利用MAIAC和AERONET数据评估2020年南美洲东南部野火季节期间气溶胶光学厚度

《Environmental Pollution》：Assessment of Aerosol Optical Depth Using MAIAC and AERONET data During the 2020 Wildfire Season in Southeastern South America

气溶胶光学深度评估及卫星与地面观测验证：2020年南美东南部野火季节研究通过MAIAC/MODIS和VIIRS/NPP数据分析了AOD时空分布，发现春季和冬季AOD峰值显著，AERONET数据验证了卫星AOD的相关性（R=0.75），揭示了生物质燃烧对空气质量的影响及多源数据融合的必要性。

　　

玛丽亚·费尔南达·瓦莱·塞霍（Maria Fernanda Valle Seijo）|莉迪亚·安娜·奥特罗（Lidia Ana Otero）|亚历杭德罗·阿赫斯塔（Alejandro Agesta）|埃尔娜·弗林斯（Erna Frins）|鲁本·达里奥·皮亚琴蒂尼（Rubén Darío Piacentini）

罗萨里奥物理研究所（CONICET - UNR），2月27日大道210号Bis，S2000，罗萨里奥，阿根廷

摘要

野火是空气污染的主要来源，对区域空气质量及公众健康有显著影响。本研究旨在评估2020年南美洲东南部野火高发季节的气溶胶光学厚度（AOD）。AOD数据来自MAIAC/MODIS算法，火灾数据来自VIIRS/SUOMI-NPP卫星。通过将卫星AOD数据与布宜诺斯艾利斯和蒙得维的亚的AERONET测量结果进行对比，评估卫星在火灾期间的性能，预计在烟雾主导的条件下相关性更高。研究结果显示2020年的AOD值显著升高，中位数约为0.118。季节性分析显示，南半球春季（中位数AOD = 0.154）和2020年冬季（中位数AOD = 0.114）的火灾像素数量有显著峰值。AERONET观测数据显示2020年与MAIAC AOD具有强相关性（R = 0.75）。由于生物质燃烧导致的气溶胶负荷增加，冬季和春季的相关性也较为明显。这些发现表明了生物质燃烧事件对空气质量的影响，以及整合卫星和地面数据用于气溶胶分析的实用性。

引言

空气污染每年导致约520万人死亡（Huang等人，2024年）。颗粒物（PM）是指悬浮在空气中的固体或液体颗粒，通常以其空气动力直径和质量浓度来表征，是全球疾病的主要风险因素（Brauer等人，2024年）。因此，世界卫生组织（WHO）在2021年发布了关于细颗粒物（PM_2.5，即空气动力直径等于或小于2.5 μm的颗粒）年平均室外浓度的更新指南，将之前的推荐限值从10 μg/m³降至5 μg/m³，以更好地保护公众健康（WHO，2021年）。

野火是PM_2.5的重要来源，因为燃烧过程中会释放大量颗粒物（Roberts & Wooster，2021年）。许多研究探讨了野火的后果，强调了其对人类健康的重大影响（Gao等人，2023年；Lei等人，2024年；Rongbin等人，2020年）。在南美洲，近期研究指出过去十年野火对区域空气质量的影响日益显著（Bola?o-Diaz等人，2022年；Cobelo等人，2023年；Guerrero等人，2024年；Krecl等人，2025年；Mollinedo等人，2023年）。此外，一项模拟亚马逊地区到2050年火灾情况的研究表明，在当前情景下，森林砍伐可能导致火灾数量增加19%，而气候变化本身可能导致火灾数量增加12%（Silvestrini等人，2011年）。最新研究进一步支持这样的结论：预计的气候变化将大幅增加亚马逊地区的火灾风险（Reis等人，2021年；Mansoor等人，2022年）。潘塔纳尔湿地是世界上最大的湿地，横跨巴西，包括南马托格罗索州。该地区经常发生火灾；然而2020年，几乎一半的潘塔纳尔湿地被烧毁，2020年的烧毁面积比2003-2019年的平均面积高出376%（Garcia等人，2021年）。

近年来，卫星遥感技术在颗粒物污染监测方面取得了显著进展，特别是NASA的Terra和Aqua任务的发射，为大气气溶胶的监测提供了前所未有的数据集（Remer等人，2024年；Si等人，2021年）。气溶胶光学厚度（AOD）是一个无量纲指标，表示大气中的光学厚度或气溶胶负荷总量，已被用于估算PM_2.5（Christopher & Gupta，2020年；Fathollahi等人，2023年；Li等人，2021年）。多角度大气校正（MAIAC）算法（Lyapustin等人，2018年）被广泛用于获取AOD数据，其空间分辨率为约1公里×1公里，时间分辨率为每天一次（Mhawish等人，2019年；Zhang等人，2019年）。MAIAC AOD数据来自Terra和Aqua上的中分辨率成像光谱辐射计（MODIS），并在全球范围内（Qin等人，2021年）以及区域研究中得到了验证（?tef?nie等人，2023年；Abuelgasim等人，2021年）。

虽然卫星获取的AOD数据具有广泛覆盖范围，但通常需要地面观测数据进行补充。先前的研究表明，结合卫星观测和现场监测的混合方法能更准确地评估空气质量（Apte & Manchanda，2024年；Kaufman等人，2002年）。AERONET（气溶胶机器人网络）是一个全球分布的地面太阳光度计和天空辐射计网络，专门用于测量和监测光谱AOD及其他大气气溶胶特性（Holben等人，1998年，2001年）。AERONET由NASA与全球合作伙伴共同管理，提供一致的高质量数据，有助于了解气溶胶类型及其对气候、空气质量及大气过程的影响（Lee等人，2010年；Mielonen等人，2009年）。在南美洲，Martins等人（2017年）使用AERONET站点验证了MAIAC卫星数据；然而他们的分析仅覆盖到2016年，未包括2020年才开始运行的蒙得维的亚站点。

先前的研究表明，将全球排放清单降尺度到区域尺度可能会导致污染源识别出现较大差异。这凸显了进行区域研究的必要性，尤其是考虑到南美洲的气候、人口和经济差异（Huneuss等人，2020年）。2020年，南美洲东南部的火灾数量比2013-2022年的平均值增加了113%（Valle Seijo等人，2024年），但相关的气溶胶影响仍缺乏定量分析。相比之下，巴西有更多研究评估气溶胶负荷、生物质燃烧和空气质量影响（Souto-Oliveira等人，2023年）。因此，本研究旨在：（i）利用MAIAC卫星观测数据，分析2020年野火季节的年度和季节性AOD模式；（ii）将卫星获取的AOD数据与蒙得维的亚和布宜诺斯艾利斯的AERONET地面测量结果进行对比；（iii）评估野火对这些城市大气气溶胶负荷的影响。首次将AERONET数据纳入蒙得维的亚研究，提高了本研究的区域气溶胶分析的准确性。

研究区域

研究区域

本研究聚焦于南美洲南部的一个区域，包括阿根廷、乌拉圭、巴拉圭和巴西东南部的部分地区。图1展示了更广泛的南美洲范围，红色框标出了研究区域（南纬36.04°，南纬21.72°；西经63.39°，西经-52.97°）。红色框的放大视图显示了国家边界，并详细标注了布宜诺斯艾利斯（CEILAP-BA）和蒙得维的亚（红色点）的AERONET站点位置，这些站点提供了本研究使用的地面数据。

该区域

MAIAC/MODIS AOD的年际变化

利用MAIAC/MODIS和VIIRS/NPP火灾数据评估了气溶胶负荷的年际变化。表1总结了2018至2022年南美洲东南部470纳米波长的AOD值、火灾像素数量和FRP（火强度）的年度数据。AOD数据来自MAIAC/MODIS，包括第25百分位数（Q1）、中位数（Mdn）和第75百分位数（Q3）。火灾像素数量和FRP值（以兆瓦计）来自VIIRS/NPP。结果展示了年际变化

结论

本研究综合分析了MAIAC/MODIS气溶胶产品、VIIRS火灾检测结果和AERONET观测数据，涵盖了南美洲东南部。2020年，野火检测数量比相邻年份增加了约119%，而年度卫星AOD中位数比同期基线增加了约10%。尽管最大影响出现在农村和易发生火灾的地区，但结果显示野火排放的影响范围远超这些区域

作者贡献声明

玛丽亚·费尔南达·瓦莱·塞霍（Maria Fernanda Valle Seijo）：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论设计、调查实施、数据分析、概念构思。亚历杭德罗·阿赫斯塔（Alejandro Agesta）：撰写——审稿与编辑、资源协调、概念构思。莉迪亚·奥特罗（Lidia Otero）：撰写——审稿与编辑、项目监督、资源管理、资金获取、数据分析、概念构思。鲁本·皮亚琴蒂尼（Rubén Piacentini）：撰写——审稿与编辑、项目监督

未引用参考文献

Acker和Leptoukh，9；Devi和Satheesh，2022c；Eck等人，1998；Fisher，1915；Reid等人，1999；Lyapustin和Wang，2022；世界卫生组织，2021；San Martín等人，2023；?tef?nie等人，2023；Takemura等人，2002；Zheng等人，2024。

数据可用性声明

本研究中用于卫星AOD表征的MCD19A2 V.6.1产品（Lyapustin等人，2022年）可通过NASA Earthdata Search获取（https://earthdata.nasa.gov/）。地面AOD数据通过AERONET的网页下载工具获取（https://aeronet.gsfc.nasa.gov/）。用于本数据分析及可视化的软件（v1.0.0）保存在Zenodo上（https://doi.org/10.5281/zenodo.14740511）。

利益冲突声明

作者声明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

我们感谢提供研究数据的科学家和首席研究员。玛丽亚·费尔南达·瓦莱·塞霍（M. Fernanda Valle Seijo）感谢阿根廷国家科学技术研究委员会（CONICET）的支持。亚历杭德罗·阿赫斯塔（Alejandro Agesta）感谢阿根廷国家研究与创新局（ANII）的资助（项目编号POS_NAC_2022_1_174198）和乌拉圭国立大学研究生委员会（UDELAR）的资助（项目编号BDDX_2024_1#49154935）。埃尔娜·弗林斯（Erna Frins）也对此表示感谢。