1 引言
大气气溶胶是指悬浮在大气中， 由固态和液态微粒构成的一个相对稳定的悬浮体系， 粒子直径一般分布在0.001~100 μm（Ramanathan et al， 2001； 李成才等， 2005； 陈翔等， 2023）。大气气溶胶可以通过吸收、 散射太阳辐射或通过参与云的微物理过程， 直接或间接影响地-气系统辐射平衡（Ehn et al， 2014； 李成才等， 2003）。同时作为大气的重要组成成分， 其对大气环境、 人体健康及能见度等方面有着重要影响， 也是造成全球气候变化的不确定性因素之一（孙忠保等， 2021； 张小曳等， 2007； 张亮林等， 2018）。
气溶胶光学厚度（aerosol optical depth， AOD）作为气溶胶最基本的光学特性之一， 是气溶胶消光系数在垂直方向上的积分， 用于描述气溶胶对大气辐射的吸收和散射作用， 同时也是评估大气污染程度、 研究气溶胶气候胁迫效应的关键因子（Bellouin et al， 2005； Van et al， 2008； 孙忠保等， 2021； Li et al， 2022）。
目前， 用于确定气溶胶光学厚度的技术有两种： 一种是采用传统的地基站点观测， 另一种是通过卫星遥感获取。地基站点观测能够得到相当准确的数据， 如美国国家航空航天局（NASA）的AERONET（AErosol RObotic NETwork）（He et al， 2018）以及中国气溶胶遥感观测网络（CARSNET）（Che et al， 2019）， 它们都可以利用太阳光度计来进行气溶胶的远程监控。地基站点观测虽然较为精准， 但地面监测站点较少且分布稀疏， 加之仪器建设和维护成本较大， 难以获取大尺度的气溶胶连续观测数据； 相比之下， 卫星遥感可以提供覆盖范围更大的气溶胶连续数据（刘莹等， 2019； 张亮林等， 2018）。目前已有多种覆盖区域和全球的气溶胶遥感观测网络， 如搭载在NASA的地球观测系统（EOS）系列Terra和Aqua卫星上的中分辨成像光谱仪MODIS（Moderate Resolution Imaging Spectroradiometer）， 搭载在CALIPSO卫星上的激光雷达CALIOP （Cloud-Aerosol Lidar with Orthogonal Polarization）等都能对AOD进行观测和反演。
在国际上， Raju et al（2022）分析了印度钦奈地区气溶胶光学厚度的分布模式和季节变化， 并对该地区的颗粒物浓度进行了模拟， 研究发现AOD是估算PM2.5的重要参数； Omidvar et al（2022）通过遗传算法对伊朗中部AOD指数与风速和能见度关系进行了分析， 研究发现风速和能见度对于气溶胶、 对流层尘埃、 空气污染和大气辐射收支研究都非常重要； Khoir et al（2022）使用MERRA-2的气溶胶再分析产品分析了海洋性大陆2001 -2020年AOD的时空变化， 利用变差旋转经验正交函数（REOF）探究了气溶胶光学厚度和生物质燃烧及气候异常因子之间的因果关系。在国内， AOD高值区大多分布在华南、 华北、 华中以及新疆地区， 而AOD低值区则以青藏高原、 西北部区域（除新疆外）、 中国东北以及西南区域为主， 这些区域的AOD水平一般都不高， 仅为0.1~0.2（郭婉臻等， 2019； 关佳欣等， 2010）。黄建平等（2021）研究发现， 青藏高原沙尘气溶胶的输送和排放对青藏高原西部和柴达木盆地大气热力结构的影响非常显著， 其存在明显的月际和年际差异， 与不同大气环流所引起的沙尘事件的频次和强度相关； 吴浩等（2020）利用MERRA-2再分析资料和CALIPSO雷达产品分析了1980 -2017年青藏高原和塔克拉玛干沙漠上空沙尘气溶胶的分布和传输特征， 塔克拉玛干沙漠与青藏高原DAOD值具有相似的季节特征， 其DAOD均值按春、 夏、 秋、 冬季依次递减， 高原上空DAOD值纬向差异显著， 北部高于南部且春季差异最大， 柴达木盆地是塔克拉玛干沙漠与青藏高原主要的传输通道； 李本涛等（2023）利用风云卫星遥感资料及再分析资料等多源数据统计分析了1999-2020年青藏高原上空沙尘气溶胶的时空分布特征， 研究表明柴达木盆地是青藏高原地区沙尘活动最为活跃地区， AOD值相比于青藏高原整体偏大， 主要受沙尘气溶胶控制。以上学者针对青藏高原气溶胶的时空分布特征及输送过程进行了研究分析， 揭示了气溶胶的传输和影响机制， 柴达木盆地作为高原盆地， 也是关键的沙尘源区之一， 是连接塔克拉玛干沙漠与青藏高原的传输带， 柴达木盆地气溶胶的时空分布对于研究青藏高原和塔克拉玛干沙漠气溶胶传输有着重大意义。
基于此， 本文以柴达木盆地为研究区域， 利用2001 -2021年MODIS气溶胶数据结合格尔木站气象数据， 对该地区AOD时空分布特征及气象要素影响进行研究， 在长时间尺度和大范围空间尺度上进行分析， 为柴达木盆地气溶胶研究提供一定科学依据。
2 数据来源与方法介绍
2.1 区域概况
柴达木盆地地形如图1 所示。柴达木盆地坐落于青海省的西北边缘， 其地理坐标介于90°16′E - 99°16′E、 35°00′N -39°20′N， 属于高原型盆地。它以一个同心环形的形式延伸， 全长达800 km， 宽度达300 km， 总面积为2.75×105 km2， 由阿尔金山脉、 祁连山脉以及昆仑山脉三大山脉组成。柴达木盆地为高原大陆性气候， 常年处于干燥气候条件下， 但随着环境的改善， 盆地的气温和降雨都有所增加， 使得它成为青藏高原上最容易发生气候变化的地方（李林等， 2015； 许婉彤等， 2019； 韩延芳等， 2019）， 这种情况对柴达木盆地的生态系统和人类的生活都有着重要的意义。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2019）3333号的标准地图制作， 底图无修改。
2.2 研究资料
中分辨率成像光谱仪（MODIS）是搭载在NASA的地球观测系统（EOS）系列Terra和Aqua卫星上的一个重要传感器， 用于地表、 生物圈、 固态地球、 大气和海洋的长期全球观测（Chu et al， 2002； King et al， 1992； 李成才等， 2003）。MCD19A2 V6数据产品是MODIS Terra和Aqua结合的大气校正多角度实施（MAIAC）陆地气溶胶光学厚度（AOD）网格化2级产品， 分辨率为1 km（赵仕伟等， 2017； 李成才等， 2004）。相比于MOD04产品的10 km和3 km分辨率， MCD19A2具有更高的1 km分辨率， 该数据集反演范围广， 通过对暗目标法、 深蓝算法的缺陷补全， 对于海洋、 亮地表、 暗地表都能进行反演且精度较高。本文通过均值合成法计算每个格点的值， 生成月平均值和年平均值（剔除缺失值和无效值）， 再通过月平均AOD数据计算出季节平均AOD值。
谷歌地球引擎Google Earth Engine（GEE）是基于云计算的地理信息处理平台， 其提供PB数量级的可公开下载的地球观测数据， 用于数据的分析和运算等。GEE提供MODIS、 Landsat、 Sentinel等常用遥感数据集， 利用云计算进行遥感数据分析与处理， 能更好地解决传统模式下的数据下载和预处理等过程。GEE是一种强大的地理空间分析工具， 它能够处理复杂的图像， 将其分类， 并进行时间序列分析和图像拼接。与传统方法相比， GEE能够大幅提升地理空间数据的计算效率， 并且可以应用于全球范围内的研究。在本文中， 通过GEE平台对所需数据进行预处理， 并使用ArcMap进行绘图， 以获取年、 季、 月的AOD空间分布。
CALIPSO（Cloud-Aerosol Lidar and Infrared Path-finder Satellite Observation）卫星是对地观测系统EOS的卫星群成员之一， 用于获取气溶胶和云的垂直分布， 是评估气溶胶和云对辐射的影响的重要参数。双波长正交偏振云-气溶胶激光雷达CALIOP （Cloud-Aerosol Lidar with Orthogonal Polarization）是最重要的仪器之一， 它可以提供532 nm和1064 nm两个波段的消光后向散射系数以及532 nm的平行和垂直分量及1064 nm三个通道的大气后向散射信号的垂直分布， 可用来监测气溶胶在传输过程中的垂直特征（赵一鸣等， 2009； Vaughan et al， 2004； Li et al， 2023； 张芝娟等， 2019）。CALIPSO卫星提供3种产品： Level 0（原始数据不公开）、 Level 1、 Level 2， Level 1产品提供消光后向散射系数、 体积退偏振比及色比值； Level 2产品提供气溶胶的垂直分布情况， 通过Level 1、 Level 2产品能有效地检测出气溶胶的垂直特征（张玲等， 2021； 沈仙霞， 2014）。为了降低白天的噪音， 我们使用夜间CALIPSO的数据。
AERONET（Holben et al， 2001； 林健宇等， 2021； 周佩等， 2022）是由NASA和LOA-PHOTONS（National Center for Scientific Research， CNRS）联合建立的全球地基气溶胶观测网络， 其利用太阳光度计进行观测， 可以提供长期、 连续的数据。AERONET检测网络提供3种类型的AOD产品： 1.0级别产品（未进行质量控制）， 1.5级别产品（经过去云和质量控制）和2.0级别的产品（高质量AOD 产品）（Smirnov et al， 2000）。由于柴达木盆地没有AERONET站点， 本文通过对青藏高原AERONET站点与MODIS气溶胶数据进行对比， 以验证柴达木盆地MODIS气溶胶数据的可靠性。由于AERONET站点数据时间尺度较短， 本文以AERONET站点为参考来验证MODIS数据， 对AERONET站点数据进行筛选与计算， 选取BIDUR（27.895°N， 84.410°E）、 Thimphu（27.473°N， 89.639°E）站点2018 -2019年和JOMSOM（28.778°N， 83.714°E）2012 -2013年AOD数据进行月平均处理和GEE处理后的MODIS气溶胶数据进行对比， 两者均具有相同的时空跨度。本文采用2.0级别的产品对MODIS数据进行验证。
研究区位于高原东北部， 是非常典型的资料稀缺区， 目前， 仅有格尔木站点具有气象数据的连续性和完整性， 按照中国气象局发布行业标准QX-T 118-2011， 对格式、 缺测、 界限值、 主要变化范围、 时间一致性、 空间一致性、 质量控制综合分析及数据质量标识方面进行质控， 本文按照月数据有效值大于90%的标准， 剔除数据中的缺失及无效值。我们对选取的站点气象要素与AOD进行相关性分析， 以期探索柴达木盆地上空AOD受何种关键气象要素影响。本文使用的地面气象资料来自于美国国家气候数据中心（National Climatic Data Center， NCDC）提供的格尔木站常规气象观测数据， 包括平均风速（W）、 平均气温（T）、 露点温度（Td）、 云量、 降水。该数据为3 h观测数据， 通过均值计算得出月平均数据与年平均数据（剔除缺失值和无效值）， 其中风速、 气温、 露点温度及降水数据时间跨度为2001 -2021年， 云量数据为2001 -2018年。
2.3 研究方法
按照气候划分法， 本研究将3 -5月划分为春季， 6 -8月划分为夏季， 9 -11月划分为秋季， 12月至次年2月划分为冬季， 同时根据该标准， 将AOD和气象数据分别定义为不同的季节。
2.3.1 线性趋势法
本文采用线性趋势分析法研究AOD的年度变化情况， 并将结果表达在式（1） 中， 以便更好地理解其变化趋势。
式中： X为年份； Y AOD为第X年柴达木盆地AOD年均值； a、 b分别为拟合方程的斜率和截距， 斜率a为AOD在2001 -2021年的时间变化趋势。
2.3.2 Spearman相关性分析
本文旨在探讨柴达木盆地AOD变化的气象因素， 通过分析格尔木站的平均风速（W）、 平均气温（T）、 露点温度（Td）、 云量以及降水的地面观测数据， 并应用Spearman相关性分析的方法， 进一步探究柴达木盆地气象要素与AOD之间的关系， 以及不同季节气象要素对AOD的影响程度。由式（2） 所示。
式中： ρ为变量x和y的Spearman相关系数； n表示样本容量； xi 表示格尔木站的AOD值； 表示变量xi 的平均值； yi 表示格尔木站地面气象数据； 表示变量yi 的平均值。
2.3.3 Ångström 指数内插法
由于卫星数据反演计算得到的是550 nm通道的AOD， 而AERONET站点数据并未直接给出550 nm通道处的AOD， 因此， 通过使用440 nm和870 nm的Ångström指数内插方法获得550 nm通道的AOD（Ångström et al， 1929）， 且文中对比验证均为550 nm AOD。计算公式及方法如式（3 ）~（4 ）所示。
式中： τ 440和τ 870分别为波长440 nm和870 nm的AOD值； α为440~870nm的Ångström指数； τ 550为内插所得550 nm的AOD值。
3 结果与讨论
3.1 地面验证
本研究所用的MODIS MCD19A2数据集提供的AOD与地基雷达所用的太阳光度计所提供的波段不一致。为了更好地验证MODIS数据的可靠性， 利用AERONET提供的440 nm和870 nm的AOD数据进行插值， 得到550 nm波段的AOD。验证结果如图2 所示， MODIS AOD与AERONET插值得到的AOD整体趋势一致， BIDUR、 JOMSOM、 Thimphu站点相关系数（R）较高分别为0.75、 0.84和0.76， 均方根误差（RMSE）较小， 分别为11.5%、 5.7%、 8.3%， 且拟合线与1∶1曲线较为一致， 故MODIS数据在青藏高原地区具有良好的适用性。
3.2 AOD空间分布特征分析
根据图3 显示， 柴达木盆地AOD年均值在2001 -2021年发生了显著的变化， 其中， 低值区主要分布在昆仑山脉和祁连山脉， 而高值区则集中在柴达木盆地腹部。AOD低值位于高海拔地区， 该地区植被覆盖率较高， 植被对气溶胶有一定的吸附和去除作用， 可以加速颗粒物的沉降过程， 从而降低粉尘， 净化空气， 有利于降低大气污染程度， 同时高海拔地区空气较为稀薄， 不利于气溶胶的形成与聚集， AOD整体偏小； AOD高值则多集中在低海拔地区， 由于昆仑山脉和祁连山脉的阻隔， 而柴达木盆地地表覆盖着沙漠和戈壁， 盆地上空大量的沙尘气溶胶滞留， 从而形成高值区。2001 -2005年盆地工业及经济发展初步开展， 并且由于污染排放标准的实施， AOD整体偏小， 2006 -2010年城市快速发展， 人口密度增加， AOD总体上呈增长趋势， 2011 -2021年AOD呈缓慢下降趋势， 其大部分地区实施节能减排等重点大气污染治理项目AOD有明显改善。AOD在2005年达到最低值， 在2007年达到最高值， 但柴达木盆地AOD年均值整体偏小。
由图4 可知， 柴达木盆地AOD空间分布具有明显的季节性变化。春季AOD呈现环形递增的分布特征， 中心区域AOD较高， 周边区域AOD较低［图4 （a）］。由于盆地多为荒漠， 春季沙尘暴天气频发（平均风速最大）， 且伴随剧烈天气变化， 大量沙尘气溶胶聚集， 从而形成高值区（何生录等， 2021）， 相比之下， 昆仑山脉和祁连山脉及周边地区植被覆盖率较高， 导致AOD也相对较低； 夏季AOD高值区明显减小， 相比于春季， AOD高值区面积缩小， 高值区主要分布在盆地腹部［图4 （b）］， 由于柴达木盆地人口密度较小导致人为产生气溶胶影响较小， 同时春夏两季受塔克拉玛干沙漠沙尘气溶胶输送的影响， AOD整体偏高； 秋季AOD由于沙尘天气频率下降， 无较为明显的高值区， 整体表现为较低的AOD分布特征［图4 （c）］； 冬季风速较高， 然而地表水冻结， 不利于起沙， AOD整体偏小［图4 （d）］。
3.3 AOD时间变化特征分析
由图6 可知， 柴达木盆地21年间的AOD（550 nm）变化呈现出明显的上升趋势， 其中， 平均增幅为0.19%， 总增幅为3.74%， 该结果表明柴达木盆地大气颗粒物污染状况在22年间有所上升。具体而言， 柴达木地区平均AOD为0.110±0.002， 年均AOD介于0.099~0.118， AOD低值出现在2002年与2005年， 分别为0.01和0.099； AOD高值出现在2007年， 为0.118。整体而言， 柴达木盆地的AOD远远低于南疆地区（陆忠奇等， 2022）。
对柴达木盆地2001 -2021年四季AOD均值进行统计计算。如图8 （a）所示， 春、 夏季年均AOD波动较大， 且相较于其他季节， 春季AOD较大， 夏季次之， 秋、 冬季AOD较小。春季柴达木盆地沙尘天气频发， 且春季风速较大， 易于颗粒物扩散， AOD整体偏高； 夏季太阳辐射较强， 地表吸收太阳辐射加热下垫面， 地表温度上升， 温度过高时， 大气垂直对流较强， 逆温层较薄， 有利于颗粒物垂直扩散， 促进空气污染， AOD偏高； 秋冬季太阳辐射较弱， 且冬季地表水冻结， 不利于起沙， AOD相对较小。图8 （b）为柴达木地区年际间AOD季节性变化热图， 年均变化幅度不大， 但总体来看， 春夏季的AOD水平明显偏高， 其中2007年春季达到最高， 而秋冬季AOD水平则相对较低， 2002年冬季达到最低。春夏季AOD偏高主要受盆地沙尘气溶胶影响， 秋冬季主要受下垫面特性影响。
由图9 可知， 柴达木盆地2001 -2021年间的月平均AOD呈单峰型， 峰值出现在4月， 其值为0.164， 这可能是由于柴达木盆地沙尘天气频发， 导致大量的沙尘气溶胶滞留在盆地上空， 使得AOD显著上升。AOD随着月份增加逐渐降低， 直至12月达到最低， 次年1月又逐渐升高。南疆地区月平均AOD呈双峰型， 峰值分别在4月和9月， 相比于南疆地区， 柴达木地区由于人口数量较少， 人为活动产生的气溶胶较少， 因此只出现了一个峰值， 柴达木地区AOD与南疆地区一样， 也是受到春季沙尘的影响（陆忠奇等， 2022）。
3.4 AOD和气象要素的关系
本文选取温度、 风速、 相对湿度、 云量和降水5种气象要素进行分析。如图10 所示， 2001 -2021年所选气象要素与AOD都具有显著相关性， 且都通过了置信水平为0.01的显著性检验。AOD与各个气象因子之间的相关系数表现为平均风速>平均温度>云量>露点温度>降水。其中， 平均风速与气溶胶光学厚度的相关系数为0.69， 风速具有不确定性， 当风速较小时， 气溶胶粒子不易流动， 受高大地形影响， 污染物难以扩散， 有利于污染性天气的发展和维持（俞海洋等， 2018）， 当平均风速达到临界值时， 颗粒物会随着上升气流达到一定高度且随着气流向下风方向输送， 同时上升气流对颗粒物具有筛选性， 粒径较大的颗粒物容易在生成区域沉降， 而粒径较小的颗粒物会随气流进行长距离输送， 从而导致在高空聚集； 温度与AOD的相关系数为0.55， 温度是影响大气扩散的主要因素之一， 当温度过高时， 大气垂直对流较强， 逆温层较薄， 有利于颗粒物垂直扩散， 促进空气污染， 同时温度过高， 光化学反应更为活跃， 更易生成二次性气溶胶， 其中以细粒子为主（韩可欣等， 2017； 宋宇等， 2002）， 从而形成AOD高值区。露点温度与AOD之间的相关系数为0.39， 露点温度越大， 其相对湿度也越大， 相对湿度处于较高水平时， 会导致大气热效率降低， 同时吸湿性粒子增大， 对于大气层结稳定有利， 从而导致气溶胶限制在底层， 难以垂直扩散（Li et al， 2021）； AOD与云量和降水的相关系数分别为0.44、 0.27， 气溶胶的增加可以造成云滴尺度减小， 降低降水率， 从而调整液态水含量和云厚度， 同时气溶胶通过直接辐射效应影响辐射收支， 导致海陆热力差异， 从而改变水汽输送（晏利斌等， 2009； 黄建平等， 2021）。
由表1 可知， 柴达木盆地AOD的变化受到多种气象要素的共同作用， 其中Spearman相关系数的大小也有所差异。从年际尺度看， 风速、 温度、 露点温度、 云量和降水5种气象要素均对AOD产生了显著的影响， 这些气象要素都通过了0.01置信水平的显著性检验， 该结果表明2001 -2021年AOD的变化是多种气象要素共同作用的结果。在季节尺度上， 春季温度和露点温度对AOD的影响更为显著， 其相关系数达到0.41， 表明春季AOD主要受温度的影响。夏季所有气象因素与AOD之间都无显著的相关性， 这表明夏季AOD变化原因更加复杂。秋季风速、 云量与AOD之间存在着密切的联系， 其相关系数都为0.51， 这表明秋季的AOD变化受风速和云量影响最大， 而温度和露点温度的相关性分别为0.44和0.49， 这表明秋季的AOD是多种气象因素共同影响； 冬季， 风速对AOD影响降低， 温度对AOD影响增强， 这表明温度是影响AOD的主要因素。3.5 讨论
表1 柴达木盆地季节AOD与气象要素的Spearman相关系数Table 1 Spearman's correlation coefficient between seasonal AOD and meteorological factors in the Tsaidam Basin |
| 风速 | 温度 | 露点温度 | 云量 | 降水 | |
|---|---|---|---|---|---|
| 全年AOD | 0.69** | 0.55** | 0.39** | 0.44** | 0.27** |
| 春季AOD | 0.19 | 0.41** | 0.35** | 0.04 | 0.33** |
| 夏季AOD | 0.02 | -0.14 | 0.02 | 0.26 | 0.06 |
| 秋季AOD | 0.51** | 0.44** | 0.49** | 0.51** | 0.20 |
| 冬季AOD | 0.26** | 0.50** | 0.12 | 0.40** | 0.18 |
**表示在0.01水平（双侧）上显著相关［**indicates the value is significantly correlated at 0.01 level （bilateral）］ |
AOD作为气溶胶光学特性的主要物理参数， 国内外学者对中国各地区AOD时空分布都进行了一系列研究。刘莹等（2019）利用MERRA2数据集对中国各地区及气候研究区进行了长时间尺度、 大范围的研究分析， 讨论了气溶胶的时空分布特征及不同类型气溶胶的影响因子。大量研究表明， AOD高值区主要集中在四川盆地、 江南地区以及南疆盆地， 低值区主要集中在青藏高原、 北疆及东北三省等人口稀少、 植被茂盛地区。成都平原和四川盆地东南部地区由于地形地貌影响， 大量气溶胶在盆地上空聚集， 形成AOD高值（AOD值>1.0）中心（王晨莹等， 2020）； 新疆地区AOD区域性差异明显， 南疆地区AOD远高于北疆地区AOD， 高值区主要位于塔里木盆地， 盆地内部分地区AOD均值超过0.6（于志翔等， 2022； 陆忠奇等， 2022）； 而东北三省AOD值整体上呈现平稳趋势， 高值区主要位于人口密集的工业发达地区（韩阳等， 2021）； 青藏高原地区地势海拔较高， 空气不易流通， 不利于气溶胶的形成与聚集， 整体AOD均值小于0.2。柴达木盆地是青藏高原与塔克拉玛干沙漠沙尘输送的路径之一， 也是整个青藏高原AOD高值区（黄建平等， 2021； 李本涛等， 2022）。本文利用MODIS MCD19A2数据集分析了柴达木盆地21年来AOD时空分布特征， 研究表明， 柴达木盆地AOD呈明显波动上升趋势， 其中春季AOD最高， 夏秋季相对较小， 冬季最低。此外， 气象因素与AOD的变化存在着显著的正相关性。柴达木盆地位于高原地区， 其AOD平均值比塔里木盆地低。从季节上分析， 柴达木盆地的AOD变化趋势呈现春季>夏季>秋季>冬季。而从月变化来看， 柴达木盆地的AOD呈单峰型， 最高值出现在4月， 而塔里木盆地月均值AOD呈双峰型， 高值分别出现在4月和9月。本文对柴达木盆地AOD空间分布进行了阐述， 分析了不同时间尺度上AOD变化情况， 为整个盆地气溶胶研究及区域大气污染检测和治理提供参考。由于数据的缺失， 本文仅选取了单一站点的气象数据进行分析， 未对盆地不同区域AOD的变化情况进行分析对比， 后续研究中， 可以进一步针对盆地不同区域AOD变化特征进行分析， 以期得到盆地内AOD的变化情况。
4 结论
（1） 柴达木盆地AOD年际分布具有明显的区域性， 随着地势的升降， AOD年际空间分布也会发生相应的变化， 其中高值集中在地势平坦地区， 低值则集中在地势陡峭地区。春季AOD高值区面积最大， 夏季逐渐减小， 秋季和冬季基本消散。从月变化来看， 3 -5月AOD值较高， 6 -8月 AOD则会有所下滑， 而9月以后， AOD水平会下滑更快， 直至次年1 -2月达到最低。
（2） 2001 -2021年柴达木盆地AOD年均值在0.099~0.118， 年均值为0.110±0.002， 平均增长率为0.19%， 整体增长率为3.74%。柴达木盆地AOD具有明显的季节性变化， 春夏季AOD变化更明显， 其中春季AOD水平最高， 夏季次之， 而秋冬季AOD水平则相对稳定， 其月变化分布呈单峰型， 最高值出现在4月， 为0.164。
（3） 2001 -2021年所选气象要素与AOD都存在显著的相关性， 且都通过了0.01置信水平的显著性检验。AOD的变化不是受单一气象要素影响， 而是多种气象要素共同作用的结果， 其中风速和温度对盆地AOD变化影响最为显著， 其相关系数分别为0.69、 0.55， 相对湿度、 云量和降水在不同季节对AOD都有不同程度的影响。