【论文推荐|气溶胶光学厚度（AOD）、黄河流域、多时空格局、极值点对称模态分解方法、城市群】2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究—以黄河流域及其城市群为例（一）

本文链接：https://blog.csdn.net/2401_89898861/article/details/145531559

【论文推荐|气溶胶光学厚度（AOD）、黄河流域、多时空格局、极值点对称模态分解方法、城市群】2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究—以黄河流域及其城市群为例（一）

【论文推荐|气溶胶光学厚度（AOD）、黄河流域、多时空格局、极值点对称模态分解方法、城市群】2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究—以黄河流域及其城市群为例（一）

文章目录

【论文推荐|气溶胶光学厚度（AOD）、黄河流域、多时空格局、极值点对称模态分解方法、城市群】2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究—以黄河流域及其城市群为例（一）
2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究——以黄河流域及其城市群为例

论文来源：https://doi.org/10.1016/j.jag.2021.102643

2000–2020年气溶胶光学厚度的多时空变化模式及其影响因素研究——以黄河流域及其城市群为例

摘要

分析黄河流域（YRB）大气污染的时空变化特征及其成因，对其生态文明建设和高质量发展具有重要意义。
气溶胶光学厚度（AOD）是衡量气溶胶对光衰减能力的重要光学参数，常作为区域大气污染的重要指示因子。

基于多源遥感数据，本研究从整体区域与城市群两个空间尺度探讨了2000–2020年YRB的AOD时空变化模式及其影响因素。

利用Theil-Sen斜率估计、Mann-Kendall趋势检验及空间主成分分析（PCA）定量分析AOD的空间格局、变化趋势及其对控制因子的响应关系，并采用极值对称模态分解（ESMD）方法精细描述AOD的周期性及空间差异性。

结果表明，

YRB中下游地区的多年平均AOD高于上游地区，且AOD的空间分布存在显著的季节变化。
YRB的AOD空间分布主要受气象条件、地形地貌及社会经济因素的共同调控，不同因素及其组合对AOD的影响存在差异。

尽管气象因素在大部分城市群中贡献较高，但其对AOD的作用机制并不一致。

在空间趋势上，AOD下降区域（94.54%）远多于上升区域。
从时间趋势来看，YRB整体AOD呈非线性下降趋势，其周期性变化主要受多时间尺度分量的相互作用所驱动，包括年际振荡（imf5）、季节性周期波动（imf3）、沙尘天气及人为农业活动引起的波动（imf2）、突发事件导致的短期波动（imf1），其中季节性振荡对AOD变化的主导作用最为显著。

本研究有助于深化对YRB及其城市群AOD时空变化特征及控制机制的认识，为空气污染治理与环境政策制定提供科学依据。
在这里插入图片描述

引言

气溶胶是指悬浮在大气中的液态或固态颗粒物，对气候变化（Dong等, 2013）、大气环境质量（He等, 2019）及人居环境（Wang等, 2017; Wei等, 2019）具有重要影响。

研究背景

随着工业化和城市化的快速推进，由气溶胶颗粒物引发的空气质量问题引起了广泛关注。中国政府及研究机构已将空气污染防治提上议程，而全面理解气溶胶的时空变化模式及驱动机制是应对全球性环境问题的核心。AOD作为气溶胶的消光特性指标（Wang等, 2016），可定量表征大气污染程度及其区域差异（Tang等, 2016）。早期对气溶胶的观测主要依赖地面监测（Wei等, 2019），但地面站点数据难以反映大范围时空尺度上的AOD特征。自20世纪90年代以来，基于遥感的大气气溶胶观测有效弥补了地面站点数据的不足。

近年来，大气遥感在AOD研究及应用方面取得了显著进展，包括AOD反演算法改进（Yan等, 2019）、AOD时空分布及其驱动因素分析（Dong等, 2013）、PM2.5估算（Sorek-Hamer等, 2015）等（Zhang等, 2015; Wei等, 2021）。随着遥感技术的不断发展，基于遥感的长期系列气溶胶产品数据逐步积累（Wei等, 2019），为AOD时空分布及其影响因素的深入分析提供了更大的机遇与便利。

存在的问题

目前，中国基于长期气溶胶产品的AOD时空变化研究较为丰富（He等, 2016; He等, 2019），但大多数研究集中于东部经济发达地区，而针对北方人口密集、工业发达的黄河流域的分析较少。此外，以往研究多基于单一时空尺度展开：

从空间尺度来看，多数研究关注全国或区域尺度（He等, 2016; He等, 2019; Dong等, 2013），尤其在大尺度研究中，AOD在不同区域或城市群间的空间差异性往往被忽略。
从时间尺度来看，现有研究主要基于时均分析方法（如月均、季均和年均AOD），而对AOD的周期性变化关注较少。

因此，采用新的统计方法（如ESMD）进一步探究YRB AOD的周期性特征具有重要意义。ESMD方法可有效克服傅里叶变换、小波变换及经验模态分解（EEMD）中模式重叠导致的信号物理意义不清问题，同时避免EEMD中白噪声引起的错误信息解读（Wang等, 2015）。

AOD的空间格局是多种因素复杂协同作用的结果。大量研究已探讨AOD与社会经济（He等, 2016; Ding等, 2020）、景观格局（Wang等, 2017）、地形地貌（He等, 2019）及气候条件（Deng等, 2012）等因素的关系，并基于区域均值分析方法（如线性回归、地理加权回归模型）进行相关性分析。然而，大多数研究仅关注单一影响因素的定性分析，缺乏从自然和人文视角出发的综合定量研究，如气象、地形、社会经济及地表特征等。因此，采用空间主成分分析（PCA）对多个控制因子对AOD的不同影响进行定量解析，对空气污染监测、评估及环境政策制定具有重要意义。