0 引言
大气气溶胶是指悬浮在空气中的固体或（和）液体微粒及气体载体共同组成的多相体系（Lenoble et al.，2013），其通过直接和间接辐射效应影响地球能量平衡，是气候变化中不确定性最大的因素之一（Haywood，2021；Bashmakov et al.，2022）。气溶胶对大气环境、空气质量和人类健康（如细颗粒物危害呼吸系统）也有重要影响，是评估气溶胶气候效应和空气质量的重要指标（Kaufman et al.，1997）。气溶胶光学厚度（Aerosol Optical Depth，AOD）是描述气溶胶消光特性的关键参数，其物理意义为大气气溶胶粒子消光系数在垂直方向上的积分，表示气溶胶对光的衰减作用大小。AOD被广泛应用于区域空气质量评估、气溶胶气候效应研究及近地表颗粒物浓度反演等领域（Kokhanovsky and de Leeuw，2009；Shin et al.，2020）。
目前，AOD主要通过地基观测和卫星遥感两种方式获取。地基观测网络（如Aerosol Robotic Network，AERONET）基于太阳光度计反演AOD（Giles et al.，2019），具有高精度和长期稳定性，被广泛用于卫星产品验证（Holben et al.，2001），然而其站点稀疏且空间覆盖有限，难以支撑区域尺度的连续动态监测。相比之下，卫星遥感凭借覆盖范围广、高时效和长时间序列优势，已成为大范围气溶胶研究的主要手段。其中，搭载于Terra和Aqua卫星的中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS），其气溶胶反演产品经过系统的地面验证，在区域和全球范围内展现出良好的精度和适用性（Sayer et al.，2014；Lyapustin et al.，2018；苏玥宇等，2023）。值得注意的是，早期广泛应用且较为成熟的基于暗目标（DT）算法与深蓝（DB）算法的气溶胶产品，空间分辨率较低（通常为10 km），难以满足中小尺度区域的研究需求。近年来，基于MODIS数据发展的MAIAC（MultiAngle Implementation of Atmospheric Correction）算法，通过利用多时相多角度观测将空间分辨率提升至1 km（Lyapustin et al.，2018）。该产品被证明精度优于DT和DB算法（Liu et al.，2019），并且在植被、沙漠等各类地表类型中均表现出较好的精度和适应性，为中小尺度区域的精细气溶胶研究提供了数据支持（Zhang et al.，2019）。
本研究使用2003—2023年1 km空间分辨率的MODIS-MAIAC逐日气溶胶产品，采用趋势分析、显著性检验及相关分析，从年、季尺度揭示宁夏AOD的空间格局和时间变化规律，并结合人为排放、植被和气象数据，探讨人为源、自然源、植被与气象因子对宁夏AOD时空变化和季节分异的影响，以期为宁夏及类似干旱半干旱地区的大气污染精准防治和空气质量持续改善提供参考依据。
1 数据来源与研究方法
1.1 研究区概况
图1
1.2 数据介绍
采用美国国家航空航天局发布的MODIS MAIAC Collection 6.1版本的逐日气溶胶产品（MCD19A2数据集），空间分辨率为1 km，提供470、550 nm两个波段的AOD数据。该产品基于多角度大气校正（MAIAC）算法，通过利用多时相、多角度观测改善了气溶胶反演精度，尤其在复杂下垫面地区表现良好（Lyapustin et al.，2018）。在中国地区的验证研究表明，其与地基AOD观测相关性高，且在干旱半干旱区域精度稳定（Che et al.，2019； Liu et al.，2019；Zhang et al.，2019）。选取2003—2023年宁夏地区550 nm波段的AOD数据，对其开展时空分布特征分析。数据处理的主要步骤包括：提取550 nm波段的AOD，剔除无效像元（如填充值及受云、雪影响的像元），进行投影转换与区域裁剪，最终构建适用于宁夏地区气溶胶时空分析的AOD数据。
为探究影响宁夏AOD时空变化的因素，引入多个辅助数据（表1），包括土地利用数据、归一化植被指数（Normalized Difference Vegetation Index，NDVI）、欧洲中期天气预报中心ERA5再分析数据，以及人为排放的细颗粒物（Fine Particulate Matter， PM2.5）和可吸入颗粒物（Inhalable Particulate Matter， PM10）质量浓度数据。土地利用类型数据来源于国家冰川冻土沙漠科学数据中心的中国年度土地覆盖数据集中的2022年数据（Yang and Huang，2021）；2003—2023年NDVI用于表征植被覆盖的动态变化，植被可通过抑制起沙与传输过程促进气溶胶沉降，是影响AOD时空变化的重要下垫面因子（衣娜娜等，2024）；ERA5再分析产品中，提取了2003—2020年的降水、风速、温度等关键变量，以分析气象因素对沙尘等自然源气溶胶的起沙-传输-沉降过程的影响；2003—2020年（该数据仅更新至2020年）人为颗粒物（PM2.5和PM10）排放数据，来源于中国多尺度排放清单模型（Multi-resolution Emission Invertory for China，MEIC）用来分析人为排放对AOD时空变化的影响；宁夏行政区划矢量数据来源于宁夏地理信息公共服务平台。所有栅格数据均经空间匹配与重采样至1 km分辨率，以便与AOD数据进行协同分析。
表1 辅助数据表
Tab.1
| 数据类别 | 数据名称 | 时、空分辨率 | 数据来源 |
|---|---|---|---|
| 土地利用类型数据 | 土地覆盖数据集 | 30 m | 国家冰川冻土沙漠科学数据中心 |
| NDVI数据 | MODIS NDVI | 逐月，1 km | 美国国家航空航天局 |
| ERA5气象再分析数据 | 降水量 风速 地表温度 T10 m（10 m气温） T250（250 hPa温度） T500（500 hPa温度） | 逐日， 0.1°×0.1° | 欧洲中期天气预报中心 |
| 人为颗粒物排放数据 | MEIC排放清单模型数据 | 逐月，省级 | MEIC |
1.3 研究方法
采用“数据预处理—时空特征分析—变化趋势量化—驱动因素关联分析”的技术路线。首先，基于预处理后的550 nm AOD数据，逐像元计算月均、季均与年均值，获取宁夏全区AOD的月、季、年空间分布格局，并通过空间平均得到全区及各城市的多时间尺度AOD序列，以分析其季节和年际变化特征。其次，为量化AOD的长期变化趋势，采用非参数的Theil-Sen斜率估计（Sen，1968）与Mann-Kendall显著性检验（Mann，1945； Kendall，1975）相结合的方法，在全区、城市和像元尺度上，量化AOD在年、季尺度上的变化趋势与统计显著性。最后，为识别影响AOD变化的主要驱动因子，利用不依赖于数据分布假设的Spearman秩相关分析（Spearman，1904），探讨AOD与人为颗粒物排放、气象因子、植被指数等潜在影响变量之间的相关性。
1.3.1 AOD变化趋势及显著性检验
Theil-Sen斜率估计是一种非参数检验方法，通过计算所有数据点对斜率的中位数量化趋势变化速率，对异常值和数据非正态性具有鲁棒性。斜率估计值（β）表示单位时间内变量的变化量，并通过95%置信区间评估其统计可靠性。文中，斜率βAOD反映AOD变化趋势，βAOD>0表示区域AOD呈上升趋势，反之则呈下降趋势。
Mann-Kendall检验常与Theil-Sen斜率估计结合使用。通过计算时间序列中每对数据的差值，统计正、负差值的数量来判断趋势和显著性。若正差异显著多于负差异，表明上升趋势；反之则为下降趋势。显著性则通过p值判断。结合βAOD与M-K检验得到的p值可进行AOD变化趋势和变化速率判定：若p≥0.05，说明AOD变化趋势不显著；若p<0.05，且βAOD>0，表明AOD呈显著上升趋势；若p<0.05，且βAOD<0，表明AOD呈显著下降趋势。
1.3.2 相关性分析
2 结果与分析
2.1 宁夏AOD空间分布特征
图2为2003—2023年宁夏AOD均值空间分布。整体上，AOD呈现“北高南低、西高东低”的分布格局。高值区主要分布在北部沿黄城市带，包括石嘴山市、银川市、吴忠市西部和中卫市北部。其中，石嘴山市和银川市AOD均值最高（局部可达0.44），大部分地区在0.30以上。这种空间格局的形成主要受以下因素影响：首先，宁夏西北部、北部、东部三面分别被腾格里沙漠、乌兰布和沙漠和毛乌素沙地包围，春季沙尘天气频发，大量沙尘气溶胶随西北气流被传输到北部地区；其次，宁夏北部的银川市和石嘴山市工业发达、人口密集，生产生活活动频繁，人为气溶胶排放量明显高于其他地区。此外，清水河沿线地区由于人口集中和工业发展，AOD也明显高于宁夏南部和东北部地区。另外，宁东能源化工基地AOD高于周边地区，形成了局部热点区。结合土地利用类型（图1）来看，高值区与建设用地、耕地等人为活动密集的区域高度重叠，尤以沿黄城市带及宁东能源基地为典型。
图2
图2
宁夏2003—2023年AOD均值空间分布
Fig.2
The spatial distribution of the multi-year average AOD from 2003 to 2023 in Ningxia
低值区主要分布于西北部的贺兰山、南部的六盘山、中部的罗山等自然保护区，以及吴忠市东部和中卫市南部，对应林地、草地等植被覆盖良好的区域。其中，贺兰山、六盘山、罗山等地势较高，受人类活动影响小，且植被覆盖程度高；吴忠市东部及中卫市南部地区人口密度相对较低，地势较为平坦，通风条件良好，有利于气溶胶粒子扩散。此外，宁夏南部多为山区，属于中温带半湿润地区，降水较北部多，利于气溶胶沉降。
综上，宁夏AOD的空间分异格局，是沙尘传输、地形与气象条件、人类活动（工业排放、人口分布）及下垫面土地利用类型共同影响的结果。
图3
图3
2003—2023年宁夏季节平均的AOD空间分布
Fig.3
The spatial distribution of seasonal average AOD from 2003 to 2023 in Ningxia
2.2 宁夏AOD时间变化特征
2.2.1 年际变化趋势
2003—2023年宁夏年均AOD为0.220~0.320，多年均值为0.260±0.028（0.028为标准差）[图4（a）]。Theil-Sen趋势分析表明，近21 a宁夏AOD整体呈显著下降趋势（降幅为0.003 0 a-1）；Mann-Kendall检验显示该序列不存在统计意义上的突变点，说明下降趋势贯穿整个研究时段。序列变化呈现明显的阶段性特征：AOD在2006年（0.313）与2011年（0.324）出现峰值，其中2006年为沙尘高发年（赵仕伟和高晓清，2017）；2011—2014年，AOD为持续快速下降阶段；之后，AOD转入相对平稳的低值波动期。5个地级市的年均AOD序列也呈现空间差异与一致性[图4（b）]，各市的AOD年际变化与全区序列高度同步，均表现出2011—2014年快速下降，之后趋于平稳波动的共性特征。但AOD均值及其下降速率存在明显的空间分异：北部的银川市和石嘴山市不仅是AOD的相对高值区（多年均值均为0.280），其下降趋势也最为显著（降幅分别为0.003 3、0.003 7 a-1）；相比之下，中部的吴忠市、中卫市及南部的固原市（AOD最低）下降速率相对较缓（降幅为0.002 5 a-1）。
图4
图4
2003—2023年宁夏（a）及5市（b）AOD年际变化
Fig.4
Annual change of mean AOD in Ningxia （a） and its five cities （b） from 2003 to 2023
2003—2023年宁夏四季AOD年际变化均呈显著下降趋势，但幅度存在明显差异（图5）。夏季和春季降幅最大，分别为0.006 0、0.004 1 a-1；秋、冬季降幅较小，分别为0.001 1、0.002 8 a-1。与2003—2013年相比，2014—2023年春、夏、秋、冬季AOD分别降低16.32%、23.77%、6.92%、13.12%。
图5
图5
2003—2023年宁夏AOD四季均值的年际变化
Fig.5
Annual change of seasonal mean AOD from 2003 to 2023 in Ningxia
表2 2003—2023年宁夏5市AOD四季均值
Tab.2
| 城市 | 春季 | 夏季 | 秋季 | 冬季 |
|---|---|---|---|---|
| 石嘴山市 | 0.33 | 0.31 | 0.24 | 0.28 |
| 银川市 | 0.34 | 0.29 | 0.24 | 0.29 |
| 中卫市 | 0.32 | 0.26 | 0.20 | 0.25 |
| 吴忠市 | 0.33 | 0.27 | 0.20 | 0.24 |
| 固原市 | 0.32 | 0.26 | 0.17 | 0.23 |
2.2.2 季节与月变化特征
宁夏AOD存在显著的季节性波动，表现为春季最高（0.33）、秋季最低（0.20）、夏季（0.27）和冬季（0.25）居中的典型特征（表2）。5市AOD均一致呈现“春季>夏季>冬季>秋季”的规律，但变化幅度南北迥异。北部的石嘴山和银川四季变化幅度相对较小，而南部的固原变化幅度最大。春季，5市AOD均值均处于高位（>0.30），充分说明了沙尘对全区大气环境影响的普遍性；秋季，宁夏南北部AOD差异最大，北部银川的AOD（0.24）较南部固原市（0.17）高出41.18%，反映了人为排放的空间异质性。
图6为2003—2023年AOD的月均值变化。可以看出，宁夏AOD月均值呈规律性波动：1—4月快速上升，4月达到峰值（0.34）；5—10月逐步下降，10月降至谷值（0.19）；11—12月随供暖季开始又逐步上升。该月变化规律是季节特征的内在体现。月际变幅也存在明显的区域差异：固原市变化幅度最大，10月AOD均值（0.16）仅为4月峰值（0.34）的47%。银川市和石嘴山市由于常年存在较强人为排放，AOD始终维持在较高水平，月际变化相对平缓，最低值仍达0.23。
图6
图6
2003—2023年宁夏（a）及5市（b）AOD月均值变化
Fig.6
Monthly change of mean AOD in Ningxia （a） and its five cities （b） from 2003 to 2023
上述表明，宁夏气溶胶的季节差异受自然源（沙尘）和人为源（工业、采暖）的共同调控，但主导因子随季节转换而变化，春季以沙尘影响为主，冬季则更多体现人为排放的贡献。
2.3 宁夏AOD变化趋势的空间特征
基于Theil-Sen斜率估算和Mann-Kendall显著性检验得到的2003—2023年宁夏全年及四季AOD变化趋势的空间分布（图7）表明，全区AOD年均变化呈现明显的空间分异性，其中75.12%的区域呈显著下降趋势（p<0.05）。下降最显著的区域集中在人为源气溶胶排放较高的宁夏沿黄城市带（石嘴山市、银川市西北部、吴忠市西部、中卫市北部），其AOD变化率约-0.006 a-1；仅0.08%的区域AOD呈轻微上升趋势（变化率为0~0.002 a-1），分布在银川市东部的宁东工业园区北部；其余24.80%的区域变化趋势不显著，主要分布于宁夏西南部和中南部。
图7
图7
2003—2023年宁夏年均及季均AOD变化趋势空间分布（单位：a-1）
Fig.7
Spatial distribution of change trends of annual and seasonal mean AOD in Ningxia from 2003 to 2023 （Unit： a-1）
表3 宁夏2003—2023年AOD不同变化趋势的面积占比统计
Tab.3
| p值 | 变化趋势 | 面积占比/% | |||||
|---|---|---|---|---|---|---|---|
| 全区 | 春 | 夏 | 秋 | 冬 | |||
| ≥0.05 | 变化不显著 | 24.80 | 68.76 | 4.18 | 92.58 | 75.82 | |
| <0.05 | >0 | 增加 | 0.08 | 0.05 | 0.01 | 0.65 | 0.05 |
| -0.003~0 | 轻微降低 | 59.61 | 26.96 | 35.13 | 6.63 | 23.44 | |
| <-0.003 | 显著降低 | 15.51 | 4.23 | 60.68 | 0.14 | 0.69 | |
AOD的这种时空差异表明，其显著下降是自然源（沙尘）和人为源排放减少共同作用的结果，下降最显著的区域与人为活动最密集的区域高度重叠，表明人为减排政策的贡献主导了本次观测到的改善趋势。未来治理需结合气溶胶来源、区域和季节差异制定针对性措施，重点关注AOD呈现上升趋势的区域。
2.4 宁夏AOD影响因子分析
为理解宁夏AOD时空格局的潜在成因，从年际变化和季节分异角度，分析AOD与自然、人为因子之间的统计关联性，并阐释其物理机制。
年均AOD与年度人为颗粒物排放量的变化呈现出高度同步性（图8），二者均于2011年达到峰值后转入下降趋势。统计分析进一步证实，2003—2020年AOD与人为PM2.5、PM10排放量之间存在显著正相关（rPM2.5=0.66，rPM10=0.69，p<0.01）。2011年后，宁夏年均AOD下降约28%，同期人为PM2.5和PM10排放量均下降了约52%，下降幅度远高于AOD的降幅，说明人为排放的大幅削减是驱动AOD整体下降的关键因素。值得注意的是，人为排放量的季节性波动较小，且人为PM2.5与PM10排放量之比四季均稳定在70%左右，而AOD却表现出明显的季节性差异（以春季为峰值），说明AOD的年际变化不仅受人为排放影响，还受自然源（如沙尘）的综合影响。
图8
图8
2003—2020年宁夏PM10、PM2.5排放量及2003—2023年AOD逐年变化
Fig.8
The yearly variation of emissions of PM10 and PM2.5 from 2003 to 2020 and AOD from 2003 to 2023 in Ningxia
季平均AOD与同期气象因子的相关性分析（表4）揭示了影响因子的动态切换，为直观展示各季节AOD与关键因子的协同变化，图9还给出了2003—2023年四季AOD与其主导因子的时间序列。可以看出，春季AOD与风速呈显著正相关（r=0.61，p<0.01），同时与地表温度、10 m高度气温（T10 m）、温度垂直梯度（T250 hPa-T10 m）等热力因子也显著相关（p<0.05）。春季为我国北方沙尘活动高发期，此时植被尚未恢复、土壤干燥疏松；又地表增温明显、对流活动增强、边界层高度明显抬升，有利于沙尘气溶胶在垂直方向的混合与滞留，导致AOD升高，这一机制在春季AOD与风速两者高度同步的年际波动中得到了直观体现[图9（a）]。夏季，AOD与NDVI极显著负相关（r=-0.85，p<0.001），长期趋势分析进一步支持了这一关联：NDVI在夏季具有最快的上升速率（0.006 8 a⁻¹），而同期AOD亦表现出最显著的下降趋势（0.006 0 a⁻¹）[图9（b）]；此外，AOD与降水量呈负相关（r=-0.36），这是因为降水使得表层土壤湿度增加，促进植被生长并且导致土壤颗粒粘黏在一起不易起沙，且降水可有效沉降大气中悬浮气溶胶颗粒，使得AOD下降，这与李健等（2024）在黄河流域的发现一致，但定量分离二者贡献仍需数值模拟。秋季，植被覆盖仍较充分、土壤湿度较高，加之太阳辐射减弱，逆温频率增加，大气层结趋于稳定，边界层高度降低，此时风速增大主要增强近地层气溶胶的水平扩散与稀释作用，因此表现为AOD与风速的负相关关系（r=-0.51，p<0.05），在二者的长期序列中同样有所体现[图9（c）]。冬季，AOD与NDVI虽呈负相关（r=-0.45，p<0.05），但其长期序列[图9（d）]并未表现出如夏季般的显著协同变化趋势。整体上，冬季AOD与各因子的相关性均较弱，这可能源于冬季大气层结稳定，污染过程受复杂的局地排放、二次生成与静稳气象条件共同控制，单一因子的主导作用不明显。
表4 不同季节AOD与其影响因子的Spearman相关系数
Tab.4
| 季节 | 降水量 | 风速 | 地表温度 | T10 m | T250 hPa-T10 m | T500 hPa-T10 m | NDVI |
|---|---|---|---|---|---|---|---|
| 春季 | 0.18 | 0.61** | -0.54* | -0.47* | 0.47* | 0.26 | -0.65** |
| 夏季 | -0.36 | 0.31 | -0.22 | -0.32 | -0.34 | -0.33 | -0.85*** |
| 秋季 | 0.18 | -0.51* | -0.01 | -0.08 | 0.08 | 0.14 | -0.34 |
| 冬季 | -0.25 | 0.14 | -0.08 | -0.15 | -0.15 | -0.01 | -0.45* |
注：* p<0.05，** p<0.01，*** p<0.001；T250 hPa和T500 hPa分别为250 hPa和500 hPa温度。
图9
图9
2003—2023年宁夏四季AOD主导影响因子变化趋势
Fig.9
The change trends of dominant influencing factors of AOD in Ningxia from 2003 to 2023
综上，宁夏AOD的时空变化是自然与人为因子共同作用的结果，但其主导因子随时间尺度转换而变化：年际变化主要受人为减排和植被改善的驱动，而季节波动则主要由气象条件和植被覆盖的变化所调控。值得注意的是，风速在春、秋两季对AOD的影响方向截然相反，这一现象源于下垫面属性及大气边界层结构的季节性转换。
3 讨论
基于2003—2023年MODIS MAIAC C6.1 1 km高分辨率卫星数据，分析了宁夏地区气溶胶的时空演变规律及其驱动机制，发现该区域AOD呈现“北高南低”的空间格局和“春高秋低”的季节规律，并论证了其AOD时空变化受自然与人为因子的共同调控。
宁夏AOD呈现“北高南低、西高东低”的空间分布格局，是区域自然地理背景与人类活动空间格局耦合作用的结果。北部沿黄城市带（银川市、石嘴山市）地处沙尘输送通道，同时集中了主要的工业区和人口，形成“自然传输+人为排放”的双驱动模式；而南部山区因人类活动强度低、植被覆盖度较高，AOD处于相对低值。这种“自然背景”与“人为叠加”的协同作用，与李成才等（2003）对北京地区的研究结论具有相似性，但本研究凸显了在沙尘影响显著的干旱半干旱区，自然因子的贡献相对更强。
在时间维度上，2011年AOD达峰值后持续下降，特别是其与同期人为PM2.5、PM10排放量的高度同步性，表明人为排放减少是驱动AOD年际尺度下降的关键因素之一。同时，AOD变化呈现出明显的“季节主导因子切换”特征：春季AOD主要受强风驱动的沙尘过程控制；夏季则体现为植被拦截沙尘传输与降水沉降沙尘的协同降低作用；秋季风速的增大转为对AOD的扩散稀释。这一特征揭示了气溶胶成因对气象与下垫面环境的依赖性，提示大气污染防治需采取分季施策的差异化策略。
与已有针对西北地区的研究（赵仕伟和高晓清，2017；张国强等，2020；张瑞芳等，2021；黄莹等，2025）相比，本研究的优势在于基于21 a长时序和1 km逐日数据，更清晰地刻画了宁夏AOD的时空变化与长期趋势；从“格局、趋势、驱动”多维度，并结合多源数据解析了其影响因素，揭示了主导因子的季节性动态。基于上述结论，可提出更具针对性的“分季施策、分区管控、分类治理”的治理建议：针对不同季节，春季重点防控沙尘，加强区域联防联控与地表覆盖；夏季协同推进植被恢复与工业减排，发挥生态抑尘功能；秋季强化气象扩散条件利用与秸秆焚烧管控；冬季聚焦采暖与工业排放，实施清洁能源替代与错峰生产。针对不同区域，北部沿黄城市带持续强化工业与扬尘治理，中南部生态区以保育为主，巩固生态屏障功能，宁东能源基地等重点区域实施行业超低排放与实时监测及清洁能源替代。针对不同气溶胶类型，自然源（沙尘）完善监测预警与跨区域联防，人为源（生产生活排放等）推动结构升级与全过程监管，二次气溶胶加强前体物协同控制。
本研究仍存在一定局限性。MODIS AOD产品在复杂地表（如沙漠、城市）区域存在反演误差，且1 km空间分辨率虽较高，但在局地高AOD事件中仍可能低估或高估真实浓度。当前分析主要依赖统计相关性，未能直接区分气溶胶来源类型（如沙尘、硫酸盐、黑碳等）。未来可结合CALIPSO气溶胶类型数据、地面化学组分观测及排放清单数据，进一步量化人为与自然源的具体贡献；另外，可结合WRF-Chem（Weather Research and Forecasting with Chemistry）模型开展数值模拟，通过设置不同的排放情景，定量评估各类气溶胶来源对宁夏AOD的贡献率。同时，亦可利用长时间序列的地面PM2.5、PM10质量浓度比值或气溶胶波长指数（如Ångström指数）等观测指标，构建源解析统计模型，从而更精细地分离人为源与自然源的相对贡献。此外，基于统计相关的分析难以建立严格的因果关系，未来可结合因果推断算法（如结构方程模型、格兰杰因果检验等），进一步验证各因子对AOD的作用机制和贡献；最后，对政策效应的评估仍处于宏观关联层面，未来可结合更高时空分辨率的排放清单数据，开展更精细的政策效能评估。
4 结论
本研究基于2003—2023年MODIS MAIAC C6.1气溶胶产品，分析了宁夏AOD时空分布特征及影响因素，得到如下主要结论。
（1）宁夏AOD呈现“北高南低、西高东低”的空间分布格局。高值区集中于沿黄城市带和清水河流域，低值区则分布于贺兰山等自然保护区和南部山区。
（2）宁夏年均AOD以0.003 a-1的速率显著下降，且在2011年峰值后下降趋势尤为明显。季节上呈现“春高、夏降、秋低、冬升”的特征，春季峰值主要源于沙尘活动。2003—2023年宁夏全区75.12%的区域AOD显著下降，下降最显著区域（-0.006 a-1）与城市化核心区高度吻合，表明人为减排措施成效显著；但仍有0.08%的区域呈微弱上升趋势，未来需重点管控与精准减排。
（3）宁夏AOD时空演变受人为与自然因子共同调控，且主导因子存在显著的季节分异。AOD年际变化主要受人为减排活动驱动，而AOD季节波动则由气象条件与植被覆盖的周期性变化主导：春季AOD主要受强风驱动的沙尘活动所主导，夏季受植被抑制起尘传输与降水清除作用影响，秋季风速增大主要对污染物起扩散稀释作用，冬季AOD与气象因子的相关性均较弱，单一因子的主导作用不明显。
参考文献
银川市初夏气溶胶粒子谱分布特征
[J].
利用美制APS-3310A型激光粒谱仪,在中国西北城市银川对大气气溶胶粒子进行现场观测,结合气象条件,并通过理论计算分析,给出了银川市初夏大气气溶胶的日变化特征、3种不同粒径粒子分布特点及飘尘谱分布特征,以期为银川市大气污染总量控制方案及对策提供科学依据。
不同气候态时段宁夏气温、降水变化对比分析
[J].使用不同的气候态时段意味着对气象要素、气候事件的异常状况及其变化特征评价结果的改变，这对气候监测预测业务具有实质性的影响。利用1981—2021年宁夏国家级气象站气温和降水量观测数据，对比分析1981—2010年（旧气候态时段）与1991—2020年（新气候态时段）的气温和降水特征差异，并探讨了这些要素的极端性特征变化。结果表明，相比旧气候态时段，新气候态时段宁夏年均及四季平均气温普遍偏高，特别是春、夏、冬3季的平均气温增幅较明显，异常偏高（低）的频率相应增加（减小）；银川市、吴忠市西部和中卫市北部为气温增幅大值区；极端最高（低）气温强度总体增强（减弱）、频率增加（减小）；夏季各地极端高温阈值提高、强度增强，中北部地区尤为突出，而冬季大部地区极端低温强度减弱，但局地极端低温变幅较大。新气候态时段的年均及夏、秋、冬季平均降水量均多于旧气候态时段，其中夏、秋季降水量异常偏多频率增加，春、冬季则相反，各季降水量异常偏少的频率有不同程度的下降；季节降水空间差异明显，夏、秋季降水普遍增多，春、冬季则表现为“北减少、南增多”的格局；春、秋（夏、冬）季极端降水总体趋强（弱），但极端性降水事件趋少（多）；夏季极端降水的阈值和强度差异在南北地区较大、中部较小，石嘴山市的极端性降水明显增加。
Climate Change 2022: Mitigation of Climate Change. Contribution of Working Group III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, Chapter 11
[R].
Long-term validation of MODIS C6 and C6.1 Dark Target aerosol products over China using CARSNET and AERONET
[J].
Advancements in the Aerosol Robotic Network (AERONET) Version 3 database-automated near-real-time quality control algorithm with improved cloud screening for Sun photometer aerosol optical depth (AOD) measurements
[J].. The Aerosol Robotic Network (AERONET) has provided highly\naccurate, ground-truth measurements of the aerosol optical depth (AOD) using\nCimel Electronique Sun–sky radiometers for more than 25 years. In Version 2 (V2)\nof the AERONET database, the near-real-time AOD was semiautomatically\nquality controlled utilizing mainly cloud-screening methodology, while\nadditional AOD data contaminated by clouds or affected by instrument\nanomalies were removed manually before attaining quality-assured status\n(Level 2.0). The large growth in the number of AERONET sites over the past\n25 years resulted in significant burden to the manual quality control of millions\nof measurements in a consistent manner. The AERONET Version 3 (V3) algorithm\nprovides fully automatic cloud screening and instrument anomaly quality\ncontrols. All of these new algorithm updates apply to near-real-time data as\nwell as post-field-deployment processed data, and AERONET reprocessed the\ndatabase in 2018. A full algorithm redevelopment provided the opportunity to\nimprove data inputs and corrections such as unique filter-specific\ntemperature characterizations for all visible and near-infrared wavelengths,\nupdated gaseous and water vapor absorption coefficients, and ancillary data\nsets. The Level 2.0 AOD quality-assured data set is now available within a\nmonth after post-field calibration, reducing the lag time from up to several\nmonths. Near-real-time estimated uncertainty is determined using data\nqualified as V3 Level 2.0 AOD and considering the difference between the AOD\ncomputed with the pre-field calibration and AOD computed with pre-field and\npost-field calibration. This assessment provides a near-real-time\nuncertainty estimate for which average differences of AOD suggest a +0.02 bias\nand one sigma uncertainty of 0.02, spectrally, but the bias and uncertainty\ncan be significantly larger for specific instrument deployments. Long-term\nmonthly averages analyzed for the entire V3 and V2 databases produced\naverage differences (V3–V2) of +0.002 with a ±0.02 SD (standard\ndeviation), yet monthly averages calculated using time-matched observations\nin both databases were analyzed to compute an average difference of −0.002\nwith a ±0.004 SD. The high statistical agreement in\nmultiyear monthly averaged AOD validates the advanced automatic data\nquality control algorithms and suggests that migrating research to the\nV3 database will corroborate most V2 research conclusions and likely lead to\nmore accurate results in some cases.
A comparison of the Pearson, Spearman rank and Kendall Tau correlation coefficients using quantitative variables
[J].
An emerging ground-based aerosol climatology aerosol optical depth from AERONET
[J].
Operational remote sensing of tropospheric aerosol over land from EOS moderate resolution imaging spectroradiometer
[J].A magnetospheric magnetic field that has a topological structure with one pair of neutral points and one segmental neutral line is studied. Such a magnetic field forms when the interplanetary field is southward. There is a surface current on an open‐ended complete flux surface in this magnetospheric magnetic field. This current sheet on which the induced Chapman‐Ferraro current flows is the outer separatrix, which separates field lines attached to the Earth and field lines detached from the Earth. In addition, there is an inner separatrix, which separates closed and open field lines. The two neutral points are at the north and south apices of the common wall shared by the two separatrices, on which the surface current is intense. The surface current is weak or even insignificant on other parts of the outer separatrix. The neutral line is on the equatorial plane with two end points at the east and west apices of the common wall shared by the two separatrices. It is a separator at which closed, open, and detached field lines meet. The magnetic topology indicates that field line reconnection, which can take place only at a separator, must occur away from the subsolar part of the dayside magnetopause in order for an open magnetosphere to remain in a quasisteady state.
Evaluation and comparison of multiangle implementation of the atmospheric correction algorithm, Dark Target, and Deep Blue aerosol products over China
[J].
MODIS Collection 6 MAIAC algorithm
[J].. Ground-level ozone (O3) is an important pollutant that\naffects both global climate change and regional air quality, with\nthe latter linked to detrimental effects on both human health and ecosystems.\nOzone is not directly emitted in the atmosphere but is formed from chemical\nreactions involving volatile organic compounds (VOCs), nitrogen\noxides (NOx= NO + NO2) and sunlight. The photochemical\nnature of ozone makes the implementation of reduction strategies challenging\nand a good understanding of its formation chemistry is fundamental in order\nto develop efficient strategies of ozone reduction from mitigation measures\nof primary VOCs and NOx emissions. An instrument for direct measurements of ozone production rates (OPRs) was\ndeveloped and deployed in the field as part of the IRRONIC (Indiana Radical,\nReactivity and Ozone Production Intercomparison) field campaign. The OPR\ninstrument is based on the principle of the previously published MOPS\ninstrument (Measurement of Ozone Production Sensor) but using a different\nsampling design made of quartz flow tubes and a different Ox (O3\nand NO2) conversion–detection scheme composed of an O3-to-NO2\nconversion unit and a cavity attenuated phase shift spectroscopy (CAPS) NO2 monitor.\nTests performed in the laboratory and in the field, together with model\nsimulations of the radical chemistry occurring inside the flow tubes, were\nused to assess (i) the reliability of the measurement principle and (ii) potential biases associated with OPR measurements. This publication reports the first field measurements made using this\ninstrument to illustrate its performance. The results showed that a\nphoto-enhanced loss of ozone inside the sampling flow tubes disturbs the\nmeasurements. This issue needs to be solved to be able to perform accurate\nambient measurements of ozone production rates with the instrument described\nin this study. However, an attempt was made to investigate the OPR\nsensitivity to NOx by adding NO inside the instrument. This type of\ninvestigations allows checking whether our understanding of the turnover\npoint between NOx-limited and NOx-saturated regimes of ozone\nproduction is well understood and does not require measuring ambient OPR but\ninstead only probing the change in ozone production when NO is added. During\nIRRONIC, changes in ozone production rates ranging from the limit of\ndetection (3σ) of 6.2 ppbv h−1 up to 20 ppbv h−1 were\nobserved when 6 ppbv of NO was added into the flow tubes.
Nonparametric tests against trend
[J].
MODIS Collection 6 aerosol products: Comparison between Aqua’s e-Deep Blue, Dark Target, and “merged” data sets, and usage recommendations
[J].
Estimates of the regression coefficient based on Kendall's tau
[J].
The proof and measurement of association between two things
[J].
Estimating ground-level particulate matter concentrations using satellite-based data: A review
[J].
The 30m annual land cover dataset and its dynamics in China from 1990 to 2019
[J].. Land cover (LC) determines the energy exchange, water and\ncarbon cycle between Earth's spheres. Accurate LC information is a\nfundamental parameter for the environment and climate studies. Considering\nthat the LC in China has been altered dramatically with the economic\ndevelopment in the past few decades, sequential and fine-scale LC monitoring\nis in urgent need. However, currently, fine-resolution annual LC dataset\nproduced by the observational images is generally unavailable for China due\nto the lack of sufficient training samples and computational capabilities.\nTo deal with this issue, we produced the first Landsat-derived annual China\nland cover dataset (CLCD) on the Google Earth Engine (GEE) platform, which\ncontains 30 m annual LC and its dynamics in China from 1990 to 2019. We\nfirst collected the training samples by combining stable samples extracted\nfrom China's land-use/cover datasets (CLUDs) and visually interpreted\nsamples from satellite time-series data, Google Earth and Google Maps. Using\n335 709 Landsat images on the GEE, several temporal metrics were constructed\nand fed to the random forest classifier to obtain classification results. We\nthen proposed a post-processing method incorporating spatial–temporal\nfiltering and logical reasoning to further improve the spatial–temporal\nconsistency of CLCD. Finally, the overall accuracy of CLCD reached 79.31 %\nbased on 5463 visually interpreted samples. A further assessment based on\n5131 third-party test samples showed that the overall accuracy of CLCD\noutperforms that of MCD12Q1, ESACCI_LC, FROM_GLC and GlobeLand30. Besides, we intercompared the CLCD with several\nLandsat-derived thematic products, which exhibited good consistencies with\nthe Global Forest Change, the Global Surface Water, and three impervious\nsurface products. Based on the CLCD, the trends and patterns of China's LC\nchanges during 1985 and 2019 were revealed, such as expansion of impervious\nsurface (+148.71 %) and water (+18.39 %), decrease in cropland\n(−4.85 %) and grassland (−3.29 %), and increase in forest (+4.34 %). In\ngeneral, CLCD reflected the rapid urbanization and a series of ecological\nprojects (e.g. Gain for Green) in China and revealed the anthropogenic\nimplications on LC under the condition of climate change, signifying its\npotential application in the global change research. The CLCD dataset\nintroduced in this article is freely available at\nhttps://doi.org/10.5281/zenodo.4417810 (Yang and Huang, 2021).
Evaluation of MAIAC aerosol retrievals over China
[J].Multiangle Implementation of Atmospheric Correction (MAIAC) is a new aerosol algorithm developed to retrieve aerosol optical depth (AOD) over land using the time series data to dynamically isolate aerosol and land contributions. However, there are still no comprehensive research on the quality of MAIAC AOD over China. In this paper, 1 km MAIAC AOD over China were examined against ground-based measurements to evaluate the performance of the data. In general, Aqua and Terra MAIAC retrievals have a high correlation coefficient (0.924 for Aqua and 0.933 for Terra) with ground-based observations and there are more than 72% of retrievals falling within the Expected Errors (EE = +/- (0.05 + 0.2*AOD)). We found that the accuracy of MAIAC AOD is related with the AOD magnitude, aerosol size, seasons and surface types. In spring and summer, the AOD bias was influenced by both aerosol model and surface reflectance estimation. We also found that the aerosol model is the main source of AOD bias over desert regions. These results indicated that the MAIAC AOD could be used as a new aerosol data source for air quality and climate studies in China.
BP neural network modeling with sensitivity analysis on monotonicity based Spearman coefficient
[J].
