基于GF-5%2802%29卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布.pdf

第 18 卷 第 4 期2023 年 7 月大 气 与 环 境 光 学 学 报JOURNAL OF ATMOSPHERIC AND ENVIRONMENTAL OPTICSVol.18 No.4Jul.2023基于基于GF-5(02)卫星卫星DPC数据的数据的2022年春季陆年春季陆表细粒子气溶胶光学厚度空间分布表细粒子气溶胶光学厚度空间分布董鉴韬 1,2,李正强 2,谢一凇 2*,樊 程 2,洪 津 3,戴刘新 2,顾浩然 2,4,郑 杨 2(1 河南理工大学测绘与国土信息工程学院,河南 焦作 454003;2 中国科学院空天信息创新研究院国家环境保护卫星遥感重点实验室,北京 100101;3 中国科学院合肥物质科学研究院安徽光学精密机械研究所,安徽 合肥 230031;4 安徽师范大学地理与旅游学院,安徽 芜湖 241000)摘要:大气细粒子气溶胶主要来源于人类生产生活排放，可以反映人为活动对大气的影响，因此细粒子气溶胶光学厚度(AODf)是大气环境领域重要的基础大气参数之一。本研究基于查找表反演方法，利用高光谱观测卫星 GF-5(02)多角度偏振成像仪(DPC)数据，得到2022年春季(35月)的全球陆表AODf，并通过AERONET对反演结果进行了初步验证。对AODf的分析结果表明：1)全球陆表AODf分布呈现明显的南北差异，南半球基本为低值，北半球的高值区域主要集中在亚洲地区；2)中国地区陆表AODf在“胡焕庸线”两侧差别显著，东南侧的高值主要集中在川渝腹地、华北平原和两广地区，而西北侧基本表现为低值覆盖，人为和自然因素均对AODf的分布有一定的影响；3)南亚地区和非洲中-北部的AODf分布与当地燃烧活动产生的烟尘以及季风环流等因素有一定的相关性。此外，DPC的AODf数据与MODIS细粒子产品的对比结果表明二者的AODf高值区域分布基本一致，而DPC在高亮地表有着更为完整的反演结果，可以为全球和重点区域的大气环境监测提供支持。关 键 词:高分五号02星;细粒子气溶胶光学厚度;偏振反演;空间分布;人为活动中 图 分 类 号:TP391.9 文 献 标 识 码:A 文章编号:1673-6141(2023)04-323-016Spatial distribution of fine-mode aerosol optical depth over land in spring 2022 based on DPC/GF-5(02)DONG Jiantao 1,2,LI Zhengqiang 2,XIE Yisong 2*,FAN Cheng 2,HONG Jin 3,DAI Liuxin 2,GU Haoran 2,4,ZHENG Yang 2(1 School of Surveying and Land Information Engineering,Henan Polytechnic University,Jiaozhuo 454003,China;2 State Environmental Protection Key Laboratory of Satellite Remote Sensing,Aerospace Information Research Institute,Chinese Academy of Sciences,Beijing 100101,China;3 Anhui Institute of Optics and Fine Mechanics,Hefei Institutes of Physical Science Chinese Academy of Sciences,Hefei 230031,China;4 College of Geography and Tourism,Anhui Normal University,Wuhu 241000,China)DOI:10.3969/j.issn.1673-6141.2023.04.004基金项目:国家自然科学基金(42175147),国家杰出青年科学基金(41925019),海南省重点研发计划(ZDYF2020206)作者简介:董鉴韬(1998-),四川绵阳人,硕士研究生,主要从事大气气溶胶卫星偏振遥感方面的研究。E-mail:导师简介:见本期310页收稿日期:2023-02-20;修改日期:2023-03-27*通信作者。E-mail:大 气 与 环 境 光 学 学 报18 卷AbstracAbstract t:Atmospheric fine-mode aerosols,which are mostly originated from anthropogenic emissions,can reflect human activitys impacts on the atmosphere.Therefore,the fine-mode aerosol optical depth(AODf)is one of the basic parameters in the filed of atmospheric environment.Based on the remote sensing data of Directional Polarimetric Camera(DPC)onboard Gaofen-5(02)satellite,the AODf data over global land of spring 2022(from March to May)were obtained using the look-up table retrieval method in this study,and then the AODf inversion results were verified using the ground-based observation of AERONET sites.Based on the analysis of AODf distribution,it is found that the distribution of global AODf shows an obvious north-south difference,with low values in the southern hemisphere and high values in the northern hemisphere mainly concentrated in the Asian region.In China,AODf distribution shows considerable differences between the two sides of the Hu-Huanyong Line.On the south-east side,the high AODf values is mainly concentrated in the Sichuan-Chongqing region,North China Plain and the Guangdong-Guangxi region,while on the north-west side,AODf is generally low over Qinghai-Tibet Plateau and desert area.This kind of spatial distribution pattern of AODf reflects the influence from both anthropogenic factors and natural factors.As for South Asia and Central-North Africa,it is shown that AODf distribution is correlated with smoke and soot emissions from local burning combustion,and meteorological factors such as monsoon.In addition,the AODf retrieval data from DPC were compared with MODIS fine-mode aerosol products,and it is found that the spatial distribution of high AODf from the two datasets is basically consistent,while DPC data have a better coverage for bright surface than MODIS data,which makes it more suitable for providing data support for global and regional monitoring of atmospheric environment.K Keyey wordswords:Gaofen-5(02);fine-mode aerosol optical depth;polarization-oriented inversion;spatial distribution;anthropogenic emission0 引言大气气溶胶是地球大气系统的重要组成部分,主要由空气动力学直径小于100 m的颗粒物构成,这些颗粒物对人类健康和生态环境造成一定的影响1。近十年来广受全球关注的PM2.5是典型的细粒子气溶胶,其空气动力学直径小于2.5 m。由于其可入肺的特点,我国从2013年开始就在74个城市共496个监测点位开展PM2.5的原位监测2。近期研究也表明,以PM2.5为代表的大气气溶胶可能对新型冠状病毒肺炎的流行程度起到促进效果3。细粒子气溶胶光学厚度(AODf)定义为气溶胶光学厚度(AOD)与细粒子比例(FMF)的乘积,表征了整层大气细粒子气溶胶对于辐射的衰减作用。由于人为活动是细粒子气溶胶的主要来源,AODf数值在一定程度上反映了人为活动的强度及对大气环境的影响。相关研究已经利用AODf(或AOD与FMF)和其他大气参数对近地面PM2.5质量浓度进行了估算46。因此,AODf监测数据可以间接地评估大气环境质量,为生态文明建设提供基础性决策支持。大气气溶胶的观测手段大致可以分为地基、航空、卫星观测三类。代表性的地基观测仪器是太阳-天空辐射计(CE-318),气溶胶探测结果精度较高,例如,全球自动观测网AERONET的AOD探测精度可以达到324第 4 期董鉴韬，等：基于GF-5（02）卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布0.027,但通常仅代表站点及周边较小范围的大气平均状况,其观测范围受限于站点布设密度,因此多用于卫星或航空载荷反演的验证或气溶胶参数统计建模。航空机载观测受飞行稳定性、成本等因素的影响,一般用于载荷航飞测试或短期试验观测,并且其探测空间范围也较为有限。卫星遥感观测具有高覆盖、空间连续以及客观性等特点,可以获得全球或区域范围的空间连续监测结果,静止卫星高频次观测也可支撑高时相数据的获取。因此,卫星遥感探测相比于地基和航空探测具有不可替代的优势。大气气溶胶卫星观测信号包括强度和偏振观测。在暗地表条件下,特定探测波段的强度观测信号能够反映总气溶胶的信息,而从强度观测中反演细粒子气溶胶则需要较多的假设8,代表性的AODf数据集包括MODIS的C61/MOD049、MISR的V23数据集10等。相比之下,偏振观测对细粒子气溶胶较为敏感,并且受地表信号的影响小于强度观测,因此常用于AODf的反演。星载多角度偏振探测结合了多角度、多波段的偏振和强度观测,是综合探测能力较优的细粒子气溶胶探测手段,代表性的观测仪器包括法国的POLDER-3/PARASOL以及中国近几年发射的大气气溶胶多角度偏振成像仪(DPC)系列 即DPC/GF-5、DPC/GF-5(02)、DPC/DQ-1、DPC/CM-1。POLDER-3采用查找表(LUT)方法进行AODf反演11,通过Nadal和Breon12建立的半经验地表双向偏振反射(BPDF)模型估算地表偏振贡献以实现地气解耦合,进而采用偏振辐射传输模型建立的不同气溶胶模型对应的大气层顶(TOA)偏振反射率与AODf的查找表实现反演。Wang等13对LUT进行了拓展,对北京地区的AODf反演进行了实验。Zhang等14通过结合POLDER-3的强度和偏振数据,改进了反演流程,同时反演出了AOD和AODf。Ge等15提出了基于地表偏振反射率光谱不变性的SNOSPR反演算法,将该光谱不变特性作为约束条件优化了AODf反演。本文采用POLDER-3反演算法,利用DPC/GF-5(02)的多角度偏振观测获得了2022年春季(35月)全球陆地上空的AODf数据集,并针对重点地区的逐月时相变化和春季平均值空间分布,结合野火燃烧、人为活动等因素进行了分析。1 卫星与数据1.1 高光谱观测卫星GF-5(02)2021年9月7日,GF-5(02)在太原卫星发射中心搭载于长征四号丙运载火箭成功发射升空。GF-5(02)是一颗太阳同步极轨卫星,卫星倾角98.203,标称轨道高度705 km,过境时间为当地10:30左右(降轨)。与GF-5卫星载荷配置类似,GF-5(02)搭载了可见短波红外高光谱相机(AHSI)、全谱段光谱成像仪(VIMI)、大气主要温室气体监测仪(GMI)、大气痕量气体差分吸收光谱仪(EMI)、吸收性气溶胶探测仪(AAS)以及DPC,并额外装载了一台高精度偏振扫描仪(POSP)。其中,DPC和POSP两种不同探测机制的偏振传感器组成“偏振交火”星载探测方案,可用于PM2.5近地面浓度的遥感探测16。GF-5(02)在同一颗卫星上使用了高光谱、全谱段、偏振、多角度、临边等多种观测手段,服务于环境保护、气象、国土资源、防灾减灾、农业、林业等行业。1.2 DPC数据DPC/GF-5(02)兼具多角度观测与偏振观测能力,视场角为 50,幅宽约为1850 km,可以实现两天内完成全球海陆范围的探测。DPC影像的星下点空间分辨率约为3.3 km,比国际上同类传感器POLDER-3高约1倍17,能够反映出更精细尺度的大气气溶胶空间分布18。DPC具有8个波段,各波段中心波长分别为443、325大 气 与 环 境 光 学 学 报18 卷490、565、670、763、765、865、910 nm。其中,490、670、865 nm三个波段为偏振波段,通过0、60、120三个偏振解析角度,对斯托克斯分量I、Q与U进行解算。非偏振波段中,763 nm和765 nm位于O2-A吸收带,可用于估算地表压强;910 nm是典型的水汽吸收波段,可用于柱水汽含量的探测。DPC沿轨飞行时快速成像形成多角度观测,大多数像元的观测角度数达到17个,显著高于GF-5上DPC的角度数(912个),因此提供了更多的有效观测。DPC的辐射探测精度和偏振探测精度分别为5%和0.02,满足环境、气象等领域的卫星探测精度需求。采用的DPC数据是0级数据经过辐射校正、偏振解算、几何处理和多角度匹配等预处理流程之后的L1级数据,以轨为单位,全球完整的成像数据为1415轨/天。单轨数据采用分波段形式存储,包含8个HDF5格式文件,其中包括每个有效像元的强度/偏振观测值、观测几何以及地理定位等数据。本研究对GF-5(02)在轨测试期间部分时段的DPC观测进行处理和分析。首先经过云识别过程剔除掉云像元,并对DPC图像中的陆地上空无云像元进行AODf反演。云识别数据来自侯梦雨等19建立的一种改进的光谱特征云检测算法。DPC数据的时间跨度从2022年3月1日到5月31日,即2022年春季,共包括1323轨数据。1.3 MODIS数据产品(1)地表分类数据在地表偏振反射率估算(详见2.2节)中采用MODIS全球地表分类产品MCD12Q120,并通过拼接和重采样将其处理到与DPC一致的全球正弦投影格网(12168 6084)。MCD12Q1基于MODIS在2020年的所有观测数据,依据国际地圈-生物圈计划(IGBP)提出的标准,对全球进行了典型地表覆盖类型分类,包括11种植被地表、3种人为地表以及3种非植被类型地表。(2)气溶胶产品采用MODIS气溶胶产品MOD049与DPC反演获得的AODf数据进行对比分析。该产品通过暗目标算法反演得到,空间分辨率为3 km,包含了陆表AOD和FMF数据,将AOD和FMF相乘即可获得AODf数据。MODIS的AODf数据通过拼接和重采样以及月均、季均等处理,可以与本研究反演结果进行对比。(3)地表火点产品为了深入分析重点地区的 AODf高值原因,本研究还使用了 FIRMS(Fire information for resource management system)火点产品。该产品对MOD1421产品中的疑似火点进行提取,形成了点状的矢量文件。除了对FIRMS数据作时间上的匹配,还进行了置信度大于等于95%的筛选。以上MODIS数据均来源于C61数据集8。1.4 地基验证数据在反演验证方面,采用全球自动观测网AERONET的地基观测获得的AODf与卫星反演结果进行对比。AERONET在全球范围布设了600多个观测站点,通过多波段偏振和强度辐射观测获取大气气溶胶、水汽、云的光学、微物理、成分特性的数据,是相关大气卫星产品精度验证的重要数据源。AERONET的AODf(500 nm)数据是基于光谱退卷积(SDA)算法获得的22,23,本研究采用了 1.5 级 AODf数据结合 AEf(fine-mode ngstrm Exponent)指数进行验证。326第 4 期董鉴韬，等：基于GF-5（02）卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布2 方法2.1 基本原理光的偏振体现了波动的方向性,相关研究11,24显示,在散射角80120范围内,偏振观测仅对细粒子气溶胶敏感,粗粒子气溶胶的贡献较低,因此,本研究反演过程仅选择散射角符合该范围的数据进行AODf的反演。Waquet等25对偏振辐射传输过程进行了比较系统的介绍,高度z处的传感器在入瞳处接收到的偏振辐射L可以表达为LMeas(zsvr)=LAtm(zsvr)+cos(s)RSurf(svr)T(s)T(zv),(1)式中下标表示波长,s和v分别表示太阳天顶角和观测天顶角,r表示相对方位角,上标Atm和Surf分别表示大气和地表,R表示二向偏振反射因子,T、T分别表示偏振信号从大气层顶(太阳)下行到地表、从地表上行到大气层顶(传感器)过程中的透过率,其表达式分别为T()s=exp -()m0+a0sT()zv=exp-m()z+a()zv,(2)式中表示大气成分的光学厚度,其上标m和a分别代表分子和气溶胶,x0和x分别为整层大气的光学厚度和载荷处的光学厚度(x为m或a),后者可以通过前者联合传感器高度zs(km)和标高H表示为x(z)=x0 1-exp()-zsHx ,(3)式中,对于分子,标高Hm可取标准值8 km;对于气溶胶,标高Ha可取典型值2 km。式(2)中的系数和反映了大气和地表之间的多次散射,取值0.9,可以表示为ngstrm指数(670 nm和865 nm)的经验关系式26:=0.3658+0.1023+0.00802,(4)式中由气溶胶模型决定。对于式(2)中的大气分子光学厚度m0,在标准大气情况下,可以通过波长(m)和海拔z表示为m0=0.0088()-4.15+0.2exp(-0.1188z-0.00116z2).(5)综合式(1)(5),给定一个DPC像元某个角度下的观测值(包括观测几何、高程),即可根据地表类型通过经验函数计算得到地表偏振反射率RSurf(详见2.2节),并基于偏振辐射传输模型模拟大气偏振反射率(程辐射)LAtm(详见2.3节),进而建立TOA偏振表观反射率与细粒子气溶胶光学厚度及气溶胶模型的关系。上述过程即是AODf反演过程中正向模型的构建,最后通过多种模型的定量比较来实现对AODf的反演(详见2.4节)。2.2 地表估算地表偏振反射率RSurf可以采用两种方式进行估算。一种方法是利用短波红外观测受气溶胶散射影响较327大 气 与 环 境 光 学 学 报18 卷小的特点,采用线性关系将短波红外地表偏振反射传递到可见光波段27。第二种是半经验模型12,可用于缺乏短波红外通道观测的传感器(例如DPC),即本研究采用的方法:RSurf=p 1-exp-qF()icoss+cosv ,(6)式中p和q都是与地表类型和归一化差分植被指数(NDVI)相关的系数,F为菲涅尔散射函数,与入射角i和介质折射率有关,其表达式为F(i)=(cos-cosicos+cosi)2-(cosi-coscosi+cos)2/2,(7)式中入射角i可以通过入射光向量和散射光向量的夹角(即散射角s)计算得出,两个角度的计算公式可以表示为如下与卫星的对地观测成像几何角度的关系:-coss=cosscosv+sinssinvcosri=()-s/2.(8)式(9)中,折射角亦可以通过介质折射率和散射角s计算得出:sini=sin.(9)2.3 建立查找表在卫星遥感反演中,对每一个像元都进行辐射传输模拟计算是十分耗时的,因此大部分遥感反演算法都采用查找表方法作为替代。LUT方法的思路是提前将连续的变量线性划分为多个离散的值,并将这些离散值输入辐射传输模型,得到一系列模拟结果,并将模拟结果进行存储。反演时合理假设相邻离散变量的模拟结果之间也是线性变化的,即可通过线性内插实现卫星数据与查找参数的对应,从而提高反演效率。本研究使用的矢量辐射传输模型为6SV28。6SV是用于辐射传输模拟计算的程序,采用逐级散射法求解辐射传输方程,可以模拟不同地表和大气条件下不同观测仪器的测量值,覆盖了0.254 m的光谱范围,并能够考虑偏振效应。在模拟计算时,采用了DPC/GF-5(02)的实验室测量光谱响应函数,输入的参量包括气溶胶模型、AODf、卫星观测几何(s、v、r)以及海拔高程,通过这些参数的循环遍历组合,可以得到多种情况下的模拟大气偏振反射率。表1中,气溶胶模型是决定细粒子气溶胶反演精度的主要因素之一。一方面,本研究拓展了POLDER-3官方算法中的细粒子模型11,将中值半径从0.050.15 m的范围扩展至0.050.20 m;另一方面,基于先前研究建立的气溶胶基础模态模型,将其中细模态模型(5种)加入到查找表中,具体模型信息详见Li等29的研究。2.4 代价函数根据查找表中每一组AODf,利用矢量辐射传输模拟TOA的偏振反射率(或偏振辐亮度),再通过与传感器对应观测值进行对比,构建代价函数,从而获得使模拟值与观测值最优匹配(即残差最小)的AODf。对于每一个查找表(气溶胶模型),均可以找到一组满足上述最优匹配的结果,即该模型下对应的AODf反演结果,因此还需进一步比较不同模型之间的反演结果,以确定最优的AODf与模型。328第 4 期董鉴韬，等：基于GF-5（02）卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布与单角度传感器不同,DPC的代价函数构建还需考虑多个角度下累加的拟合残差,的计算公式为=12N=01jRcalp()j-Rmeasp()j2,(10)式中N为有效的观测角度数量,0和1分别为反演用到的670 nm和865 nm波段,Rcalp(j)为第 j 个观测几何j下 波长处根据该气溶胶模型和AODf模拟出的大气层顶偏振反射率,Rmeasp(j)为卫星在大气层顶实际观测的偏振反射率。当累加残差 在某一气溶胶模型下达到多个模型中的最小值时,对应的模型即是该像元的最优解,多个角度下AODf的平均值即为该像元处的反演结果。3 结果与讨论3.1 2022年春季全球陆表AODf分布由于细粒子气溶胶主要来源于人类活动排放和野火燃烧15,因此AODf的空间分布主要与人类活动和大范围燃烧活动相关。图1显示了DPC/GF-5(02)反演获得的2022年春季(35月)的全球陆表AODf季平均值(空间分辨率3.3 km)及与MODIS产品的对比结果。从空间分布来看,全球春季的AODf值主要呈现南半球远低于北半球的特点,基本符合全球尺度上人为活动强度的分布特点。全球AODf高值区主要集中在印度北部等工农业发展、人类活动密集的南亚地区以及中国的人口主要聚集地区,如西南腹地和冀-鲁-苏沿海一带(约0.5),与Ge等15的反演结果基本一致。非洲几内亚湾局部地区受生物质燃烧等火点影响,其AODf值也略高于受沙尘影响的北非地区。而南美洲、非洲南部、大洋洲等地区的AODf数值普遍较低,约为00.15。将DPC的AODf数据与MODIS产品进行对比,可以看出,两个数据集的高值区的空间分布基本一致,但MODIS产品数值更高,特别是在哥伦比亚东科迪勒拉山系以东、俄罗斯高纬地区、美国中南部俄克拉何马州等地区。Zhang等14关于POLDER-3和MODIS的中国地区东部AODf对比也表现出类似的结果,可能是由于其FMF在01范围内以0.1为间隔的非连续值造成的,且很多像元的FMF表现为0或1,故而造成了部分地区AOD即代表了AODf。此外,在北非、中东、澳大利亚、亚洲中部等大范围的亮地表区域,MODIS暗目标算法不适用,因此存在较多的数据缺失。相比MODIS,DPC的反演数据在空间覆盖范围上提升了约65%。该对比结果也反映了MODIS-C61版本气溶胶产品对于陆地上空气溶胶粒子尺度相关参数获取能力有限8。表1 6SV输入Table 1 Inputs of 6SV参数名称中心波长/nm细粒子气溶胶模型AODf地表海拔/km太阳天顶角/()观测天顶角/()相对方位角/()参数设置670,865典型的细粒子气溶胶模型11、基于SONET统计的典型模型290.001,0.25,0.5,0.75,1.00,1.25,1.50,1.75,2.000,0.25,0.50,0.75,1.00,2.00,50,6,12,18,24,30,36,42,48,54,60,66,72,78,84,880,6,12,18,24,30,36,42,48,54,60,66,72,78,84,880,12,24,36,48,60,72,84,96,108,120,132,144,156,168,180329大 气 与 环 境 光 学 学 报18 卷3.2 中国地区35月陆表AODf分布图2为中国重点地区2022年春季逐月AODf分布结果。由图可知,细粒子气溶胶在“胡焕庸线”两侧分布差异较大,胡焕庸线的西北大部分为低值覆盖区,而东南方向数值相对较高,与中国PM2.5的分布类似30,31。其中,AODf高值地区主要出现在川渝地带、两广周边、华东和华北,这些地区的省、直辖市在中国第七次人口普查数据中占比超过了总人口数量的一半32。2022年3月中国的AODf均值约为0.179,高值主要集中在成渝地区双城经济圈(以下简称成渝圈),4月的均值约为0.206,高值主要集中在华东地区,5月的均值约为0.223,高值区域较为分散。从逐月变化情况来看,整体上春季的AODf显示出逐步上升的趋势,说明随着天气转暖,人为活动强度有所增加。注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2020)4619号 绘制,底图无修改图 2 中国月均陆表AODf空间分布。(a)三月;(b)四月;(c)五月Fig.2 Spatial distribution of monthly averaged AODf over land in China.(a)March;(b)April;(c)May(1)华东-华北地区图3为华东-华北地区(包括北京市、天津市、上海市、河北省、山东省、河南省、江苏省、湖北省和安徽省)注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2016)1665号 绘制,底图无修改图 1 2022年春季全球陆表AODf平均值。(a)DPC;(b)MOD04Fig.1 Averaged AODf over land in spring 2022.(a)DPC;(b)MOD04330第 4 期董鉴韬，等：基于GF-5（02）卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布逐月的AODf空间分布。由图可以看出,AODf高值主要分布在河流(长江、汉江和淮河等)以及湖泊(太湖和洪泽湖等)流域附近,其中尤以长江流域的数值较高,反映了这些区域人口密集、人类生产和生活强度较高的特点。华东-华北地区的山地、丘陵地带(山东丘陵、太行山、秦岭东和大别山等)大多为低值,可能原因是山地丘陵地区人口分布相对稀疏,人为排放的细粒子气溶胶含量较低。华东-华北地区在35月的均值分别约为0.244、0.305和0.271,整体呈现先升后降的趋势。华东-华北地区在3月的AODf高值主要集中在长江、淮河流域等人口分布密集的地区。河北省海河平原和靠近北京东侧平原的AODf值略高于省内其他地方,而京-津地区的AODf呈现由天津向北京方向逐渐降低的辐射状。4月最显著的特征是山东、江苏以及安徽北部等地区出现AODf增加的现象,与MODIS产品结果的趋势一致。5月华东-华北地区的高值集中分布区域明显减少,而呈现零星状离散分布。这一月度变化特征可能与降水量密切关联,以山东省为例,其降水量数据显示,4月份为春季低值。(2)粤港澳地区图4为粤港澳地区逐月的AODf空间分布。由图可以看出,该地区3月和4月的AODf均值相差不大,分别为0.283和0.284,但是空间分布差异显著。3月的高值主要分布在以广佛肇经济圈为高值中心的粤港澳大湾区(以下简称为大湾区),韶关主城区和部分潮汕地区也出现少量高值。4月份粤港澳地区的AODf整体呈现东低西高的形式,清远和惠州以东基本呈现低值,西部高值主要集中在雷州半岛和茂名局部地区。大湾区是4月的次高值地区,与3月相比,肇庆整体AODf有所升高。对于雷州半岛的高值,可能原因是4月南亚地区燃烧活动频繁33,加之春季季风下的传输作用(3.3节),导致细粒子气溶胶向我国两广地区扩散。5月出现省平均值的极小值,约为0.275,大湾区仍然是高值所在地区,相较4月而言,肇庆市靠近广西的区域AODf值出现回落。从春季平均AODf分布来看,与20012018年广东省春季平均AODf分布34类似,高值主要分布在大湾区和雷州半岛及茂名局部地区。(3)成渝圈地区图5显示了成渝圈地区的AODf逐月空间分布。该地区春季季均分布和逐月月均分布均呈现出中-西部高值的情况,主要原因是在此区域高密度的人口聚集和生产生活排放强度较高,加之成渝圈地处四川盆地,气溶胶等污染物易积聚而不易扩散,污染程度长期较高35。Li等36基于地基网SONET的长时间序列观测显 注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2020)4619号 绘制,底图无修改图 3 华东-华北地区陆表月均AODf逐月空间分布变化。(a)三月;(b)四月;(c)五月Fig.3 Spatial distribution of monthly averaged AODf over land in Eastern and Northern China.(a)March;(b)April;(c)May331大 气 与 环 境 光 学 学 报18 卷示,春季成都站点气溶胶含量处于国内16个站点的峰值。AODf逐月分布结果显示,成渝圈地区3月份AODf均值约为0.371,是中国境内该月高值分布最集中的地区。其中成都、德阳、眉山等多地出现大量高值;而雅安西部靠近横断山脉,AODf明显降低;达州和渝东北三峡库区城镇群位于成渝圈东侧边缘,地处巴山和巫山附近,AODf数值也显著低于成都-德阳-眉山一带。4月和5月的 AODf均值大幅降低,分别为0.270和0.276,造成这种现象的原因主要包括气象因素和交通因素两方面。4月的高值区域较少,整体呈现出以成都主城区和重庆主城区为高值中心、向四周降低的辐射状;5月也呈现出类似分布,中心高值略高于4月份,并且重庆的高值中心转移至主城区南部。根据降水监测报告数据,成都市城区2022年3月的总采样雨量为60.2 mm,而4月和5月分别达到了574.6 mm和512.8 mm,约为3月的9倍,并且多年的数据均显示出3月降水量低于4月和5月。根据多年的公路旅客统计数据,四川地区4月和5月的客运量相较于3月下降5%30%,表明3月的人为活动强度略高于4月和5月。通过这两方面因素的叠加作用,可以很好地解释成渝圈地带3月AODf分布出现大量高值的原因。再通过分析2022年3月的日均值可以得到,该区域在3月1213日达到全月AODf数值最高的时段,结合3月10日成都解除疫情封控以及该周末天气晴好温度适宜的信息,可知人为活动的增加可能对AODf的升高产生一定的推动作用。基于中国环境监测总站(CNEMC)在成都地区15个主要监测站点的历史PM2.5数据,统计了2022年35月的PM2.5周平均值,并与这些站点的AODf反演周平均值进行对比,结果如图6所示。由图可以看出,二者在时序变化趋势上有较好的一致性,特别是在第2、6、10周的PM2.5高浓度时段,AODf同样显示出了较高的数值,说明AODf卫星数据集可以清晰地反映细颗粒物污染的时空变化。3.3 全球其他重点地区2022年35月陆表AODf分布(1)南亚地区图7显示了南亚地区逐月的AODf空间分布。由图可以看出,3月出现AODf高值的区域较广,其中印度北部的北方邦和比哈尔邦、东部的锡金邦和阿萨姆邦以及中南各邦,尼泊尔和不丹南部平原地带均呈现较高的数值(约0.6)。该区域人口密集度超高、排放活动强烈是污染高值的主要原因,同时,受来自印度洋的季风和喜马拉雅山脉的阻隔作用,在喜马拉雅山脉南麓及恒河平原地区出现持久稳定的污染带,成为全球空气污染最严重的地区之一。缅甸西侧的低值覆盖区主要为若开山脉,越南南部的多乐高原和柬埔寨境内也以低 注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2019)3333号 绘制,底图无修改图 4 粤港澳地区陆表月均AODf逐月空间分布变化。(a)三月;(b)四月;(c)五月Fig.4 Spatial distribution of monthly averaged AODf over land in Guangdong-Hong Kong-Macao Area.(a)March;(b)April;(c)May332第 4 期董鉴韬，等：基于GF-5（02）卫星DPC数据的2022年春季陆表细粒子气溶胶光学厚度空间分布 注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2016)1665号 绘制,底图无修改图 7 南亚地区陆表月均AODf逐月空间分布变化。(a)三月;(b)四月;(c)五月Fig.7 Spatial distribution of monthly averaged AODf over land in partially South Asia.(a)March;(b)April;(c)May值分布为主,其余区域则大多为高值区。结合FIRMS高置信度(95%)火点数据,发现大部分火点位于AODf的高值区,反映了野火燃烧对AODf高值的贡献。另外还有一部分火点位于低值区,可能是受春季季风影响,在下风向处出现相应的高值,例如印度中部地区(春季季风为西北风)和若开山地区(春季季风为西南 注:此图基于国家自然资源部标准地图服务系统的标准地图 审图号:GS(2020)4619号 绘制,底图无修改图 5 成渝圈陆表月均AODf逐月空间分布变化。(a)三月;(b)四月;(c)五月Fig.5 Spatial distribution of monthly averaged AODf over land