热带气象学报  2021, Vol. 37 Issue (4): 647-655  DOI: 10.16032/j.issn.1004-4965.2021.061
0

引用本文  

何沐全, 肖建军, 石艳军, 等. 2010—2019年粤港澳地区气溶胶光学厚度时空分布特征[J]. 热带气象学报, 2021, 37(4): 647-655.  DOI: 10.16032/j.issn.1004-4965.2021.061.
HE Mu-quan, XIAO Jian-jun, SHI Yan-jun, et al. Spatio-temporal distribution characteristics of aerosol optical depth in guangdong, hong kong and macao from 2010 to 2019[J]. JOURNAL OF TROPICAL METEOROLOGY, 2021, 37(4): 647-655.  DOI: 10.16032/j.issn.1004-4965.2021.061.

基金项目

广东省气象局科学技术研究项目(GRMC2018M08); 广州气象卫星地面站2019年科研课题(1911)共同资助

通讯作者

何沐全, 男, 广东省人, 工程师, 从事大气环境遥感研究。E-mail: wxzhmq@outlook.com

文章历史

收稿日期:2020-11-06
修订日期:2021-06-28
2010—2019年粤港澳地区气溶胶光学厚度时空分布特征
何沐全 1, 肖建军 2, 石艳军 1, 吴永琪 1     
1. 广东省气象卫星遥感中心,广东 广州 510641;
2. 河源市气象局,广东 河源 517000
摘要:为了解粤港澳地区气溶胶光学厚度分布和时序变化规律, 深入认识大气气溶胶的光学特性及其气候效应, 利用2010—2019年的MODIS C61 AOD 3 km逐日产品, 分析了粤港澳地区的AOD空间分布及年、季、月变化特征。(1) MODIS AOD与AERONET CE318 AOD最优拟合系数为0.96, 与SolarSIM-D2 AOD拟合系数为0.62, 与PM < sub > 2.5 < /sub > 、PM < sub > 10 < /sub > 的最优拟合系数为0.58、0.56。(2)空间上表现为珠三角AOD值高, 粤西次之, 粤北及粤东北较低。(3)年变化特征整体上呈明显的下降趋势, 2010—2014年AOD波动上升, 至2014年达到峰值, 2015年后AOD显著减小, 于2016年达到最低值。(4)季节上表现为春季 > 夏季 > 秋季 > 冬季。(5)月变化特征表现为3月最大(AOD值: 0.73), 4月次之, 5—8月AOD维持在高值且波动平稳, 9—12月显著下降。研究显示, 粤港澳地区颗粒物污染防治应以佛山、广州等珠江三角洲城市及粤西为主, 重点控制春夏季高污染企业生产强度及颗粒物排放。
关键词粤港澳地区    MODIS    气溶胶光学厚度    时空分布    太阳光度计    
SPATIO-TEMPORAL DISTRIBUTION CHARACTERISTICS OF AEROSOL OPTICAL DEPTH IN GUANGDONG, HONG KONG AND MACAO FROM 2010 TO 2019
HE Mu-quan 1, XIAO Jian-jun 2, SHI Yan-jun 1, WU Yong-qi 1     
1. Guangdong Meteorological Satellite Remote Sensing Center, Guangzhou 510641, China;
2. Heyuan Meteorological Bureau, Heyuan 517000, China
Abstract: To understand the optical depth distribution and temporal variation characteristics of aerosol in Guangdong, Hong Kong and Macao, and to explore the optical properties of atmospheric aerosols and their effects on climate, the present study used the daily products of MODIS C61 AOD 3 km from 2010 to 2019 to analyze the spatial distribution of aerosol optical depth(AOD) in Guangdong, Hong Kong and Macao and the characteristics of its annual, seasonal and monthly variation. The results showed that: (1) The optimal fitting coefficient of MODIS AOD and AERONET CE318 AOD was 0.96, that of Solarsim-D2 AOD was 0.62, and that of PM2.5 and PM10 mass concentrations were 0.58 and 0.56, respectively.(2)Spatially, the AOD value of the Pearl River Delta was the highest, followed by that of western Guangdong, and the values of northern Guangdong and northeastern Guangdong were the lowest.(3)Annual variation showed a clear downward trend. The fluctuation of AOD increased from 2010 to 2014 and reached its peak in 2014. After 2015, AOD decreased significantly and bottomed out in 2016.(4) The seasonal pattern was as follows: spring(AOD: 0.66) > summer(AOD: 0.53) > autumn(AOD: 0.44) > winter(AOD: 0.41).(5) The characteristics of monthly variation were that the AOD value in March was the largest(AOD: 0.73), followed by that in April. It remained high and fluctuated steadily from May to August, and decreased significantly from September to December. The results showed that Foshan, Guangzhou, other Pearl River Delta cities and western Guangdong are the key areas for the prevention and control of particulate matter pollution in Guangdong, Hong Kong and Macao, and the emphasis should be the control of production intensity and particulate matter emissions of high pollution enterprises in spring and summer.
Key words: Guangdong    Hong Kong and Macao    MODIS    aerosol optical depth    spatio-temporal distribution    
1 引言

悬浮于大气中的固态和液态微粒对地球辐射强迫[1-3]、气候系统[4-8]、动植物健康[9]等具有重要的作用。大气气溶胶作为云凝结核与云相互作用进而改变云的微物理特性,并通过吸收和散射太阳辐射等方式影响气候变化[10-14]。密闭空间的气溶胶可作为病毒的载体,人体长期吸入有害细粒子也会引发心肺等器官病变[15-17]。气溶胶光学厚度(Aerosol optical depth, AOD)是指气溶胶的消光系数在大气垂直方向上的积分,它是估算气溶胶直接辐射效应的重要光学特性参数[18]。研究气溶胶对环境和气候的影响需要了解其长时序的时空变化规律[19],因此,研究气溶胶的时空特征对气候变化、绿色生态环境建设等方面具有重要意义[20]

近年来,有大量学者利用卫星遥感数据研究了中国区域气溶胶时空特性,MODIS AOD产品作为代表数据被广泛应用[21-24]。目前NASA对外发布了MODIS 3 km和10 km两种分辨率产品,有研究表明3 km产品比10 km产品对噪声的敏感度更高,在中国经济较发达地区3 km产品精度略优于10 km[25-28]。粤港澳综合经济实力强,工业发达,人口密度大,是中国颗粒物污染较严重的区域之一,目前国内外已发表了大量关于粤港澳气溶胶时空特性的研究成果。林楚勇等[29]利用MODIS C5 AOD分析了2002—2013年间广东省AOD的时空分布特征。游积平等[30]利用2010年11月6日在广东佛山、江门等地区上空进行的一次飞机探测数据,初步分析气溶胶粒子的垂直和水平分布特征。刘艳群等[31]利用MODIS 3 km的AOD产品分析了广东省2001—2018年的AOD、细粒子光学厚度及细粒子消光比例的总体分布与变化特征。Kong等[32]利用地基观测资料分析了珠三角区域的气溶胶吸湿增长特征及其光学特征。Kuang等[33]利用MERRA-2数据分析了1980—2018年粤港澳的气溶胶时空分布特征。黄健等[34]利用2004年太阳光度计的AOD观测数据,对MODIS AOD C4产品在珠江三角洲城市地区的准确性进行了检验,并分析了误差成因。王捷纯等[35]利用太阳光度计观测资料对MODIS C6 AOD产品进行了检验,并分析了2003—2016年广东省AOD时空特征。张磊等[36]利用MODIS AOD及DEM、NDVI、夜间灯光等数据,分析了广东省的AOD时空特征及其影响因素。邓玉娇等[37]利用FY3A的MERSI AOD产品分析2010—2013年广东省AOD的分布规律。范萌等[38]利用MODIS AOD产品分析了珠三角地区2000—2013年的AOD空间分布特征及年、季变化规律。

近10年来,粤港澳地区颗粒物污染得到明显改善,学术界对粤港澳地区的气溶胶光学特性研究热度显著下降;气溶胶的显著减少打破了地气系统平衡,导致大气中臭氧浓度上升,因此,对近年来粤港澳大气中气溶胶的光学特性变化及其与臭氧的协同作用研究具有重要意义。

本文以MODIS C61 3 km AOD产品为数据基础,通过太阳光度计SolarSIM-D2和AEROSET观测的AOD地基数据及环境监测站观测的PM2.5、PM10质量浓度数据对MODIS AOD产品进行可用性检验,利用经检验的MODIS C61 AOD产品分析2010—2019年粤港澳地区的AOD空间分布特征及年、季、月变化规律,以期为环保部门治理粤港澳地区的气溶胶污染提供科学依据。

2 资料和方法 2.1 数据 2.1.1 MODIS AOD产品

为更好理解发生在陆地、海洋及低层大气中的全球环境污染与气候变化,美国EOS于1999年、2002年先后发射了Terra(上午星)和Aqua(下午星)卫星,MODIS是卫星上搭载的一颗中分辨率成像光谱仪。MODIS AOD产品是利用MODIS获取的光谱与空间信息,通过暗像元和深蓝算法,在无云、无冰雪覆盖条件下反演得到陆地、海洋上空的550 nm气溶胶光学特性[27, 39]。MODIS AOD产品最早于2000年开始对外发布,先后经历了6次改版,最新版C61于2017年开始发布,并于2018年3月完成了历史资料更新,该版本改进了L1B原始反演数据中存在的诸多问题及产品误差,目前可用的AOD产品有3 km和10 km两种空间分辨率。本文以NASA发布的C61最新版Terra/MODIS AOD晴空日产品为数据源,分辨率为3 km,时间跨度为2010—2019年,空间范围包括广东省及香港、澳门。

2.1.2 地基观测资料

本文使用的地基观测资料包括太阳光度计观测的AOD和国控环境监测站观测的PM2.5、PM10质量浓度数据。太阳光度计通过自动跟踪太阳入射光,可从地面直接获得气溶胶消光系数,并通过自带的软件计算得到对应的AOD,通常将其观测的AOD作为真实值,用于检验卫星遥感数据反演的AOD的真实性。太阳光度计布设点分别位于南海农业气象试验站、香港理工大学和香港上水。南海农业气象试验站位于广东省佛山市南海区,经纬度为113.03°E, 23.13°N,太阳光度计型号为SolarSIM-D2,探测谱段有368 nm、412 nm、500nm、675 nm、862 nm和1 024 nm,观测时间为2018年,每5 min一次。香港理工大学站(PolyU, 114.18°E, 22.303°N)和香港上水站(Sheung, 114.12°E, 22.48°N)是美国NASA在全球布设的自动太阳光度计观测网(AERONET),设备型号为CIMEL CE318,光谱通道有1 020 nm、870 nm、675 nm、500 nm、440 nm、380 nm和340 nm,观测时间为2018年,数据获取来自https://aeronet.gsfc.nasa.gov/

空气质量数据来自于广东省气象局华南区域环境气象业务平台EMOS 2019年发布的广东省100个国控环境监测站观测的PM2.5、PM10逐小时质量浓度数据,单位为μg/m3。太阳光度计与国控环境监测站分布见图 1

图 1 太阳光度计与国控环境监测站分布图
2.2 方法

本文以2018年太阳光度计观测的AOD和2019年广东省100个国控环境监测站观测PM2.5、PM10逐小时质量浓度数据为数据基础,以地基站点为中心,提取并计算5 km半径内的MODIS AOD均值及卫星过境前后30 min的地基观测数据均值,利用统计分析方法建立MODIS AOD与太阳光度计观测的AOD及PM2.5、PM10间的关系模型,完成MODIS AOD产品在粤港澳地区的质量控制与可用性检验。在此基础上,利用NASA提供的MCTK(the MODIS conversion toolkit)插件对2010—2019年粤港澳地区的MODIS AOD 3 km日产品进行重投影,以像素作为统计单元,对有效像元计算合成得到粤港澳地区的月、季、年及10年累计AOD平均值并绘制成图。季节划分标准为春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12月—次年2月)。

3 结果与分析 3.1 MODIS AOD产品可用性检验

太阳光度计通过自动跟踪太阳,测量太阳入射辐射信息,利用这些信息可反演得到大气中的气溶胶光学特性,这种自下而上获取的AOD通常作为真值对卫星资料反演的AOD进行检验。结合CE318和SolarSIM-D2的探测光谱特性及Angström波长指数公式[19],选择受水汽影响较小的近红外与蓝光波段,计算得到550 nm的AOD,建立合理的太阳光度计与卫星观测AOD时空匹配数据集,利用统计分析方法对匹配结果进行拟合分析。

图 2可知,MODIS AOD与AERONET AOD拟合效果较好,其中香港理工大学站、香港上水站观测的AOD与MODIS AOD匹配样本数为30、26个,拟合系数分别为0.88、0.96;佛山南海农试站SolarSIM-D2的412 nm蓝光波段波长较短,受大气散射影响较大,因而选择1 024 nm和862 nm两个近红外通道计算得到550 nm的AOD,匹配样本数为54个,计算结果与MODIS AOD线性拟合系数为0.62;3个太阳光度计站点观测数据与MODIS AOD的拟合结果均通过了5%的显著性水平检验(P值< 0.05)。

图 2 MODIS AOD与太阳光度计AOD线性拟合关系图

PM2.5、PM10质量浓度是由地面在线环境监测仪自动获取的近地面大气细颗粒物浓度,是通过测量恒速定量体积空气中的颗粒物质量得到。利用2019年广东省100个国控环境监测站观测的逐小时细颗粒物质量浓度为基础数据,筛选卫星过境前后30 min及站点5 km半径范围内的匹配数据,建立拟合关系模型。从图 3可知,2019年PM2.5、PM10年均浓度与MODIS AOD匹配样本数为80个,拟合系数分别为0.50、0.46;随机晴空日各监测站PM2.5、PM10逐小时浓度与MODIS AOD匹配样本数为75、68个,最优拟合系数分别为0.58、0.56,拟合结果均通过5%的显著性水平检验,表明卫星资料反演的AOD与地面观测PM2.5、PM10质量浓度在数值上存在一定的线性关系。

图 3 MODIS AOD与PM2.5、PM10质量浓度间的关系

综合地基太阳光度计观测的AOD和环境监测站监测的PM2.5、PM10质量浓度与MODIS AOD产品的拟合结果,表明MODIS AOD能够反映粤港澳近地层大气中的颗粒物信息,即MODIS C613 km AOD产品适用于粤港澳地区的大气颗粒物污染研究。

3.2 粤港澳地区AOD空间分布特征

利用2010—2019年逐日的MODIS AOD产品合成计算得到粤港澳地区近10年的AOD累计平均值分布图(图 4),粤港澳地区的AOD近10年平均值范围介于0.25~1.11,总平均值为0.50,高值区主要分布于佛山、广州、东莞、中山等珠三角城市,其次是粤西地区,粤北及粤东北地区AOD值较小。AOD最大值出现于佛山北部地区,该区域工业企业分布密集,颗粒物排放量大。

图 4 粤港澳地区MODIS AOD分布图
3.3 近10年粤港澳地区AOD年变化特征

图 5可知,粤港澳地区AOD总年平均值波动于0.36~0.61,整体上呈明显的下降趋势。2010—2014年AOD维持在较高水平,仅2013年出现短暂下降后于2014年达到近10年最高值(AOD值:0.61);之后呈直线下降,2016—2018年维持在较低水平,AOD年均值均低于0.41,最低值出现于2016年(AOD值:0.36), 2019年AOD值出现反弹,但幅度较小,AOD值低于2010—2015年的最小值。

图 5 粤港澳地区MODIS AOD年均值变化趋势图

图 6可知,粤港澳地区的MODIS AOD年均值变化范围为0.01~2.64, AOD高值区主要分布于珠三角及香港、澳门地区,2010—2015年珠江入海口附近城市AOD均维持在高值水平,但极大值呈逐年减小变化;其中,2011—2012年,AOD高值分布面积最广,极大值出现于2011年(AOD极大值为2.64), 2013—2014年珠三角城市的AOD值低于2011—2012年,但其他各地的AOD值仍维持在较高水平。从2015年开始,粤港澳地区的大气颗粒物污染得到明显改善,后5年的AOD值明显低于前5年,但珠三角及粤西地区AOD值仍较大,后期需持续加强珠三角及粤西地区的颗粒物污染防治。

图 6 2010—2019年粤港澳地区MODIS AOD年均值分布图
3.4 粤港澳地区AOD季节变化特征

图 7可知,粤港澳地区的AOD季节变化特征表现为春季(AOD值:0.66) > 夏季(AOD值:0.53) > 秋季(AOD值:0.44) > 冬季(AOD值:0.41)。春夏季粤港澳地区以阴雨天气为主,气溶胶吸湿增长加剧大气中太阳入射辐射的消光效应,且在偏南风的主导下,沿海工业颗粒物排放及海盐吹向内陆,导致大气中颗粒物总量增加,AOD值增大;秋冬季以偏北风为主,且降水少,大气湿度低,AOD值小。

图 7 粤港澳地区MODIS AOD季均值变化图
3.5 粤港澳地区AOD月变化特征

图 8可知,粤港澳地区各月的AOD变化范围为0.01~3.45,其中1—2月AOD值整体较小,总AOD月均值约为0.40, 3月最大(AOD值:0.73),其次是4月(AOD值:0.71);5—8月,AOD总均值在0.45~0.56间波动,各月的AOD均值分布特征相似,高值区均分布于珠三角地区;9—12月,AOD值呈逐月下降趋势,12月AOD总均值为全年最低(AOD值:0.35),其次是11月(AOD值:0.38)。

图 8 粤港澳地区MODIS AOD月均值变化图
4 结论

本文利用2010—2019年的粤港澳MODIS C61 3 km AOD逐日产品,结合地基太阳光度计观测的AOD和广东省100个国控环境监测站观测的PM2.5、PM10质量浓度数据,先是对粤港澳地区的MODIS AOD产品进行了可用性检验,并利用经检验的MODIS AOD产品分析了粤港澳地区的AOD时空分布特征,得出以下结论。

(1) MODIS AOD与地基太阳光度计观测AOD具有较好的拟合效果,其数值上与近地面的PM2.5、PM10浓度存在一定的线性关系,表明MODIS AOD能反映粤港澳大气中的气溶胶光学特性,适用于粤港澳AOD时空分布特征研究。

(2) 粤港澳地区AOD空间分布特征表现为佛山、广州、东莞、中山等珠三角城市高,其次是粤西的雷州湾地区。粤港澳腹地工业集中,城市化率高,人为颗粒物排放量大,表现为AOD值高;粤西地区海岸线长,受海水盐沫和工业、城建等颗粒物排放影响,AOD值次高;粤北地区植被覆盖度高、城市化率低,颗粒物排放量较小,AOD值低。

(3) 粤港澳地区近10年AOD整体上呈明显的下降趋势。2010年是广州亚运年,环保管控强度大,表现为AOD值较低;2011—2012年环保管控力度放缓,经济增速加快,颗粒物排放量增加,表现为AOD值增大,至2014年达到近10年最高值(AOD值:0.61);2015年之后,大气颗粒物污染得到明显改善,AOD值呈小幅波动,但总体明显低于2010—2014年的均值。

(4) 粤港澳地区的AOD季节变化特征表现为春季(AOD值:0.66) > 夏季(AOD值:0.53) > 秋季(AOD值:0.44) > 冬季(AOD值:0.41)。春夏季粤港澳地区以阴雨天气为主,气溶胶吸湿增长,且在偏南风的主导下,沿海工业颗粒物排放及海盐吹向内陆,AOD值大;秋冬季以偏北风为主,降水少,大气湿度低,AOD值小。

(5) 粤港澳地区各月的AOD变化特征表现为1—2月AOD值低,3—4月AOD值较高,5—8月AOD在高值区波动平稳,9—12月AOD值明显下降,至12月达全年最低值。

参考文献
[1]
一次浮尘过程气溶胶光学特性及其辐射效应的研究[J]. 热带气象学报, 2013, 29(3): 458-464. DOI:10.3969/j.issn.1004-4965.2013.03.012
[2]
中国有机碳气溶胶时空分布与辐射强迫的模拟研究[J]. 热带气象学报, 2010, 26(6): 765-772. DOI:10.3969/j.issn.1004-4965.2010.06.016
[3]
LIU Z, YIM S H L, WANG C, et al. The impact of the aerosol direct radiative forcing on deep convection and air quality in the Pearl River delta region[J]. Geophy Res Lett, 2018, 45(9): 4 410-4 418. DOI:10.1029/2018GL077517
[4]
气溶胶对东亚夏季风指数和爆发的影响及其机理分析[J]. 热带气象学报, 2015, 31(6): 733-743.
[5]
中国东部地区人为气溶胶对东亚冬、夏季风的影响——一个高分辨率大气环流模式的模拟研究[J]. 热带气象学报, 2014, 30(3): 567-576. DOI:10.3969/j.issn.1004-4965.2014.03.018
[6]
人为气溶胶对东亚夏季风直接气候效应的成因分析[J]. 热带气象学报, 2013, 29(3): 441-448. DOI:10.3969/j.issn.1004-4965.2013.03.010
[7]
气溶胶对我国中东部地区秋季降水的影响[J]. 热带气象学报, 2012, 28(3): 339-347. DOI:10.3969/j.issn.1004-4965.2012.03.006
[8]
SCOTT C E, ARNOLD S R, MONKS S A, et al. Substantial large-scale feedbacks between natural aerosols and climate[J]. Nature Geoscience, 2018, 11(1): 44-48. DOI:10.1038/s41561-017-0020-5
[9]
PÖSCHL U. Atmospheric aerosols: composition, transformation, climate and health effects[J]. Angewandte Chemie International Edition, 2006, 44(46): 7 520-7 540.
[10]
云凝结核浓度对不同强度南海热带气旋强度影响的个例模拟研究[J]. 热带气象学报, 2020, 36(4): 518-527.
[11]
夏季硫酸盐和黑碳气溶胶对中国云特性的影响[J]. 热带气象学报, 2017, 33(4): 451-466.
[12]
CHRISTOPHER S A. Satellite remote sensing methods for estimating clear Sky shortwave Top of atmosphere fluxes used for aerosol studies over the global oceans[J]. Remote Sensing of Environment, 2011, 115(12): 3 002-3 006. DOI:10.1016/j.rse.2011.06.003
[13]
STEVENS B. Rethinking the lower bound on aerosol radiative forcing[J]. J Climate, 2015, 28(12): 4 794-4 819. DOI:10.1175/JCLI-D-14-00656.1
[14]
SEINFELD J H, BRETHERTON C, CARSLAW K S, et al. Improving our fundamental understanding of the role of aerosol-cloud interactions in the climate system[J]. Proceedings of the National Academy of ences of the United States of America, 2016, 113(21): 5 781-5 790.
[15]
SHINDELL D, KUYLENSTIERNA J C I, VIGNATI E, et al. Simultaneously Mitigating Near-Term Climate Change and Improving Human Health and Food Security[J]. Science, 2012, 335(6 065): 183-189.
[16]
DI Q, KLOOG I, KOUTRAKIS P, et al. Assessing PM2.5exposures with high spatiotemporal resolution across the continental United States[J]. Environmental Science & amp; amp; Technology, 2016, 50(9): 4 712-4 721.
[17]
SAM H, JENNIFER B, ERAN B, et al. Robust relationship between air quality and infant mortality in Africa[J]. Nature, 2018, 559(7713): 254-258. DOI:10.1038/s41586-018-0263-3
[18]
秦岭地区气溶胶光学厚度的时空演变特征及其影响因子[J]. 生态环境学报, 2019, 28(8): 1 596-1 603.
[19]
基于MODIS C061的长三角地区AOD与Angstrom指数时空变化分析[J]. 环境科学, 2020, 41(6): 2 617-2 624.
[20]
中亚五国气溶胶光学厚度时空分布特征研究[J]. 环境科学学报, 2020, 40(12): 1-13.
[21]
基于MODIS数据的中国气溶胶光学厚度时空分布特征[J]. 环境科学学报, 2018, 38(11): 4 431-4 439.
[22]
近十年中国陆地AOD时空分布及与城市化的关系研究[J]. 环境科学学报, 2019, 39(7): 2 339-2 352.
[23]
2001-2017年全国气溶胶光学厚度时空分布及变化趋势[J]. 环境科学, 2019, 40(9): 3 886-3 897.
[24]
中国近15年气溶胶光学厚度时空分布特征[J]. 中国环境科学, 2018, 38(2): 426-434. DOI:10.3969/j.issn.1000-6923.2018.02.004
[25]
HE Q, ZHANG M, HUANG B, et al. MODIS 3 km and 10 km aerosol optical depth for China: Evaluation and comparison[J]. Atmos Envir, 2017, 153(1): 150-162.
[26]
京津冀地区MODIS 3 km气溶胶光学厚度产品与10 km产品的对比分析[J]. 环境科学学报, 2020, 40(2): 429-437.
[27]
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): 1 829-1 844. DOI:10.5194/amt-6-1829-2013
[28]
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.
[29]
基于MODIS的广东省气溶胶光学厚度时空分布特征分析[J]. 热带气象学报, 2015, 31(6): 821-826.
[30]
珠江三角洲地区大气气溶胶特征的飞机观测分析[J]. 热带气象学报, 2015, 31(1): 71-77.
[31]
2001―2018年广东省气溶胶参数的时空变化特征[J]. 广东海洋大学学报, 2020, 40(6): 1-12. DOI:10.3969/j.issn.1673-9159.2020.06.001
[32]
KONG L, HU M, TAN Q, et al. Aerosol optical properties under different pollution levels in the Pearl River Delta(PRD)region of China[J]. J Envir Sci, 2020, 87(1): 49-59.
[33]
KUANG Q, WANG Y P. Spatial-temporal characteristics of the aerosol optical depth(aod)derived from longterm(1980-2018)MERRA-2 over Guangdong[J]. ISPAr, 2019, XLII-3/W9(42): 103-108.
[34]
珠江三角洲城市地区MODIS气溶胶光学厚度产品的检验分析[J]. 热带气象学报, 2010, 26(5): 526-531. DOI:10.3969/j.issn.1004-4965.2010.05.003
[35]
利用MODIS C6产品分析广东省气溶胶光学厚度时空特征[J]. 气象科技, 2018, 46(4): 809-813.
[36]
广东省MODIS气溶胶光学厚度时空分布及其影响因素[J]. 地理空间信息, 2017, 15(1): 46-49. DOI:10.3969/j.issn.1672-4623.2017.01.014
[37]
基于FY3A/MERSI资料分析广东省气溶胶光学厚度分布[J]. 气象, 2016, 42(1): 61-66.
[38]
珠三角地区长时间序列气溶胶时空变化特征分析[J]. 遥感学报, 2016, 20(6): 1413-1423.
[39]
REMER L A, KAUFMAN Y J, TANRÉD, et al. The MODIS aerosol algorithm, products, and validation[J]. J Atmos Sci, 2005, 62(4): 947-973. DOI:10.1175/JAS3385.1