EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 7: 1532 - 1543

DOI: https://doi.org/10.12082/dqxxkx.2020.190360

Spatiotemporal Dynamics and Tracing of Aerosol over Hainan Island

  • GAO Wangwang , 1, 4 ,
  • FENG Jianzhong 2 ,
  • BAI Linyan , 3, 4, * ,
  • YANG Jianhua 1 ,
  • GUO Leifeng 2 ,
  • LI Hualin 4 ,
  • CUI Mengrui 4
Expand
  • 1. School of Geological Engineering and Geomatics, Chang'an University, Xi'an 710054, China;
  • 2. Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing 100081, China;
  • 3. Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China;
  • 4. Hainan Earth Observation Laboratory, Sanya 572029, China
BAI Linyan, E-mail:

Received date: 2019-07-08

  Request revised date: 2019-11-29

  Online published: 2020-09-25

Supported by

Supported by the Strategic Type A Pilot Project of Chinese Academy of Scienc(XDA19030302)

Major Science and Technology Planning Projects of Hainan Province(ZDKJ2016021)

National Natural Science Foundation of China(31671588)

Copyright

Copyright reserved © 2020
Fold

Abstract

To serve as a basis for atmospheric environmental quality monitoring and pollution prevention & control in Hainan, which located in a specific geographical position with great strategic significance and national development potentiality, it is imperative to reveal the spatiotemporal dynamics patterns of aerosol over Hainan Island and clarify the sources of atmospheric pollutants. Hence, this study aims to investigate the spatiotemporal dynamics characteristics of the Aerosol Optical Depth (AOD) over Hainan Island by using the MODIS 3 km spatial resolution data (i.e., MOD04_3K product) from 2003 to 2017. Then, we calculated the 48-h backward trajectories at three above ground levels (10, 500, and 1000 m) of eight typical air pollution events in Haikou city, the capital and largest city of Hainan Province and the starting point to trace the sources of air pollutants in the region, by using the Hybrid Single Particle Lagrangian Integrated Trajectory(HYSPLIT) model. The results indicated that: (1) The average values of AODs during 2003-2017 over Hainan Island region exhibited a notable three-stage stepped-down spatial distribution from northwest to southeast, each of which displayed some distinctly spatial variations. (2) During the fifteen-year period, a slight increase tendency of the annual mean values of AODs was noted with their total mean value of 0.095 over Hainan Island, and the seasonal mean values of AODs were characterized with “spring > autumn > winter > summer”, the reasons for which could be derived from the common influences of regional weather systems and local winds, as well as the atmospheric pollutant emissions caused by tourism development. (3) In addition, during periods of typical atmospheric pollution events in Hainan Island (Haikou) from 2013 to 2017, the backward trajectories of air pollutants at three ground levels (10, 500, and 1000m) were primarily from the northeast direction of Hainan Island. Thus, the air pollutants originated from the mainland in the northeast direction such as the Pearl River Delta region were brought to Hainan Island along land tracks or coastal belts by the prevailing northeast winds; the plausible explanation of this could be that the atmospheric pollution events in Haikou occurred because of the joint effects of regional weather (e.g., continental cold high pressure) and local weather (e.g., sea-breeze convergence) systems. Perhaps, findings of this study could contribute to the understanding and assessing dynamic changes of the atmospheric environmental quality situation over decade in Hainan Island region and provide useful references for the establishment of joint prevention and control mechanism for air pollution.

Key words： Aerosol Optical Depth (AOD); PM2.5; atmospheric environment; spatiotemporal dynamics; remote sensing; HYSPLIT model; Trace; Hainan Island

Cite this article

GAO Wangwang , FENG Jianzhong , BAI Linyan , YANG Jianhua , GUO Leifeng , LI Hualin , CUI Mengrui . Spatiotemporal Dynamics and Tracing of Aerosol over Hainan Island[J]. Journal of Geo-information Science, 2020 , 22(7) : 1532 -1543 . DOI: 10.12082/dqxxkx.2020.190360

1 引言

气溶胶是由大气介质和混合于其中的固体或液体颗粒物组成的多相态体系[1],其对空气质量、人体健康以及气候变化有着不可忽视的影响。海南以其优越的自然环境、宜人的气候特征已成为我国著名的旅游胜地,空气质量长期保持全国前列。近年来随着中国（海南）自由贸易试验区、“21世纪海上丝绸之路”、海南国际旅游岛等国家战略的深入推进,以及海南国家生态文明示范区和旅游业改革创新试验区的建设与发展,对该区域空气质量亦提出了更高的要求。然而,研究表明：受气象条件、本地污染源排放以及外源污染物输送等因素变化的影响,1981—2013年海南霾日数呈现明显的上升趋势,部分地区或个别时段空气质量问题突出,亟待改善[2,3,4]。
目前,利用多源数据开展海南岛大气环境质量监测和大气污染物溯源方面的研究,主要集中在局部重点地区对大气环境（质量）要素的监测与较少典型气溶胶粒子污染案例的溯源分析方面。符传博等[3,4]对2014年海口市逐日空气质量指数（AQI）和6种大气污染物演变特征进行分析,同时结合卫星遥感和混合单粒子拉格朗日积分轨迹模式HYSPLIT（Hybrid Single Particle Lagrangian Integrated Trajectory, HYSPLIT）等方法对2014年1月和2013年12月海口市发生的2次典型污染事件进行了诊断分析研究;其利用卫星反演的NO2柱浓度数据,分析了2005—2014年海南岛大气NO2时空变化,以及利用HYSPLIT模式后向轨迹解析分析,发现海南岛冬季大气污染物与来自珠江三角洲地区的外源输送密切相关[5,6]。唐晓兰等[7]采用统计分析、数值模拟和天气学分析等方法,对2007—2010年海口市大气污染物PM10的分布特征和大气污染的气象条件进行了研究;唐家翔等[8]利用2014年1月1日至2016年6月30日海口市 PM2.5逐时数据、常规气象观测资料、FNL（Final Operational Analysis,FNL）全球分析资料和 HYSPLIT模式,分析了海口市PM2.5演变特征,且进一步指出海口市东北方向的外源污染物输送和有利的天气形势（如大陆冷高压）是造成该地区2015年10月16日大气颗粒物（PM2.5）浓度超标的主要原因。现阶段的研究为该地区大气环境质量监测和污染防治提供了重要的参考依据,但缺乏对反映该地区整体大气环境质量状况连续动态演变过程的揭示;此外,尽管已有一系列研究利用HYSPLIT模式研究分析海南岛个别气溶胶粒子污染事件中污染物的来源,但综合海南省全面执行PM2.5等环境空气质量指标监测以来典型气溶胶粒子污染事件对海南岛大气污染物传输来源的研究偏少。
大气气溶胶光学厚度（Aerosol Optical Depth, AOD）主要描述整层大气柱内气溶胶对光的衰减作用,与地表空气质量（如PM2.5、PM10等评价指标）间具有显著相关性,可在一定程度上反映大气环境污浊程度[9]。利用卫星遥感反演得到的AOD可以在长时间、大尺度范围获取气溶胶特征信息,是当前大气污染和空气质量监测时空分析的重要手段[10,11]。然而对于海南岛AOD时空演变规律的研究多局限包含于较低空间分辨率（10 km×10 km）的AOD时空分布相关研究之中[12,13,14],针对海南岛基于更高分辨率AOD遥感产品进行气溶胶时空分布特征研究较少。相较于MODIS 10 km AOD数据产品,MOD04_3K数据能够在全球更大范围内得到AOD较低情况下的结果,更好地刻画海洋和陆地上空的烟羽等精细气溶胶特征,满足对该地区AOD更全面、深入分析的需求。基于此,本文利用2003—2017年MODIS 3 km空间分辨率AOD数据,通过线性趋势分析法对海南岛近15年AOD时空变化进行深入分析;并通过2013年12月—2017年12月空气质量监测数据,确定海口市近5年典型气溶胶粒子污染事件,以此利用HYSPLIT模式对大气污染物传输来源进行了探索分析,以期满足对本区域大气环境监测和污染防治的需求,为促进当地可持续发展和各项国家战略实施提供有力支撑。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

海南省位于我国最南端,北部隔琼州海峡与广东省湛江市相望,南部为广阔的南海（图1）。全省陆地主体为海南岛,面积3.39万km2（未包括西沙、中沙和南沙群岛）,下辖4个地级市,15个省直辖县级行政单位。截至2017年末,常住人口925.76万人,实现地区生产总值4462.54亿元,三次产业增加值占地区生产总值的比重分别为1:1.01:2.53[15]。海南省经济、城镇化发展迅速,主要城市有省会海口市、著名旅游城市三亚市等。
图1 海南岛概况

注：该图基于海南测绘地理信息局标准地图服务网站下载的审图号为琼S（2019）054号的标准地图制作,底图无修改。

Fig. 1 Status of Hainan Island

海南植被覆盖度高,生物多样性丰富,在热带森林植物群落类型中蕴含着其最大植物资源藏量,是我国最大的“热带宝地”[16]。海南岛除中南部五指山、鹦哥岭等山脉地区海拔较高之外,全岛大部分属于低海拔地区（海拔≤1000 m）;地处热带北缘,属于热带季风气候,具有明显的海洋性特点[17]。海南岛9月—翌年2月或3月以东北风为主,降水较少,为干季;4—8月以偏南风为主,降水丰沛,为雨季,雨季和干季明显[18]。独特的地理环境和气候特征,使岛区大气气溶胶不仅具有海洋性特征而且受陆源的影响十分明显。

2.2 数据来源

本文选取的遥感AOD数据MOD04_3K（时间2003—2017年）来源于美国国家航空航天局（National Aeronautics and Space Administration,NASA）戈达德航天中心[19]。该数据是NASA为应对已超期服役的Terra卫星仪器老化问题且满足局部气溶胶和空气质量监测需求,首批于2014年发布的Collection 6（C6）3 km空间分辨率逐日大气气溶胶产品,在云掩膜、数据校验等方面进行了改进;数据质量稳定,可展示出小范围的AOD变化细节（如气溶胶烟羽）,以及更准确的海岸线和小岛屿AOD分布情况等[20]。 500 m空间分辨率的土地利用/覆被数据MCD12Q1以及90 m空间分辨率的DEM数据SRTM3（Shuttle Radar Topographic Mission,SRTM）分别由MODIS陆地研究小组[21]和美国国家地理空间情报局[22]提供。空气质量地面站点监测数据来源于中国空气质量在线监测分析平台[23]。海南旅游过夜游客人次统计数据来源于海南省旅游发展委员会[24]。

2.3 研究方法

首先提取2003—2017年MOD04_3K大气气溶胶遥感产品在550 nm波段处的AOD,之后经过几何校正、拼接裁剪、剔除无效值等数据预处理,获得研究区逐日AOD数据。依此,基于月、季、年尺度分析AOD在时间和空间上的变化特征和规律,以及本区大气污染物潜在源区分布的追溯轨迹分析。
2.3.1 线性趋势分析法
采用线性趋势分析法[25]对2003—2017年预处理后的AOD产品进行年变化趋势分析,计算公式如下：
k = n × ∑ i = 1 n i × X i - ∑ i = 1 n i × ∑ i = 1 n X i n × ∑ i = 1 n i 2 - ∑ i = 1 n i 2
式中：Xi为第i年的AOD值;变量i为年序号;n为使用AOD数据的总年数。k为AOD变化趋势,若 k > 0则说明此像元近15年的变化趋势为增加,反之则为减少。
2.3.2 HYSPLIT模式
HYSPLIT是一个由美国海洋大气局（NOAA）和空气资源实验室（ARL）联合开发的用于计算和分析大气污染物来源、输送、扩散轨迹的综合模式。Stein等[26]研究表明该模式具有模拟精度高、时间连续变化等特点,已经被广泛应用于相关领域的研究[27,28]。
HYSPLIT模式使用的气象场数据来源于美国国家环境预测中心（NCEP）全球资料同化系统（Global Data Assimilation System, GDAS）提供的全球大气同化产品和模型再分析资料[29]。为分析远距离大气污染输送对海南岛大气污染物的影响,以海口为起始点,利用HYSPLIT模式和GDAS气象资料数据,对该地区数次典型大气气溶胶污染事件在10、500、1000 m 3个不同高度（相对地面高度）上进行大气污染气流48 h后向轨迹分析。

3 结果及分析

3.1 空间格局特征与分析

3.1.1 多年平均AOD空间分布特征
从海南岛2003—2017年平均AOD空间分布（图2）及统计分析可知：整体而言,海南岛近15年AOD普遍较低（其均值为0.095）,远低于我国大部分城市地区（2000—2011年AOD均值~0.7）[14]。AOD空间分布表现为西北高、东南低,且逐级下降,呈较为明显的三级阶梯状。西北部临高、儋州到西部昌江、东方等城市为海南省工业的重点发展区域,工业生产造成的大气污染物排放较大[30],AOD均值在0.092左右,特别是儋州、东方和昌江三县市局部地区AOD均值达到0.112左右,为AOD空间分布第一阶梯。五指山、保亭、琼中等中南部城市地区海拔较高,大部分地区为生态保护区,人为污染源相对较少,加之毗连的中北部屯昌、安定二县,AOD较第一阶梯地区明显降低,形成AOD空间分布的第二阶梯地区。东部文昌、琼海、万宁到南部沿海城市三亚地区距离大陆较远,受大陆污染物输送影响较小,AOD均值在0.025左右,则为海南岛AOD第三阶梯地区。
图2 2003—2017年海南岛AOD均值空间分布

注：该图基于海南测绘地理信息局标准地图服务网站下载的审图号为琼S（2019）054号的标准地图制作,底图无修改。

Fig. 2 Spatial distribution of mean AODs from 2003 to 2017 over Hainan Island

3.1.2 AOD年均值空间分布特征
图3为海南岛近15年典型年份（2003、2007、2011、2014、2016和2017年）AOD年均值时空分布。可以看出：2003—2007年全岛AOD高值主要集中在昌江县、东方市、儋州市、临高县等海南岛西北部城市地区,东部及南部城市地区AOD较低。2012年全岛AOD整体较低,仅在乐东县、昌江县部分地区存在一定范围的高值区,反映出此期间全岛大气环境质量整体较好。2014—2016年全岛AOD年均值出现反弹,AOD整体处于较高水平,且高值区由西北部城市地区扩大到中北部屯昌县、澄迈县等地区,出现高值区向北部移动的趋势,且移动速度较快,表明中北部地区大气环境状况发生明显变化。此期间分别于2013年12月、2014年1月以及2015年10月发生的大气气溶胶污染事件引起当地政府和民众的高度关注,对部分污染个例进行的成因解析表明海口市大气污染物可能来自珠江三角洲地区[3-4,8]。2017年海南岛AOD年均值较之前有显著降低,达到2013年之后的最低水平,这可能与《海南省大气污染防治实施方案》（2016—2018年）[31]的实施密切相关。但值得说明的是：随着中国（海南）自由贸易试验区、“21世纪海上丝绸之路”、海南国际旅游岛等国家战略的不断深入推进,当地政府仍需更加合理地布局、推进相关国家战略的建设与发展,同时做好区域大气污染联动防治,避免出现类似事件。
图3 2003—2017年海南岛典型年份AOD时空分布

注：该图基于海南测绘地理信息局标准地图服务网站下载的审图号为琼S（2019）054号的标准地图制作,底图无修改。

Fig. 3 Spatiotemporal distribution of annual mean values of AODs in the typical years from 2003 to 2017 over Hainan Island

3.2 时间变化特征与分析

3.2.1 年际变化
为直观反映2003—2017年AOD年均值变化趋势,采用一元线性回归直线对其进行拟合,可得近15年海南岛AOD年际变化呈轻微升高状态（图4（a））。其中,AOD年均值在2003—2007年波动较小,2004—2006年不断下降,至2006年下降到0.086;而2008—2012年AOD年均值波动较大,峰值出现在2010年,谷值则降到2012年的0.071,为近15年来该地区AOD最低年均值。2012年之后,AOD年均值呈增加态势,2014年达到近15年最高值0.115,并且在2015、2016年一直保持较高水平;其后AOD年均值开始下降,2017年下降到0.082,为2013—2017年期间最低值。《海南省大气污染防治实施方案》（2016—2018年）[31]的实施同样可能是促成此期间大气环境质量状况明显好转的关键因素。
图4 2003—2017年海南岛AOD年均值时空动态变化及趋势

注：该图基于海南测绘地理信息局标准地图服务网站下载的审图号为琼S（2019）054号的标准地图制作,底图无修改。

Fig. 4 Spatiotemporal dynamic of AOD annual means and their trend from 2003 to 2017 over Hainan Island

利用线性趋势分析法得到2003—2017近15年海南岛AOD变化趋势分布状况（图4（b））,对变化趋势k分级划分为：明显减少区（-0.0036<k<-0.0018）、轻微减少区（-0.0018<k<-0.0009）、基本不变区 （-0.0009<k<0）、轻微增加区（0<k<0.0009）与明显增加区（0.0009<k<0.0018）。由图可见：海南岛三级阶梯北部地区AOD整体呈现轻微增长的趋势,其中澄迈县、屯昌县和安定县毗邻地区存在明显增加的趋势,与3.1.2节中高值区域的移动方向相一致。第一阶梯南部白沙县、昌江县、东方市等地区AOD在近15年处于基本不变的趋势状况。乐东县、保亭县、三亚市等海南岛AOD第二、三阶梯南部地区AOD近15年呈减少趋势状况,且部分区域减少趋势十分明显,表明该区域大气环境质量状况不断提升。
3.2.2 季节变化
海南岛独特的地理环境使该区域气溶胶不仅具有海洋性特征,而且受陆源的影响十分明显。图5展示了2003—2017年研究区季节平均AOD的空间分布状况。可以看出,近15年春季、冬季AOD高值区主要分布于昌江、东方、儋州等海南岛西部和西北部沿海城市区域,并且在一定程度上影响到白沙、五指山等内陆城市地区。春季AOD高值区在四个季节中分布最广,且呈从西北到东南递减的分布特征。夏季AOD高值区以西北部和中北部地区为主,且中北部AOD值较西北部更高。秋季AOD高值区除在西部的昌江、东方两市与冬季的重合外,还集中分布在乐东和保亭两地。海南岛受东北盛行风影响的季节、月份,尤其是冬季,东北盛行风将珠江三角洲地区的大气污染物输送至海南岛,同时在海风辐合作用下大量聚集在海南岛西北部、北部及其毗连的岛内陆地区,可能是造成这些地区AOD较高的重要因素。而在受偏南风影响的季节、月份,特别是夏季,由于南部没有明显的陆地外源污染输送,AOD高值区主要分布在海南岛北部海口及其周边地区,南部三亚、乐东等城市AOD明显低于北部,在同样受偏南盛行风影响的春季月份,AOD高值区则主要集中在海南岛西北部。
图5 2003—2017年海南岛季节平均AOD时空分布

注：该图基于海南测绘地理信息局标准地图服务网站下载的审图号为琼S（2019）054号的标准地图制作,底图无修改。

Fig. 5 Spatiotemporal distribution of AOD season mean from 2003 to 2017 over Hainan Island

从图6可知海南岛AOD存在显著的季节性变化特征,近15年其四季均值总体表现为“春季>秋季>冬季>夏季”,且春季AOD均值在15年呈现一定振荡上升的趋势;秋季AOD均值呈振荡下降趋势;冬季和夏季AOD均值则呈周期性振荡,且冬季AOD均值振幅更大,夏季AOD均值变化较小。由于夏季为海南岛雨季,雨水对气溶胶粒子具有一定的清除作用[32],且在此期间主要风向为偏南风,无明显陆地外源污染物输送,使得夏季AOD均值最低。
图6 2003—2017年海南岛AOD季节变化

Fig. 6 Seasonal changes of AODs from 2003 to 2017 over Hainan Island

另外,从2013—2017年近5年赴海南旅游过夜游客人次变化（图7）可知,2013—2017年过夜游客人次逐年增加（2017年与2016年基本持平）。大量游客进入带来的旅游活动直接或间接的影响着海南当地的生态环境[33],已有研究[34]表明以旅游者为主体的外来人口对海南自然资本的占用影响在2000—2016年逐渐增大,由此增加的旅游生态足迹不可忽视。旅游业及其交通带来的能源消耗必然增加了当地的大气污染物排放,特别是由于旅游旺季（10月—翌年4月）与“春秋冬”三季时间高度重合,使其对海南岛同时期AOD产生着不可忽视的影响。
图7 2013—2017年海南岛过夜游客数量及季节结构

Fig. 7 The number and seasonal structure of overnight tourists in Hainan Island from 2013 to 2017

由此可见,海南岛在春秋及冬季AOD值较高,除了受区域大中天气系统及地区风向特征影响外,近年来随着旅游业的快速发展造成的大气污染物排放,对当地AOD季节变化亦产生不可忽视的影响。因此,造成海南岛局部地区春秋及冬季AOD值偏高的原因是多方面的,不能简单归因于某一因素。

3.3 大气污染物主要输送路径分析

根据海南国家空气质量监测数据,选择2013年12月10日、2013年12月28日、2014年1月1日、2015年2月12日、2016年2月8日、2016年3月27日、2017年4月29日和2017月10月26日海口市出现的8次典型大气污染事件,各事件对应的空气质量状况如表1所示。以海口市为起始点,利用HYSPLIT模式对8次大气污染事件中大气污染物在10、500和1000 m高度上进行48 h后向轨迹溯源分析,得到结果如图8所示。
表1 2013—2017年海口市8次典型大气污染事件期间空气质量状况

Tab. 1 Air quality status of eight typical atmospheric pollution events in Haikou city from 2013 to 2017

2013-12-10 2013-12-28 2014-01-01 2015-02-12 2016-02-08 2016-03-27 2017-04-29 2017-10-26
冬季 冬季 冬季 冬季 冬季 春季 春季 秋季
持续天数 3 3 3 1 1 2 1 9
AQI 173 159 150 147 160 110 102 150
PM 2.5 /(μg/m3) 131 121 115 113 122 38 25 61

注：将空气质量指数（AQI）>100认为大气污染事件,表中所列日期为一次大气污染事件中AQI最高日。

图8 2013—2017年海口市8次典型大气污染事件48 h后向轨迹

Fig. 8 48 h backward trajectories of eight typical atmospheric pollution events in Haikou city from 2013 to 2017

该8次污染事件中,5次发生在冬季,2次发生在春季,1次发生在秋季,它们能典型代表2013—2017年间海南岛春季污染过程强度低、持续时间短,秋冬季污染过程强度高、持续时间长等特点及其原因特征。根据我国《环境空气质量指数（AQI）技术规定（试行）》（HJ 633 - 2012）[35],其中3次达到中度污染级别,分别为2013年12年10日、2013年12月28日和2016年2月8日污染事件。根据前文资料,2013年12月10日大气污染事件从12月7日轻度污染开始发展,在12月9日达到空气质量等级轻度污染的限值（AQI≤150）,随后大气环境质量状况进一步恶化,致使12月10日与12月11日空气质量连续2天处于中度污染级别（AQI>150）,PM2.5质量浓度分别达到131μg/m3和127 μg/m3。对该污染事件进行48 h后向轨迹分析（图8（a））,可以看出10、500、1000 m 3个不同高度的污染气流来自海南岛东北方向,且均不同程度的经过大气污染十分严重的珠江三角洲等大陆东南沿海地区（表2）,而此期间海南岛盛行东北风,故该大气污染事件的发生极可能与珠江三角洲地区污染气流的输送密切相关。
表2 2013年12月10日大气污染事件期间珠江三角洲地区空气质量状况

Tab. 2 Air quality status of Pearl River Delta during atmospheric pollution event on December 10, 2013

城市 时间
2013-12-07 2013-12-08 2013-12-09 2013-12-10 2013-12-11 2013-12-12 2013-12-13
广州 132# 139# 173## 190## 151## 139# 177##
佛山 183## 209### 214### 204### 175## 169## 198##
肇庆 149# 150# 196## 213### 211### 153## 182##
深圳 128# 117# 126# 173## 147# 143# 165##
东莞 153## 161## 153## 180## 157## 157## 185##
惠州 124# 127# 128# 153## 143# 145# 162##
珠海 137# 130# 132# 186## 175## 145# 168##
中山 145# 153## 159## 178## 163## 129# 166##
江门 170## 185## 183## 204### 170## 151## 170##

注：#代表轻度污染,##代表中度污染,###代表重度污染。

从图8（b）-图8（h）可以明显看出,该7次典型大气污染事件大气污染物48 h后向轨迹,均在不 同程度上经过珠江三角洲地区。近地表污染气流（10 m高度）主要来自广东、江西等海南岛东北方向地区,且开始速度较低,有利于大气污染物的积累;500 m高度处的气流与近地表的气流轨迹相似;1500 m高度处的气流轨迹变化较大,但除2015年2月12日外,该高度气流轨迹整体均来自海南岛东北方向。鉴于大陆冷高压是影响海口市10月—翌年4月大气环境过程的主要天气系统,且在此期间东北季风较强盛,天气形势稳定,天气干燥、少雨,污染物积累时间长,同时冷空气南下将华南地区污染物或“湘桂走廊”地区污染物带入海南地区,因此一次污染过程持续时间长而且峰值高[30]。按照沈劲等[36]提出的干湿季节划分,海口市此8次污染事件中7次发生在干季,而珠江三角洲地区各市（计算空气质量指数AQI）的6项大气污染物PM2.5、PM10、SO2、NO2、CO和O3质量浓度,干季普遍要高于湿季;受干季东北季风的影响,珠江三角洲上风向地区的污染物必导致向西南部输送,反映了在一定天气条件状况下,珠江三角洲地区大气环境质量状况与海南岛大气污染事件密切相关。
综上所述,近几十年,珠江三角洲地区经历了快速的经济发展和工业化、城市化进程,大气光化学烟雾污染和颗粒物污染均较为严重[37,38],且在区域天气系统的作用下,对海南地区大气状况（尤其大气环境质量状况）产生了深刻的影响。

4 结论与展望

海南岛独特的地理位置特征使其AOD的时空差异不仅具有海洋性特征而且受陆源的影响十分明显。根据研究区上述特征,选取了2003—2017年MOD04_3K AOD数据,利用线性趋势分析法,探索分析海南岛气溶胶时空分布格局特征及变化趋势;进而采用HYSPLIT模式和GDAS气象数据,对2013—2017年海南最大城市、省会海口市发生的典型大气污染事件在10、500、1000 m 3个高度上进行48 h后向轨迹溯源分析,并结合地区风向特征、天气系统、关联的珠江三角洲地区大气环境质量状况等因素,对该地区（尤其海口市）大气污染物来源进行分析,探究该地区近年来大气环境状况发生较显著波动的原因。主要结论如下：
（1） 2003—2017年海南岛AOD在空间上呈较为明显的三级阶梯状分布。海南岛西北部临高、儋州到西部昌江、东方为第一阶梯;北部屯昌、安定到中南部五指山、保亭、琼中等地区为第二阶梯;东部文昌、琼海到南部三亚地区为第三阶梯。近15年,三级阶梯北部地区AOD整体呈轻微增长趋势;第一级阶梯南部地区AOD基本保持不变的趋势状态;第二、三阶梯南部地区AOD,则呈减少趋势。
（2） 2003—2017年,海南岛AOD年均值呈轻微升高趋势,季节均值表现为“春季>秋季>冬季>夏季”。秋季到翌年冬末春初AOD较高可能与同期东北盛行风向输送的外源污染物、区域天气系统、大量游客进入带来的旅游活动直接或间接影响（如旅游交通能耗）,以及海南岛自身生产、生活排放的大气污染物有关;夏季没有明显的陆地外来污染物输送,且由于同期雨水的清除作用,使得夏季AOD在4个季节中最低。
（3） 2013—2017年8次典型大气污染事件代表了海南岛（海口市）近5年春季污染过程强度低、持续时间短,秋冬季污染过程强度高、持续时间长等特点及其原因特征。对其进行后向轨迹溯源分析结果表明：大气污染气流在3个高度上（10、500、1000 m）的后向轨迹均主要来自海南岛东北方向;相应时期盛行的东北季风,经由东北方向路径及沿海地带不断将珠江三角洲等地区的陆地大气污染物输送到海南岛,在区域天气系统（如大陆冷高压）和局部天气系统（如海风辐合）共同作用下,可能是导致海南岛大气污染事件发生的重要原因。
针对海南岛AOD时空分析研究不多见的状况,较为全面地揭示了海南岛2003—2017年AOD时空分异特征及规律,这将为当地大气环境污染科学、有效地防控提供必要的数据基础和理论认识。然而,鉴于所利用的遥感基础数据在更精细粒度尺度上刻画大气气溶胶变化特征方面的不足,下一步将考虑利用更高空间分辨率大气气溶胶遥感数据产品,结合地面景观格局特征、空气质量监测站点数据、大气污染物排放源清单等多源数据,对海南岛大气时空格局变化进行更加精确、全面、深入地评估与分析[39]。
在对海南岛近15年AOD时空格局变化分析的基础上,利用HYSPLIT模式对该地区2013—2017年大气污染事件发生过程特点及原因特征进行探究,可有效地服务于近年来随着各项国家战略深入推进而对海南岛大气环境质量改善、防治提出的更高要求。但是,利用该模式进行大气污染物后向轨迹追溯分析受其自身精度、大气污染事件季节性差异以及起始点下垫面状况的影响。因此,在未来更长时间序列、大尺度空间范围内对海南地区大气污染物来源的时空演化特征进行追溯探索分析,需对所选的分析模式需进行有效的适用性（如可用条件和应用范围）研究,以期获得更为精准、有效的研究结果,为该地区大气污染监测与联防联治提供更加可信、详实的科学数据和理论支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
毛节泰, 张军华, 王美华. 中国大气气溶胶研究综述[J]. 气象学报, 2002,60(5):625-634.

DOI

[ Mao J T, Zhang J H, Wang M H. Summary comment research of atmospheric aerosol in China[J]. Acta Meteorologica Sinica, 2002,60(5):625-634. ]

[2]
符传博, 丹利, 唐家翔, 等. 近33年海南岛霾污染的气候特征及天气型分类[J]. 气候变化研究快报, 2018,7(5):371-380.

[ Fu C B, Dan L, Tang J X, et al. Climatic characteristics and weather classification of haze days over Hainan Island in recent 33 years[J]. Climate Change Research Letters, 2018,7(5):371-380. ]

[3]
符传博, 唐家翔, 丹利, 等. 2013年冬季海口市一次气溶胶粒子污染事件特征及成因解析[J]. 环境科学学报, 2015,35(1):72-79.

[ Fu C B, Tang J X, Dan L, et al. Characteristics of an aerosol particle pollution event and its possible reason in Haikou city in winter 2013[J]. Acta Scientiae Circumstantiae, 2015,35(1):72-79. ]

[4]
符传博, 唐家翔, 丹利, 等. 2014年海口市大气污染物演变特征及典型污染个例分析[J]. 环境科学学报, 2016,36(6):2160-2169.

[ Fu C B, Tang J X, Dan L, et al. Evolution of ambient air quality and case study of an air pollution event in 2014 over Haikou, China[J]. Acta Scientiae Circumstantiae, 2016,36(6):2160-2169. ]

[5]
符传博, 陈有龙, 丹利, 等. 近10年海南岛大气NO2的时空变化及污染物来源解析[J]. 环境科学, 2015,36(1):18-24.

[ Fu C B, Cheng Y L, Dan L, et al. Temporal and spatial characteristics of atmospheric NO2 over Hainan island and the pollutant sources[J]. Environmental Science, 2015,36(1):18-24. ]

[6]
符传博, 唐家翔, 丹利, 等. 基于卫星遥感的海南地区对流层NO2长期变化及成因分析[J]. 环境科学学报, 2016,36(4):1402-1410.

[ Fu C B, Tang J X, Dan L, et al. Satellite-based long term trends analysis in TroNO2 over Hainan Island and its possible reason[J]. Acta Scientiae Circumstantiae, 2016,36(4):1402-1410. ]

[7]
唐晓兰, 程水源. 海南岛大气污染物扩散特征[J]. 环境工程, 2016,34(7):93-97.

[ Tang X L, Cheng S Y. Diffusion characteristics of air pollutants in Hainan Island[J]. Environmental Engineering, 2016,34(7):93-97. ]

[8]
唐家翔, 符传博, 杨仁勇, 等. 海口市PM2.5演变特征及其与气象因素的关系[J]. 环境污染与防治, 2018,40(4):445-449.

[ Tang J X, Fu C B, Yang R Y, et al. Evolution of PM2.5 in Haikou and its relationship with weather factors[J]. Environmental Pollution & Control, 2018,40(4):445-449. ]

[9]
曹军骥. PM2.5与环境[M]. 北京: 科学出版社, 2014.

[ Cao J J, PM2.5 and the environment in China[M]. Beijing: Science press, 2014. ]

[10]
Donkelaar A V, Martin R V, Brauer M, et al. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth[J]. Environmental Health Perspectives, 2010,118(6):847-855.

DOI PMID

[11]
蒲强, 邹滨, 翟亮, 等. 集成多源遥感数据的PM_(2.5)浓度空间分布制图[J]. 地球信息科学学报, 2016,18(12):1717-1724.

DOI

[ Pu Q, Zou B, Zhai L, et al. Mapping of PM_(2.5) fine particulates using multi-source remote sensing data[J]. Journal of Geo-Information Science, 2016,18(12):1717-1724. ]

[12]
李成才, 毛节泰, 刘启汉. 利用MODIS遥感大气气溶胶及气溶胶产品的应用[J]. 北京大学学报(自然科学版), 2003(S1):108-117.

[ Li C C, Mao J T, Liu Q H. Remote sensing aerosol with MODIS and the application of MODIS aerosol products[J]. Acta Scicentiarum Naturalum Universitis Pekinesis, 2003(S1):108-117. ]

[13]
郑卓云, 陈良富, 郑君瑜, 等. 高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究[J]. 环境科学学报, 2011,31(6):1154-1161.

[ Zheng Z Y, Chen L F, Zheng J Y, et al. Application of retrieved high-resolution AOD in regional PM monitoring in the Pearl River Delta and Hong Kong region[J]. Acta Scientiae Circumstantiae, 2011,31(6):1154-1161. ]

[14]
罗宇翔, 陈娟, 郑小波. 近10年中国大陆MODIS遥感气溶胶光学厚度特征[J]. 生态环境学报, 2012,21(5):876-883.

[ Luo Y J, Chen J, Zheng X B. Climatology of aerosol optical depth over China from recent 10 years of MODIS remote sensing data[J]. Ecology and Environmental Sciences, 2012,21(5):876-883. ]

[15]
海南省统计局. 2017年海南省国民经济和社会发展统计公报[EB/OL]. 2019-11-17. http://stats.hainan.gov.cn/tjj/tjgb/fzgb/n_991238/201801/t20180124_1628698.html/.

[ Statistics Bureau of Hainan Province. 2017 statistical bulletin of national economic and social development of Hainan Province[EB/OL]. 2019-11-17. http://stats.hainan.gov.cn/tjj/tjgb/fzgb/n_991238/201801/t20180124_1628698.html/. ]

[16]
人民网. 海南省自然资源[EB/OL]. 2019-11-17. http://www.people.com.cn/GB/channel4/1001/20000626/118511.html/.

[ People's daily. Hainan natural resources [EB/OL]. November 17, 2019. http://www.people.com.cn/GB/channel4/1001/20000626/118511.html/. ]

[17]
高素华. 海南岛气候[M]. 北京: 气象出版社, 1988.

[ Gao S H. Climate of Hainan Island[M]. Beijing: China Meteorological Press, 1988. ]

[18]
张洪杰. 关于海南岛夏季风风向的研究[J]. 考试周刊, 2013,48:140-141.

[ Zhang H J. A study on the wind direction of Hainan summer monsoon[J]. Examination Weekly, 2013,48:140-141. ]

[19]
MOD04_3K AOD Data[EB/OL]. 2019-11-17. https://ladsweb.modaps.eosdis.nasa.gov/.

[20]
Remer L A, Mattoo S, Levy R C, et al. MODIS 3km aerosol product: algorithm and global perspective[J]. Atmospheric Measurement Techniques, 2013,6(7):1829-1844.

DOI

[21]
MCD12Q1 LUCC Data[EB/OL]. https://search.earthdata.nasa.gov/.

[22]
SRTM Data[EB/OL]. 2019-11-17. http://srtm.csi.cgiar.org/.

[23]
空气质量监测数据[EB/OL]. 2019-11-17. https://www.aqistudy.cn/.

[ Air quality monitoring data [EB/OL]. November 17, 2019. https://www.aqistudy.cn/. ]

[24]
海南旅游过夜游客人次[EB/OL]. 2019-11-17. http://www.visithainan.gov.cn/lvyoutongji/.

[ Number of overnight tourists in Hainan [EB/OL]. November 17, 2019. http://www.visithainan.gov.cn/lvyoutongji/. ]

[25]
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 J Y, Lu X N, Hong J, 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. ]

[26]
Stein A F, Draxler R R, Rolph G D, et al. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bulletin of the American Meteorological Society, 2016,96(12):2059-2078.

DOI

[27]
葛跃, 王明新, 白雪, 等. 苏锡常地区PM2.5污染特征及其潜在源区分析[J]. 环境科学学报, 2017,37(3):803-813.

[ Ge Y, Wang M X, Bai X, et al. Pollution characteristics and potential sources of PM2.5 in Su-Xi-Chang region[J]. Acta Scientiae Circumstantiae, 2017,37(3):803-813. ]

[28]
陈媛, 岑况, S.Norra, 等. 北京市区大气气溶胶PM2.5污染特征及颗粒物溯源与追踪分析[J]. 现代地质, 2010,24(2):345-354.

[ Chen Y, Cen K, S. Norra , et al. Study on pollution characteristics of PM2.5 in the aerosol, tracing and tracking atmospheric particulates in Beijing city[J]. Geoscience, 2010,24(2):345-354. ]

[29]
HYSPLIT Model and GDAS Data[EB/OL].2019-11-17. Available online: https://ready.arl.noaa.gov/.

[30]
唐晓兰. 基于热带海岛污染气象特征的工业优化布局研究[D]. 北京:北京工业大学, 2016.

[ Tang X L. Research about optimization of industrial layout based on pollution meteorology in tropical island[D]. Beijing: Beijing University of Technology, 2016. ]

[31]
海南省大气污染防治实施方案(2016-2018年)[EB/OL]. 2019-11-17. http://www.hainan.gov.cn/hainan/szfwj/201603/a100d2d053ed4e898fc3d600e8a46ef6.shtml/ (accessed on 9 December 2019.

[ Implementation plan of air pollution control in Hainan Province (2016-2018) [EB/OL]. November 17, 2019. http://www.hainan.gov.cn/hainan/szfwj/201603/a100d2d053ed4e898fc3d600e8a46ef6.shtml/ (accessed on 9 December 2019. ]

[32]
周彬, 刘端阳, 魏建苏, 等. 降水对气溶胶颗粒物清除作用的初步分析[J]. 长江流域资源与环境, 2015,24(S1):160-170.

[ Zhou B, Liu R Y, Wei J F, et al. A preliminary analysis on scavenging effect of precipitation on aerosol particles[J]. Resources and Environment in the Yangtze Basin, 2015,24(S1):160-170. ]

[33]
刘强, 毕华, 张洪溢. 海南发展旅游业对生态环境的影响及对策[J]. 海南师范学院学报(自然科学版), 2005(1):76-80.

[ Liu Q, Bi H, Zhang H Y. Impacts of tourism development in Hainan on the ecological environment and some countermeasures[J]. Journal of Hainan Normal University (Natural Science), 2005(1):76-80. ]

[34]
曹威威, 孙才志. 能值生态足迹模型的改进——以海南为例[J]. 生态学报, 2019,39(1):216-227.

DOI

[ Cao W W, Sun C Z. Improvement of the emergy ecological footprint model: A case study of Hainan Province[J]. Acta Ecologica Sinica, 2019,39(1):216-227. ]

[35]
环境空气质量指数(AQI)技术规定(试行)[J]. 中国环境管理干部学院学报, 2012,22(1):44.

[ Environmental air quality index (AQI) technical provisions(for trial implementation)[J]. Journal of Environmental Management College of China, 2012,22(1):44. ]

[36]
沈劲, 钟流举, 叶斯琪, 等. 珠三角干湿季大气污染特性[J]. 中国科技论文, 2015,10(15):1748-1751.

[ Shen J, Zhong L J, Ye S Q, et al. Air pollution characteristics in dry and wet seasons in the pearl river delta[J]. China Science paper, 2015,10(15):1748-1751. ]

[37]
Chan C K, Yao X. Air pollution in mega cities in China[J]. Atmospheric Environment, 2008,42(1):1-42.

DOI

[38]
吴蒙, 吴兑, 范绍佳, 等. 珠江三角洲城市群大气污染与边界层特征研究进展[J]. 气象科技进展, 2014(1):24-30.

[ Wu M, Wu D, Fan S J, et al. Research progress in the study of air pollution and atmospheric boundary layer over the pearl river delta city cluster[J]. Advances in Meteorological Science and Technology, 2014(1):24-30. ]

[39]
赵小锋, 刘嘉慧, 赵颜创, 等. 城市气溶胶光学厚度空间格局特征多指标综合分析[J]. 地球信息科学学报, 2018,20(3):360-367.

DOI

[ Zhao X F, Liu J H, Zhao Y C, et al. Multi-index analysis of spatial patterns of urban aerosol optical depth[J]. Journal of Geo-information Science, 2018,20(3):360-367. ]

Options
Outlines

/

〈 〉