印度东北部和喜马拉雅地区IGP（Integrated Global Precipitation）范围内气溶胶热点区域及其来源的十年变化：一项为期25年（2000–2024年）的研究

《Atmospheric Environment》：Decadal shifts in aerosol hotspots and source attribution over IGP, north-east India and Himalayas: A 25-year (2000–2024) study

气溶胶污染时空特征及区域差异研究：基于MODIS和MERRA-2的25年数据（2000-2024），揭示印度恒河平原（IGP）下游、东北印度（NEI）及喜马拉雅地区AOD时空演变规律，发现IGP下游硫酸盐气溶胶年增幅达0.006，NEI有机碳气溶胶增幅0.004，2020-2024年相关区域污染加重30-40%。

　　

作者：Soumen Raul、Monami Dutta、Sauryadeep Mukherjee、Abhijit Chatterjee

印度加尔各答Salt Lake第五区Block-EN的Bose研究所化学科学系，邮编700091

摘要

为了研究印度-恒河平原（IGP）、印度东北部（NEI）和喜马拉雅山脉地区的气溶胶污染的十年变化、趋势、热点区域及气溶胶类型，我们使用了MODIS和MERRA-2数据集进行了25年（2000–2024年）的分析。结果显示，IGP低海拔地区的气溶胶负荷和增长趋势最高（MODIS AOD：0.71 ± 0.09；0.016 yr^?1），其次是IGP中游（0.65 ± 0.10；0.009 yr^?1）、IGP上游（0.51 ± 0.10；0.003 yr^?1）以及NEI（0.40 ± 0.10；0.008 yr^?1）。在喜马拉雅山脉内部，中部地区的AOD值最高（0.24 ± 0.09），且增长趋势较低（0.001–0.003 yr^?1）。在IGP低海拔地区，SO₄^2?_AOD和OC_AOD均呈现出显著的上升趋势（分别为0.006 yr^?1和0.004 yr^?1）。与21世纪00年代相比，整个IGP和NEI地区的AOD在2010年代增加了20%以上。值得注意的是，IGP低海拔地区的SO₄^2?_AOD增加了约30–40%，而NEI和东喜马拉雅地区的OC_AOD增加了50%以上，2020–2024年间又进一步增长了30–40%。孟加拉国、IGP低海拔地区和NEI一直是不含碳和硫酸盐气溶胶的热点区域，2020年后这些地区的污染状况更加严重。IGP上游和中游以及NEI地区则是主要的气溶胶来源地。在喜马拉雅山脉地区，清洁大陆性气溶胶和生物质/城市气溶胶占主导地位；而在IGP和NEI地区，人为来源的气溶胶更为普遍，2020年后这些气溶胶的含量显著增加。这些发现可为IGP和脆弱喜马拉雅地区的有针对性的减排策略提供参考。

引言

南亚国家如印度、孟加拉国、巴基斯坦和尼泊尔是全球工业化和社会经济发展最快的地区之一，但这种发展以空气质量恶化为代价（世界银行集团，2023年）。这些国家已成为全球气溶胶污染的热点区域，气溶胶负荷和前体气体排放量很高（Banerjee等人，2021年；Mhawish等人，2021年）。最近的研究表明，该地区的地表颗粒物（PM）和气溶胶光学厚度（AOD）均急剧增加（Kumar等人，2018b年；Thomas等人，2019年；Lakshmi等人，2019年）。

印度-恒河平原（IGP）横跨巴基斯坦东部、印度北部和孟加拉国，是全球主要的气溶胶污染热点区域，其气溶胶负荷因城市化、工业扩张、车辆排放和生物质燃烧而持续增加（Kaskaoutis等人，2011年；Kumar等人，2018b年）。冬季时，IGP地区的PM浓度可达到世界卫生组织标准的20倍（Albu，2023年）。许多IGP地区的居民，尤其是在低收入农村地区，仍然依赖传统生物质燃料（木材、牛粪等）进行烹饪和取暖，这大大加剧了污染。Dutta和Chatterjee（2022年）指出，IGP内的所有印度邦都极易受到气溶胶污染的影响，其AOD值超过0.5。

喜马拉雅地区毗邻污染严重的IGP，是一个生态脆弱且气候敏感的区域，拥有仅次于极地的世界第三大冰储量。IGP地区的排放物对喜马拉雅生态系统产生了显著影响（Chen等人，2022年；Mukherjee等人，2022年；Panicker等人，2021年；Soni等人，2019年）。黑碳（BC）和尘埃等吸收性气溶胶在雪面上的沉积会降低反照率，从而加速冰川融化（Li等人，2016年；Ramanathan和Carmichael，2008年）。Usha等人（2021年）报告称，由于来自IGP的尘埃输送，西喜马拉雅地区的反照率降低更为明显。Hindu Kush-Himalayan地区的BC沉积主要归因于固体燃料的使用、柴油燃烧和工业排放（Alvarado等人，2018年）。印度北部的农业残留物燃烧也加剧了污染，尤其是在西喜马拉雅和中央喜马拉雅地区，导致有机碳（OC）排放量增加（Khanal等人，2022年）。此外，研究表明，东喜马拉雅地区的气溶胶受到尼泊尔和IGP地区远距离传输的强烈影响（Mukherjee等人，2022年；Sarkar等人，2019年）。

印度东北部（NEI）包括七个印度邦，与东喜马拉雅地区接壤，也是区域气溶胶污染的重要来源。该地区普遍采用轮作农业，这种耕作方式根植于传统的生态知识。一项为期15年（2006–2020年）的研究记录了3月至4月期间因农业燃烧引发的65,000多起火灾事件（Borgohain等人，2023年）。固体燃料的烹饪和家庭用途也非常普遍（Rabha等人，2018年）。此外，工业发展（Bhunia和Ding，2020年）、采矿（Nair等人，2023年）、车辆排放（Bhunia和Ding，2020年）以及来自IGP的污染物传输（Pathak和Bhuyan，2022年）都加剧了NEI地区的气溶胶污染。这对生态丰富的东喜马拉雅地区构成了严重威胁，因为该地区的空气质量正在恶化。

以往的长期研究主要关注较长时间范围内的AOD变化，而没有探讨气溶胶水平随时间的变化情况。因此，对于气溶胶负荷及其不同成分（总AOD和差分AOD）的十年变化仍存在认知空白。此外，关于热点区域的变化及其演变过程，以及IGP和NEI地区产生的气溶胶如何影响喜马拉雅地区的气溶胶水平，也缺乏了解。为填补这些空白，我们利用MODIS观测数据和MERRA-2再分析产品，对喜马拉雅地区、IGP和NEI的气溶胶污染进行了25年（2000–2024年）的全面分析。本研究的具体目标有四个方面：（1）量化关键子区域（包括西喜马拉雅、中喜马拉雅、东喜马拉雅、IGP上游、中游、下游以及NEI）的长期趋势和十年变化；（2）识别并评估IGP、喜马拉雅和NEI各子区域的主要污染热点及其十年间的变化；（3）研究喜马拉雅地区内部和地区间的气溶胶传输路径，以更好地理解局部、区域性和远距离来源的贡献；（4）根据AOD550–AE412-470关系评估不同子区域的气溶胶类型及其十年变化。总体目标是生成针对特定地区的见解，以支持有针对性的空气质量管理和政策干预，特别是减少对生态敏感的喜马拉雅和NEI地区的气溶胶相关风险。

研究区域

研究区域

喜马拉雅山脉呈巨大的新月形，向南凸出，环绕着印度次大陆的整个北部边缘，从印度河谷以南的Nanga Parbat延伸至东部的Namcha Barwa，跨越五个国家（印度、巴基斯坦、尼泊尔、中国和不丹），全长超过2500公里。本研究考虑了整个喜马拉雅地区的三个子区域：西喜马拉雅、中喜马拉雅和东喜马拉雅。

从MODIS获取气溶胶光学厚度（AOD）的数据

MODIS（中分辨率成像光谱辐射计）每天获取550纳米处的AOD和412–470纳米处的?ngstr?m指数（AE）数据。该传感器安装在极轨卫星Terra和Aqua上，分别于1999年和2002年发射。MODIS能够测量0.41至14微米范围内36个波长的光谱辐射，扫描宽度为2330公里，每两天从705公里的高度观测一次地球表面。

AOD的长期平均值和趋势

图2展示了2000–2024年间喜马拉雅地区、IGP和NEI的平均AOD及其年度变化趋势。在IGP和NEI地区中，IGP低海拔地区的气溶胶负荷最高（0.71 ± 0.09），其次是IGP中游（0.65 ± 0.10）、IGP上游（0.51 ± 0.10）和NEI（0.4 ± 0.1），变化趋势依次减小（约0.016、约0.009、约0.003 yr^?1）。MERRA-2的长期平均值和趋势也表现出相似的特征。

研究的局限性

本研究的局限性主要源于MODIS AOD反演和MERRA-2再分析数据集的不确定性。冬季云层覆盖和雾气会干扰AOD的反演，而南亚地区具有强烈的季节性变化特征，这增加了不确定性。基于地面的AERONET站点数量有限，限制了与卫星AOD数据的验证。由于数据分布不均匀，本研究未能达到AERONET和MODIS AOD验证的67%标准。

结论与启示

在25年的研究期间，中喜马拉雅地区的气溶胶负荷最高（AOD：0.28 ± 0.08），而IGP低海拔地区的AOD最高（>0.60）。NEI地区的AOD介于IGP和喜马拉雅地区之间（AOD：0.39 ± 0.10）。长期AOD的变化趋势为：IGP低海拔和中游（>0.01 yr^?1）> NEI（约0.008 yr^?1）> IGP上游（约0.004 yr^?1）> 喜马拉雅地区（约0.001–0.003 yr^?1）。在IGP低海拔地区，含碳和硫酸盐气溶胶的含量最高。

CRediT作者贡献声明

Soumen Raul：撰写初稿、验证、软件开发、方法论设计、数据分析、数据整理。Monami Dutta：撰写、审稿与编辑、方法论设计、数据分析。Sauryadeep Mukherjee：撰写、审稿与编辑、数据分析、可视化处理、项目监督、资源协调、方法论设计、研究实施、资金争取、数据分析、概念构思。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

作者感谢印度政府的大学拨款委员会为Soumen Raul提供奖学金（参考编号：2010510335018），同时感谢加尔各答大学地理系和印度科技部的Bose研究所提供的支持。本研究致力于支持环境、森林和气候变化部的国家清洁空气计划。