* 責任作者, 副教授, chjnjnu@163.com