長江中下游六省大氣甲烷柱濃度時空分布

馮敏玉, 張 根, 夏玲君, 熊 劦 , 李柏貞, 孔 萍, 占明錦, 張玉霞

(1. 江西省 南昌市氣象局, 江西 南昌 330038; 2. 中國氣象科學研究院 災害天氣國家重點實驗室, 北京 100081; 3. 江西省生態(tài)氣象中心, 江西 南昌 330096)

0 引 言

二氧化碳(CO2)和甲烷(CH4)是大氣中最重要的溫室氣體[1]。CH4通過吸收地球發(fā)射的紅外線輻射引起氣溫上升, 在大氣中所造成的溫室效應僅次于CO2, 而遠高于N2O, 是《京都議定書》規(guī)定需要減排的溫室氣體之一。研究表明, CH4的增溫潛勢是CO2的20～32 倍[2]。同時, CH4又是化學活性氣體, 在大氣中易被氧化而產生一系列HxOy和碳氫氧化物, 它們在許多大氣成分的化學轉化中扮演重要角色[3]。CH4的主要來源為各種微生物厭氧過程、燃燒, 以及能源開采過程、運輸、化石燃料和生物燃燒等, 大約40%的CH4通過自然資源(如濕地和白蟻)排放到大氣中, 約60%為人為來源(如養(yǎng)牛、水稻、化石燃料開發(fā)、垃圾填埋場和生物質燃燒)1)來自2018 年世界氣象組織溫室氣體公告(https: //library.wmo.int/ doc_num.php?explnum_id=10100)。研究表明, CH4濃度逐年增長與人為活動排放密切相關, 其排放源主要包括能源活動(煤炭開采、生物質燃燒和油氣系統)、農業(yè)活動(水稻種植、腸道發(fā)酵和動物糞便管理)以及廢棄物處置(固體廢棄物管理和廢水管理)[4]。

全球CH4的源匯變化決定了大氣中CH4濃度的變化。政府間氣候變化專門委員會(IPCC)第四次科學評估報告指出, 大氣CH4濃度升高主要受人為排放源的影響[5]。自工業(yè)革命以來, 由于人為排放的增加, 2018 年, 全球大氣中CH4平均濃度達到1869×10?9, 打破了2017 年歷史最高記錄, 達到工業(yè)化前(1750年)水平的259%[6]。長江中下游六省(湖南省、湖北省、江西省、浙江省、安徽省和江蘇省)是我國主要糧食生產區(qū), 水稻播種面積占全國水稻播種面積的59%[6]。稻田是大氣溫室氣體CH4的重要排放源, 約17.9%的 CH4排放來源于稻田, 氣候條件、土壤 特性、水旱輪作方式以及施肥管理都是影響CH4排放的重要因素[7]。但CH4的排放通量不可能在所有種植水稻的地方進行測定, 而稻田排放量的估計對評價人為CH4排放源的作用和發(fā)展減排技術、減少稻田CH4的排放都有重要的作用。不同水稻生長地區(qū)的CH4排放數據還不能夠處理氣候與土壤的變化, 不能可靠地外推至區(qū)域和全球尺度[8]。

當前已有開展長江中下游地區(qū)稻田CH4排放的研究, 但僅基于局地且不連續(xù)CH4排放通量的數據[9-10]?；诖髿釩H4濃度觀測資料采用“自上而下”方法估算CH4排放量是目前國內外相關研究的一個熱點, 通過開展不同區(qū)域大氣CH4濃度的高精度連續(xù)觀測, 利用數值模式反演區(qū)域CH4排放量。目前用于監(jiān)測CH4濃度分布的地面站點數量有限且分布不均, 衛(wèi)星遙感探測方式可以獲取大范圍連續(xù)的觀測數據, 在CH4的時空分布及源匯研究中占有極其重要的地位, 因此可采用衛(wèi)星遙感數據開展區(qū)域CH4時空變化特征的研究。由于紅外線穿過CH4時, 其特定的波長會被吸收, 科學家能據此推算出大氣中CH4氣體的濃度。日本溫室氣體觀測衛(wèi)星(greenhouse gases observing satellite, GOSAT)是全球第一個致力于提供溫室氣體CO2及CH4精確資料的衛(wèi)星, 由日本宇宙航空研究開發(fā)機構(JAXA)、日本環(huán)境署(MOE)和日本環(huán)境研究所(NIES)等聯合開發(fā)[11]。GOSAT 重訪周期為3 d, 可獲得全球范圍內56000個觀測數據, 可彌補地基測量站空間覆蓋低的不足。美國國家航空航天局(NASA)發(fā)射的Aqua 衛(wèi)星于2002 年9 月發(fā)射升空, AIRS (atmospheric infrared sounder)搭載在Aqua 衛(wèi)星上, 運行在太陽同步的近極地軌道, 主要科學目的是觀測全球水和能量循環(huán)、氣候變化與趨勢, 以及氣候系統對溫室氣體增加的響應。利用衛(wèi)星觀測的大氣光譜反演大氣溫室氣體 柱濃度時, 不但受氣象條件、氣溶膠以及地表輻射等影響, 而且也受衛(wèi)星傳感器的設計指標和觀測模式等多種因素的影響[12]。但衛(wèi)星遙感方法可以提供穩(wěn)定、長序列、寬空間、低地表或高海拔的三維大氣監(jiān)測信息?？梢杂行У貜浹a近地表觀測的不足。目前國內利用衛(wèi)星遙感觀測資料進行數據反演的研究中鮮有對于長江中下游水稻種植區(qū)CH4時空分布特征的相關報道。本次研究將基于GOSAT 反演的L3 全球CH4分布數據產品(主要代表近地面層)和在AIRS 反演的第六版L3 標準產品(主要代表對流層中層), 研究長江中下游地區(qū)近地面層和對流層中層的大氣CH4時空分布特征, 并與東三省(遼寧省、吉林省和黑龍江省)、華北平原五省兩市(山東省、山西省、河南省、河北省和陜西省, 北京市、天津市)和全國大氣CH4平均濃度進行比較, 擬探討可能的影響因素, 同時分析GOSAT 與AIRS 衛(wèi)星反演不同季節(jié)長江中下游地區(qū)大氣CH4垂直廓線分布特征, 為我國科學實施碳管理提供科學依據。

1 數據來源與方法

1.1 大氣本底觀測數據

瓦里關全球大氣本底站(WLG) (100.9°E, 36.28°N)以及上甸子區(qū)域大氣本底站(SDZ)(117.12°E, 40.65°N)的大氣 CH4月均濃度數據均下載自 https: //gaw. kishou.go.jp/search (其中SDZ 站的大氣CH4月均濃度僅更新至2015 年9 月), 選取2011 年1 月至2015年9 月的數據, 與GOSAT 衛(wèi)星遙感L3 同期相同區(qū)域的數據產品反演數據值進行比對, 以校驗GOSAT 衛(wèi)星遙感反演近地面大氣CH4濃度產品的可靠性[13]。

1.2 GOSAT 溫室氣體遙感數據產品

2009 年1 月23 日, 日本發(fā)射了GOSAT 溫室氣體衛(wèi)星, 運行高度約為666 km, 降交點過境時間為地方時間13: 00, 傾角為98°[14]?；貧w周期為3 d[15], 該衛(wèi)星發(fā)布的FTS-L3 級產品采用空間統計方法估算出全球2.5°E×2.5°N 矩形區(qū)域的溫室氣體柱平均混合比。L3 級全球CH4分布及L4B 全球CH4分布數據產品, 下載自 https: //data2.gosat.nies.go.jp/ GosatDataArchiveService/usr/download/ProductPage/, 數據精度為2.5°E×2.5°N。本研究采用2011～2018 年GOSAT 衛(wèi)星L3 級 CH4濃度分布數據, 每日數據分別來自06: 00、12: 00、18: 00 和20: 00 共4 個時次, 計算月平均值、年平均值和季平均值。利用ArcGIS地理信息系統空間分析軟件, 采用較常用的普通克里金插值(ordinary kriging)方法對GOSAT 衛(wèi)星數據產品進行插值預處理, 然后用掩膜提取法提取東三省、華北五省和長江中下游各省CH4平均濃度, 以及WLG 和SDZ 站相同經緯度的點數據, 用于與本底站進行比對[16]。同樣選取GOSAT 衛(wèi)星L4B 的數據產品, 分別選取975 hPa、925 hPa、850 hPa、700 hPa、500 hPa 和100 hPa 等6 個氣壓高度逐日數據, 研究GOSAT 的垂直分布曲線[17]。

1.3 AIRS 衛(wèi)星數據產品

搭載在地球觀測系統(Earth Observation System, EOS)第二顆衛(wèi)星Aqua 上的大氣紅外探測儀AIRS 有2378 個光譜通道和較高的光譜分辨率(λ/Δλ=1200), 其軌道與極地太陽同步, 高度為705 km, 過赤道時間為當地時間13: 30, 每天掃描全球兩次[18]。本次研究采用了AIRS 觀測資料反演的CH4體積混合比第六版L3標準產品, 數據下載自https: //disc.gsfc.nasa. gov/, 水平分辨率為1°×1°。選擇L3 級月支持產品(3XSPM)數據集中在2011～2018 年的升軌月平均數據與降軌月平均數據, 同樣利用ArcGIS 軟件, 采用普通克里金插值方法進行插值預處理。再通過掩膜提取法與按點提取法提取東三省、華北五省及長江中下游六省的區(qū)域大氣CH4平均濃度, 分析AIRS反演的CH4濃度年際變化特征。由于CH4濃度在對流層垂直混合不均勻, 選擇2014 年3 月至2015 年2月期間長江中下游6 省1000 hPa、925 hPa、850 hPa、700 hPa、500 hPa 和100 hPa 等6 個氣壓高度的上行軌道和下行軌道月數據, 計算季節(jié)(春季為3～5 月, 夏季為6～8 月, 秋季為9～11 月, 冬季為年12 月至次年2 月)CH4的平均濃度, 同樣利用ArcGIS 地理信息系統空間分析軟件中普通克里金插值方法進行插值, 利用掩膜提取法提取長江中下游六省CH4平均濃度時空特征。

2 結果與分析

2.1 GOSAT 反演的CH4 濃度時空變化特征

2.1.1 GOSAT 反演資料與本底觀測站觀測資料對比分析

利用2011～2015 年中國地區(qū)全球大氣溫室氣體本底觀測站(WLG)、區(qū)域大氣溫室氣體本底觀測站(SDZ)的大氣CH4濃度觀測資料與GOSAT 反演資料進行月變化相關分析。如圖1 所示, GOSAT 反演數據產品與WLG 全球大氣本底站及SDZ 區(qū)域大氣本底站觀測的大氣CH4月均濃度具有較好的相關性, 相關系數R2分別為0.7195(WLG)和0.5726(SDZ), 均通過了0.01 的顯著性檢驗。GOSAT 反演的WLG 站大氣CH4月均濃度較本底站觀測結果系統性偏低約5%, 而SDZ 站的衛(wèi)星反演數據產品較本底站觀測的大氣CH4月均濃度系統性偏低約8%。計算多年平均月均濃度發(fā)現, GOSAT 衛(wèi)星遙感反演的大氣CH4濃度數據與地基站觀測大氣CH4濃度數據具有較好的季節(jié)一致性, 為夏、秋季高, 冬、春季低[19], 兩者峰值均在8 月份, 且SDZ 站秋季變幅更大(圖2)。

年際變化上, WLG 站GOSAT 衛(wèi)星反演與本底觀測數據均表現為逐年升高的趨勢, 年際間趨勢一致性較好(圖3a); SDZ 站衛(wèi)星反演的增長趨勢平緩, 而本底監(jiān)測站數據在2011～2013 年增長相對平緩, 2013～2015 年增長速度明顯加快(圖3b)。

2.1.2 長江中下游六省GOSAT 反演CH4年際變化時空分布特征

如圖4 所示, 2011～2018 年間, 長江中下游六省與東三省、華北平原及整個中國CH4均呈逐步上升趨勢, 其年均濃度由2011 年的1817×10?9增長至2018年的1875×10?9, 增加了約58×10?9, 平均年增長量為8.2×10?9, 其次為華北地區(qū)增加了57×10?9, 兩者均高于全國平均濃度(55×10?9), 東三省CH4濃度增量最低為53×10?9。CH4濃度快速增長可能原因是由于近年中國經濟的高速發(fā)展, 人類活動增強所致, 如養(yǎng)牛數目的增多、水稻種植面積增加和化石燃料消耗增多等[16], 以江西為例, 農林牧漁總產值由2011 年的2175.14 億元增加至2018 年的3148.57 億元, 年發(fā)電量由2011年的729.92×108kW?h 上升至1281.3×108kW?h21)。

圖1 GOSAT 反演CH4 月均濃度與本底站相關性分析 Fig.1 Correlation analysis of CH4 monthly concentrations between GOSAT and background stations for (a) WLG and (b) SDZ

圖2 GOSAT 反演CH4 濃度季節(jié)變化與本底站比對結果 Fig.2 Comparison of CH4 seasonal variation between GOSAT and background stations for WLG and SDZ?

圖3 GOSAT 反演CH4 濃度年際變化與本底站比對結果 Fig.3 Comparison of CH4 interannual variation between GOSAT and background stations for WLG and SDZ

圖4 GOSAT 反演的長江中下游六省與其他地區(qū) CH4 濃度年際變化 Fig.4 Annual means of CH4 retrieved from GOSAT in different regions of China

2011～2018 年間長江中下游六省的CH4平均濃度為1846×10?9, 濃度高于東三省(1815×10?9)、華北平原(1829×10?9)和全國平均濃度(1817×10?9)。長江中下游地區(qū)水熱同季, 且降水豐沛, 適宜水稻生產, 是我國重要的糧食生產區(qū), 主要有雙季水稻及一季水稻的種植。其稻田長期淹水狀態(tài)會排放大量的CH4。此外中部及長三角地區(qū)人口集中, 城市生活垃圾在較高的溫度下會產生更多的CH4排放, 與張國君[20]的研究結論一致。華北地區(qū)CH4濃度與長江中下游六省相比略低, 但也高于中國平均濃度, 主要原因為華北平原地處中緯度地區(qū), 畜牧養(yǎng)殖業(yè)較發(fā)達, 煤炭資源豐富, 另外農業(yè)生產的季節(jié)性稻田排放也會造成CH4濃度上升[21-22]。

圖5 所示為GOSAT 反演的2011～2018 年長江中下游六省 CH4濃度變化情況, 圖中可以看出2011～2018 年長江中下游六省CH4平均濃度均呈現逐步增長的趨勢, 區(qū)域平均年際增長量約為8.2×10?9a?1。各省年際增長量略有差異, 緯度偏低的江西、湖南和浙江三省增長量略大, 分別為8.3×10?9a?1、8.3×10?9a?1和8.5×10?9a?1, 緯度偏高的湖北、安徽和江蘇 3 省增長量略小, 分別為 8.2×10?9a?1、8.2×10?9a?1和8.2×10?9a?1。2011～2018 年間六省CH4平均濃度為1846×10?9, 最高為江西(1849×10?9), 湖南、浙江次之(均為 1847×10?9), 江蘇最低為1843×10?9(圖6)。研究區(qū)域屬于長江經濟帶的一部分, 長江經濟帶在中國經濟中占有重要地位, 2017 年長江經濟帶國內生產總值(GDP)達到37.4 萬億元, 占GDP 的比重為45.5%[23], 2008 年, 農業(yè)部發(fā)布緊急通知, 要求各地狠抓春播面積, 堅決遏制雙季稻改單季稻現象, 杜絕耕地的撂荒, 控制糧食播種面積。本研究區(qū)內的六省均是水稻主產區(qū), 雙季水稻的面積直接影響水稻產量。因此, 近幾年單季稻的面積逐漸減少, 雙季稻面積增加, 這可能是導致CH4排放量增加的一個因素。而湖南、江西的濃度值較其他省份CH4濃度值要大, 可能與江西雙季稻種植面積較大有關。2018 年江西、湖南兩省的雙季水稻種植面積分別為3436.2 khm2、4009 khm2, 在其省內的占比分別為20.6%1)來自2018 年江西省統計年鑒(http: //www.jxstj.gov.cn/resource/nj/ 2018CD/indexch.htm)和18.9%2)來自2018 年湖南省統計年鑒(http: //222.240.193.190/18tjnj/indexch. htm), 而地理位置偏北的湖北省、安徽省和江蘇省則以單季水稻為主, 其稻田淹水時間相對短, 排放的CH4也就偏小, 沿海省份浙江, 通過調整農業(yè)種植結構, 水稻種植面積不斷 萎縮, 農田占比小, 雖以雙季稻為主, 但總面積小, 它的平均濃度與湖南省持平, 可能由工業(yè)生產及城市人口數量大導致生活垃圾過多而造成。

圖5 2011～2018 年長江中下游地區(qū)CH4 濃度變化 Fig.5 Annual CH4 variations of each province in middle-low reaches of Yangtze River during 2011-2018

圖6 長江中下游各省2011～2018 年間大氣CH4 平均濃度 Fig.6 CH4 average concentration of each province in middle-low reaches of Yangtze River during 2011-2018

2.1.3 長江中下游六省GOSAT 反演CH4季節(jié)變化特征

圖7 所示為長江中下游各省CH4季節(jié)變化, 湖北省、湖南省、江西省和浙江省峰值在9 月, 安徽省、江蘇省峰值在8 月, 該季節(jié)變化特征可能與濕地和稻田CH4排放有關。江西省和湖南省雙季稻抽穗揚花期在9 月, 安徽省、江蘇省一季稻抽穗揚花期在8 月。水稻在抽穗揚花期較其他生育期排放更多的CH4, 因此在水稻抽穗揚花期前后CH4濃度可能出現峰值。

圖7 長江中下游地區(qū)CH4 濃度季節(jié)變化 Fig.7 Seasonal cycle of CH4 in middle-low reaches of Yangtze River

圖8 所示為GOSAT 反演的長江中下游六省CH4濃度季節(jié)變化的空間分布情況。大氣CH4柱濃度夏 季(6～8 月)、秋季(9～11 月)略高, 冬季(12 月至次年2月)、春季(3～5 月)略低, 有明顯的季節(jié)特征, 這與王紅梅等[19]、常越等[24]的研究結果一致。春季CH4濃度高值出現在江西、湖南東部及浙江中南部區(qū)域, 夏季高值集中在湖南東部、江西北部、安徽南部、湖北東南部及江蘇與浙江的交界處, 秋季高值分布在江西、湖南, 冬季主要集中在江西、安徽南部、湖南和湖北以東地區(qū), 其空間分布季節(jié)變化也可能與水稻種植的CH4排放有關, 雙季稻種植區(qū)早稻種植期為3 月底或4 月初至7 月中下旬, 晚稻種植期為6 月中上旬至10 月中上旬, 安徽省和江蘇省屬單季稻稻作區(qū), 湖南、江西為單、雙季稻稻作區(qū)[25]。中、晚稻的平均CH4排放通量比早稻高的多, 且水稻生長后期的排放通量大于前期的排放通量。稻田CH4的排放主要集中在水稻分蘗期, 其他時期(如拔節(jié)抽穗期、灌漿結實期)相對較少[26-27]。而夏季正是江蘇、安徽的一季稻分蘗期。中后期特別是擱田開始后降低, 擱田結束稻田復水后略有升高, 并保持低排放量直至水稻收獲, 呈現波浪式變化[28]。秋季是湖南、江西一季晚稻和雙季晚稻的抽穗揚花期, 稻田排放的CH4相對較多, 此時CH4濃度出現1 個峰值。冬季的高值中心仍在江西、浙江等, 稻田冬季種植不同作物可增加CH4的排放, 以及部分冬季水田休閑期也有CH4排放, 但這個排放量與生長季比要低得多[29-31]。

2.1.4 GOSAT 反演的CH4濃度垂直變化

將2014 年3 月至2015 年2 月長江中下游CH4濃度垂直變化劃分為3 個層次, 分別為低層(975 hPa、925 hPa 和850 hPa)、中層(700 hPa、500 hPa)和高層(100 hPa)。對3 個層次大氣CH4平均濃度的GOAST反演進行季節(jié)分析發(fā)現, 垂直方向上GOSAT 反演的長江中下游六省CH4濃度隨氣壓降低, 濃度逐漸減小, 呈現出較強的季節(jié)變化特征, 在近地面層975 hPa、925 hPa 和850 hPa 的低層, 大氣CH4濃度夏季最高、春季最低, 濃度高低次序為夏季＞秋季＞冬季＞春季; 700～500 hPa (3000～5500 m 中層)各季節(jié)的濃度均比較接近, 500 hPa 以上的高層, 秋季最高, 春季最低, 濃度高低次序為秋季＞夏季＞冬季＞春季(圖9)。低層(975 hPa、925 hPa 和850 hPa)、中層(700 hPa、500 hPa)和高層(100 hPa)濃度季節(jié)特征不一樣, 主要由于大氣 CH4逐步由低層向中層擴散混合和大氣水平運動導致CH4濃度空間分布差異[32]。

2.2 AIRS 反演的CH4 濃度時空變化特征

2.2.1 長江中下游六省AIRS 反演CH4年際變化特征

如圖10 所示, 2011～2018 年間, 長江中下游六省與東三省、華北平原及整個中國CH4均呈逐步上升趨勢(與GOSAT 趨勢一致), 其年均濃度由2011 年的1867×10?9增長至2018 年的1875×10?9, 增加量約18×10?9(GOSAT 反演的濃度增加量為58×10?9), 平均年增加量為2.3×10?9a?1(GOSAT 平均增加量為8.2 ×10?9a?1), 可能由于AIRS 主要反映了對流層中層大氣狀況而GOSAT 更多的反映了近地面層大氣CH4的變化[32]。

AIRS 反演的 2011～2018 年間平均濃度為1876×10?9(GOSAT 為1846×10?9), 均低于東三省(1912×10?9)、華北平原(1891×10?9)和全國平均濃度(1892×10?9), 空間分布上CH4濃度的高值區(qū)分布在東三省, 低值區(qū)分布在長江中下游水稻種植區(qū)。與王紅梅等[19]研究結果一致。

圖8 長江中下游地區(qū)CH4 濃度季節(jié)變化空間分布 Fig.8 Spatial distribution of CH4 seasonal variation in middle-low reaches of Yangtze River

圖9 GOSAT 反演的CH4 濃度季節(jié)廓線 Fig.9 Profiles of seasonal CH4 concentration retrieved from GOSAT

圖10 AIRS 反演的長江中下游六省與 其他地區(qū)CH4 年際變化 Fig.10 Annual means of CH4 retrieved from AIRS in different regions of China

圖11 AIRS 反演的2011～2018 年長江中下游 六省CH4 濃度變化 Fig.11 Annual CH4 variations of each province in middle-low reaches of Yangtze River during 2011-2018

圖11 所示為AIRS 反演的2011～2018 年長江中下游六省CH4濃度變化情況, 圖中可以看出2011～2018年 長江中下游六省CH4平均濃度均呈現逐步增長的趨勢。各省年際增長量略有差異, 緯度偏低的江西、湖南和浙江三省增長量略小, 分別為1.8×10?9a?1、1.9×10?9a?1和2.4×10?9a?1, 緯度偏高的湖北、安徽和江蘇三省增長量略大, 分別為 2.5×10?9a?1、2.6×10?9a?1和2.8×10?9a?1。2011～2018 年間六省CH4平均濃度為 1877×10?9a?1, 高值在安徽江蘇北部, 低值在湖南、江西兩省的中南部(圖12)。

圖12 AIRS 反演的長江中下游各省2011～2018 年間 大氣CH4 平均濃度 Fig.12 CH4 average concentration of each province in middle-low reaches of Yangtze River during 2011-2018

2.2.2 AIRS 反演長江中下游六省CH4濃度季節(jié)變化特征

圖13 所示為AIRS 反演的長江中下游六省CH4濃度季節(jié)變化的空間分布情況。大氣CH4柱濃度夏季(6～8 月)和秋季(9～11 月)略高, 冬季(12 月至次年2月)和春季(3～5 月)略低, 有明顯的季節(jié)特征, 但春季CH4濃度高值出現在江蘇、安徽, 夏季高值區(qū)在江蘇、安徽和湖北三省北部, 秋季高值區(qū)在安徽大部、湖北和江蘇北部; 冬季高值區(qū)在江蘇東北部、安徽中西部。

2.2.3 AIRS 反演的垂直高度變化

對AIRS 反演的2014 年3 月至2015 年2 月長江中下游六省6 個層次(1000 hPa、925 hPa、850 hPa、700 hPa、500 hPa 和100 hPa)大氣CH4濃度進行季節(jié)相關性分析表明, 垂直方向上長江中下游六省CH4濃度隨氣壓降低, 濃度逐漸減小, 也呈現出較強的季節(jié)變化特征(可能受地面反照率或水汽的影響, 夏季1000 hPa 的缺值太多, 故該層不做比較分析)。如圖所示, 850～500 hPa 以下的中層, 秋季一直維持著較高的濃度。AIRS 反演的大氣CH4濃度秋季最高、夏季最低, 濃度高低次序為秋季＞冬季＞夏季＞春季。100 hPa (16000 m)處的高空, CH4濃度秋季＞夏季＞春季＞冬季(圖14)。與GOSAT 反演結果不一致,

圖13 AIRS 反演的長江中下游六省CH4 濃度季節(jié)變化空間分布 Fig.13 Spatial distribution of CH4 seasonal variation in middle-low reaches of Yangtze River from AIRS

圖14 AIRS 反演的CH4 濃度季節(jié)廓線 (夏季1000 hPa 缺值) Fig.14 Profiles of seasonal CH4 concentration retrieved from AIRS (the data of 1000 hpa in summer were unavailable on the website)

3 結 論

可能由于AIRS 主要反映了對流層中層大氣狀況而GOSAT 更多的反映了近地面層大氣CH4的變化[32]。

(1) 由GOSAT 衛(wèi)星遙感反演的CH4月均濃度與WLG 全球大氣本底站、SDZ 區(qū)域大氣本底站相關性均較好, 相關系數R2分別為0.7195 (WLG)和0.5726 (SDZ), 在0.01 水平上達顯著相關?？梢杂糜诜治鼋孛鎸訁^(qū)域CH4濃度變化。

(2) GOSAT 反演的長江中下游六省2011～2018年CH4濃度呈現逐年增長的趨勢, 長江中下游六省與東三省、華北平原及整個中國區(qū)域大氣CH4均呈逐步上升趨勢, 濃度增量最高為長江中下游六省58×10?9, 次高為華北地區(qū)57×10?9, 均高于全國平均濃度55×10?9, 東三省CH4濃度增量最低為53×10?9。8 年期間六省的CH4平均濃度為1842×10?9, 最高為江西(1845×10?9), 湖南、浙江次之(均為1843×10?9), 江蘇最低為1839×10?9。垂直方向上長江中下游六省CH4濃度隨氣壓降低, 濃度逐漸減小, 呈現出明顯的季節(jié)變化特征。近地面層最高值出現在夏季, 最低值出現在春季; 中間層季節(jié)特征不明顯; 高層最高值出現在秋季, 最低值出現在春季。

(3) GOSAT 反演的長江中下游地區(qū)CH4柱濃度分布存在明顯的季節(jié)特征, 大氣CH4柱濃度夏、秋季略高, 冬、春季略低。春季CH4濃度高值出現在江西、湖南東部及浙江中南部區(qū)域, 夏季高值集中在湖南東部、江西北部、安徽南部、湖北東南部及江蘇與浙江的交界處, 秋季高值分布在江西、湖南, 冬季主要集中在江西、安徽南部、湖南和湖北以東地區(qū)。

(4) AIRS 反演的長江中下游六省對流層中層大氣CH4柱濃度均呈逐步上升趨勢, 低于東三省、華北地區(qū)及全國平均濃度。8 年間其CH4平均濃度均表現為北高(東三省高)南低(長江中下游六省低)。

(5) AIRS 反演的長江中下游六省CH4濃度分布有明顯的季節(jié)特征, 各季節(jié)的高值分布區(qū)主要分布在北部省份, 低值區(qū)主要分布在南部省份。垂直方向上高度越高, 濃度越低, 不同高度上秋季濃度最高。

感謝北京上甸子本底站業(yè)務工作人員在現場采樣的辛苦工作; 感謝江西省生態(tài)氣象中心各位同事的支持與幫助; 感謝美國NOAA/ESRL 提供上甸子站及瓦里關站的瓶采樣樣品分析數據; 同時感謝兩位審稿專家的辛勤付出和專業(yè)指導。