环境科学研究  2017, Vol. 30 Issue (5): 688-696  DOI: 10.13198/j.issn.1001-6929.2017.01.86

引用本文  

张亚杰, 车秀芬, 张京红, 等. 卫星遥感监测海南地区对流层CO2浓度时空变化特征[J]. 环境科学研究, 2017, 30(5): 688-696.
ZHANG Yajie, CHE Xiufen, ZHANG Jinghong, et al. Satellite Remote Sensing for Monitoring Spatial-Temporal Variations of Tropospheric CO2 over Hainan[J]. Research of Environmental Sciences, 2017, 30(5): 688-696.

基金项目

海南省气象局面上项目(HNQXMS201405);海南省气象局青年基金项目(HNQXQN201502)

责任作者

车秀芬(1980-), 女, 山东肥城人, 高级工程师, 硕士, 主要从事应对气候变化相关业务科研工作, cxf73@126.com

作者简介

张亚杰(1987-), 男, 河南登封人, 工程师, 硕士, 主要从事温室气体卫星观测及其气候变化特征分析工作, zhyajie87@163.com

文章历史

收稿日期:2016-06-22
修订日期:2016-12-23
卫星遥感监测海南地区对流层CO2浓度时空变化特征
张亚杰1 , 车秀芬1 , 张京红1 , 陈升孛2     
1. 海南省气候中心, 海南 海口 570203;
2. 海南省气象服务中心, 海南 海口 570203
摘要:为了探索海南地区对流层CO2浓度[以φ(CO2)计]时空变化特征,采用2002年9月—2012年2月AIRS反演的对流层中层CO2产品,利用北半球全球本底站瓦里关站和飞机观测φ(CO2)对该产品进行验证,结合统计分析方法对海南地区φ(CO2)的月、季、年平均值的时空变化特征进行了研究.结果表明:AIRS反演φ(CO2)与地基和不同纬度带海洋上空飞机观测数据对比均具有很好的一致性,并且与飞机观测验证偏差更小,二者相关系数均在0.9以上,总体月均值偏差小于2×10-6;全国φ(CO2)呈现北高南低的分布规律,并且存在较为明显的分界线,形成4个高值中心(塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原)和2个低值中心(青藏高原西南部和云南地区),海南地区平均φ(CO2)为382.67×10-6,略高于云南低值中心的381.45×10-6;全国φ(CO2)呈现明显逐年增加趋势,其年均增长速率为2.16×10-6,而海南地区亦呈现显著增加趋势,年均增长速率为2.11×10-6,低于全国水平;φ(CO2)呈季节性波动特性,全国φ(CO2)最高值出现在春季,而海南地区为夏季,最低值均出现在秋季;海南地区西部海域、陆地和东部海域上空φ(CO2)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明海南陆地上空增速略大于海洋地区,西部和东部海域上空增长速率基本保持一致.
关键词对流层CO2    卫星遥感监测    地基检验    时空变化    
Satellite Remote Sensing for Monitoring Spatial-Temporal Variations of Tropospheric CO2 over Hainan
ZHANG Yajie1 , CHE Xiufen1 , ZHANG Jinghong1 , CHEN Shengbei2     
1. Hainan Climate Center, Haikou 570203, China;
2. Hainan Meteorological Service Center, Haikou 570203, China
Abstract: The atmospheric infrared sounder (AIRS) mid-tropospheric CO2 products from September 2002 to February 2012 were used to study the spatial-temporal variations of tropospheric CO2 over Hainan. The products were separately validated with observations from a global ground-based station, Waliguan, and aircraft in the Northern Hemisphere. The results indicated that AIRS CO2 products showed a high consistency with Waliguan and aircraft observations, especially for the aircraft. Both correlation coefficients were above 0.9, with monthly average deviations below 2×10-6. Mid-troposphere CO2 concentrations over northern China were higher than over the southern areas with a distinct boundary. There were four centers with high CO2 concentrations in Tarim Basin, Taklimakan Desert, western Inner Mongolia and Northeast China Plain. Two centers with low CO2 concentrations were in southwestern Qinghai-Tibet Plateau and Yunnan Province. Hainan Province, with CO2 concentration at 382.67×10-6, was slightly higher than Yunnan Province (381.45×10-6). The CO2 concentrations increased from 2002 to 2012 over China; the annual average growth rate was 2.16×10-6 in mainland, with maximum value in spring and minimum value in autumn. CO2 concentrations also increased over Hainan; Hainan was 2.11×10-6, with the maximum value in summer and minimum value in autumn. The annual growth rates over the western sea, land and eastern sea areas of Hainan were 2.09×10-6, 2.14×10-6 and 2.11×10-6, respectively. This result indicated that the growth rate in land area was slightly higher than sea areas in Hainan Province, and the sea areas were almost consistent.
Keywords: tropospheric CO2    satellite remote sensing    ground based validation    spatial-temporal variation    

CO2 (二氧化碳)是一种重要的温室气体,在地球气候的形成和气候变迁中起着重要作用.其主要源有海洋释放、生物呼吸、化石燃料燃烧、土地利用变化等,陆地生态系统光合作用、海洋呼吸、碳沉积等是大气中CO2的重要汇[1-2]. IPCC第五次评估报告表明,1750年人类社会工业化以来,全球大气中CO2浓度持续上升,2012年φ(CO2)达到393.1×10-6,比工业化前增加41%,其浓度的增加主要是由使用化石燃料排放和土地利用排放造成的[3-4]. CO2浓度的增加势必会对全球气候、生态、经济等各方面造成很大影响,因此CO2浓度变化的监测对全球或地区气候变暖的研究具有重要意义.

20世纪80年代,世界气象组织(WMO)相继在全球建立大气本底监测站网,连续监测近地面层大气CO2浓度变化,但观测台站有限,空间分布不均,同时依靠飞机进行采样观测,虽能填补一定空白,但时空覆盖范围仍有限.而卫星遥感探测手段具有不受时空限制、稳定、长时间序列、大范围、三维观测等优点[5-6],可观测多种大气痕量气体[7-9].目前,卫星遥感探测CO2技术相对成熟的有AIRS等[10-14].国内外学者通过卫星遥感监测CO2资料开展了大量研究和应用工作.如Pagano等[15-20]研究认为,AIRS反演对流层中层CO2产品与空基探测结果一致性较好,通过该资料监测马来西亚半岛、北美洲大平原、印度以及全球对流层中层CO2分布特征,并指出其分布特征与地表覆盖、大尺度环流和气候参数等有密切关系;Crevoisier等[21-23]分别利用IASI、GOSAT、SCIAMACHY卫星数据分析了全球CO2浓度变化规律发现,北半球热带地区具有更为明显的季节性周期,北半球CO2浓度增长速率高于南半球,2003—2009年全球φ(CO2)的年增加量为(1.80±0.13)×10-6;Chevallier等[24-26]认为,星载测量具有精确确定CO2等温室气体排放通量的潜力,并提出反演CO2地表通量的算法;WANG等[27-28]对比验证了4种卫星反演对流层CO2产品,认为AIRS反演CO2数据精度较高;周聪等[29]利用AIRS和GOSAT数据比较分析了对流层中层与近地面大气CO2浓度变化特征,发现海洋及陆地区域的平均浓度具有相似的时间波动特征,但在陆地几乎始终高于海洋.

以上研究大都针对全球区域CO2浓度的时空分布、数据验证等方面,针对全国或部分地区开展研究较少.秦林等[30]利用AIRS遥感观察三峡库区CO2变化特征,认为2003—2010年三峡库区CO2年增加量与全国保持一致;白文广等[2, 31]利用地面或飞机观测数据验证了AIRS反演CO2产品,分析了中国地区对流层CO2时空变化特征,前者研究时段较短,后者仅利用地面观测的陆地资料进行验证.近年来,随着我国人口和经济的迅速发展,CO2浓度势必迅速增加,此外,由温室气体增加导致的全球气候变暖问题日益突出,国际社会希望通过碳交易甚至碳关税等市场机制方式限制碳排放,我国为了应对气候变化,不断出台和深化低碳经济的产业政策,积极推动全国碳交易,目前海南省碳交易也逐步推动,但针对海南地区CO2浓度变化背景分析研究较少.同时,海南地处热带地区,植被茂盛,森林覆盖率高达61.9%,濒临海洋,是我国森林碳汇高值区[32],其CO2浓度与全国平均水平对比分析尚未有研究.笔者利用地基和空基观测资料对AIRS反演的陆地和海洋上空对流层CO2产品进行验证,在此基础上,研究海南地区CO2浓度〔以φ(CO2)计〕时空变化特征,将有助于探索我国及区域间碳循环以及人类活动影响大气φ(CO2)分布规律.

1 数据来源和研究区域

CO2浓度卫星数据来自美国宇航局(NASA)AIRS官方反演的对流层中层(500 hPa)左右一段气柱内的CO2体积混合比产品. AIRS是搭载在2002年5月发射的EOS/Aqua卫星上的光栅式红外高光谱探测仪[10],AIRS在3.74~15.4 μm红外谱段有2 378个通道,具有较高光谱分辨率和信噪比,可以用于包括温度、水汽廓线、对流层中层CO2等多种大气参数的反演[2]. AIRS反演的CO2产品提供了从2002年9月—2012年2月的全球对流层中层CO2有效气体混合比数据.其中L3数据产品为网格数据,空间分辨率为2.5°E×2°N,分别提供了日平均、8日平均和月平均数据,该产品在有云情况下采用晴空辐射订正方法进行处理,采用临近视场反演结果均方根误差值进行CO2反演结果的质量控制[33].为了研究大气φ(CO2)长期的时空变化,选择其月平均数据进行分析.

选取温室气体世界数据中心WDCGG(World Data Centre for Greenhouse Gases)所提供的CO2大气本底观测站和飞机观测数据,与AIRS反演φ(CO2)产品进行对比分析.中国大陆共有1个全球大气本底站和6个区域大气本底站. WDCGG网站仅提供了瓦里关、上甸子和鹿林(中国台湾)的温室气体观测数据[31],由于AIRS反演了对流层中层500 hPa(5~6 km)高度的CO2混合比,为了证明该卫星产品的准确性,选择中国区域海拔高度最接近的瓦里关(海拔高度3 810 m)本底观测站同期月平均数据与对应区域的AIRS观测结果比较;此外,为了验证AIRS对北半球海洋区域φ(CO2)反演精度,采用飞机观测数据进行验证,该数据来自CONTRAIL(Comprehensive Observation Network for Trace gases by Airliner)项目[34],该项目飞机高度10 km左右,每月观测2~3次,文中选取了海洋上空3个连续观测区域进行验证,分别为CONTRAIL a区(140°E~145°E、24°N~36°N)、CONTRAIL b区(142.5°E~147.5°E、12°N~24°N)和CONTRAIL c区(142.5°E~150°E、0°N~12°N).

该研究的区域数据范围为73°E~135°E、14°N~55°N;其中海南地区为106.25°E~113.75°E、17°N~21°N.为了研究海南地区陆地和海洋上空φ(CO2)变化特征,按照图 1所示6个格点数据进行分区域分析,其中,No.1和No.4网格为海南岛西部海域,No.2和No.5网格代表陆地,No.3和No.6网格为东部海域.

注:底图为2016年8月27日从国家测绘局网站(http://219.238.166.215/mcp/index.asp)下载的1:900万基本要素版.审图号:GS(2008)1402号. 图 1 海南地理位置及φ(CO2)格点选取示意图 Figure 1 The location of Hainan Province and the data grids for carbon dioxide
2 数据检验与结果分析 2.1 AIRS数据与观测数据对比分析

图 2可以看出,AIRS反演结果与瓦里关本底观测站呈现一致的增长趋势,并且呈现一致的季节波动特性,由于地面CO2向对流层输送需要一定的时间,使得AIRS反演φ(CO2)波动略有滞后,并且大气混合作用使得变化较为平缓,这一结果与国内外学者的研究[2, 31, 35-36]类似. 图 3对比了AIRS与瓦里关观测结果,显示了很好的一致性.从表 1可以看出,AIRS反演φ(CO2)结果和瓦里关观测结果相关系数达0.91,并且通过了0.01的极显著性水平,φ(CO2)月均值偏差小于3.0×10-6,且月均值偏差的标准差小于3.0×10-6,2003—2011年瓦里关观测结果显示年增长率为2.04×10-6,AIRS反演结果显示年增长率为2.15×10-6,二者观测趋势基本一致.

表 1 2002年9月—2012年2月瓦里关和CONTRAIL观测值与AIRS反演φ(CO2)结果比较 Table 1 Comparison of Waliguan and CONTRAIL observations with CO2 concentration retrieved from AIRS

图 2 2002年9月—2012年2月瓦里关观测和AIRS反演φ(CO2)月均值变化 Figure 2 Monthly variations of CO2 for Waliguan and AIRS from September 2002 to February 2012

图 3 2002年9月—2012年2月瓦里关本底站观测与AIRS反演月均值φ(CO2)结果比较 Figure 3 Monthly CO2 concentrations retrieved from AIRS and Waliguan observation from September 2002 to February 2012

为了进一步验证AIRS反演结果,利用CONTRAIL项目的飞机观测结果对AIRS产品进行验证.从图 4可以看出,CONTRAIL项目3个区域的φ(CO2)月均值观测结果与对应区域AIRS反演结果增长趋势一致,呈现了一致的季节波动特性.从图 5的对比结果可以看出,φ(CO2)AIRS反演结果与CONTRAIL项目3个区域的观测结果均表现出很好的一致性.从表 1的统计分析结果得出,φ(CO2)AIRS反演结果和CONTRAIL项目3个区域观测结果相关系数均达0.97,并且通过了0.01的极显著性水平,φ(CO2)月均值偏差均小于1.3×10-6,且月均值偏差的标准差均小于1.0×10-6,2003—2011年CONTRAIL三个区域观测结果显示年增长率与AIRS年增长率基本一致.

图 4 2002年9月—2012年2月CONTRAIL项目观测和AIRS反演φ(CO2)月均值变化 Figure 4 Monthly variations of CO2 for CONTRAIL and AIRS from September 2002 to February 2012

图 5 2002年9月—2012年2月CONTRAIL项目观测与AIRS反演月均值φ(CO2)结果比较 Figure 5 Monthly CO2 concentrations retrieved from AIRS and CONTRAIL observation from September 2002 to February 2012

综上可知,AIRS反演对流层中层φ(CO2)结果与地基观测和不同纬度带海洋上空飞机观测结果比较均具有很好的一致性,相关系数均达0.9以上,且更接近于飞机观测结果,总体月均值偏差小于2×10-6,而且具有一致的季节变化特性,能够很好地捕捉到φ(CO2)季节波动特征.同时AIRS反演结果得到的φ(CO2)年均增长率约为2×10-6,与观测数据基本相同,表明也能够很好地捕捉到CO2年际变化规律.国外的相关验证结果[15, 19, 37-39]也证明,AIRS反演CO2产品能够真实反映全球其他区域对流层CO2分布和变化规律.

2.2 海南地区对流层φ(CO2)在全国的分布特征

绘制全国对流层中层2002年9月—2012年2月φ(CO2)多年平均空间分布图(见图 6),结果显示,全国对流层中层φ(CO2)分布总体上呈现北高南低的分布特征,并且存在较为明显的分界线.该分界线与中国气候区划图[40]中温度带分界线基本吻合,北部高值区对应气候类型为寒温带、中温带和暖温带,南部低值区对应为北亚热带、中亚热带、南亚热带、边缘热带、中热带和高原带.影响φ(CO2)分布的主要因素有人类活动、下垫面类型、气候条件、地形等因素.其中,北部高值区中温带和寒温带位于天山南麓、甘肃、内蒙古和东北大部分地区,暖温带主要为塔里木与东疆盆地、华北平原和山东半岛等地,该区域平均气温较低,多为半干旱和干旱地区,植被相对稀少,对CO2吸收较少,且华北平原和东北平原人口密集、工业水平高、化石燃料燃烧量大,CO2排放量大;南部低值区中,亚热带和热带气候区虽然CO2排放水平较高,但下垫面植被覆盖度较高,有助于CO2吸收,而高原带主要为青藏高原地区,该地区人烟稀少,CO2排放少,受地形影响形成独特气候区,与其北部高值区大气混合作用较弱,因此该地区φ(CO2)分界线与气候区基本吻合.此外,中国东部由于大气混合作用,φ(CO2)高低分界线较气候类型分界线略靠南,位于北亚热带气候区内.

注:底图为2016年8月27日从国家测绘局网站(http://219.238.166.215/mcp/index.asp)下载的1:1亿示意地图版1(海岸线南海诸岛).审图号:GS(2008)1228号. 图 6 2002年9月—2012年2月全国对流层中层平均φ(CO2)分布 Figure 6 Distribution of average troposphere CO2 concentration over China from September 2002 to February 2012

从纬度带来看,高值区主要集中在35°N~45°N之间,同时可以看出形成4个高值中心,分别是塔里木盆地、塔克拉玛干沙漠、内蒙古西部和东北平原,其φ(CO2)依次为385.14×10-6、385.42×10-6、385.22×10-6和385.15×10-6,与白文广等[2, 31]研究结果基本一致.其中,高值中心东北平原主要是人类活动的影响造成的,一方面,该地区老工业区生产和冬季取暖消耗大量化石燃料,造成CO2排放量大;另一方面,该地区农业发达,农田覆盖度高,但冬季温度低农作物无法生长,对于CO2的消耗较少.此外,附近华北平原京津冀地区经济发达,人口集中,城市人口出行交通和取暖等排放CO2较多,森林植被覆盖率较低,对CO2吸收少,导致东北平原至华北平原一带CO2积累不易扩散,易形成高值中心.而塔克拉玛干沙漠、塔里木盆地、内蒙古西部高值中心主要是由于下垫面和气候条件等因素影响,该区域长期干旱,下垫面多为沙漠和戈壁,植被较少,对CO2吸收较少.

低值区主要集中在20°N~35°N之间的西南部地区,并形成2个低值中心,分别是青藏高原西南部和云南地区,其φ(CO2)分别为381.30×10-6和381.45×10-6,而白文广等[2]根据2003—2008年的资料研究发现只有1个低值中心(云南地区),随着观测时间的延长导致低值中心有差异的原因可能与青藏高原植被变化有关.究其原因:一方面,青藏高原西部地区人烟稀少,人类活动排放CO2较少,易形成低值区;另一方面,李文华等[41-42]研究表明, 受气候变暖和退牧还草等大型生态工程生态效应影响,青藏高原植被总体变好,碳汇功能增强,占全国增加碳汇的10%左右,同时存在着区域不平衡,植被变差的区域主要集中在藏北高原,因此使得青藏高原西南部较易发展成为低值中心.云南地区主要是由于下垫面类型和气候条件影响,该地区植被覆盖率高,CO2消耗快,属亚热带季风气候,海气交换频繁,CO2易扩散.

海南地区φ(CO2)平均值为382.67×10-6,从图 6可以看出,其位于低值区附近,这主要是由于海南属热带季风海洋气候,海气交换频繁,且森林覆盖率高,濒临海洋,碳汇量大,φ(CO2)较低,同时海南地区靠近珠江三角洲经济区,由于大气混合作用,φ(CO2)略高于云南低值中心.

图 7展示了2002年9月—2012年2月对流层中层φ(CO2)月均值变化趋势.从图 7可以看出,全国φ(CO2)变化呈现明显增加趋势,其中,海南地区增加趋势也很明显,其月际波动规律与全国基本一致.全国φ(CO2)年均增长速率为2.16×10-6,白文广等[2]研究的2003—2008年为2.094×10-6,笔者的研究结果略高,主要是由于2008年后我国φ(CO2)增长速率有进一步加快趋势;而海南地区φ(CO2)年增长速率为2.11×10-6.这表明,海南地区φ(CO2)月均值增长速率低于全国水平,从一定程度上可以说明海南温室气体排放速率低于全国平均水平,但这种差异较小,可能是由于AIRS观测的为对流层中层φ(CO2),大气环流混合作用削弱了大气中φ(CO2)本底值的区域增长速率差异,因此,海南大气中本底φ(CO2)变化特征需要进一步研究.

图 7 2002年9月—2012年2月全国及其海南地区对流层中层φ(CO2)月均值变化 Figure 7 Monthly variations of CO2 for China from September 2002 to February 2012
2.3 海南地区对流层φ(CO2)时空分布特征

通过对海南地区6个格点2002年9月—2012年2月数据进行统计分析,结果显示,6个格点均呈现显著一致的逐年上升趋势(见图 8),增长速率略有差异,其中海南岛西部海域、陆地和东部海域上空φ(CO2)月均值线性拟合结果得出年平均增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6(见图 9),表明海南地区陆地上空φ(CO2)增长速率略大于海洋地区,西部海域和东部海域上空增长速率保持一致;同时,这一监测结果也反映随着海南省经济和人口的迅速发展,加剧了温室气体的排放速度.

图 8 2002年9月—2012年2月6个格点φ(CO2)月均值变化 Figure 8 Monthly variations of CO2 for six data grids from September 2002 to February 2012

图 9 2003—2011年西部海域、陆地和东部海域φ(CO2)月均值变化 Figure 9 Monthly variations of CO2 for western sea, land and eastern sea from 2003 to 2011

受季节气候特征的影响,对流层中层φ(CO2)呈现明显季节变化.从图 10可以看出,对流层中层φ(CO2)的平均季节(春季,3—5月;夏季,6—8月;秋季,9—11月;冬季,12月—翌年2月)变化特征,2002年秋季至2011冬季全国季平均φ(CO2)呈现显著波动增长趋势,其中海南地区亦表现出这一特征,但其季节峰值的变化与全国平均季节变化略有不同.从图 11可以看出,全国多年φ(CO2)月均最高值出现在春季5月,最低值出现在秋季10月;海南地区最高值亦出现在春季5月,而最低值则出现在秋季11月.从季节平均值来看,全国多年均φ(CO2)最高值出现在春季,最低值出现在秋季;而海南地区最高值则出现在夏季,最低值出现在秋季.研究表明,北半球大气φ(CO2)明显的季节变化与CO2在大气和地球生物圈间的交换密切关联,春季植物呼吸作用强烈而光合作用相对较弱,同时春季我国中高纬度500 hPa高度盛行西偏北风,风场较强,有利于中高纬度CO2向低纬度地区输送,成为φ(CO2)最高的季节[2],同样,使得海南地区5月成为全年φ(CO2)最高的月份.夏季植物光合作用强烈,且北半球中高纬度急流活动频繁,水平风场相对较弱,有利于对流层中层CO2垂直输送,导致夏季对流层中层φ(CO2)普遍开始降低[20];而海南地处低纬度地区,水平风场相对中高纬度较强,CO2垂直输送较缓,夏季降低幅度较小,导致其夏季各月平均φ(CO2)仍较高.秋季是φ(CO2)最低的季节,而我国瓦里关观测结果显示夏季为φ(CO2)最低季节,主要原因是由于卫星观测的对流层中层φ(CO2)滞后于本底观测[43].冬季随着气温降低,植物光合作用减弱,φ(CO2)增长,海南地区冬季各月增长速率低于全国水平,这可能与我国北方地区冬季化石燃料燃烧取暖排放CO2有关.

图 10 2002年9月—2012年2月全国及其海南地区对流层中层φ(CO2)季均值 Figure 10 Seasonal variations of CO2 from September 2002 to February 2012 over China

图 11 2003—2011年全国及其海南地区对流层中层φ(CO2)月均值和季均值 Figure 11 Monthly and seasonalmean CO2 concentration from 2003 to 2011 over China
3 结论

a) AIRS反演对流层中层φ(CO2)结果无论与地基观测还是不同纬度带海洋上空飞机观测结果比较均具有很好的一致性,相关系数均在0.9以上,总体月均值偏差小于2×10-6,其中与飞机观测结果相关系数均达0.97,月均值偏差均小于1.3×10-6.

b)全国对流层中层平均φ(CO2)总体上呈现北高南低的分布特征,并且存在较为明显的分界线.高值区主要集中在35°~45°N之间,有4个高值中心,分别是塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原,φ(CO2)依次为385.14×10-6、385.42×10-6、385.22×10-6和385.15×10-6;低值区主要集中在20°N~35°N之间的西南部地区,有2个低值中心,分别是青藏高原西南部和云南地区,φ(CO2)分别为381.30×10-6和381.45×10-6,其中青藏高原由于受气候变暖和退牧还草等影响,植被总体变好,碳汇功能增强,使其较易发展成为低值中心.海南地区平均φ(CO2)为382.67×10-6,略高于云南低值中心.

c)全国平均φ(CO2)呈现明显季节波动特征,且呈现显著增加趋势,最高值出现在春季,最低值出现在秋季,海南地区亦呈现明显波动特征和显著增加趋势,但其最高值出现在夏季.全国φ(CO2)年均增长速率为2.16×10-6,其中海南地区为2.11×10-6,表明海南地区增长速率低于全国水平.海南岛西部海域、陆地和东部海域上空φ(CO2)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明陆地上空φ(CO2)增长速率略大于海洋地区,西部海域和东部海域上空增长速率基本保持一致,从一定程度上可以说明随着海南省经济和人口的迅速发展,加剧了温室气体的排放速度.

参考文献
[1]
程振华, 王玮. 全球二氧化碳的分布和循环:全球"温室效应"探讨之一[J]. 环境科学研究, 1989, 2(4): 52-59.
CHENG Zhenhua, WANG Wei. The distribution and recycling of carbon dioxide in the word[J]. Research of Environmental Sciences, 1989, 2(4): 52-59. (0)
[2]
白文广, 张兴赢, 张鹏. 卫星遥感监测中国地区对流层二氧化碳时空变化特征分析[J]. 科学通报, 2010, 55(30): 2953-2960.
BAI Wenguang, ZHANG Xingying, ZHANG Peng. Temporal and distribution of tropospheric CO2 over China based on satellite observation[J]. Chinese Science Bulletin, 2010, 55(30): 2953-2960. (0)
[3]
IP CC. Climate change 2013:the physical science basis[M]. Cambridge: Cambridge University Press, 2013, 11-12. (0)
[4]
秦大河, THOMASS. IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10(1): 1-6.
QIN Dahe, THOMAS S. Highlights of the IPCC working group I fifth assessment report[J]. Advances in Climate Change Research, 2014, 10(1): 1-6. (0)
[5]
张兴赢, 张鹏, 方宗义, 等. 应用卫星遥感技术监测大气痕量气体的研究进展[J]. 气象, 2007, 33(7): 1-14.
ZHANG Xingying, ZHANG Peng, FANG Zongyi, et al. The progress in trace gas remote sensing study based on the satellite monitoring[J]. Meteorological Monthly, 2007, 33(7): 1-14. (0)
[6]
张兴赢, 周敏强, 王维和, 等. 全球卫星大气成分遥感探测应用进展及其展望[J]. 科技导报, 2015, 33(17): 13-22.
ZHANG Xingying, ZHOU Minqiang, WANG Weihe, et al. Progress of global satellite remote sensing of atmospheric compositions and its' applications[J]. Science and Technology Review, 2015, 33(17): 13-22. DOI:10.3981/j.issn.1000-7857.2015.17.001 (0)
[7]
王跃启, 江洪, 张秀英, 等. 基于OMI卫星遥感数据的中国对流层NO2时空分布[J]. 环境科学研究, 2009, 22(8): 932-937.
WANG Yueqi, JIANG Hong, ZHANG Xiuying, et al. Temporal-spatial distribution of tropospheric NO2 in China using OMI satellite remote sensing data[J]. Research of Environmental Sciences, 2009, 22(8): 932-937. (0)
[8]
尉鹏, 任阵海, 苏福庆, 等. 中国NO2的季节分布及成因分析[J]. 环境科学研究, 2011, 24(2): 155-161.
WEI Peng, REN Zhenhai, SU Fuqing, et al. Seasonal distribution and cause analysis of NO2 in China[J]. Research of Environmental Sciences, 2011, 24(2): 155-161. (0)
[9]
姚凌, 吕宁, 师华定. 利用SCIAMACHY遥感资料研究我国NO2柱浓度及其时空分布[J]. 环境科学研究, 2012, 25(4): 419-424.
YAO Ling, LV Ning, SHI Huading. Study on spatial temporal variations in total NO2 column amounts over China using SCIAMACHY data[J]. Research of Environmental Sciences, 2012, 25(4): 419-424. (0)
[10]
AUMANN H H, CHAHINE M T, GAUTIER C, et al. AIRS/AMSU/HSB on the aqua mission:design, science objectives, data products, and processing systems[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(2): 253-264. DOI:10.1109/TGRS.2002.808356 (0)
[11]
BURROWS J P, HÖLZLE E, GOEDE A P H, et al. SCIAMACHY-scanning imaging absorption spectrometer for atmospheric chartography[J]. Acta Astronautica, 1991, 35(94): 146-154. (0)
[12]
CLERBAUX C, BOYNARD A, CLARISSE L, et al. Monitoring of atmospheric composition using the thermal infrared IASI/MetOp sounder[J]. Atmospheric Chemistry and Physics, 2009, 9(16): 6041-6054. DOI:10.5194/acp-9-6041-2009 (0)
[13]
CRISP D, ATLAS R M, BREON F M, et al. The orbiting carbon observatory (OCO) mission[J]. Advances in Space Research, 2010, 34(4): 700-709. (0)
[14]
BUTZ A, GUERLET S, HASEKAMP O, et al. Toward accurate CO2 and CH4 observations from GOSAT[J]. Geophysical Research Letters, 2011, 38(14): 130-137. (0)
[15]
PAGANO T S, CHAHINE M T, OISEN E T. Seven years of observations of mid-tropospheric CO2 from the Atmospheric Infrared Sounder[J]. Acta Astronautica, 2011, 69(7/8): 355-359. (0)
[16]
RAJAB J M, MATJAFRI M Z, LIM H S, et al. Satellite mapping of CO2 emission from forest fires in indonesia using AIRS measurements[J]. Modern Applied Science, 2009, 3(12): 68-75. (0)
[17]
RAJAB J M, MATJAFRI M Z, LIM H S. Air surface temperature correlation with greenhouse gases by using AIRS data over Peninsular Malaysia[J]. Pure and Applied Geophysics, 2014, 171(8): 1-19. (0)
[18]
COCHRAN F V, BRUNSELL N A. Temporal scales of tropospheric CO2, precipitation, and ecosystem response in the central Great Plains[J]. Remote Sensing of Environment, 2012, 127(12): 316-328. (0)
[19]
KUMAR K R, REVADEKAR J V, TIWARI Y K. AIRS retrieved CO2 and its association with climatic parameters over India during 2004-2011[J]. Science of the Total Environment, 2014, S476/477: 79-89. (0)
[20]
CHAHINE M T, CHEN L, DIMOTAKIS P, et al. Satellite remote sounding of mid-tropospheric CO2[J]. Geophysical Research Letters, 2008, 35(17): 179-190. (0)
[21]
CREVOISIER C, CHEDIN A, MATSUEDA H, et al. First year of upper tropospheric integrated content of CO2 from IASI hyperspectral infrared observations[J]. Atmospheric Chemistry and Physics, 2009, 9: 4797-4810. DOI:10.5194/acp-9-4797-2009 (0)
[22]
YOSHIDA Y, KIKUCHI N, MORINO I, et al. Improvement of the retrieval algorithm for GOSAT SWIR XCO2 and XCH4 and their validation using TCCON data[J]. Atmospheric Measurement Techniques, 2013, 6: 1533-1547. DOI:10.5194/amt-6-1533-2013 (0)
[23]
SCHNEISING O, BUCHWITZ M, REUTER M, et al. Long-term analysis of carbon dioxide and methane column-averaged mole fractions retrieved from SCIAMACHY[J]. Atmospheric Chemistry and Physics, 2011, 11: 2863-2880. DOI:10.5194/acp-11-2863-2011 (0)
[24]
CHEVALLIER F, ENGELEN R J, CAROUGE C, et al. AIRS-based versus flask estimation of carbon surface fluxes[J]. Journal of Geophysical Research Atmospheres, 2009, 114: D20303. DOI:10.1029/2009JD012311 (0)
[25]
BASU S, GUERLET S, BUTZ A, et al. Global CO2 fluxes estimated from GOSAT retrievals of total column CO2[J]. Atmospheric Chemistry and Physics Discussions, 2013, 13(17): 8695-8717. DOI:10.5194/acp-13-8695-2013 (0)
[26]
PANDEY S, HOUWELING S, KROL M, et al. On the use of satellite-derived CH4:CO2 columns in a joint inversion of CH4 and CO2 fluxes[J]. Atmospheric Chemistry & Physics, 2015, 15(15): 8615-8629. (0)
[27]
WANG T, SHI J, JING Y. Evaluation and intercomparison of the atmospheric CO2 retrievals from measurements of AIRS, IASI, SCIAMACHY and GOSAT[J]. Journal of Geophysical Research, 2012, 3(3): 1325-1328. (0)
[28]
何茜, 余涛, 程天海, 等. 大气二氧化碳遥感反演精度检验及时空特征分析[J]. 地球信息科学学报, 2012, 14(2): 250-257.
HE Qian, YU Tao, CHENG Tianhai, et al. Atmospheric carbon dioxide satellite remote sensing retrieval accuracy inspection and spatio-temporal characteristics analysis[J]. Journal of Geo-information Science, 2012, 14(2): 250-257. (0)
[29]
周聪, 施润和, 高炜. 对流层中层与近地面大气二氧化碳浓度的比较研究[J]. 地球信息科学学报, 2015, 17(11): 1286-1293.
ZHOU Cong, SHI Runhe, GAO Wei. Comparison of carbon dioxide in mid-troposphere and near-surface[J]. Journal of Geo-information Science, 2015, 17(11): 1286-1293. (0)
[30]
秦林, 张可言, 朱乾华, 等. AIRS遥感观察三峡库区二氧化碳浓度变化特征[J]. 中国科技信息, 2013(24): 34-35. DOI:10.3969/j.issn.1001-8972.2013.24.004 (0)
[31]
孟倩文, 尹球. 中国区域CO2多年时空变化的卫星遥感分析[J]. 遥感技术与应用, 2016, 31(2): 203-213.
MENG Qianwen, YIN Qiu. Remote sensing analysis of multi-years spatial and temporal variation of CO2 in China[J]. Remote Sensing Technology and Application, 2016, 31(2): 203-213. (0)
[32]
刘双娜, 周涛, 魏林艳, 等. 中国森林植被的碳汇/源空间分布格局[J]. 科学通报, 2012, 57(11): 943-950.
LIU Shuangna, ZHOU Tao, WEI Linyan, et al. The spatial distribution of forest carbon sinks and sources in China[J]. Chinese Science Bulletin, 2012, 57: 1699-1707. (0)
[33]
EDWARD T O, STEPHEN J L.AIRS version 5 release tropospheric CO2 products[EB/OL].California:Jet Propulsion Laboratory, 2015[2016-06-22].http://disc.sci.gsfc.nasa.gov/AIRS/documentation/v5_docs. http://www.atmos-chem-phys.net/16/7867/2016/acp-16-7867-2016.xml (0)
[34]
MACHIDA T, MATSUEDA H, SAWA Y, et al. Worldwide measurements of atmospheric CO2 and other trace gas species using commercial airlines[J]. Journal of Atmospheric and Oceanic Technology, 2008, 25(10): 1744-1754. DOI:10.1175/2008JTECHA1082.1 (0)
[35]
GERBIG C, LIN J C, WOFSY S C, et al. Toward constraining regional-scale fluxes of CO2 with atmospheric observations over a continent:1.Observed spatial variability from airborne platforms[J]. Journal of Geophysical Research Atmospheres, 2003, 108(D24): ACH5. (0)
[36]
TIWARI Y K, GLOOR M, ENGELEN R J, et al. Comparing CO2 retrieved from atmospheric infrared sounder with model predictions:Implications for constraining surface fluxes and lower-to-upper troposphere transport[J]. Journal of Geophysical Research Atmospheres, 2006, 111(D17): 4067-4077. (0)
[37]
YOSHIDA Y, OTA Y, EGUCHI N, et al. Retrieval algorithm for CO2 and CH4 column abundances from short-wavelength infrared spectral observations by the Greenhouse gases observing satellite[J]. Atmospheric Measurement Techniques and Discussions, 2011, 3(6): 4791-4833. (0)
[38]
WAND T X, SHI J C, JING Y Y. Investigation of the consistency of atmospheric CO2 retrievals from different space-based sensors:intercomparison and spatiotemporal analysis[J]. Chinese Science Bulletin, 2013, 58(33): 4161-4170. DOI:10.1007/s11434-013-5996-7 (0)
[39]
MADDY E S, BARNET C D, GOLDBERG M, et al. CO2 retrievals from the atmospheric infrared sounder:methodology and validation[J]. Journal of Geophysical Research Atmospheres, 2008, 113: D11301. DOI:10.1029/2007JD009402 (0)
[40]
郑景云, 卞娟娟, 葛全胜, 等. 1981-2010年中国气候区划[J]. 科学通报, 2013, 58(30): 3088-3099.
ZHENG Jingyun, BIAN Juanjuan, GE Quansheng, et al. The climate regionalization in China for 1981-2010[J]. Chinese Science Bulletin, 2013, 58(30): 3088-3099. (0)
[41]
李文华, 赵新全, 张宪洲, 等. 青藏高原主要生态系统变化及其碳源/碳汇功能作用[J]. 自然杂志, 2013, 35(3): 172-178.
LI Wenhua, ZHAO Xinquan, ZHANG Xianzhou, et al. Change mechanism in main ecosystems and its effect of carbon source/sink function on the Qinghai-Tibetan Plateau[J]. Chinese Journal of Nature, 2013, 35(3): 172-178. (0)
[42]
刘军会, 刘劲松, 冯晓淼, 等. 青藏高原植被固定CO2释放O2的经济价值评估[J]. 环境科学研究, 2009, 22(8): 977-983.
LIU Junhui, LIU Jinsong, FENG Xiaomiao, et al. Economic value assessment of CO2 fixation and O2 release of vegetation ecosystem in the Tibetan Plateau[J]. Research of Environmental Sciences, 2009, 22(8): 977-983. (0)
[43]
王庚辰, 温玉璞, 孔琴心, 等. 中国大陆上空CO2的本底浓度及其变化[J]. 科学通报, 2002, 47(10): 780-783. DOI:10.3321/j.issn:0023-074X.2002.10.012 (0)