认知篇
第1章气溶胶探测与气溶胶类型
改革开放以来，我国的经济发展迅速，工业化与城市化进程加快，但同时引发了一系列严重的空气污染问题，对群体健康、工农业生产及天气气候都有一定的影响。如何有效地改善空气质量成为公众*关心的问题之一。一般来说，大气污染物可被划分为两种形式：一种是空气中的气溶胶（也称颗粒物），如细颗粒物（PM2.5）和可吸入颗粒物（PM10），相比于PM10，PM2.5对群体健康及生态环境的危害更大；另一种是气态污染物，如二氧化硫（SO2）、二氧化氮（NO2）和臭氧（O3）等。李克强总理在第十三届全国人民代表大会第一次会议上表示，树立绿水青山就是金山银山理念，以前所未有的决心和力度加强生态环境保护。重拳整治大气污染，重点地区细颗粒物（PM2.5）平均浓度下降30%以上。显然，治理污染之前首先要获得地面的污染信息。
大气气溶胶指的是悬浮于大气中的固体或液体颗粒，直径介于10-3～10μm。虽然气溶胶只是地球大气成分中含量很少的组分，但却对全球与区域尺度上的气候变化起着重要作用。气溶胶通过对太阳辐射的吸收和散射作用影响地球的辐射平衡，从而引起大气环流与地表温度的变化，这类效应称为气溶胶对天气气候的直接辐射效应；此外，气溶胶粒子作为云凝结核与冰核影响云的微物理特征，进一步影响云的形成与发展，以及降水概率，这类效应被称为气溶胶对天气气候的间接辐射效应。其中，气溶胶的间接辐射效应又可分为第一间接效应和第二间接效应。第一间接效应，也称Twomey效应（Twomey，1977），指的是在云中液态水含量一定的情况下，气溶胶粒子之间会互相争夺水汽，从而减小云滴的有效半径，进而增大云的反照率；第二间接效应，指的是气溶胶引起的云滴有效半径减小会抑制云的发展，使云的生命周期变长，减少地面接收的太阳辐射（Menon et al.，2002；Qian et al.，2009a）。另外，当吸收型气溶胶作为云凝结核时，由于对太阳辐射的强吸收作用，其能够加热大气并使云消散，这类效应被称为气溶胶的半直接效应。气溶胶对群体健康也有一定的影响，流行病学研究表明：PM2.5有损人体健康，长期暴露在PM2.5浓度较高的空气环境中会引发心肺和心血管疾病，甚至有致癌风险。因此，气溶胶在环境、气候及流行病学领域均为重点研究对象。
1.1气溶胶探测
研究气溶胶粒子特性的手段有很多，如卫星遥感、地基遥感及地面和飞机外场观测等。卫星遥感观测已被广泛用于估计地面PM2.5质量浓度。卫星测得的气溶胶光学厚度（aerosol optical depth，AOD）反映的是一个较大水平区域（1km2及以上）垂直方向上整柱气溶胶粒子的观测情况，而且AOD和PM2.5的回归关系在不同的地理位置通常变化很大，所以卫星遥感观测的AOD用于估计地面PM2.5质量浓度时有很大的不确定性。卫星空间分辨率低和较难捕捉地面污染物信息的缺陷，使得卫星遥感观测无法精确地反映城市PM2.5的复杂空间分布。
世界范围内现已建成几个用于气溶胶观测的地基观测网络，如全球地基气溶胶遥感观测网络（Aerosol Robotic Network， AERONET）（Holben et al.，2001）、跨部门能见度环境监测（Interagency Monitoring of Protected Visual Environments，IMPROVE）网络（Malm et al.，1994）和中国的大约由2400个环境监测站组成的网络等。这些类型的观测经校准后广泛用于卫星气溶胶观测的评估（Bréon et al.，2011；Chu et al.，2003），但是这些观测站点在空间上的代表性范围有限且各站间距通常较大。当局地源排放的区域变化较大时，有限的城市监测站通常不能准确地反映整个城市的空气质量信息。城市环境只靠稀疏的监测站网是不能完全解析的，需要高时空分辨率的观测网络来量化城市尺度下的污染物水平（Mead et al.，2013）。随着低成本监测设备的发展，城市内高密度的环境监测站网布设成为可能。
如今，中国已在几个城市建成了高密度的地面空气污染物观测站点，即网格化观测，除了满足监控局地源的业务需求外，也可利用其高空间分辨率的观测研究空气污染物的城市内部空间分布。现已建成网格化观测的城市包括石家庄、保定、廊坊、新乡、成都等。网格化观测的相邻站点的距离可以达到几十米，有助于研究微尺度污染事件的发生、演变过程。当气溶胶污染受局地源排放影响较大时，空气污染的空间分布将会有很大的异质性，网格化观测则能发挥其高空间分辨率的优势，用于识别局地散源和计算受污染物扩散影响的城市范围等。然而，低成本网格化观测仪器的一个重要局限性是仪器精度较低，误差较大。
1.1.1卫星遥感探测
卫星遥感通常可以获取气溶胶的光学特性，如AOD和消光系数，但无法直接得到气溶胶质量与数量浓度数据。
相对于地面站点，卫星遥感观测数据主要包括AOD和Angstrom指数，二者分别反映气溶胶柱浓度含量和粒子相对大小情况。卫星遥感反演气溶胶产品由于覆盖范围广而获得了广泛的应用，尤其是在时空变化特征的分析方面。然而，卫星遥感反演气溶胶产品严重依赖气溶胶反演方法，其产品的评估和改进也是重要研究内容之一。只有准确的卫星遥感气溶胶反演产品才能为后续的气溶胶-云降水-辐射相互作用研究奠定数据基础。
本节主要介绍对卫星气溶胶反演方法的改进，探索适合复杂下垫面的气溶胶反演方法（Yang et al.，2019a）。作为大气重要的组成部分，气溶胶可以改变地球系统的辐射能量平衡。气溶胶通过直接散射或者吸收太阳短波辐射和地球长波辐射对地球系统辐射平衡产生直接效应。在人类活动和自然活动的双重影响下，气溶胶污染问题是近年来人类社会面临的重大问题。气溶胶主要聚集在近地面区域，对人类的生活环境和身体健康造成了巨大的影响。气溶胶来源广泛并且具有很大的时空变化，不同区域和时间的气溶胶光学特性具有很大的差异。因此，全面了解气溶胶对气候变化、地球辐射收支和人类健康影响的研究至关重要。
传统气溶胶监测主要依靠地基观测网络，难以实现大区域内精确、实时确定气溶胶的性质、组成及时空分布的研究。与地基遥感相比，卫星遥感作为获取大区域气溶胶空间分布和时间变化的*直接、*有效的方法，已广泛应用于局部和全球尺度的研究。基于卫星光谱辐射测量，AOD反演算法通常包括：①结构函数算法（Tanre et al.，1988）；②暗目标（dark target，DT）算法（Kaufman et al.，1997a，1997b）；③改进的DT算法（Levy et al.，2007）；④深蓝（deep blue，DB）算法（Hsu et al.，2004）。相比于其他反演算法，DB算法具有较高的精度且能够实现城市区域的AOD反演，但是DB算法进行气溶胶反演时需要精确的地表信息。
AOD是气溶胶的一个重要光学参数，它被定义为大气垂直路径上的消光系数的积分，已成为衡量气溶胶污染的重要指标。利用卫星进行AOD反演的主要挑战之一是从卫星记录的信号中分离出气溶胶粒子散射贡献，而卫星记录的信号是大气路径反射（包括大气分子和气溶胶物质）以及地表反射信号的叠加。气溶胶光学特性也是精确反演AOD的关键参数，且气溶胶在空间和时间上具有较大的变化。
NPP VIIRS反演的AOD广泛应用于气候、环境和辐射研究之中。然而，该产品在复杂下垫面下的反演AOD存在较大误差。本研究改进了复杂下垫面的AOD反演算法——DB算法，并对改进效果开展了评估研究。该评估研究在两个方面对原有DB算法进行了改进:一是构建了不同传感器通道之间的光谱转换模型；二是充分利用了复杂区域不同季节的气溶胶光学特性。
随着地表反照率的增高，气溶胶对辐射的贡献逐渐降低，并且随着地表反照率的增加，其误差与AOD反演误差呈正相关关系，因此，获取高精度的地表反照率数据集是实现AOD高精确反演的前提。而NPP VIIRS地表反照率产品VNP 09 A1精度相对较低，低估了地表反照率，尤其是在可见光波段，这增加了AOD反演的误差。MODIS地表反照率具有较高的精度，可以作为VIIRS AOD反演地表先验知识数据集。光谱响应函数作为描述传感器性能的物理参数，在不同的传感器以及同一传感器不同通道之间均存在差异。为降低传感器差异对气溶胶反演的影响，我们利用ASTER实测地物光谱曲线构建了地表反照率光谱转换模型，即将植被和土壤实测光谱数据与传感器通道光谱响应函数相结合，构建了MODIS和VIIRS蓝光通道地表反照率的光谱转换模型，进一步提高VIIRS AOD反演的精度。同时，为了降低云和植被物候变化的影响，采用MODIS 8天合成的地表反照率数据为AOD反演提供先验知识。
气溶胶光学特性是影响AOD反演精度的又一关键参数。为了更加准确获取北京及周边区域内气溶胶光学特性，实现更高精度的AOD反演，我们对研究区内长时间序列的AERONET数据（北京、北京-CAMS、香河、兴隆四个AERONET站点）的气溶胶光学特性［单次散射反照率（single scattering albedo，SSA）和不对称因子］进行分析，获取了复杂区域不同季节的气溶胶光学特性。由于气溶胶类型存在季节周期的变化规律，因此，基于6S辐射传输模型构建了AOD反演查找表，也对气溶胶特性进行了相应的划分，从而降低了气溶胶光学特性差异对AOD反演造成的误差。此外，我们还通过AERONET数据和VIIRS AOD产品（VAOOO和IVAOT两套产品）对AOD反演结果进行了评价。具体流程如图1-1所示。
为了验证改进的AOD反演算法的有效性，利用地基遥感观测的AOD对反演结果进行评估。AOD反演结果与AERONET实测AOD具有较高的相关性，不同站点相关性介于0.82～0.92，偏差(Bias)均小于0.05，均方根误差(RMSE)（0.16～0.17）和平均绝对误差(MAE)（0.10～0.13）总体较小（图1-2）。
我们反演了2014年4月13日、2015年8月13日和2017年3月4日北京及周边区域的AOD和VIIRS AOD，发现IVAOT AOD产品具有较高的空间分辨率，但空间一致性存在一定的问题。VAOOO AOD产品有大量缺失值，空间连续性相对较差。与VIIRS AOD产品进行比较可以发现，我们反演的AOD与AERONET AOD测量值更符合，偏差较小。同时，与VIIRS AOD产品相比，我们反演的AOD在空间上的分布与辐射观测的真彩色合成图像更为一致。
1.1.2PM2.5
近年来，为研究大区域空间尺度的PM2.5时空分布特征，从卫星遥感的AOD数据向PM2.5浓度反演的算法层出不穷（黄明祥等，2015）。其中，大部分研究集中于建立AOD与PM2.5的统计回归模型，通过已知的观测数据求解回归方程的参数，进而得到未知区域及时间区间的PM2.5值，同时利用交叉验证来分析模型的精度与稳定性。Guo等（2009）利用中国气象局大气成分观测网络（CAWNET）的PM小时数据和长时间的MODIS AOD产品，研究了中国东部AOD与地面PM1、PM2.5、PM10的关系，并且讨论了边界层高度（PBLH）和相对湿度（RH）对AOD与PM关系的潜在影响。Ma等（2014）利用地理加权回归（geographic weighted regression，GWR）模型与交叉验证的算法，研究了中国区域PM2.5浓度的时空分布特征，发现土地利用及气象要素显著影响模型的预测精度。Xin等（2016）利用CARE-China观测网的数据分别分析了中国22个站点PM2.5与AOD的线性关系，并讨论了气象条件及气溶胶粒子对二者关系的影响。Sreekanth等（2017）利用MODIS 3km×3km空间分辨率的AOD数据，基于统计回归的方法，反演得到了
展开
