基于衛(wèi)星遙感的中國地區(qū)XCO2和XCH4時空分布研究

加亦瑱,陶明輝?,丁思佳,劉航語,曾銘裕,陳良富

(1中國地質(zhì)大學(xué)(武漢)地理與信息工程學(xué)院,湖北 武漢 430074;2中國科學(xué)院空天信息創(chuàng)新研究院遙感科學(xué)國家重點實驗室,北京 100101)

0 引言

大氣中的二氧化碳(CO2)、甲烷(CH4)等溫室氣體可透過太陽短波輻射、吸收地氣系統(tǒng)的長波輻射,從而加熱大氣和地表。IPCC第六次氣候變化評估報告明確指出人類燃燒化石燃料排放的溫室氣體造成了全球增溫問題,加劇了極端降水、高溫?zé)崂?、海平面上升、凍土消融、冰?冰蓋融化等氣候變化[1]。CO2是最主要的人為溫室氣體,化學(xué)特性穩(wěn)定且壽命較長,可在大氣中停留近百年。工業(yè)革命以來,大氣中的CO2濃度持續(xù)增長,其體積分數(shù)已從不到280×10-6[2]增長到了2021年的410×10-6左右[1],增速約為2×10-6～3×10-6a-1。CH4是第二重要的溫室氣體,然而其在百年尺度的全球增溫潛力是CO2的28～34倍(以質(zhì)量計)[3],壽命約為9年[4]。

為遏制全球變暖,2016年,全球175個國家簽署了《巴黎協(xié)定》,旨在降低CO2的排放量,將全球增溫限制在1.5°C以內(nèi)[5]。我國承諾要在2030年之前達到碳排放的最高峰,努力在2060年之前實現(xiàn)碳中和。全面了解全球CO2和CH4的源、匯及時空分布信息是溫室氣體減排和氣候變化研究的基本需求。近年來衛(wèi)星遙感技術(shù)的發(fā)展為探測全球大氣溫室氣體的時空分布提供了新的手段。基于反射光譜的短波紅外遙感對整層尤其是近地面的CO2比較敏感,是目前CO2柱濃度(XCO2,干空氣體積混合比)的主要探測方式。日本于2009年發(fā)射了全球首顆溫室氣體探測衛(wèi)星GOSAT;繼OCO-1發(fā)射失敗后,2014年美國成功發(fā)射了OCO-2;隨后,一系列溫室氣體衛(wèi)星GOSAT-2、OCO-3相繼發(fā)射;而我國自主研發(fā)的TanSat在2016年年底成功發(fā)射。未來,歐空局CO2M計劃、我國的DQ-02等將以更高的觀測頻次、空間分辨率和探測精度,來提高全球碳排放的監(jiān)測水平。

長壽命的CO2在大氣中混合均勻,近地面源、匯造成CO2柱濃度變化通常僅在數(shù)個10-6的量級,因此對XCO2的遙感反演精度要求在1×10-6內(nèi)(即0.25%左右)[6]。有學(xué)者指出若反演區(qū)域CO2通量,衛(wèi)星區(qū)域系統(tǒng)性誤差應(yīng)小于0.5×10-6[7]。高精度的XCO2探測不僅對衛(wèi)星傳感器精度要求較高,而且須精確考慮所有影響衛(wèi)星觀測的大氣參數(shù)。相比CO2,大氣中CH4的濃度更低,全球氣候觀測系統(tǒng)GCOS 2011年提出CH4的遙感精度應(yīng)達到10×10-9?；赥CCON地基站點觀測的溫室氣體濃度已經(jīng)廣泛用于衛(wèi)星產(chǎn)品精度驗證,其精度可達0.25%[8]。近年來,有相關(guān)學(xué)者對我國的CO2和CH4時空分布進行了分析,莫露等[9]對中國地區(qū)的XCO2分布進行了研究,并分析了其影響因素。夏玲君等[10]基于GOSAT及AIRS產(chǎn)品數(shù)據(jù),對中國中部地區(qū)六個省份的CO2分布特征進行了研究,結(jié)果表明AIRS與GOSAT反映了不同層大氣CO2的變化。吳長江等[11]對不同衛(wèi)星觀測反演大氣CO2的差異進行了定量化分析。劉丹丹等[12]將合肥地區(qū)地基觀測溫室氣體結(jié)果與衛(wèi)星數(shù)據(jù)進行比對分析,其研究結(jié)果為探究合肥及周邊地區(qū)的源和匯提供了依據(jù)。

目前關(guān)于我國CO2和CH4的長期變化趨勢的衛(wèi)星遙感研究還較少,尤其是目前已具有較多CO2和CH4的衛(wèi)星產(chǎn)品。本文基于GOSAT、OCO-2等衛(wèi)星遙感的大氣柱濃度產(chǎn)品XCO2、XCH4,利用TCCON地基站點的觀測評估了不同算法產(chǎn)品的精度,并且基于精度最高的衛(wèi)星數(shù)據(jù)對我國XCO2和XCH4的時空分布和變化趨勢進行了分析。

1 數(shù)據(jù)與方法

大氣CO2(CH4)柱濃度,即XCO2(XCH4),是指從地表到大氣頂層干燥空氣柱中CO2(CH4)的平均體積分數(shù)比,可表征整個大氣中CO2(CH4)的含量[13]。XCO2的單位是1×10-6,表征百萬分之一,XCH4的單位是1×10-9,表征十億分之一。

表1展示了選取的衛(wèi)星數(shù)據(jù)相關(guān)信息。2009年,日本發(fā)射了溫室氣體觀測衛(wèi)星(GOSAT),其上搭載的傳感器TANSO由云與氣溶膠成像儀(CAI)和傅立葉變換光譜儀(FTS)組成,GOSAT衛(wèi)星具有天底、目標(biāo)、耀斑三種觀測模式。2014年,美國國家航空航天局(NASA)發(fā)射了OCO-2,致力于高精度大氣CO2測量,以便于加深對碳循環(huán)的理解。其上攜帶單一的傳感器,由三個同視軸的長狹縫光柵成像光譜儀組成,OCO-2采用與GOSAT相同的三種觀測模式。2019年,NASA將OCO-3發(fā)射到國際空間站。OCO-3以四種觀測模式(天底、閃爍、目標(biāo)和快照模式)收集陽光照射半球的太陽輻射光譜。新增加的快照模式既能實現(xiàn)對近紅外CO2的探測,又能利用100 m高分辨率相機對觀測區(qū)成像,可以實現(xiàn)對工業(yè)排放源、發(fā)電廠、火山等排放熱點的監(jiān)測[20]。短波近紅外衛(wèi)星反演CO2的算法主要有兩類:經(jīng)驗統(tǒng)計算法、物理反演算法[21]。目前國際上存在多種反演CO2的算法[22],如GOSAT衛(wèi)星數(shù)據(jù)產(chǎn)品的標(biāo)準(zhǔn)算法NIES-FP,由日本國家環(huán)境研究所開發(fā);NASA為OCO儀器開發(fā)的ACOS反演算法;萊斯特大學(xué)開發(fā)的全物理算法;德國卡魯斯理工學(xué)院與荷蘭太空研究所共同開發(fā)的RemoTeC算法。受云和氣溶膠的影響,衛(wèi)星數(shù)據(jù)時空不連續(xù)且存在空缺,因此對于所選取的數(shù)據(jù)進行重采樣處理,形成觀測范圍內(nèi)1°×1°的XCO2及XCH4數(shù)據(jù)的空間分布。

表1 衛(wèi)星數(shù)據(jù)相關(guān)信息Table 1 Satellite data related information

2 衛(wèi)星數(shù)據(jù)的精度驗證

衛(wèi)星數(shù)據(jù)的精度驗證對于衛(wèi)星數(shù)據(jù)分析結(jié)果的準(zhǔn)確性和有效性有著十分重要的意義,我們借鑒前人對衛(wèi)星反演的精度驗證方法,選取我國境內(nèi)合肥和香河兩個TCCON站點,采用最新的GGG2020版本數(shù)據(jù)進行數(shù)據(jù)的時空匹配,其中合肥站點的時間跨度是2016年1月8日–2020年12月31日,香河站點的時間跨度是2018年6月14日–2021年11月30日。在時間上選取衛(wèi)星過境前后0.5 h、空間上選取站點周圍3°的范圍進行數(shù)值的匹配。為了更好地判別數(shù)據(jù)的精度,引入了皮爾遜相關(guān)系數(shù)r、擬合優(yōu)度R2以及均方根誤差RMSE,r表明了兩個因子的相關(guān)性,R2用來測量模型的回歸程度,RMSE用來衡量觀測值同真值之間的偏差。同時,對各算法在0°N～65°N,70°E～150°E范圍內(nèi)的數(shù)據(jù)以及有效數(shù)據(jù)(數(shù)據(jù)質(zhì)量標(biāo)記和用來表示反演結(jié)果的質(zhì)量,當(dāng)時,認為該數(shù)據(jù)的精度較高,為有效數(shù)據(jù))進行統(tǒng)計。

圖1和圖2分別展示了各算法反演的XCO2、XCH4數(shù)據(jù)與TCCON地基站點數(shù)據(jù)的比對結(jié)果,表2展示了各算法采用的數(shù)據(jù)以及相關(guān)性信息。各算法數(shù)據(jù)與TCCON站點數(shù)據(jù)之間都呈正相關(guān)性,四種XCO2產(chǎn)品的相關(guān)性排序為OCO-2-ACOS＞GOSAT-SRFP＞OCO-3-ACOS＞GOSAT-ACOS,OCO-2-ACOS產(chǎn)品的相關(guān)性最高,相關(guān)系數(shù)r達0.93;在擬合優(yōu)度方面,OCO-2-ACOS產(chǎn)品的擬合優(yōu)度最好,其次是GOSAT-SRFP產(chǎn)品、OCO-3-ACOS產(chǎn)品,最后是GOSAT-ACOS產(chǎn)品;GOSAT-ACOS產(chǎn)品的均方根誤差最大,為3.086,表示預(yù)測值與真實值偏差較大,OCO-2 ACOS產(chǎn)品的均方根誤差最小,表示預(yù)測值與真實值偏差較小,四種產(chǎn)品的均方根誤差排序依次為:GOSAT-ACOS＞OCO-3-ACOS＞GOSAT-SRFP＞OCO-2-ACOS。

圖1 各算法反演XCO2數(shù)據(jù)與TCCON站點數(shù)據(jù)的相關(guān)性分析圖。(a)GOSAT-ACOS;(b)GOSAT-SRFP;(c)OCO-2 ACOS;(d)OCO-3 ACOSFig.1 Correlation analysis of XCO2 data retrieved by each algorithm and TCCON site data.(a)GOSAT ACOS;(b)GOSAT SRFP;(c)OCO-2 ACOS;(d)OCO-3 ACOS

圖2 各算法反演XCH4數(shù)據(jù)與TCCON站點數(shù)據(jù)的相關(guān)性分析圖。(a)GOSAT OCPR;(b)GOSAT SRFP;(c)GOSAT SRPRFig.2 Correlation analysis of XCH4 data retrieved by each algorithm and TCCON site data.(a)GOSAT OCPR;(b)GOSAT SRFP;(c)GOSAT SRPR

表2 各算法數(shù)據(jù)比對結(jié)果Table 2 Data comparison results of each algorithm

三種XCH4產(chǎn)品均基于GOSAT衛(wèi)星觀測數(shù)據(jù)進行反演,其中與地面站點相關(guān)性最高的是采用OCPR算法反演的數(shù)據(jù),相關(guān)系數(shù)r達0.78,其次是采用SRFP算法反演的數(shù)據(jù),r為0.63,最后是采用SRPR算法反演的數(shù)據(jù),r為0.54;擬合優(yōu)度排序為:GOSAT-OCPR＞GOSAT-SRFP＞GOSAT-SRPR;均方根誤差排序為:GOAST-SRPR＞GOSAT-OCPR＞GOSAT-SRFP。

綜合相關(guān)系數(shù)、擬合優(yōu)度、有效數(shù)據(jù)量以及均方根誤差,OCO-2-ACOS的效果最佳,因此選擇該產(chǎn)品對CO2進行分析,選擇GOSAT-OCPR產(chǎn)品對CH4的時空分布進行探究。

據(jù)公司負責(zé)人介紹，廣東新華印刷是全省教材印制基地，承擔(dān)著由廣東省出版集團出版、發(fā)行的中小學(xué)教材70%的印刷任務(wù)。根據(jù)廣東中小學(xué)生人數(shù)情況，我們簡單做了推算，這意味著平均每年至少有上千萬名中小學(xué)生使用的是由廣東新華印刷印制的教材。如果從其開始承印教材的八九十年代算起，近三十年積累下來，無論從服務(wù)群體的數(shù)量還是服務(wù)內(nèi)容的質(zhì)量，廣東新華印刷在基礎(chǔ)教育的推廣方面均發(fā)揮了獨有的社會價值。

3 中國地區(qū)XCO2和XCH4時空變化特征分析與討論

3.1 XCO2時空變化特征

CO2排放源可以分成自然源和人為源,自然源主要包括植被在不同季節(jié)光合作用的強弱差異造成的CO2量的改變;人為源主要包括化石燃料燃燒、土地利用變化等產(chǎn)生的CO2排放。

3.1.1 中國地區(qū)CO2年際變化特征

圖3為我國2014–2021年XCO2逐年均值圖。由圖可知,2014年,我國CO2濃度整體較低,隨著年份增長,CO2濃度逐漸上升,到2021年,CO2濃度達到頂峰。我國2014–2021年CO2濃度呈現(xiàn)逐年遞增的趨勢,與全球大氣CO2濃度的增長趨勢一致,且在各年份內(nèi),CO2分布整體呈現(xiàn)東高西低、南高北低的趨勢,高值區(qū)多分布在沿海省份。如圖4(a)2014–2021年XCO2年均值變化圖所示,我國CO2濃度呈現(xiàn)逐年遞增的趨勢,由2014年的396.92×10-6上升到2021年的414.72×10-6,與圖3反映的趨勢相同。圖4(b)展示了我國CO2的年增長率變化情況,整體來看,多年來我國CO2增長率呈現(xiàn)下降水平,2016年達到峰值,2018年為最低水平,由于我國大氣污染減排政策相繼實施,許多高耗能高污染企業(yè)得以轉(zhuǎn)型,改善了全國空氣質(zhì)量。受2020年人為活動減弱影響,2020年增速大幅下降,到2021年略有上升,但增速幅度較小。

圖3 2014–2021年中國地區(qū)XCO2逐年均值圖Fig.3 Annual average value of XCO2 in China from 2014 to 2021

圖4 2014–2021年中國地區(qū)XCO2年均值變化圖(a)和XCO2年增長率變化圖(b)Fig.4 Annual variation of XCO2 mean value(a)and XCO2 growth rate(b)in China from 2014 to 2021

圖5為2018–2021年我國XCO2均值圖,對2018–2021年的XCO2數(shù)據(jù)分別做均值處理,為了更明顯地展示各年度內(nèi)CO2濃度的空間分布狀況,對不同年份采用了不同的色階。由圖可知,2018年,我國CO2濃度呈現(xiàn)西部低、東部高的趨勢,XCO2高值主要集中在長三角、珠三角、京津冀地區(qū),與2018年相似,我國2019年CO2濃度的高值仍分布在東南沿海一帶,2020年受人為生產(chǎn)活動減弱影響,高值區(qū)有所偏移,2021年分布趨勢與往年相似。

圖5 2018–2021年中國地區(qū)XCO2逐年均值圖Fig.5 Annual average value of XCO2 in China from 2018 to 2021

總的來說,我國CO2高值主要分布在城市和工業(yè)集中的中國東部地區(qū),衛(wèi)星反演的誤差主要源于氣溶膠和地表反射率的影響,西北地區(qū)塔克拉瑪干沙漠沙塵源全年活躍[23],具有高地表反射率和高氣溶膠的特點,該區(qū)的高值與氣溶膠散射影響有關(guān),與前人的研究結(jié)論一致[13]。

3.1.2 中國地區(qū)CO2季節(jié)變化特征

按照北半球的四季變化(12月至次年2月為冬季,3月至5月為春季,6月至8月為夏季,9月至11月為秋季)進行季節(jié)劃分。圖6為2014–2021年中國地區(qū)XCO2逐年季均值圖,選取了2014–2021年的數(shù)據(jù)來研究我國XCO2季均值逐年變化情況。從2014年到2021年,XCO2值逐漸升高,表明近8年來全國CO2濃度呈逐年上升的趨勢。同時,在各個年份,CO2濃度都呈現(xiàn)夏秋低、春冬高的特點。冬季氣溫較低,植物的光合作用減弱,對CO2的吸收量減少,同時人類供暖所需的大量化石燃料燃燒排放CO2,使得冬季CO2濃度開始上升,這在集中供暖的北方地區(qū)表現(xiàn)得尤為明顯;春季氣溫開始回暖,植被光合作用強度開始增加,但此時光合作用的強度比土壤的分解和植物的呼吸作用小,CO2濃度仍繼續(xù)增加。隨著CO2的不斷積累,在春季達到頂峰;夏季氣溫升高,植被進行強烈的光合作用,隨著CO2的逐漸消耗,CO2濃度在夏天達到最低;秋季,植被光合作用微弱,CO2濃度顯著上升?？偟膩碚f,CO2濃度具有季節(jié)變化的規(guī)律性,從冬季到春季逐步升高,并在春季達到峰值,從春季到夏季降低,并在夏季降低至最低值,秋季之后又開始回升,這與楊東旭等人基于GOSAT衛(wèi)星數(shù)據(jù)得到的結(jié)論一致[24]。圖7為我國2014–2021年XCO2多年季均值圖。由圖可知,西北部的季節(jié)變化較小,而東北地區(qū)的季節(jié)變化幅度明顯,西北地區(qū)植被較稀疏,因此CO2的季節(jié)變化并不明顯,而東北地區(qū)植被覆蓋度高,植被在四季中的光合作用強度變化導(dǎo)致該地CO2呈現(xiàn)大幅度的季節(jié)變化。

圖6 2014–2021年中國地區(qū)XCO2逐年季均值圖Fig.6 Quarterly average of XCO2 in China from 2014 to 2021

圖7 中國地區(qū)2014–2021年XCO2多年季均值圖Fig.7 Multi-year quarterly averages of XCO2 in China from 2014 to 2021

3.2 XCH4時空變化特征

3.2.1 中國地區(qū)CH4年際變化特征

圖8為中國地區(qū)2009–2021年XCH4均值逐年變化圖。如圖所示,我國CH4濃度呈現(xiàn)逐年遞增的趨勢,與全球CH4濃度逐年增加的趨勢相符[25]。從全國尺度來看,我國各地的CH4濃度呈現(xiàn)隨緯度遞增而遞減的趨勢,同時從東向西逐漸減少。由于數(shù)據(jù)的覆蓋度較低,此處取多年平均來探究CH4的分布狀況。如圖9 2009–2021年XCH4均值分布圖所示,我國CH4高值分布在天然氣和煤炭開采集中的四川東部、重慶西部、陜西與山西的中部地區(qū)。除此之外,工業(yè)集中的華北地區(qū)也呈現(xiàn)高值。

圖8 中國地區(qū)XCH4均值逐年變化圖Fig.8 Annual change of XCH4 mean value in China

圖9 2009–2021年中國地區(qū)XCH4均值分布圖Fig.9 XCH4 mean value distribution in China from 2009 to 2021

3.2.2 中國地區(qū)CH4季節(jié)變化特征

圖10為2009–2021年中國地區(qū)CH4多年季均值圖,由圖可知,2009–2021年來,我國CH4濃度整體呈現(xiàn)夏秋高、春冬低的特點,同時表現(xiàn)出東高西低的特征,且從東向西逐漸減少。XCH4最大、最小值分別出現(xiàn)在秋季、春季。四川省東部在全年范圍內(nèi)有較小的高值地區(qū),可能源于開采天然氣過程中的CH4逸散。青藏高原在全年范圍內(nèi)呈現(xiàn)低值,且低值范圍較大。

圖10 2009–2021年中國地區(qū)CH4多年季均值圖Fig.10 Multi-year quarterly averages of CH4 in China from 2009 to 2019

4 結(jié)論

驗證了GOSAT、OCO-2衛(wèi)星的大氣CO2和CH4柱濃度遙感產(chǎn)品XCO2、XCH4精度,并分析了我國XCO2和XCH4的時空分布和變化趨勢,主要結(jié)論如下:

1)各算法數(shù)據(jù)與TCCON站點數(shù)據(jù)之間都呈正相關(guān)性,在所用XCO2遙感產(chǎn)品中,OCO-2-ACOS與地面觀測的相關(guān)性最高(達0.93);而XCH4產(chǎn)品中GOSAT-OCPR的相關(guān)性最高(達0.78)。綜合各數(shù)據(jù)相關(guān)性、擬合優(yōu)度以及數(shù)據(jù)有效量占比,選擇OCO-2-ACOS、GOSAT-OCPR產(chǎn)品數(shù)據(jù)分別對CO2、CH4進行分析。

2)XCO2濃度逐年上升,我國OCO-2 XCO2年均濃度由2014年的396.92×10-6增長到2021年的414.72×10-6,CO2濃度高值主要分布在城市和工業(yè)集中的中國東部地區(qū),西北地區(qū)塔克拉瑪干沙漠的高值與氣溶膠散射影響有關(guān);同時,受人為源和自然源的季節(jié)變化影響,XCO2具有冬春高、夏秋低的時間特征。

3)XCH4濃度呈逐年上升趨勢,與XCO2不同,XCH4濃度高值分布在天然氣和煤炭開采集中的四川東部、重慶西部、陜西與山西的中部地區(qū),季濃度夏秋高、春冬低。

4)2020年XCO2高值區(qū)發(fā)生偏移;2021年,CO2增速有所提升,但增幅有所減小。