2013–2018神农架南坡气溶胶光学厚度数据集

2013–2018神农架南坡气溶胶光学厚度数据集
作者：兰天元　徐文婷　申国珍　赵常明　葛结林　熊高明　谢宗强
2020年6月3日

本作品收錄於《中国科学数据》

兰天元, 徐文婷, 申国珍, 等. 2013–2018神农架南坡气溶胶光学厚度数据集[J/OL]. 中国科学数据, 2020, 5(2). (2020-01-09). DOI: 10.11922/csdata.2019.0046.zh.

摘要&关键词

摘要：大气气溶胶是大气的重要组成部分，气溶胶光学厚度是表征大气气溶胶特性的重要参数。2013年3月于湖北神农架森林生态系统国家野外科学观测研究站暨中国科学院神农架生物多样性定位研究站（简称神农架站）布设太阳光度计MICROTOPS II，并于2013年3月至2018年6月晴朗天气逐日定点对该区440–936 nm大气气溶胶进行了连续定位监测。采集原始记录数据后，检查原始数据文件的完整性并筛选剔除异常值，计算月观察数值平均值和Angstrom参数，形成本数据集。本数据集为对大气气溶胶厚度监测数据进行质控及分析处理后形成的数据集，是神农架南坡首个基于地基方法的大气气溶胶厚度的连续定位实测数据集。本数据集对研究神农架南坡气溶胶特征及气候变化具有重要意义，也可为气溶胶光学厚度遥感反演和模型建立提供地面实测数据支持。

关键词：大气气溶胶；气溶胶光学厚度；神农架；定位监测

Abstract & Keywords

Abstract: Atmospheric aerosol is an indispensable component of the atmosphere composition, and the aerosol optical depth is one of most important parameters of atmospheric aerosol. In March 2013, we established a Sun photometer, MICROTOPS II, in the National Field Station for Forest Ecosystem in Shennongjia, Hubei and Shennongjia Biodiversity Location Research Station, Chinese Academy of Sciences (“Shennongjia Station” for short), located on the southern slope of Shennongjia Mountain. We recorded the aerosol optical depth of 440 nm to 936 nm from 2013 to 2018 by the Sun photometer. The qualified dataset for the aerosol optical depth was the first empirical records for the aerosol optical depth in southern slope of Shennongjia Mountain. After collecting the original record data, we checked the integrity of the original data file, filtered out the outliers and calculate the average value of monthly observation values and angstrom parameters to create this dataset. The dataset could be used as a reference for the exploration of the aerosol variation and climate change; it could also provide empirical data for the remote sensing inversion and model establishment for the aerosol optical depth.

Keywords: atmospheric aerosol; aerosol optical depth; Shennongjia; location monitoring

数据库（集）基本信息简介

数据库（集）名称	2013–2018神农架南坡气溶胶光学厚度数据集
数据作者	兰天元，徐文婷，申国珍，赵常明，葛结林，熊高明，谢宗强
数据通信作者	谢宗强（xie@ibcas.ac.cn）
数据时间范围	2013–2018年
地理区域	湖北神农架森林生态系统国家野外科学观测研究站暨中国科学院神农架生物多样性定位研究站，站区位于鄂西神农架地区（109°29′34.8″–111°56′24″E、30°57′28.8″–32°14′6″N）。
数据量	41 KB
数据格式	*.xlsx
数据服务系统网址	http://www.sciencedb.cn/dataSet/handle/863
基金项目	中国生态系统研究网络（CERN）监测网络，国家生态系统观测研究共享服务平台项目（2005DKA10300）。
数据库（集）组成	本数据集包括说明文档和气溶胶光学厚度数据。气溶胶光学厚度数据有14个字段，分别为年、月、440 nm气溶胶光学厚度月平均值、440 nm气溶胶光学厚度月标准差、500 nm气溶胶光学厚度月平均值、500 nm气溶胶光学厚度月标准差、675 nm气溶胶光学厚度月平均值、675 nm气溶胶光学厚度月标准差、870 nm气溶胶光学厚度月平均值、870 nm气溶胶光学厚度月标准差、936 nm气溶胶光学厚度月平均值、936 nm气溶胶光学厚度月标准差、Angstrom参数月平均值、Angstrom参数月标准差。

Dataset Profile

Title	A dataset of aerosol optical depth in southern slope of Shennongjia mountain, 2013–2018
Data corresponding author	Xie Zongqiang (xie@ibcas.ac.cn)
Data authors	Lan Tianyuan, Xu Wenting, Shen Guozhen, Zhao Changming, Ge Jielin, Xiong Gaoming, Xie Zongqiang
Time range	2013 – 2018
Geographical scope	Shennongjia forestry mountain, west of Hubei Province (109°29′34.8″–111°56′24″E, 30°57′28.8″–32°14′6″N).
Data volume	41 KB
Data format	*.xlsx
Data service system	<http://www.sciencedb.cn/dataSet/handle/863>
Source of funding	CERN Monitoring Network, National Ecosystem Observation and Research Sharing Service Platform Project (2005DKA10300).
Dataset composition	This dataset includes description documents and aerosol optical depth data. The aerosol optical depth data were composed of 14 fields, including year, month, monthly mean of aerosol optical depth in 440 nm, monthly standard deviation of aerosol optical depth in 440 nm, monthly mean of aerosol optical depth in 500 nm, monthly standard deviation of aerosol optical depth in 500 nm, monthly mean of aerosol optical depth in 675 nm, monthly standard deviation of aerosol optical depth in 675 nm, monthly mean of aerosol optical depth in 870 nm, monthly standard deviation of aerosol optical depth in 870 nm, monthly mean of aerosol optical depth in 936 nm, monthly standard deviation of aerosol optical depth in 936 nm, monthly mean of Angstrom parameter, and monthly standard deviation of Angstrom parameter.

引 言

大气气溶胶是悬浮于大气中，直径为10-3–10 μm的固体或液体细微颗粒，是大气重要组成部分之一^[1]。大气气溶胶通过反射太阳入射光冷却气候系统，同时吸收太阳入射辐射使大气升温并导致地表温度降低，影响地球辐射平衡和全球气候变化^[2]。气溶胶粒子通过云凝结核或冰核影响降水等气候要素^[3]，或者通过气溶胶辐射效应，扰动地球辐射收支和水循环过程^[4]。大气气溶胶也是大气主要污染物，在生物有机体、病原体等的传播中发挥着重要作用。大气气溶胶可引起或增强呼吸道、心血管、传染性和变异性疾病，对人体健康产生危害^[5]。气溶胶光学厚度（Aerosol Optical Depth，AOD）是地面到大气顶层气溶胶消光系数的垂直积分^[6]，是表征大气气溶胶特性的重要参数之一，也是目前可以方便获取的气溶胶数据中覆盖范围广、较为准确的数据^[7]。长期连续监测一个地区气溶胶光学厚度，对研究区域气候特征和变化、估量大气污染程度有着重要意义。

神农架为世界自然遗产地，也是我国首批国家公园体制试点，拥有丰富的生物多样性和独特的北亚热带常绿落叶阔叶混交林生态系统和完整的植被垂直带谱，是我国重要的水源涵养区，也是实施长江经济带“大保护”战略和国家“南水北调”工程的关键生态安全屏障区。目前，关于神农架地区气溶胶的研究较少，且缺乏地面实测数据支持。本数据集源自湖北神农架森林生态系统国家野外科学观测研究站暨中国科学院神农架生物多样性定位研究站（简称神农架站）大气环境监测数据，包括不同波段气溶胶光学厚度。本数据集为神农架南坡首个气溶胶光学厚度长期地面监测数据集。

1 数据采集和处理方法

1.1 数据采集

数据源自神农架站。神农架站位于神农架地区（109°29′34.8″–111°56′24″E、30°57′28.8″–32°14′6″N）南坡，地处湖北、重庆、陕西三省交界，为大巴山脉东段中山地貌^[8]。神农架地区属于中国东部平原丘陵向西部高原山地过渡带，也是亚热带气候向暖温带气候过渡带，具有北亚热带季风气候特点^[9]。森林类型以北亚热带常绿落叶阔叶混交林为主，代表了秦巴山地地带性森林生态系统类型。

大气气溶胶光学厚度数据采集时间为2013年3月至2018年6月，使用太阳光度计MICROTOPS II于固定采样点（110°13′1.2″E、31°22′58.8″N）连续采集。太阳光度计MICROTOPS II有5个光谱通道，测量时将光谱通道对准太阳直射光，光电二极管激发产生与光强度成正比的光电流，经转换形成数字信号，然后通过内置算法直接得到每个通道波段的AOD^[10]。选择晴朗天气，在卫星过境时间内于上午10:00、下午1:00、下午2:00、下午2:30，分4次采集数据。

1.2 数据处理

数据处理包括原始数据预处理、筛选剔除异常值和形成数据集。

原始数据预处理。采集原始记录数据后，从太阳光度计MICROTOPS II将原始数据文件导入计算机。然后检查原始数据文件的完整性，如有缺失，与采集人员核对并根据情况进行补充和说明。然后将原始数据文件转化为Excel表格，准备进一步处理。

筛选剔除异常值。对Excel表格数据进行阈值和标准差校验，筛选出可疑数据，然后根据当天天气记录，分析可能原因，决定是否剔除该异常数据。

形成数据集。计算每月AOD数值平均值、标准差，进行可视化处理，方便清晰查看数据分布（图1）。对波长λ的对数值（lnλ）和AOD的对数值（lnτλ）进行线性回归可得到Angstrom参数，每月平均Angstrom参数见图2。误差条表示标准差。

图片

图1 2013年3月至2018年6月每月平均气溶胶光学厚度（500 nm）

图片

图2 2013年3月至2018年6月每月平均Angstrom参数

2 数据样本描述

本数据集包括说明文档和气溶胶光学厚度数据。说明文档包括气溶胶光学厚度数据的字段、数据类型和数据示例，还包括仪器型号、观测方法、观测人员、时间范围等信息。气溶胶光学厚度数据为2013–2018年期间记录的全部气溶胶光学厚度数据。共计14个字段。具体的字段名称、类型及示例见表1。

表1 神农架气溶胶光学厚度数据字段说明

字段	数据类型	数据示例
年	数值型	2013
月	数值型	3
440 nm气溶胶光学厚度月平均值	数值型	0.558
440 nm气溶胶光学厚度月标准差	数值型	0.307
500 nm气溶胶光学厚度月平均值	数值型	0.467
500 nm气溶胶光学厚度月标准差	数值型	0.296
675 nm气溶胶光学厚度月平均值	数值型	0.403
675 nm气溶胶光学厚度月标准差	数值型	0.298
870 nm气溶胶光学厚度月平均值	数值型	0.370
870 nm气溶胶光学厚度月标准差	数值型	0.304
936 nm气溶胶光学厚度月平均值	数值型	0.337
936 nm气溶胶光学厚度月标准差	数值型	0.277
Angstrom参数月平均值	数值型	0.656
Angstrom参数月标准差	数值型	0.276

3 数据质量控制和评估

本数据集的质量控制分为数据采集前和采集后两级质量控制。

3.1 数据采集前质量控制

神农架站设有经过培训的专人负责采集气溶胶光学厚度数据，采集人员严格按照实验操作规范采集数据。

3.2 数据采集后质量控制

为保证数据质量，将本数据集与Wang（2019）^[11]和王晓玲（2018）^[12]遥感反演数据进行对比。两者通过MODIS遥感数据反演神农架南坡多年平均AOD（550 nm）范围为0.3–0.45，而本数据集神农架南坡多年平均AOD（500 nm）为0.416，因此本数据集与遥感反演数据相符。

4 数据价值

本数据集为首次基于地基方法连续记录的神农架南坡气溶胶光学厚度数据集，其对研究神农架地区气溶胶特征和变化规律以及气候特征和变化有着重要的意义。利用本数据集不同波段气溶胶光学厚度数据，可以计算Angstrom参数和Angstrom浑浊系数，用于反映气溶胶颗粒大小和天气的浑浊程度^[1]。气溶胶光学厚度是从地面仪器中远程评估大气气溶胶的最全面的变量。因此，本数据集可用于卫星遥感数据大气校正，为气溶胶光学厚度遥感反演和模型建立提供地面实测数据支持。

参考文献

1. ^ ^{1.0 1.1} 王跃思, 辛金元, 李占清, 等. 中国地区大气气溶胶光学厚度与Angstrom参数联网观测(2004-08~2004-12)[J]. 环境科学, 2006, 27(9): 1703-1711.
2. 张小曳. 中国大气气溶胶及其气候效应的研究[J]. 地球科学进展, 2007, 22(1): 12-16.
3. GUO J, DENG M, LEE S S, et al. Delaying precipitation and lightning by air pollution over the Pearl River Delta. Part I: observational analyses[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(11): 6472-6488.
4. LI Z, GUO J, DING A, et al. Aerosol and boundary-layer interactions and impact on air quality[J]. National Science Review, 2017(4): 810-833.
5. CARMICHAEL G R , ADHIKARY B , KULKARNI S , et al. Asian aerosols: current and year 2030 distributions and implications to human health and regional climate change[J]. Environmental Science & Technology, 2009, 43(15): 5811-5817.
6. 林海峰, 辛金元, 张文煜, 等. 北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究[J]. 环境科学, 2013 (03): 12-20.
7. 郑小波, 罗宇翔, 赵天良, 等. 中国气溶胶分布的地理学和气候学特征[J]. 地理科学, 2012 (3): 265-272.
8. 谢宗强, 申国珍. 神农架自然遗产的价值及其保护管理[M]. 北京: 科学出版社, 2018.
9. 谢宗强, 申国珍, 周友兵, 等. 神农架世界自然遗产地的全球突出普遍价值及其保护[J].生物多样性, 2017, 25(5): 490-497.
10. 张龙, 李保生, 李凯涛, 等. MICROTOPS Ⅱ型太阳光度计对比定标分析[J]. 遥感信息, 2013, 28(5): 32-36
11. WANG Y, YUAN Q, LI T, et al. Evaluation and comparison of MODIS Collection 6.1 aerosol optical depth against AERONET over regions in China with multifarious underlying surfaces[J]. Atmospheric Environment, 2019, 200: 280-301.
12. 王晓玲, 吕睿, 王艳杰, 等. 基于MODIS C6产品研究湖北省气溶胶光学特性的时空分布[J]. 生态环境学报, 2018, 27(6): 1099-1106.

数据引用格式

兰天元, 徐文婷, 申国珍, 等. 2013–2018神农架南坡气溶胶光学厚度数据集[DB/OL]. Science Data Bank, 2019. (2019-08-29). DOI: 10.11922/sciencedb.863.