环境科学研究  2020, Vol. 33 Issue (1): 54-62  DOI: 10.13198/j.issn.1001-6929.2019.07.24

引用本文  

王晨莹, 何沐全, 陈军辉, 等. 2006-2017年四川盆地MODIS气溶胶光学厚度时空变化特征[J]. 环境科学研究, 2020, 33(1): 54-62.
WANG Chenying, HE Muquan, CHEN Junhui, et al. Temporal and Spatial Variation Characteristics of MODIS Aerosol Optical Depth in Sichuan Basin from 2006 to 2017[J]. Research of Environmental Sciences, 2020, 33(1): 54-62.

基金项目

国家自然科学基金项目(No.41771535);四川省科技厅重大项目(No.2017SZ0169)
National Natural Science Foundation of China (No.41771535); Major Project of Sichuan Science and Technology Department, China (No.2017SZ0169)

责任作者

刘志红(1967-), 女, 四川成都人, 教授, 博士, 主要从事大气遥感研究, wxzlzh@cuit.edu.cn.

作者简介

王晨莹(1995-), 女, 山西永济人, cuit_wcy@163.com

文章历史

收稿日期:2018-09-29
修订日期:2019-07-03
2006-2017年四川盆地MODIS气溶胶光学厚度时空变化特征
王晨莹1, 何沐全2, 陈军辉3, 刘志红1    
1. 成都信息工程大学资源环境学院, 四川 成都 610225;
2. 广州气象卫星地面站, 广东 广州 510640;
3. 四川省生态环境科学研究院, 四川 成都 610041
摘要:四川盆地地形复杂、气候特殊,是我国颗粒物污染高发地.为探究四川盆地气溶胶分布和周期变化特征,深入认识气溶胶污染特性及其气候效应,结合卫星遥感探测方法,利用2006-2017年MODIS C006 3 km AOD(气溶胶光学厚度)产品,分析了四川盆地AOD的时空特征.结果表明:①MODIS AOD(MODIS数据反演的气溶胶光学厚度)与太阳光度计CE318观测的AOD、ρ(PM2.5)、ρ(PM10)线性相关系数分别为0.78、0.77、0.75,表明MODIS C006 3 km AOD产品适用于四川盆地颗粒物污染研究.②四川盆地AOD平均值范围为0.1~1.3,其中,成都平原和四川盆地东南部地区是AOD高值(AOD值>1.0)中心,四川盆地周边高海拔区AOD均小于0.3.③2006-2017年AOD年均值范围为0~2.5,整体呈"倒N型"曲线下降,其峰值和谷值分别出现在2013年和2017年;2013年AOD大于1.0的区域占四川盆地的34.1%,是12 a中颗粒物污染最重的一年;2017年AOD小于0.3的面积占57.1%.④AOD季节性变化呈春季最大、夏季次之、秋季最小的特征.⑤AOD月变化呈"双峰型"波动特征,AOD月均值范围为0~2.5,其中,2-5月AOD月均值均大于0.7,8月AOD月均值为0.6,11-12月AOD月均值均小于0.5.研究显示,四川盆地颗粒物污染防治应以成都平原城市群和四川省南部城市群为主,应重点控制细颗粒物排放,合理安排工业企业的周期性生产强度.
关键词MODIS    AOD    气溶胶    四川盆地    时空分布    
Temporal and Spatial Variation Characteristics of MODIS Aerosol Optical Depth in Sichuan Basin from 2006 to 2017
WANG Chenying1, HE Muquan2, CHEN Junhui3, LIU Zhihong1    
1. College of Resource and Environment, Chengdu University of Information Technology, Chengdu 610225, China;
2. Guangzhou Meteorological Satellite Ground Station, Guangzhou 510640, China;
3. Sichuan Academy of Eco-Environmental Sciences, Chengdu 610041, China
Abstract: The Sichuan Basin has complex terrain and special climate, which is a high-risk area for particulate pollution in China. In order to explore the aerosol distribution and periodic variation characteristics of the Sichuan Basin, and to better understand the aerosol pollution characteristics and its climatic effects, combined with the satellite remote sensing data, the 2006-2017 MODIS C006 3 km aerosol optical depth (AOD) product was used to analyze the temporal and spatial characteristics of aerosols in the Sichuan Basin. The linear correlation coefficients of MODIS AOD and AOD, ρ(PM2.5), and ρ(PM10) observed by the solar photometer CE318 were 0.78, 0.77, and 0.75, respectively, indicating that MODIS AOD products were suitable for studying the particulate matter pollution in Sichuan Basin. The cumulative average of AOD in the Sichuan Basin in the past 12 years was between 0.1 and 1.3. The Chengdu Plain and the southeastern Sichuan Basin were the AOD high-value centers. The values of the AOD high-value centers were greater than 1.0, and the AOD values of the high-altitude areas around the Sichuan Basin were less than 0.3. The average annual AOD fluctuated in the range of 0 to 2.5, showing a downward trend of 'inverted N type', in which peaks and valleys appeared in 2013 and 2017. In 2013, the area with AOD value greater than 1.0 accounted for 34.1% of the Sichuan Basin, which was the year with the heaviest particulate pollution in the past 12 years, while the area with AOD value less than 0.3 in 2017 accounted for 57.1%. The seasonal variation of AOD was the largest in spring, the second in summer, and the smallest in autumn. The monthly variation of AOD was 'double-peak' fluctuation, and the monthly AOD value varied from 0 to 2.5. The overall average values of AOD from February to May were greater than 0.7, followed by the average value of 0.64 AOD in August, and the average values of AOD from November to December were less than 0.5. The research showed that the prevention and control of particulate matter pollution in the Sichuan Basin should be focused on the Chengdu Plain urban agglomeration and the southern Sichuan urban agglomeration. It is important to control the emission of fine particulate matter and rationally arrange the cyclical production intensity of industrial enterprises.
Keywords: MODIS    AOD    aerosol    Sichuan Basin    temporal and spatial distribution    

悬浮于地表与大气间的气溶胶对区域或全球气候系统至关重要[1],它通过反射太阳入射光冷却气候系统,同时还可以吸收太阳入射辐射使大气升温并导致地表温度降低[2].微尺度气溶胶粒子以云凝结和冰核等形式参与云、降水的形成,通过多相化学反应影响大气痕量气体的丰度和分布[3].此外,大气中的颗粒在生物有机体、病原体等传播中起重要的作用,可引起或增强呼吸道、心血管、传染性和变异性疾病[4].大气中的气溶胶浓度随时间和空间变化较大[5],要准确研究气溶胶的分布和组成,需要卫星、地面仪器网络和专门的野外试验进行连续的观测[6-9].

我国针对大气气溶胶的学术研究起步相对较晚[10-14].四川盆地位于我国的西部,地形复杂、气候特殊,是我国颗粒物污染高发地[15-17]. HE等[18]对比了MODIS 3和10 km AOD(气溶胶光学厚度)产品在我国区域的适用性,并得出我国南方适用MODIS 3 km AOD产品的结论. SHI等[19]分析了MODIS C006 AOD在重庆市的可用性,得出夏秋季MODIS AOD能反映重庆市颗粒物污染状况.何沐全等[20]分析了四川省南部城市群气溶胶的时空分布特征及其形成原因,发现气溶胶主要分布于城市区域,呈逐年曲线减小变化,并且受地形、气象因素和排放量影响. LIU等[21]分析了四川盆地2006—2015年的AOD时空变化特征,得出AOD年变化特征呈“V”型变化,月变化特征呈“双峰型”等. ZHAO等[22]分析了近地面空气污染现状,发现盆地污染过程主要由细颗粒物和臭氧引发. HU等[23]分析了四川盆地生物质燃烧对大气气溶胶的影响,得出了生物质燃烧中以一次颗粒物排放为主等结论.张洋[24]利用MODIS AOD分析了四川省的AOD时空分布特征,发现四川盆地AOD值较高.

该研究以四川盆地作为研究区域,利用CE318太阳光度计AOD监测数据和地面ρ(PM2.5)、ρ(PM10)数据对四川盆地的MODIS C006 3 km的AOD产品进行适用性验证,结合验证后的MODIS AOD产品,分析2006—2017年四川盆地AOD的时空分布特征,以期为研究四川盆地的气溶胶污染特性及其气候效应提供参考.

1 数据与方法 1.1 研究区概况

四川盆地处于四川省东部,西靠青藏高原与横断山脉,北依秦岭山地,东接湘鄂高山,南连云贵高原,形成四周高中间低的盆状地形,故得名四川盆地(见图 1).四川盆地涵盖了成都平原、川东北平原、川南丘陵山地和重庆市,地势平坦,物产丰富,城市聚集度高,人口密度大.

图 1 四川盆地空间分布 Fig.1 Spatial distribution of elevation in Sichuan Basin

四川盆地是我国灰霾污染高发地之一,大气污染形式十分严峻.受工业化和城市化发展战略影响,工业生产、城市建筑施工和机动车保有量的增加导致盆地内颗粒物排放量较大.四川盆地中间低四周高的地形不利于气溶胶污染扩散,不同区域的多种气溶胶在高温高湿的条件下催化光化学反应,形成城市区域复合型污染,其中成都平原城市群、四川省南部城市群和重庆市尤为明显.

大气中的气溶胶主要源自于本地颗粒物的直接排放.分析2014年四川省颗粒物总排放量发现,2014年四川省PM10、PM2.5排放总量分别为244.18×104、79.12×104 t(见表 1).其中,城市扬尘是颗粒物排放的主要来源,其排放的PM10、PM2.5分别占总排放量的76.52%、55.80%;其次是工业生产过程,其排放的PM10、PM2.5分别占总排放量的11.76%、25.1%;居民生活和秸秆焚烧排放的颗粒物占总颗粒物排放的7.8%.

表 1 2014年四川省颗粒物总排放量 Table 1 Total emissions of particulate matter in Sichuan Province in 2014
1.2 数据来源

该研究主要使用了NASA官方发布的2006—2017年四川盆地的MODIS 3 km AOD产品(https://modis.gsfc.nasa.gov),以及成都市气象局利用法国CIMEL公司制造的自动跟踪扫描太阳光度计CE318观测的2007—2008年成都市的AOD; 四川省生态环境科学研究院大气环境研究所统计的2014年四川省颗粒物年总排放量及四川省南部城市群ρ(PM2.5)、ρ(PM10)监测数据.

1.3 数据处理方法 1.3.1 MODIS AOD产品处理

MODIS是搭载于Terra和Aqua卫星上的一个中分辨率传感器,具有36个探测波段,不同的辐射波谱可以得到众多的大气物理信息,AOD就是其中最常见的反演产品.目前NASA发布了10和3 km两种气溶胶产品,10 km产品采用了常规的暗像元算法,该产品适用于海洋和暗像元区(如浓密植被);而3 km产品采用深蓝反演算法(https://deepblue.gsfc.nasa.gov)填充了暗像元算法中对亮目标区域的反演盲区.两种分辨率的AOD产品最主要的区别在于反演算法中使用的像元矩阵不同,两种分辨率的反演结果近乎一致[25].

该研究以2006—2017年四川盆地的MODIS 3 km C006 AOD产品为数据基础,利用IDL和NASA官方发布用于处理MODIS产品的插件MCTK(the MODIS conversion toolkit)对MODIS AOD产品进行投影赋值处理,结合ENVI的Layer Stacking模块对投影后的多个文件组合成多波段文件,以像素为处理单元,计算组合文件内有效像元(忽略错误值和填充值)的平均值,最后利用四川盆地的边界矢量裁剪得到相应的AOD年均值、季均值、月均值及其空间分布,并通过ArcMap软件绘制成专题图.

1.3.2 CE318太阳光度计数据处理

NASA发布的MODIS气溶胶产品是利用暗像元算法或深蓝算法反演得到的550 nm AOD数据,而传统的CE318(太阳光度计)探测通道主要是1 020、870、670及440 nm,为保证MODIS AOD(利用MODIS数据反演的气溶胶光学厚度)与CE318 AOD(太阳光度计CE318观测的AOD)的可比性,需将太阳光度计探测数据统一到550 nm.根据Angstrom波长指数公式[26],利用不受水汽影响的870、440 nm两个通道联合求解得到550 nm的AOD.

以太阳光度计所在的位置为圆心,匹配10 km半径范围内的MODIS AOD数据并计算平均值,对比分析MODIS AOD与卫星过境前后30 min的CE318 AOD,完成MODIS AOD的初步验证工作.

1.3.3 PM2.5、PM10监测数据处理

根据2014年泸州市和自贡市环境监测站观测的ρ(PM2.5)、ρ(PM10)日均值数据,利用IDL编写MODIS AOD与PM数据的匹配模型,提取泸州市、自贡市监测站10 km范围内且云量小于10%的AOD,建立对应时间段的线性拟合关系.

2 结果与讨论 2.1 MODIS AOD产品在四川盆地适用性验证

MODIS AOD是地表到卫星高度上大气颗粒对入射太阳光的消光,太阳光度计是从地面直接探测太阳入射光在进入大气层后到达地面的消光,是目前世界上公认的获取近地面气溶胶最准确的探测手段之一[27],其探测原理与卫星遥感相一致,理论上两种方式获取的AOD值相近;而颗粒物质量浓度能直接反映大气中颗粒物的含量,在数值上与AOD存在一定的线性关系[28].国内外大量研究[29-31]表明,卫星遥感反演的AOD与太阳光度计监测的AOD和大气中的颗粒物浓度存在明显的相关性.

图 2为MODIS AOD与CE318 AOD、ρ(PM2.5)、ρ(PM10)的相关性分析.由图 2可见,MODIS AOD与CE318 AOD、ρ(PM2.5)、ρ(PM10)线性相关系数分别为0.78、0.77、0.75.结果表明,MODIS AOD与地面观测数据之间存在明显线性相关关系,表明MODIS 3 km AOD气溶胶产品能够适用于分析四川盆地近地面的大气气溶胶污染状况.

图 2 MODIS AOD与CE318 AOD、ρ(PM2.5)、ρ(PM10)的相关性分析 Fig.2 Linear analysis of MODIS AOD and CE318 ground-based AOD, ρ(PM2.5), ρ(PM10)
2.2 MODIS AOD平均值空间分布特征

以2006—2017年四川盆地的MODIS AOD产品为数据基础,统计12 a内各像元有效值天数并计算AOD平均值,得到四川盆地的AOD空间分布情况(见图 3).由图 3可见,四川盆地AOD年均值范围为0.1~1.3,AOD高值区主要分布于德阳市、成都市、眉山市以及乐山市北部地区,呈带状分布,这些城市西侧是龙门山脉,东侧是龙泉山脉,形成鲜明的沿山脉走向分布特征,该分析结果与张洋等[32]研究结论一致.气象预报数值模拟结果显示,四川盆地盛行东北风,盆地以北区域排放的气溶胶颗粒在流场驱动下向南传输,导致盆地中、南部城市大气中气溶胶含量增加.

图 3 四川盆地AOD空间分布情况 Fig.3 Spatial distribution of AOD in Sichuan Basin

四川省南部城市群(包括内江市、自贡市、宜宾市、泸州市)是AOD第2个高值中心.根据ZHANG等[33-34]对四川盆地的气象模拟结果发现,四川盆地南部地区静风频率高,并且具有明显的风向辐合带等不利气象条件,与颗粒物扩散强度呈负相关.此外,四川省南部城市群机动车保有量仅次于成都市,机动车通勤排污大;自贡市本地化井盐产业和宜宾市、泸州市酒业生产使四川盆地南部AOD高于其他区域.除成都平原和四川省南部城市群外,资阳市、遂宁市、广安市和重庆市是四川盆地第三大AOD高值中心.

四川盆地AOD空间分布特征整体上表现为中部低海拔城市AOD值较高的特征,其中成都平原和四川盆地东南部地区是AOD高值(AOD值>1.0)中心;AOD由盆地中部向四周高山区域递减,海拔越高,AOD值越低,四川盆地四周AOD值均小于0.3,该结论与张静怡等[35]对四川盆地气溶胶时空格局研究的结果基本一致.

2.3 2006—2017年MODIS AOD年际变化特征

图 4为2006—2017年四川盆地MODIS AOD年均值变化特征.由图 4可见:四川盆地中部的AOD存在明显的年变化特征,AOD年均值范围为0~2.5,整体上呈“倒N型”曲线下降,盆地四周无明显时序变化特征. 2006—2009年AOD值逐年减小,AOD年均值范围为0~1.6,AOD高值中心分布于成都市和自贡市,2009年AOD值小于1.0的面积占整个盆地的95%以上;2010—2013年AOD年均值明显增大,2012年AOD年均值出现短暂减小后于2013年达到峰值,2013年AOD大于1.0的区域占四川盆地的34.1%,是12 a颗粒物污染最重的一年,4 a内四川盆地60%以上的区域AOD年均值在0.8~2.0,其中2010年成都市、眉山市、自贡市出现AOD年均值大于2.0的极值;2014—2017年AOD值大幅减小,99%以上区域AOD年均值小于1.0,至2017年进入谷值,盆地内90%以上区域AOD年均值小于0.6,其中低于0.3的区域占四川盆地的57.1%.

图 4 2006—2017年四川盆地MODIS AOD年均值变化特征 Fig.4 Interannual variation of AOD in Sichuan Basin from 2006 to 2017
2.4 MODIS AOD季节性变化特征

图 5为四川盆地AOD季节性变化特征.由图 5可见:四川盆地AOD季节性变化呈春季最大、夏季次之、秋季最小的特征.其中,春季AOD平均值范围为0~1.5,AOD高值中心分布于成都平原和四川盆地南部地区,其主要受本地秸秆焚烧和北方沙尘影响;夏季AOD平均值分布与冬季相似,盆地内夏季气温高、降雨量大且是生产作业的旺季,大气中气溶胶在高温高湿环境下吸湿膨胀、聚集成核,在MODIS AOD反演产品中表现为AOD高值区分布更广的特征;冬季气温低、风速小、相对湿度较小且边界层高度低,常伴有重污染过程发生,因而冬季表现为局部区域AOD高值凸显的特征;秋季湿度小、边界层高、风速较大,有利于污染物扩散.四川盆地四周海拔高,人烟稀少,污染物排放量小且扩散条件好,常年AOD值较小,无明显季节性变化.

图 5 四川盆地AOD季节性变化特征 Fig.5 Seasonal variation of AOD in Sichuan Basin
2.5 MODIS AOD月变化特征

图 6为2006—2017年四川盆地AOD月均值变化特征.由图 6可见:四川盆地AOD月均值范围为0~ 2.5,整体呈“双峰型”周期变化特征,AOD值呈1—3月逐月增加、4—7月平缓下降、8—9月缓慢增加、10—12月再下降的特征.其中,2月AOD高值区分布范围最广,成都市、眉山市、自贡市和重庆市为AOD高值(AOD月均值大于1.5)中心,盆地中部城市AOD月均值均大于0.5;3月AOD高值中心出现在成都平原一带,四川盆地中、南部有少数AOD大于1.2的散点,AOD高值分布面积小于2月;4—5月,由于扬尘和春耕秸秆燃烧的影响,大气中总颗粒物含量大,以成都平原城市群和川南城市群最为突出,气溶胶在数值上和污染程度上均小于2月、3月;8—9月,受高温高湿的大气条件影响,导致大气气溶胶含量短期上升,但整体水平低于2—5月;其他月份AOD平均值小于1.2,局部地区AOD月均值高于1.5,气溶胶污染程度较小.

图 6 2006—2017年四川盆地AOD月变化特征 Fig.6 Monthly variation of AOD in Sichuan Basin from 2006 to 2017

综上,四川盆地2—5月AOD月均值均大于0.7,8月AOD月均值为0.6,11—12月AOD月均值均小于0.5,其他月份AOD月均值范围为0.5~0.6.

3 结论

a) 四川盆地的MODIS AOD与CE318 AOD、ρ(PM2.5)、ρ(PM10)线性相关系数分别为0.78、0.77、0.75,表明MODIS C006 3 km AOD产品适用于四川盆地颗粒物污染研究.

b) 成都平原和四川盆地东南部地区是AOD高值(AOD值>1.0)中心,气溶胶颗粒主要分布在四川盆地中西部,AOD年均值范围为0.1~1.3,四川盆地四周海拔高、AOD年均值均小于0.3,这与四川盆地的地形特征、城市密集程度和气象条件有关.

c) 四川盆地中部的AOD具有明显的年变化特征,AOD年均值范围为0~2.5,整体上呈“倒N型”曲线下降,表现为2006—2009年AOD值逐年减小,2010年起AOD值开始上升,至2013年达到峰值,2014—2017年AOD值逐年减小并于2017年进入谷值,其中,2013年AOD值大于1.0的区域占四川盆地的34.1%,是12 a颗粒物污染最重的一年,2017年AOD小于0.3的面积占57.1%,四川盆地四周无明显年际变化.

d) 四川盆地AOD季节性变化特征呈春季最大、夏季次之、秋季最小的特征.春季受本地秸秆焚烧和北方沙尘影响,AOD值较高;夏季AOD值有所降低,但受高温高湿环境影响仍维持在较高的水平;冬季气温低、湿度小且边界层高度低、静风天气多,不利于污染物扩散,常有重污染过程发生;秋季具有良好气象条件,AOD值整体较低.

e) 四川盆地AOD月均值范围为0~2.5,整体呈“双峰型”周期变化特征,表现为1—3月逐月增加、4—7月平缓下降、8—9月缓慢增加、10—12月再下降的特征,其中2—5月AOD月均值均大于0.7,8月AOD月均值为0.6,11—12月AOD月均值均小于0.5.

参考文献
[1]
HE L, WANG L, LIN A, et al. Aerosol optical properties and associated direct radiative forcing over the Yangtze River Basin during 2001-2015[J]. Remote Sensing, 2017, 9(7): 746-768. DOI:10.3390/rs9070746 (0)
[2]
KANG L, CHEN S, HUANG J, et al. The spatial and temporal distributions of absorbing aerosols over East Asia[J]. Remote Sensing, 2017, 9(10): 1050-1069. DOI:10.3390/rs9101050 (0)
[3]
FINLAYSON-PITTS B J, JR J N P. Chemistry of the upper and lower atmosphere[M]. California: Academic Press, 2000: 633-637. (0)
[4]
POSCHL U. Atmospheric aerosols:composition, transformation, climate and health effects[J]. Cheminform, 2005, 44(46): 7520-7540. (0)
[5]
LEVY R C, MATTOO S, MUNCHAK L A, et al. The collection 6 MODIS aerosol products over land and ocean[J]. Atmospheric Measurement Techniques, 2013, 6(11): 2989-3034. DOI:10.5194/amt-6-2989-2013 (0)
[6]
BOUCHER O, KAUFMAN Y J, TANRE D. A satellite view of aerosols in the climate system[J]. Nature, 2002, 419(6903): 215-223. DOI:10.1038/nature01091 (0)
[7]
MHAWISH A, KUMAR M, MISHRA A K, et al. Chapter 3:remote sensing of aerosols from space:retrieval of properties and applications[J]. Remote Sensing of Aerosols Clouds & Precipitation, 2018, 12: 45-83. (0)
[8]
PARK S, LEE I, JOO S J. Spatial and temporal distributions of aerosol concentrations and depositions in Asia during the year 2010[J]. Science of the Total Environment, 2016, 542: 210-222. DOI:10.1016/j.scitotenv.2015.10.084 (0)
[9]
SUN K, CHEN X. Spatio-temporal distribution of localized aerosol loading in China:a satellite view[J]. Atmospheric Environment, 2017, 163: 35-43. DOI:10.1016/j.atmosenv.2017.05.027 (0)
[10]
LIU M, BI J, MA Z. Visibility-based PM2.5 concentrations in China:1957-1964 and 1973-2014[J]. Environmental Science & Technology, 2017, 51(22): 13161-13169. (0)
[11]
ZHANG Z, WU W, WEI J, et al. Aerosol optical depth retrieval from visibility in China during 1973-2014[J]. Atmospheric Environment, 2017, 171: 38-48. DOI:10.1016/j.atmosenv.2017.09.004 (0)
[12]
TIAN P, CAO X, ZHANG L, et al. Aerosol vertical distribution and optical properties over China from long-term satellite and ground-based remote sensing[J]. Atmospheric Chemistry and Physics, 2017, 17(4): 2509-2523. DOI:10.5194/acp-17-2509-2017 (0)
[13]
HU K, KUMAR K R, KANG N, et al. Spatiotemporal characteristics of aerosols and their trends over mainland China with the recent collection 6 MODIS and OMI satellite datasets[J]. Environmental Science and Pollution Research, 2018, 25(7): 6909-6927. DOI:10.1007/s11356-017-0715-6 (0)
[14]
SOGACHEVA L, DE-LEEUW G, RODRIGUEZ E, et al. Spatial and seasonal variations of aerosols over China from two decades of multi-satellite observations:Part 1.ATSR (1995-2011) and MODIS C6.1 (2000-2017)[J]. Atmospheric Chemistry and Physics, 2018, 18(15): 11389-11407. DOI:10.5194/acp-18-11389-2018 (0)
[15]
FENG Y, CHEN D, ZHANG X. Atmospheric aerosol pollution across China:a spatiotemporal analysis of satellite-based aerosol optical depth during 2000-2016[J]. International Journal of Digital Earth, 2018, 12(7): 1-15. (0)
[16]
CAI H, GUI K, CHEN Q. Changes in haze trends in the Sichuan-Chongqing Region, China, 1980 to 2016[J]. Atmosphere, 2018, 9(7): 277-293. DOI:10.3390/atmos9070277 (0)
[17]
QIN W, LIU Y, WANG L, et al. Characteristic and driving factors of aerosol optical depth over mainland China during 1980-2017[J]. Remote Sensing, 2018, 10(7): 1064-1088. DOI:10.3390/rs10071064 (0)
[18]
HE Q, ZHANG M, HUANG B, et al. MODIS 3 km and 10 km aerosol optical depth for China:evaluation and comparison[J]. Atmospheric Environment, 2017, 153: 150-162. DOI:10.1016/j.atmosenv.2017.01.023 (0)
[19]
SHI G, LIU R, WANG D, et al. Evaluation of the MODIS C6 aerosol optical depth products over Chongqing, China[J]. Atmosphere, 2017, 8(12): 227-244. DOI:10.3390/atmos8110227 (0)
[20]
何沐全, 刘志红, 张颖, 等. 川南城市群大气灰霾时空分布特征及成因分析[J]. 中国环境科学, 2017, 37(2): 432-442.
HE Muquan, LIU Zhihong, ZHANG Ying, et al. Analyses on the spatial-temporal distribution features and causing factors of atmospheric haze in the southern city-group of Sichuan[J]. China Environmental Science, 2017, 37(2): 432-442. (0)
[21]
LIU X, CHEN Q, CHE H, et al. Spatial distribution and temporal variation of aerosol optical depth in the Sichuan Basin, China, the recent ten years[J]. Atmospheric Environment, 2016, 147: 434-445. DOI:10.1016/j.atmosenv.2016.10.008 (0)
[22]
ZHAO S, YU Y, YIN D, et al. Spatial patterns and temporal variations of six criteria air pollutants during 2015 to 2017 in the city clusters of Sichuan Basin, China[J]. Science of the Total Environment, 2018, 624: 540-557. DOI:10.1016/j.scitotenv.2017.12.172 (0)
[23]
HU W, HU M, HU W, et al. Characterization of submicron aerosols influenced by biomass burning at asite in the Sichuan Basin, southwestern China[J]. Atmospheric Chemistry and Physics, 2016, 16(20): 13213-13230. DOI:10.5194/acp-16-13213-2016 (0)
[24]
张洋.基于多源卫星遥感的四川成都地区气溶胶光学厚度反演[D].成都: 成都信息工程大学, 2015: 1-54. http://cdmd.cnki.com.cn/Article/CDMD-10621-1015401638.htm (0)
[25]
REMER L A, MATTOO S, LEVY R C, et al. MODIS 3 km aerosol product:algorithm and global perspective[J]. Atmospheric Measurement Techniques, 2013, 6(7): 1829-1844. DOI:10.5194/amt-6-1829-2013 (0)
[26]
KASKAOUTIS D G, KAMBEZIDIS H D, HATZIANASTASSIOU N, et al. Aerosol climatology:dependence of the Angstrom exponent on wavelength over four AERONET sites[J]. Atmospheric Chemistry & Physics, 2007, 7(3): 7347-7397. (0)
[27]
HOLBEN B N, TANRE D, SMIRNOV A, et al. An emerging ground-based aerosol climatology:aerosol optical depth from AERONET[J]. Journal of Geophysical Research Atmospheres, 2001, 106(S11): 12067-12097. (0)
[28]
王家成, 朱成杰, 朱勇, 等. 北京地区多气溶胶遥感参量与PM2.5相关性研究[J]. 中国环境科学, 2015, 35(7): 1947-1956.
WANG Jiacheng, ZHU Chengjie, ZHU Yong, et al. Correlation between remote sensing aerosol parameters and PM2.5 in Beijing[J]. China Environmental Science, 2015, 35(7): 1947-1956. DOI:10.3969/j.issn.1000-6923.2015.07.005 (0)
[29]
ICHOKU C. A spatio-temporal approach for global validation and analysis of MODIS aerosol products[J]. Geophysical Research Letters, 2002, 29(12): 1616. (0)
[30]
SONG W, JIA H, HUANG J, et al. A satellite-based geographically weighted regression model for regional PM2.5 estimation over the Pearl River Delta Region in China[J]. Remote Sensing of Environment, 2014, 154: 1-7. DOI:10.1016/j.rse.2014.08.008 (0)
[31]
WANG J, CHRISTOPHER S A. Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass:implications for air quality studies[J]. Geophysical Research Letters, 2003, 30(21): 267-283. (0)
[32]
张洋, 刘志红, 于明洋, 等. 四川省气溶胶光学厚度时空分布特征[J]. 四川环境, 2014, 33(3): 48-53.
ZHANG Yang, LIU Zhihong, YU Mingyang, et al. Spatial and temporal distribution characteristic of aerosol optical depth in Sichuan[J]. Sichuan Environment, 2014, 33(3): 48-53. (0)
[33]
ZHANG Y, LIU Z, LV X, et al. Characteristics of the transport of a typical pollution event in the Chengdu area based on remote sensing data and numerical simulations[J]. Atmosphere, 2016, 7(10): 127-142. DOI:10.3390/atmos7100127 (0)
[34]
张颖, 刘志红, 吕晓彤, 等. 四川盆地一次污染过程的WRF模式参数化方案最优配置[J]. 环境科学学报, 2016, 36(8): 2819-2826.
ZHANG Ying, LIU Zhihong, LV Xiaotong, et al. Optimal configuration of parameterized schemes in WRF model during a pollution episode in Sichuan Basin[J]. Acta Scientiae Circumstantiae, 2016, 36(8): 2819-2826. (0)
[35]
张静怡, 卢晓宁, 洪佳, 等. 2000—2014年四川省气溶胶时空格局及其驱动因子定量研究[J]. 自然资源学报, 2016, 31(9): 1514-1525.
ZHANG Jingyi, LU Xiaoning, HONG Jia, et al. Quantitative study on temporal and spatial patterns of aerosol optical depth and its driving forces in Sichuan province during 2000-2014[J]. Journal of Natural Resources, 2016, 31(9): 1514-1525. (0)