秦岭地区气溶胶光学厚度的时空演变特征及其影响因子

孟清 ，白红英 *，赵婷 ，郭少壮 ，齐贵增

1. 西北大学城市与环境学院，陕西 西安 710127；2. 西北大学/陕西省地表系统与环境承载力重点实验室，陕西 西安 710127

近年来，随着经济发展和工业增长，环境问题日益突出，雾霾现象与日增多，大气气溶胶作为衡量空气质量的标准之一，成为目前重要的研究领域之一（Shi et al.，2018）。IPCC（Intergovernmental Panel on Climate Change，IPCC）研究指出大气气溶胶的时空分布以及不同类型会对地球的辐射系统有着很大的不确定性（IPCC，2014），因此理解大气气溶胶对于研究气候变化（Crutzen，2016）及人体健康具有重大意义（Gauderman et al.，2000）。大气气溶胶是指大气与悬浮在其中的固体和液体微粒共同组成的多相体系；大气气溶胶粒子通常包括烟粒、尘埃、盐粒、水滴、冰晶、微生物、植物的孢子和花粉等（姜世中，2010）。气溶胶光学厚度（Aerosol Optical Depth，AOD）是气溶胶的重要光学特性之一，其为气溶胶的消光系数在垂直方向上的积分（Ramachandran，2007）。目前，对于气溶胶光学厚度的获取方式有两种：卫星遥感和地基观测，卫星遥感具有连续、动态、宏观和快速等特点，能够弥补地基观测无法获取连续时空分布特征的缺点（Meng et al.，2015）。

国内外学者对气溶胶光学厚度时空分布做了大量研究，国内分布在京津冀、长江三角洲（段婧等，2007）等东部地区（齐冰等，2019），国外有欧洲（Koukouli et al.，2010）、伊朗（Sabetghadam et al.，2018）和美国（Buseck et al.，1999）等地区。关于AOD影响因子有气温、降水、风速、光照和湿度等气象因子（Jin et al.，2005；Lau et al.，2006）、GDP（Gross Domestic Product，GDP）和NDVI（Normalized Difference Vegetation Index，NDVI）等因素（Li et al.，2014）。Shi et al.（2018）利用地理加权回归法分析出了中国三大城市群AOD与海拔和NDVI表现出负效应，与建成区面积表现出明显的正效应。Xue et al.（2019）利用Spearman相关法研究了AOD与山东省各影响因子的相关性，结果表明AOD与社会因子的相关性较环境因子更大。He et al.（2018）分析了长江流域AOD与NDVI和降水呈负相关，与GDP和人口密度呈正相关，并且指出降水和人口密度不是影响AOD的主要因素。景悦等（2018）探究了京津冀地区AOD与GDP、第二产业GDP、人口密度、NDVI、年均温呈正效应，与风速、降水量和相对湿度呈负效应，并且强调人为因子对京津冀地区AOD的贡献最大。俞海洋等（2018）研究指出较低风速不利于北京AOD的扩散；董丽等（2017）研究表明PM浓度、温度、风速、气压和相对湿度对铁岭地区AOD影响显著；马奋华等（2018）研究了东亚夏季风、太阳短波辐射、气温、风速和降水对中国东部地区AOD有显著影响。

通过以上研究发现影响中国城市群AOD的主要是人为因子，影响我国东部地区AOD的主要因子是风速和季风因子，而秦岭山脉分布在我国中部地区，作为中国南北分界线，南北坡边缘分布着较大的城市群，中部地区主要为天然的森林生态系统，且相对高差大，最高海拔约为3771.2 m，地理意义突出，那么秦岭山区AOD呈现怎样的分布格局以及影响秦岭山地AOD的主要影响因子有哪些，哪些又是显著影响因子、而气象因子是如何影响山地AOD的？MODIS（Moderate-Resolution Imaging Spectroradiometer，MODIS）数据具有易获取、精度高、时间序列长、反演精度高于其他卫星产品等特点，本文采用NASA（National Aeronautics and Space Administration，NASA）新推出的具有3 km分辨率的MODIS数据以及25 m×25 m分辨率的DEM（Digital Elevation Model，DEM）数据，并通过空间面板模型确定影响山区AOD的影响因子的权重大小，并计算出AOD的影响因子是否具有溢出效应，旨在揭示秦岭山地2002-2017年AOD的时空演变特征及其影响山区AOD的因素、阐明山区AOD的变化趋势及规律，从而为经济发展及环境治理提供科学依据。

1 资料与方法

1.1 研究区概况

本文研究区主要为陕西省境内的秦岭腹地（马新萍，2015），东西以陕西省省界为界，北临渭河，南面汉江，位于32°40′-34°35′N，105°30′-111°3′E之间，总面积约6.19万km2，如图1所示。秦岭山脉主要分布于中国中部，是我国南北地理分界线的重要组成部分，秦岭山地大体上与1月0 ℃等温线、800 mm等降水量线基本一致，也是长江与黄河两大流域的分水岭。由于秦岭山体庞大，冬季能阻挡西伯利亚寒流南下，使南方减少冻害；夏季又可以阻挡太平洋上湿润的水汽北上，使得中国南北出现了不同的气候型和植被类型（周旗等，2011）。

1.2 数据

1.2.1 气溶胶数据

搭载于Terra和Aqua卫星上的中分辨率成像光谱仪（MODIS），是目前气溶胶探测的一个重要仪器，MODIS探测仪可以提供从可见光、近红外到远红外共计36个通道的探测资料，具有较高的空间分辨率，扫描宽度为2330 km，可为陆地、海洋、大气、气溶胶及云的观测提供高分辨率的检测产品，目前已经得到广泛应用。在本文中选用的气溶胶光学厚度资料来源于NASA最新发布的Terra/MODIS MOD04_3 k产品，时间序列自2002年1月-2017年12月，空间分辨率为3 km×3 km，数据获取自https://ladsweb.modaps.eosdis.nasa.gov/ search/网站。分析季节变化时，以每年3-5月为春季，6-8月为夏季，9-11月为秋季，12-2月为冬季，并对16年的四季分别求平均，对四季AOD变化进行分析。

图1 秦岭的地理位置和气象站点的分布 Fig. 1 Location of the Qinling Mountains and the distribution of meteorological stations

1.2.2 影响因子研究数据

本文选取了7个可能引起AOD空间变化的影响因子，包括平均气温、年降水量、平均风速、日照百分率和年均相对湿度，海拔和归一化植被指数（NDVI）：

气象因子为2002-2017年秦岭地区32个站点数据，均来自陕西气象局和中国气象数据网（http://data. cma.cn/）；

NDVI数据来源于NASA MODIS数据产品中的MOD13Q1 NDVI数据，时段为2002-2017年，空间分辨率为250 m，时间分辨率为16 d。为消除云覆盖产生的数据异常，采用最大值合成法（MVC）生成逐月NDVI，然后采用平均值法生成逐年NDVI数据。生长季的NDVI值不受植被物候变化以及积雪覆盖的影响，因此本文选取4-10月的NDVI来合成年NDVI数据。

1.3 方法

1.3.1 空间面板模型

空间面板模型可以有效的解决线性回归分析无法处理的空间依赖性问题，常用的空间面板模型包括空间误差模型（Spatial Error Model，SEM）、空间滞后模型（Spatial Lag Model，SLM）和空间杜宾模型（Spatial Durbin Model，SDM）。当模型的误差项在空间上相关时，即为空间误差模型（SEM），其表达式如下：

式中：Y表示被解释变量，为n×1的向量；X表示解释变量，假设被解释变量共k个，则为（n×k）的矩阵；β表示回归系数，为（k×1）向量；u为随机误差向量；λ为回归残差之间的空间相关性系数；W表示一个（n×n）空间权重矩阵；ε表示随机误差项，通常认为是独立分布的。

当被解释变量间的空间依赖性对模型显得非常关键而导致了空间相关时，即为空间自回归模型，又叫空间滞后模型（SLM），公式为：

式中：ρ表示内生交互效应（WY）的系数，其大小反映空间扩散或空间溢出的程度，如果ρ显著，表明被解释变量之间存在一定的空间依赖。

空间杜宾模型（SDM）是前两个模型的更一般形式，SLM包含了被解释变量（Y）的内生交互效应，SEM包含了误差项（ε）间的交互效应，而SDM同时包含了内生交互效应（WY）与外生交互效应（WX），公式为：

式中：θ是外生交互效应的系数，当θ=0时，即为SLM模型，当θ=-ρβ时，即为SEM模型。θ越显著表明解释变量存在的空间交互作用越强，然而仅凭θ不能对是否存在空间溢出效应作出结论。

SLM与SDM均可以估计解释变量的直接效应（direct effects）与间接效应（indirect effects），但由于SLM具有很大的局限性（周兆媛等，2014），本文选取SDM进行估计。直接效应是指本地的影响因素对本地气溶胶的影响；间接效应，又叫空间溢出效应，可以有两种解释视角，即本地的影响因子对邻近其他区域气溶胶的影响或邻近地区的影响因子对本地气溶胶的影响。

1.3.2 一元回归趋势分析

此方法用于长时间序列的AOD值的变化趋势分析，以时间为自变量，对年均值AOD值与年份进行回归分析，从而得到一元线形回归方程。slope＜0表示AOD呈减小趋势，slope＞0表示AOD呈增大趋势。slope的计算公式如下：

式中：slope为一元线形方程的回归斜率，n为观测时段的累计年份，i值为1-n，AODi为第i年的AOD的年平均值。

2 结果与分析

2.1 秦岭地区气溶胶光学厚度的时空演变特征

2.1.1 秦岭地区AOD的空间演变特征

2002-2017年，秦岭地区AOD逐年均值分布如图2所示。由图2可以看出，秦岭地区16年来AOD的变化具有空间差异性，高值区主要集中在秦岭南北坡边缘地区，此区域属于关中城市群和巴蜀城市群，此地区经济发达，人口密度大且属于四周高、中间低的地形，关中城市群位于秦岭山地和渭北山系间，巴蜀城市群位于四川盆地间，这些地方由于地形阻隔，气溶胶不易扩散；同时有研究也表明AOD高值区一般分布在人口聚集、经济发达和海拔较低的地方（王银牌等，2018）。相比于全球陆地平均值0.19（Remer et al.，2008），秦岭地区AOD值偏高。秦岭地区16年间的AOD平均值为0.28。其中，AOD出现极大值年份为2007年，平均值为0.33；AOD出现极小值年份为2017年，平均值为0.21。

图2 秦岭地区2002-2017年AOD年际分布 Fig. 2 Spatial distribution of AOD in each year during 2002 to 2017 over Qinling Mountains

2.1.2 秦岭地区AOD的时间演变特征

为了更进一步研究秦岭地区AOD的分布状况，把AOD划分为10个区间，以此来分析每个区间在秦岭地区的面积比例变化，如图3所示。从图3可以得出以下3点结论：（1）区间在0.1-0.2和0.2-0.3的平均厚度是秦岭地区AOD的主要构成部分，约占73.45%；（2）年均AOD＞0.4的比例从2002年的13.19%下降到2017年的6.93%，占比最大的年份为2007年；（3）从2002-2017年，年均AOD＞0.7的高值区的比例从0.61%减少到无，占比最大的年份为2011年，约为3.98%；结果表明，年均AOD＜0.3的低值区不断增加，年均AOD＞0.7的高值区不断减少。

图3 2002-2017年秦岭山地气溶胶光学厚度比重变化 Fig. 3 Variation of aerosol optical depth proportion in Qinling Mountains from 2002 to 2017

2.2 秦岭地区气溶胶光学厚度的空间演变趋势

2.2.1 季均AOD空间分布特征

由于秦岭山地四季分明，水热不均而导致AOD存在时空差异性，因此对秦岭地区16年间的AOD四季求平均，来研究秦岭四季AOD的演变趋势，可以得到如图4所示的秦岭地区四季AOD均值分布图，从图4中可知，秦岭地区四季AOD的空间分布，春、夏季节AOD明显高于秋、冬季。春季AOD的变化范围为0-0.94，平均值为0.36；夏季AOD的变化范围为0-1，平均值为0.34；秋季AOD的变化范围为0-0.73，平均值为0.23；冬季AOD的变化范围为0-0.57，平均值为0.17。秦岭地区春季AOD值较高的原因是大地回春，冷暖气团共存容易形成逆温层不利于AOD的扩散，加上供暖暂未结束、扬尘天气、秦岭森林火灾等原因致使春季AOD较高；夏季AOD较春季稍低的原因是因为夏季降雨增多，大气中的水汽增加，AOD中的液体颗粒物增加，同时强降雨又能冲刷一部分AOD，还与人类活动增加、地面风速较小及静稳天气增多有关（张云等，2016）；秋季较夏季均值更低的原因是由于受“华西秋雨”影响，“秋淋”较多，并且夏秋季秸秆焚烧致使导致AOD较高；冬季AOD值最低的原因是由于暗像元算法对于冬季植被覆盖较低情况下反演的AOD有一定的误差（Muhammad et al.，2018；刘状等，2018），且冬季人类活动较小、西北风强劲等原因造成冬季呈低值。从图中还可以看出，秦岭地区AOD的高值区在四季上更为明显，主要集中于秦岭北坡和南坡的低海拔区；除冬季外，其他3个季节的AOD均值分布与海拔更为密切相关。

图4 秦岭2002-2017年间季节平均AOD的空间分布 Fig. 4 Spatial distribution of the seasonal average AOD during 2002 to 2017 over Qinling Mountains

2.2.2 季均AOD空间变化趋势

为进一步研究陕西秦岭地区近16年来AOD变化的空间差异性，本文以slope法为依据，对AOD的变化趋势进行了分析，并根据分析结果将变化趋势分为5个等级，其中，slope≤-0.006为明显减少区，-0.006＜slope≤-0.001为轻度减少区，-0.001＜ slope≤0.001为基本不变区，0.001＜slope≤0.008为轻度增加区，slope＞0.008为明显增加区（景悦等，2018）。

图5 2002-2017年秦岭地区季节平均AOD变化趋势图 Fig. 5 Trends of seasonal average AOD in Qinling Mountains during 2002 to 2017

由图5可以看出，2002-2017年秦岭地区AOD四季演变趋势存在不一致性。其中春季变化趋势主要以基本不变为主，轻度增加区在秦岭中部地区分布，减少区主要分布在关中和巴蜀城市群地区，说明在这两个地方的大气能见度在往好的方向发展。夏季主要以减少为主，占比约为88.7%；冬季AOD增加最为明显，约为73%的增加区；秋季变化较为复杂，减少区主要分布在秦岭西南地区，增加区主要集中在东北地区，中部为基本不变区。夏季以减少为主的原因可能是秦岭地区夏季受全球变暖影响，如图6所示，15年来秦岭地区降水呈减少趋势导致大气中的水汽减少从而引起AOD呈减少趋势，还有可能是环境治理力度加大，成效显著，所以夏季以减少为主；有研究（周亮等，2019）称近15年来中国冬季雾霾严重导致大气中的固体颗粒物增加可能致使秦岭冬季AOD以增加为主；有关春秋季AOD变化较为复杂的原因还有待进一步的研究。

图6 2002-2016年秦岭地区夏季平均降水量变化 Fig. 6 Change of summer average precipitation in Qinling Mountains from 2002 to 2016

2.3 影响秦岭山地气溶胶光学厚度的驱动因素

大气气溶胶的发生、发展与扩散与多种因素相关，包括风速、降水（吴进等，2018）、相对湿度（宋秀瑜等，2018）、太阳辐射、地表植被覆盖率和人口密集度等因子。本文选取秦岭山地年均气温、年累积降水、平均风速、日照百分率、平均相对湿度、海拔和NDVI等7个影响因子，采用空间面板模型对秦岭山地AOD的影响因素进行分析。结果如表1所示，通过对比3个模型的Log Likelihood和R2可以明显发现SDM随机模型的拟合效果最好，SLM模型好于SEM模型。经过豪斯曼检验，发现P不显著，所以选择随机模型进行分析。

由于SDM模型中考虑了空间滞后项的自变量，因此使用偏微分法来检验影响因子对大气气溶胶的边界溢出效应。结果如表2所示，由表2可知，tem、ele、win和moi这4个影响因子通过了显著性检验，而pre、NDVI和sun未能通过显著性水平检验。据此可以认为，年均温度、海拔、年均风速和年均相对湿度是影响秦岭山地AOD的主要因素，其中，影响秦岭山地AOD直接效应贡献强度排序为：年均气温＞海拔*（*代表负向效应）＞年均风速＞年均相对湿度；年降水、NDVI和日照百分率对AOD有明显影响但未通过显著性检验。此外，杜宾溢出效应分解结果表明，本研究选取的7个影响因子的间接效应排序是：年均气温＞年均风速＞海拔*（*代表负向效应），说明这3个影响因子在邻近县域对秦岭山地AOD具有不同程度的影响。

表1 SLM、SEM和SDM结果比较 Table 1 Estimation results of SLM, SEM and SDM

表2 SDM的边际溢出效应分解结果 Table 2 Marginal spillover effect decomposition results of SDM

气溶胶与气温是互为影响的。气温对AOD的影响作用表现在，当地面温度较高，空气对流足够强烈时会冲破气溶胶层，形成AOD低值区；相反，当地面温度较低、对流弱，容易造成AOD聚集，不易扩散形成高值区，秦岭地区为暖温带与亚热带的过渡区，年均气温强度可能达不到引起强对流天气，所以对AOD的影响呈正向效应；同时，AOD较高时会减少到达地面的短波辐射，从而对气温起到冷却作用。秦岭作为青藏高原以东中国大陆最高峰，相对高差达3000 m，海拔因子会对AOD起到显著作用，AOD会随海拔的升高而呈下降趋势，在海拔2000 m以下，AOD呈雾状集聚分布，海拔超过2000 m时，AOD呈零星点状分布，AOD在平原区和低山形成高值区，在中山和高山地区形成低值区。风速也会对AOD产生一定的影响，当风速强劲时，会吹散气溶胶层；当风速极小时，AOD聚集，秦岭地区的风速或许还不能达到吹散气溶胶层的强度，所以与AOD呈正向效应。年均相对湿度较大时，会使AOD凝结核增大，AOD呈高值。秦岭地区的年降水、NDVI和日照百分率在年际尺度上变化相对较小，对AOD的影响作用不太明显。

3 结论

本文基于Terra/MODIS MOD04_3 k遥感产品研究了16年来秦岭地区大气气溶胶光学厚度的时空演变特征与影响因子。主要结论如下：

（1）秦岭地区16年间AOD平均值为0.28。秦岭地区高值区主要集中在秦岭北坡边缘上的关中城市群和秦岭南坡边缘上的巴蜀城市群；秦岭地区AOD春季最大，夏秋季次之，冬季最小。秦岭地区年均AOD小于0.3的低值区不断增加，年均AOD大于0.7的高值区不断减少。

（2）16年间秦岭地区AOD演变趋势存在明显的季节差异性。其中春季变化趋势主要以基本不变为主，轻度增加区在秦岭中部地区分布，减少区主要分布在关中和巴蜀城市群地区；夏季约有88.3%的地区以减少为主；冬季有73%的地区以增加为主；秋季变化较为复杂，减少区主要分布在秦岭西南地区，增加区主要分布在东北地区，中部为基本不变区。

（3）秦岭山地AOD与年均温度、年均风速和年均湿度具有显著正向作用，与海拔为显著负向效应。年降水、NDVI和日照百分率对气溶胶具有影响作用，但均未通过显著性检验。年均气温、年均风速和海拔因子还具有空间溢出效应。

本文利用MODIS遥感影像反演了秦岭山地气溶胶光学厚度的过程中仍存在以下问题：（1）MODIS数据去除云像元后仍有部分残留，影响部分反演结果的精度，怎样修正遥感产品，提高数据精度是下一步的目标；（2）本文所采用的算法：暗像元法对植被覆盖低的时期和地区的AOD反演具有较差的精度，如冬季和城市群地区AOD的反演；（3）此MODIS气溶胶光学厚度遥感产品具有目前最精细的空间分辨率（3 km），但是在研究区缺少地基监测数据（AERONET），缺少更进一步的验证。