肖鐘湧， 陳穎鋒， 林曉鳳， 劉珊紅， 謝靜晗， 謝先全

1. 集美大學(xué) 港口與海岸工程學(xué)院, 廈門 361021;

2. 集美大學(xué) 地理國(guó)情監(jiān)測(cè)研究中心, 廈門 361021

1 引 言

大氣中CO2是一種重要的溫室氣體（Guerlet等，2013），占大氣總量不足0.05%。全球大氣中CO2濃度已從工業(yè)革命前約280 ppm 增加到2020 年的415 ppm，增長(zhǎng)了48.21%，主要原因是煤、石油、天然氣等化石燃料的燃燒而造成的，其次因?yàn)樯值倪^(guò)度采伐，導(dǎo)致植被毀壞，森林通過(guò)光合作用吸收CO2能力也大大減弱（樸世龍 等，2019）。全球碳循環(huán)的各個(gè)碳源匯之間的交換影響大氣中CO2的含量（Le Quéré等，2009）。

人類活動(dòng)排放了大量的CO2，大氣中CO2濃度不斷增加，導(dǎo)致全球氣候變暖，進(jìn)而影響全球氣候環(huán)境（IPCC，2013；Reichstein 等，2013；Patra等，2017）。IPCC 第五次報(bào)告認(rèn)為主要是工業(yè)革命后化石燃料燃燒產(chǎn)生出大量的溫室氣體，使得過(guò)去100 年（1906 年—2005 年）全球平均氣溫上升了0.74 ℃（IPCC，2013），IPCC第六次特別報(bào)告指出，全球升溫可達(dá)1.5 ℃。CO2引起的一系列問(wèn)題嚴(yán)重威脅人類的生存和發(fā)展，CO2含量的持續(xù)增加，對(duì)全球的生態(tài)、經(jīng)濟(jì)、環(huán)境、政治等各個(gè)方面都有著重大影響（Houghton，2002；白文廣 等，2010；鄧安健 等，2020）。中國(guó)經(jīng)濟(jì)的高速發(fā)展，使用化石燃料增加，排放的CO2隨之增加（Gregg等，2008；戴麗君和崔偉宏，2012；Wang 等，2011）。因此，需要對(duì)CO2時(shí)空動(dòng)態(tài)進(jìn)行深入的研究。衛(wèi)星遙感具有覆蓋范圍廣、周期短、長(zhǎng)時(shí)間連續(xù)觀測(cè)的優(yōu)勢(shì)，已經(jīng)成為了大氣CO2柱濃度監(jiān)測(cè)主要的手段（張興贏 等，2007；白文廣 等，2010；Buchwitz 等，2013；布然 等，2015；Yang等，2015；Mousavi 等，2017）。目前，可以進(jìn)行CO2柱濃度觀測(cè)的衛(wèi)星傳感器主要有SCIAMACHY（Scanning Imaging Absorption Spectrometer for Atmospheric Chartography）和GOSAT FTS （Greenhouse Gases Observing Satellite Fourier Transformation Spectrometer）等，其中GOSAT 是世界上第一顆以溫室氣體為觀測(cè)目標(biāo)的遙感衛(wèi)星（Yoshida 等，2013），利用衛(wèi)星遙感反演的大氣CO2柱濃度的精度可以達(dá)到1 ppm 左右（Cogan 等，2012；Reuter等，2011）。

本文利用2003 年—2018 年衛(wèi)星遙感（SCIAMACHY/ENVISAT-1 和FTS/GOSAT）反演的CO2柱濃度產(chǎn)品，結(jié)合從世界氣象組織全球大氣觀測(cè)網(wǎng)上獲取的瓦里關(guān)地面觀測(cè)站點(diǎn)的CO2濃度數(shù)據(jù)，對(duì)遙感數(shù)據(jù)進(jìn)行驗(yàn)證并校正，構(gòu)建一個(gè)從2003 年—2019 年17 年時(shí)序的CO2數(shù)據(jù)集。在這個(gè)基礎(chǔ)上進(jìn)行CO2柱濃度的空間分布和時(shí)間變化特征分析，分別利用時(shí)間變異系數(shù)和空間變異系數(shù)來(lái)表征時(shí)間上的波動(dòng)情況和空間的異質(zhì)性，探索中國(guó)區(qū)域大氣CO2變化規(guī)律以及其影響因素，為國(guó)家制定節(jié)能減排和大氣環(huán)境治理政策提供重要的科學(xué)依據(jù)。

2 數(shù)據(jù)與方法

2.1 CO2數(shù)據(jù)

本研究利用的兩個(gè)衛(wèi)星遙感數(shù)據(jù)分別來(lái)自SCIAMACHY 和 GOSAT FTS 觀 測(cè) 傳 感 器。SCIAMACHY 是搭載在歐洲空間局（ESA）2002 年3 月1 日發(fā)射的地觀測(cè)衛(wèi)星（ENVISAT-1）上的傳感器，SCIAMACHY 的寬波段和較高光譜分辨率使得可以反演出對(duì)流層、平流層以及中間層的痕量氣體含量（張興贏 等，2007）。SCIAMACHY 工作波段范圍為240—2380 nm，光譜分辨率為0.2—1.6 nm，有8 個(gè)光譜通道，主要利用近紅外波段實(shí)現(xiàn)對(duì)CO2柱濃度的估算（Buchwitz 等，2005）；空間分辨率為30 km×60 km，時(shí)間范圍為2003 年1 月至2012 年4 月，時(shí)間分辨度為天，即為日產(chǎn)品數(shù)據(jù)。FTS傳感器是搭載在日本宇宙航空開(kāi)發(fā)研究機(jī)構(gòu)于2009 年1 月發(fā)射的GOSAT 衛(wèi)星上，而GOSAT 是全球第一個(gè)致力于提供溫室氣體CO2及CH4精確資料的衛(wèi)星。GOSAT 衛(wèi)星的軌道為太陽(yáng)同步，高度為666 km，過(guò)境時(shí)間為下午13：00 時(shí)，GOSAT 重訪周期為3 d。GOSAT 衛(wèi)星對(duì)全球大氣CO2濃度進(jìn)行高光譜遙感探測(cè)（Kuze 等，2009），本文使用的GOSAT CO2數(shù)據(jù)為三級(jí)短波紅外（SWIR）反演的總柱濃度產(chǎn)品，是利用WFM-DOAS （Weighting Function Modified Differential Optical Absorption Spectroscopy）方法反演的全球CO2柱濃度數(shù)據(jù)，空間分辨率為2.5°×2.5°，時(shí)間范圍為2009 年4 月至2018 年12 月，時(shí)間分辨度為月，即為月產(chǎn)品數(shù)據(jù)。

本文運(yùn)用到的地面觀測(cè)CO2濃度數(shù)據(jù)來(lái)自世界溫室氣體數(shù)據(jù)中心WDCGG（World Data Centre Greenhouse Gases）的瓦里關(guān)（WALIGUAN）站點(diǎn)，站點(diǎn)的坐標(biāo)為36.28°N、100.9°E；該數(shù)據(jù)用于驗(yàn)證和系統(tǒng)校正衛(wèi)星觀測(cè)反演的結(jié)果，時(shí)間跨度為1994年11月至2014年12月。

2.2 方法

衛(wèi)星遙感數(shù)據(jù)來(lái)源于2個(gè)傳感器，數(shù)據(jù)資料的時(shí)間跨度是2003 年1 月—2018 年12 月，空間分辨率不一致。由于衛(wèi)星反演的參數(shù)、觀測(cè)時(shí)的云覆蓋和各種氣象條件的影響，導(dǎo)致衛(wèi)星遙感數(shù)據(jù)反演的CO2在季節(jié)上和空間上分布不均。首先對(duì)數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，轉(zhuǎn)為矢量文件，并利用最近鄰法對(duì)遙感數(shù)據(jù)進(jìn)行插值，生成空間分辨率為1.5°×1.5°的柵格數(shù)據(jù)，最后進(jìn)行空間統(tǒng)計(jì)分析處理。

利用瓦里關(guān)大氣本底CO2濃度數(shù)據(jù)與衛(wèi)星遙感數(shù)據(jù)進(jìn)行回歸分析，驗(yàn)證和校正衛(wèi)星遙感數(shù)據(jù)（夏玲君 等，2018）。在時(shí)間上，選取同一天的數(shù)值；在空間上，提取與地面觀測(cè)站點(diǎn)經(jīng)緯度坐標(biāo)相對(duì)應(yīng)的一個(gè)像元值；另外，為了方便數(shù)據(jù)處理和分析，在時(shí)間變化上，通過(guò)計(jì)算區(qū)域平均值來(lái)分析CO2柱濃度的變化特征，計(jì)算的數(shù)據(jù)包括空間上所在的459 像元?？臻g上，計(jì)算不同時(shí)間尺度（多年平均值和多年月平均）的平均值，分析該地區(qū)的空間分布特征，并利用變異系數(shù)研究時(shí)間上的波動(dòng)和空間上的異質(zhì)性。計(jì)算多年平均值的像元數(shù)為204 個(gè)，多年月平均的像元數(shù)為17 個(gè)。時(shí)間上的波動(dòng)情況和空間的異質(zhì)性分別用時(shí)間變異系數(shù)和空間變異系數(shù)來(lái)表征。變異系數(shù)（CV）為標(biāo)準(zhǔn)差（σ）與平均數(shù)（μ）的比值，計(jì)算公式：

式中，CV 為時(shí)間變異系數(shù)時(shí)，σ和μ分別根據(jù)時(shí)序變化的數(shù)據(jù)來(lái)計(jì)算；而CV 為空間變異系數(shù)時(shí)，σ和μ分別根據(jù)區(qū)域空間分布的數(shù)據(jù)來(lái)計(jì)算。

為了說(shuō)明這種周期變化和變化趨勢(shì)，引入線性和正弦函數(shù)疊加模型進(jìn)行定量討論（Weatherhead等，1998；張彥軍 等，2008）。模型如下：

式中，y表示擬合模型計(jì)算的CO2柱濃度的月均值，單位ppm，xt表示不同月份，A、B、C、D、E表示模型參數(shù)，A為CO2柱濃度總體水平，B為CO2柱濃度每月變化量，C為變化振幅，D為變化周期，E為峰值或谷值；A+B×xt用來(lái)描述CO2柱濃度時(shí)間序列數(shù)據(jù)的線性變化趨勢(shì)；C×sin（D×xt+E）描述CO2柱濃度月均值周期變化。

3 結(jié)果與分析

3.1 CO2柱濃度數(shù)據(jù)的比較驗(yàn)證

圖1 為地面觀測(cè)的瓦里關(guān)WDCGG（World Data Centre Greenhouse Gases）CO2和 衛(wèi) 星 遙 感SCIAMACHY CO2、GOSAT CO2數(shù)據(jù)的回歸分析?；貧w方程分別為SCIAMACHY = 0.88 × WDCGG +45.42，其中R2為0.83，RMSE為2.69 ppm；GOSAT=0.78×WDCGG+81.66，R2為0.83，RMSE為1.79 ppm，在0.05 顯著性水平上通過(guò)顯著性檢測(cè)。分析結(jié)果表明，衛(wèi)星遙感反演和瓦里關(guān)地面觀測(cè)數(shù)據(jù)相關(guān)性較強(qiáng)，但是衛(wèi)星數(shù)據(jù)存在一定的系統(tǒng)誤差；GOSAT反演的數(shù)據(jù)不確定性較大，CO2估算的結(jié)果與地表觀測(cè)相比偏差較大，平均偏差為-3.89 ppm，衛(wèi)星估算的結(jié)果整體上低于地面觀測(cè)的結(jié)果；SCIAMACHY 反演的結(jié)果較好，偏差較小，平均偏差為1.00 ppm，數(shù)值較小時(shí)高估，而數(shù)值較大時(shí)低估。研究表明SCIAMACHY 和GOSAT FTS 產(chǎn)品的整體精度較高，另外，先前研究也得到類似結(jié)論（王舒鵬 等，2015，Barkley 等，2007），因此，該數(shù)據(jù)可以用于分析中國(guó)大氣CO2的動(dòng)態(tài)變化特征。鑒于此，利用回歸分析得出的方程作為SCIAMACHY 和GOSAT 衛(wèi)星遙感反演的結(jié)果校正，利用校正后的數(shù)據(jù)進(jìn)行時(shí)空分析。

圖1 WDCGG CO2與SCIAMACHY、GOSAT FTS衛(wèi)星遙感數(shù)據(jù)的線性回歸分析Fig. 1 Linear regression analysis of WDCGG CO2 and SCIAMACHY CO2， GOSAT FTS CO2

3.2 CO2柱濃度的時(shí)序變化

首先，利用回歸分析得出的方程對(duì)SCIAMACHY CO2和GOSAT CO2柱濃度數(shù)據(jù)進(jìn)行校正，把這兩個(gè)數(shù)據(jù)作為連續(xù)的時(shí)間序列數(shù)據(jù)進(jìn)行分析。2003 年1 月到2009 年3 月的數(shù)據(jù)來(lái)源于SCIAMACHY 傳感器，2009 年4 月到2018 年12 月的數(shù)據(jù)來(lái)源于GOSAT FTS 傳感器。圖2 為2003 年—2018 年中國(guó)月和年平均CO2柱濃度的變化。圖2 顯示了中國(guó)CO2柱濃度月均值隨月份呈周期性變化，出現(xiàn)明顯波動(dòng)并且呈現(xiàn)上升趨勢(shì)，CO2柱濃度峰值區(qū)發(fā)生在每年的春季，谷值區(qū)在每年夏末秋初。各年CO2柱濃度月均值最大月和最小月之間的差值約為23.5 ppm；在不同年份的同個(gè)月當(dāng)中，相鄰兩個(gè)月CO2柱濃度增加值變化最大的是2003 年和2004 年的2月，差值為6.4 ppm。

圖 2 中國(guó)區(qū)域月和年均值CO2柱濃度的變化Fig. 2 Variation of regional monthly and yearly mean values of CO2 column concentration over China

利用正弦函數(shù)模型對(duì)月平均CO2柱濃度時(shí)序數(shù)據(jù)進(jìn)行擬合，得到擬合方程式為y=370.90+0.22×xt+4.34×sin（0.53×xt-2.04），R2為0.98，RMSE 為1.79 ppm，擬合效果良好。從上式可以看出，方程參數(shù)D=0.53 近似理想值D=2π/12，表明該函數(shù)波動(dòng)周期為12個(gè)月，季節(jié)性循環(huán)特征明顯。CO2柱濃度的周期特征主要受陸地生態(tài)系統(tǒng)植被生長(zhǎng)周期、大氣化學(xué)過(guò)程、土壤發(fā)生各種化學(xué)作用過(guò)程和人為排放季節(jié)差異的影響（樸世龍 等，2019；鄧安健 等，2020）。

圖2 也顯示了CO2柱濃度呈現(xiàn)逐年遞增的變化趨勢(shì)，在去除周期性變化的影響后，通過(guò)顯著性檢測(cè)（顯著性水平0.05）。2003年CO2柱濃度年均值為374.4 ppm，2018年CO2柱濃度年均值為413.7 ppm，2003 至2018 年16 年間增長(zhǎng)了39.3 ppm，約為10.51%，年均增長(zhǎng)率為0.59%；2009 到2010 年增長(zhǎng)最多，約為3.6 ppm，為0.94%，2006年到2007年增長(zhǎng)的CO2濃度最少，約為1.9 ppm，為0.51%。另一方面，隨著時(shí)間的推進(jìn)，CO2柱濃度值的逐漸增大，從時(shí)間變異系數(shù)可以得出CO2季節(jié)波動(dòng)呈現(xiàn)變小的趨勢(shì)；從空間變異系數(shù)可以得出CO2空間差異也呈現(xiàn)變小的趨勢(shì)。

3.3 CO2柱濃度的月變化特征

圖3 顯示了中國(guó)大氣CO2柱濃度的月變化特征，柱狀圖是指相同月份的平均值。誤差棒為標(biāo)準(zhǔn)差，點(diǎn)線圖為變異系數(shù)，時(shí)間變異系數(shù)是利用2003 年—2018 年不同年相同月份數(shù)據(jù)進(jìn)行計(jì)算的結(jié)果，可以用來(lái)反映時(shí)間上的波動(dòng)；空間變異系數(shù)是利用2003 年—2018 年多年月平均的空間分布數(shù)據(jù)進(jìn)行計(jì)算的結(jié)果，可以反映空間分異特征。圖4 和圖5 分別為中國(guó)多年月、季節(jié)平均CO2柱濃度的空間分布特征。

圖3 多年區(qū)域月均值CO2柱濃度的變化特征Fig. 3 Variation of regional multi-year monthly mean values of CO2 column concentration

圖4 多年月平均CO2柱濃度的空間分布特征 （審圖號(hào)：GS（2021）1638號(hào)）Fig. 4 Spatial distribution of multi-year monthly mean values of CO2 column concentration

圖5 多年季節(jié)平均CO2柱濃度的空間分布特征，春季（MAM）、夏季（JJA）、秋季（SON）、冬季（DJF） （審圖號(hào)：GS（2021）1638號(hào)）Fig. 5 Spatial distribution of multi-year seasonal mean values of CO2 column concentration， spring （MAM）， summer （JJA），Autumn （SON）， winter （DJF）

由于受陸地生態(tài)系統(tǒng)的生長(zhǎng)周期、大氣化學(xué)過(guò)程和人為排放的季節(jié)性變化等因素的影響（樸世龍 等，2019；鄧安健 等，2020），導(dǎo)致了中國(guó)區(qū)域大氣CO2柱濃度月變化在時(shí)間上和空間上存在明顯的差異，月變化呈現(xiàn)弦曲線變化，最小值和最大值分別出現(xiàn)在8月和4月，2003年—2018年多年 平 均 值 分 別 為397.8±12.4 和387.8±12.0 ppm。2018 年8 和4 月平均分別為407.7 和416.3 ppm。一年中波動(dòng)最大出現(xiàn)在冬季的1 月，變異系數(shù)為0.037；在濃度最小的8 月，CO2相同月份波動(dòng)較小，變異系數(shù)約為0.031。

春季3 月、4 月、5 月，CO2柱濃度高值區(qū)主要集中于中國(guó)中部和東部地區(qū)，而中國(guó)西部地區(qū)的CO2柱濃度值都相對(duì)較低。主要原因是春季土壤和植物呼吸作用強(qiáng)烈，產(chǎn)生CO2，而植物的光合作用相對(duì)較弱，大氣中的CO2消耗較弱，使春季的CO2柱濃度值較高（Dettinger和Ghil，1998）；5—8月，全國(guó)整個(gè)區(qū)域CO2柱濃度都出現(xiàn)下降，其中，從6月到7月下降幅度最大，區(qū)域多年月平均值下降約為4.8 ppm。主要原因是光照、氣溫、降水等因素有利于植被生長(zhǎng)，陸地生態(tài)系統(tǒng)植物生長(zhǎng)旺盛，植物光合作用消耗大量CO2，雖然此時(shí)土壤呼吸也是一年中最強(qiáng)的時(shí)候，但植物光合作用CO2吸收量遠(yuǎn)遠(yuǎn)大于土壤呼吸的釋放量，所以自5月份植物生長(zhǎng)季開(kāi)始，大氣中的CO2濃度開(kāi)始下降。隨著植物蒸騰作用越來(lái)越強(qiáng)，進(jìn)入夏季，降水、溫度和陽(yáng)光充足，植物生長(zhǎng)旺盛，植物的光合作用達(dá)到最強(qiáng)，植物干物質(zhì)積累最快，從大氣中吸收大量的CO2（鄧安健 等，2020），從而導(dǎo)致夏季的CO2下降，因此，到8 月降至全年最低，特別是7 和8 月的東北地區(qū)，森林覆蓋度大，植被生長(zhǎng)旺盛，光合作用強(qiáng)，消耗掉大氣中大量的CO2（夏玲君 等，2018），而且工業(yè)排放較小，這些因素的綜合作用，使得CO2柱濃度水平出現(xiàn)最低值，尤其在7 月空間異質(zhì)性最明顯，空間變異系數(shù)為0.0074，在中國(guó)的西部、東南沿海的高值區(qū)和東北的低值區(qū)，最大值和最小值分別為394.5 ppm和382.4 ppm。

進(jìn)入秋季以后，植物CO2吸收作用開(kāi)始減弱，而同時(shí)土壤呼吸作用緩慢增強(qiáng)，導(dǎo)致CO2的釋放量開(kāi)始大于CO2的吸收量，因此，此時(shí)大氣中的CO2濃度開(kāi)始上升；9 月后，整個(gè)區(qū)域的CO2柱濃度逐漸上升，但是不同區(qū)域變化存在明顯的差異，空間變化最小出現(xiàn)在9 月，空間變異系數(shù)為0.0031，從圖4中可以看出，整個(gè)區(qū)域都保持在較為相近的濃度水平，最大值和最小值分別為394.2 ppm 和384.6 ppm。人類活動(dòng)對(duì)大氣的影響強(qiáng)弱的差異以及自然環(huán)境狀況差異等因素，使得CO2柱濃度的分布呈現(xiàn)明顯的時(shí)空差異，且高值分布地區(qū)相對(duì)較集中和穩(wěn)定。

冬季，當(dāng)植物停止生長(zhǎng)并逐漸枯萎的時(shí)候，光合作用幾乎消失。而且冬季氣溫較低不利于植物落葉分解，土壤微生物活動(dòng)也受到抑制；3 月后期氣溫開(kāi)始上升，土壤微生物活動(dòng)加強(qiáng)使得CO2從生物質(zhì)中被分解釋放出來(lái)，同時(shí)還釋放了土壤中的CO2。另外，受人為活動(dòng)，如化石燃燒、交通尾氣和秸稈燃燒等的影響（劉立新 等，2009），而且在大氣中滯留的時(shí)間與溫度有顯著的負(fù)相關(guān)關(guān)系，使得大氣中的CO2濃度仍保持上升趨勢(shì)。因此，冬季CO2柱濃度保持在較高的水平，而且空間差異更加明顯，如2 月，2003 年—2018 年CO2柱濃度的394.1±13.7 ppm，2018年2月為414.3 ppm；次年春季，由于植物和土壤的呼吸作用增強(qiáng)，而植物的光合作用相對(duì)較弱，CO2濃度上升趨勢(shì)保持到4 月份（白文廣 等，2010；Liu 等，2015），特別是在中國(guó)中部和華北地區(qū)，由于集中供暖消耗大量的煤炭、石油等化石能源，并且供暖設(shè)備多為燒煤小鍋爐為主，大數(shù)量的煤炭燃燒使得大量CO2排放到大氣中（鄧安健 等，2020），持續(xù)出現(xiàn)高值區(qū)。2月，2003年—2018年多年月平均可達(dá)400.8 ppm，2018 年2 月，月平均最高可達(dá)426.9 ppm；12 月，在四川盆地出現(xiàn)高值中心，2003 年—2018 年多年月平均可達(dá)398.8 ppm，2018年12月，月平均最高可達(dá)425.5 ppm。該地也是人為活動(dòng)比較強(qiáng)烈的地區(qū)，此外，獨(dú)特的地形和天氣特征也是影響高值的重要原因。盆地地形和濕熱天氣特征，使得CO2柱濃度不易擴(kuò)散，形成濃度高的區(qū)域。華北地區(qū)的高濃度主要受人為排放影響，冬季大面積和長(zhǎng)時(shí)間燃燒煤用于供暖，CO2排放量大，而且滯留時(shí)間長(zhǎng)；此時(shí)植被大部分落葉，光合作用減弱，不利于植被對(duì)大氣中CO2的吸收，致使CO2柱濃度高。

3.4 CO2柱濃度的空間特征

圖6 為中國(guó)CO2柱濃度空間分布特征。從圖6可以看出，多年平均CO2柱濃度空間分布特征顯著，總體呈現(xiàn)出東高西低的特征。2003年—2018年多年平均CO2柱濃度值在388—398 ppm 之間變化，標(biāo)準(zhǔn)差在10—15 ppm 之間變化。高值區(qū)主要分布在東部的亞熱帶和溫帶地區(qū)，多年平均最大CO2柱濃度約為395.5 ppm，2018 年年平均最大CO2柱濃度可達(dá)417.9 ppm；次高值區(qū)新疆西部，2003 年—2018年多年平均CO2柱濃度約為394.5 ppm；2018年年平均最大CO2柱濃度約為417.6 ppm。具體而言，高值區(qū)主要分布在中國(guó)華北環(huán)渤海灣、華東及華南等地區(qū)，同時(shí)向西延伸至部分華中地區(qū)；最低值區(qū)域是在內(nèi)蒙古北部，2003 年—2018 年多年平均CO2柱濃度約為390.1 ppm，2018 年平均CO2柱濃度約為409.5 ppm。CO2柱濃度較低的主要原因是草地、森林覆蓋度高，CO2的消耗大，而且人為CO2排放量少。

圖6 中國(guó)CO2柱濃度空間分布特征（審圖號(hào)：GS（2021）1638號(hào)）Fig. 6 Spatial distribution characteristics of CO2 column concentration

從省級(jí)行政區(qū)尺度來(lái)看，2003 年—2018 年多年平均CO2柱濃度均值最高的5 個(gè)省分別是山西省、上海市、浙江省、江蘇省和湖北，分別為395.4 ppm、395.3 ppm、395.2 ppm、395.1 ppm 和394.5 ppm；柱濃度均值最低的5 個(gè)省分別是黑龍江、內(nèi)蒙古、青海、吉林和西藏，分別為391.4 ppm、391.5 ppm、391.7 ppm、391.8 ppm 和392.0 ppm。2018 年平均CO2柱濃度均值最高的5 個(gè)省分別浙江、江蘇、重慶、陜西和江西，分別為417.8 ppm、416.8 ppm、416.7 ppm、416.4 ppm 和416.3 ppm；柱濃度均值最低的5 個(gè)省分別青海、內(nèi)蒙古、西藏、甘肅和黑龍江，分別為412.1 ppm、412.2 ppm、412.7 ppm、413.1 ppm 和413.2 ppm。這個(gè)結(jié)果反映了人為排放對(duì)CO2柱濃度的貢獻(xiàn)大的特點(diǎn)。

從圖6 中可以看出，CO2柱濃度的季節(jié)波動(dòng)最大出現(xiàn)在云南省，多年平均的12 個(gè)月標(biāo)準(zhǔn)差可達(dá)15 ppm，時(shí)間上的變異系數(shù)約為0.038；其次，在華南地區(qū)季節(jié)波動(dòng)較大，再次是東北地區(qū)。季節(jié)波動(dòng)最小的是四川盆地，時(shí)間上的變異系數(shù)約為0.025。各地區(qū)CO2柱濃度變化的具體原因受陸地生態(tài)系統(tǒng)的生長(zhǎng)周期、大氣化學(xué)過(guò)程和人為排放的季節(jié)性變化等因素的影響外，在一些糧食產(chǎn)地，劇烈的農(nóng)作物季節(jié)變化，也是影響季節(jié)波動(dòng)的主要原因（白文廣 等，2010）。在中國(guó)東南部沿海地區(qū)，土地利用變化和人為排放的季節(jié)性是影響CO2柱濃度波動(dòng)的重要因素（Guo等，2013）。

圖7為2003年—2018年中國(guó)CO2柱濃度增長(zhǎng)的空間分布特征，從中可以看出，2018 年均值最大的區(qū)域CO2柱濃度已達(dá)419 ppm，這與當(dāng)前全球CO2濃度持續(xù)增長(zhǎng)趨勢(shì)的背景相符（趙明偉 等，2017）。2003 年，CO2柱濃度空間分布的數(shù)據(jù)范圍在368—380 ppm 變化；到2018 年，數(shù)據(jù)范圍在408—419 ppm 變化；在空間上，2018 年比2003 年增長(zhǎng)的數(shù)值在31.0—45.4 ppm，增長(zhǎng)的百分比范圍在8.9%—12.2%。從圖7（c）和7（d）可以得出，中國(guó)2003 年—2018 年CO2柱濃度在整個(gè)區(qū)域出現(xiàn)較大的增長(zhǎng)，但是增長(zhǎng)率在空間上存在明顯的異質(zhì)性。增長(zhǎng)較大的區(qū)域?yàn)镃O2柱濃度較高的區(qū)域，最大增長(zhǎng)率出現(xiàn)在遼寧和吉林的交界處，CO2柱濃度增長(zhǎng)量約為45.4 ppm，約為12.2%；其次是重慶與四川東部，CO2柱濃度增長(zhǎng)量約為44.5 ppm，約為11.8%；在云南省的中部地區(qū)，CO2柱濃度增長(zhǎng)量約為44.3 ppm，約為11.9%；增長(zhǎng)較小的區(qū)域出現(xiàn)在中國(guó)中部，主要是甘肅省、青海省和四川省的交界處的贛南藏族自治州和阿壩藏族羌族自治州，最低的增長(zhǎng)約為34.2 ppm，約為8.9%。按省級(jí)行政區(qū)來(lái)看，遼寧省CO2柱濃度的增長(zhǎng)量最大，約為43.3 ppm，增長(zhǎng)的百分率為11.7%；甘肅CO2柱濃度的增長(zhǎng)量最小，約為37.5 ppm，增長(zhǎng)的百分率為10.0%。

圖7 2003年—2018年CO2柱濃度變化的空間分布特征（審圖號(hào)：GS（2021）1638號(hào)）Fig. 7 The spatial distribution variation characteristics of CO2 column concentration from 2003 to 2018

從圖7 中可以進(jìn)一步看出，CO2柱濃度的增長(zhǎng)率存在一條明顯的分界線，這條分界線從東北到西南，與中國(guó)地理分界線（黑河—騰沖線）重合，說(shuō)明了CO2柱濃度的增長(zhǎng)與人口分布、工業(yè)生產(chǎn)、土地利用變化和能源消費(fèi)總量等有著密切的關(guān)系。

4 結(jié) 論

本研究利用SCIAMACHY 和GOSAT FTS 衛(wèi)星遙感傳感器反演的CO2產(chǎn)品，結(jié)合瓦里關(guān)地面站點(diǎn)觀測(cè)的CO2濃度數(shù)據(jù)進(jìn)行驗(yàn)證，并對(duì)遙感數(shù)據(jù)進(jìn)行校正，最后分析了2003 年—2018 年中國(guó)CO2時(shí)空變化特征及其影響因素。研究結(jié)果表明：

（1）衛(wèi)星遙感數(shù)據(jù)和地面觀測(cè)的結(jié)果相關(guān)性較強(qiáng)，但是數(shù)據(jù)存在一定的系統(tǒng)誤差。GOSAT CO2的數(shù)據(jù)不確定性較大，整體上低于地面觀測(cè)結(jié)果，平均偏差為-3.89 ppm；而SCIAMACHY 的結(jié)果較好，平均偏差為1.00 ppm，數(shù)值較小時(shí)高估，而數(shù)值較大時(shí)低估。

（2）中國(guó)CO2柱濃度月均值隨月份呈周期變化并且呈現(xiàn)上升趨勢(shì)，擬合分析結(jié)果為y=370.90+0.22×xt+4.34×sin（0.53×xt-2.04），R2為0.98，RMSE為1.79。說(shuō)明擬合效果好。擬合分析表明12個(gè)月波動(dòng)周期。2003至2018年這16年間增長(zhǎng)了39.3 ppm，約為10.51%，年均增長(zhǎng)率為0.59%。

（3）CO2柱濃度月變化在時(shí)間上和空間上存在明顯的差異，月變化呈現(xiàn)弦曲線變化，最小值和最大值分別出現(xiàn)在8月和4月，2003年—2018年多年平均值分別為397.8±12.4 ppm和387.8±12.0 ppm；2018年8和4月平均分別為407.7 ppm和416.3 ppm；一年中波動(dòng)最大出現(xiàn)在冬季的1月，在濃度最小的8 月，CO2相同月份波動(dòng)較小。在7 月，空間異質(zhì)性最明顯，在2018 年7 月，最大值和最小值分別為419.6 ppm和398.1 ppm。

（4）CO2柱濃度空間分布特征顯著，總體呈現(xiàn)出東高西低的特征。2003 年—2018 年多年平均CO2柱濃度值在388—398 ppm變化，標(biāo)準(zhǔn)差在10—15 ppm 變化。2018 年平均最大CO2柱濃度在東部的亞熱帶和溫帶地區(qū)，年平均最大CO2柱濃度可達(dá)417.9 ppm。在新疆西部，年平均最大CO2柱濃度約為417.6 ppm。最低值是在內(nèi)蒙古北部，2018 年平均CO2柱濃度約為409.5 ppm。從省級(jí)行政單元來(lái)看，2018 年平均CO2柱濃度均值最高的是浙江省，約為417.8 ppm，最低的是青海省，約為412.1 ppm。

（5）中國(guó)2003 年—2018 年CO2柱濃度在整個(gè)區(qū)域出現(xiàn)較大的增長(zhǎng)，但是增長(zhǎng)率在空間上存在明顯的異質(zhì)性，2018 年年均值最大的區(qū)域已達(dá)419 ppm。在空間上，2018年比2003年增長(zhǎng)的數(shù)值在31.0—45.4 ppm，增長(zhǎng)的百分比范圍在8.9%—12.2%。CO2柱濃度的增長(zhǎng)率存在一個(gè)明顯的分界線，這條分界線從東北到西南，與中國(guó)地理分界線（黑河—騰沖線）重合。增長(zhǎng)較大的區(qū)域在高值區(qū)，出現(xiàn)在遼寧和吉林的交界處；增長(zhǎng)較小的區(qū)域在中國(guó)中部，主要是甘肅省、青海省和四川省的交界處的贛南藏族自治州和阿壩藏族羌族自治州。

志 謝本研究數(shù)據(jù)來(lái)自ENVISAT-1 衛(wèi)星大氣制圖掃描成像吸收儀（SCIAMACHY）、GOS?AT 衛(wèi)星傅里葉變換光譜儀（FTS）和世界溫室氣體數(shù)據(jù)中心（WDCGG）的CO2產(chǎn)品，作者在此表示感謝！