2010年—2020年全球陆地区域大气CO2时空变化特征分析

姚依欣，李贵才，唐世浩，江飞

1.国家卫星气象中心(国家空间天气监测预警中心) 中国气象局中国遥感卫星辐射测量和定标重点开放实验室,北京 100081;

2.许健民气象卫星创新中心,北京 100081;

3.南京大学 国际地球系统科学研究所,南京 210023

1 引言

全球变暖和气候变化已成为制约人类社会可持续发展的重大问题，而人类活动（如化石燃料燃烧、工农业生产活动、废弃物处理、土地利用改变等）排放的温室气体，尤其是含量高、温室效应强的大气二氧化碳（CO2），是导致全球变暖和气候变化的主要原因之一（Gunter 等，1998；IPCC，2007；秦大河，2014）。自工业革命以来，随着人类生产力水平的不断提高，大气中的CO2含量急剧增加，导致全球地表平均温度升高，近地面温度升高加速了地表水分蒸发，空气湿度增大，这有助于近地面大气吸收红外辐射。大气CO2浓度增加打破了大气热平衡，导致云和降雨量的变化，这反过来又进一步打破了辐射能量平衡。已有研究表明，CO2浓度每增加一倍，全球平均温度将会升高约2.3 ℃（Manabe 和Wetherald，1967；周天军 等，2022），因此CO2浓度对气候变化的影响极大，对其进行精准监测极为重要。

目前，大气CO2浓度监测主要有地基、空基和卫星观测等方式。地基遥感观测网络可以精确获取CO2柱含量，其精度高、可靠性强。但由于地基观测属于单点测量，覆盖范围有限，很难获得大尺度空间分布情况。空基观测方式是使用飞机携带采样瓶进行采样来监测CO2浓度，与地基观测方式相比，空基观测方式的空间覆盖范围有所提高，但同样难以实现全球观测且运行维护费用较高。与地基和空基观测相比，卫星观测可以提供稳定、长时序、全覆盖的大气成分信息。2009 年1 月，日本发射了全球第一颗温室气体探测卫星GOSAT（Greenhouse gases Observing Satellite），星上搭载了高光谱傅里叶变换光谱仪FTS（Fourier Transformation Spectrometer）对全球大气CO2浓度进行高光谱遥感探测（Kuze等，2009）。GOSAT卫星采用太阳同步准回归轨道，轨道倾角为98°，轨道平均高度为666 km，绕地球运行周期约为98 min，每天可绕地球14 圈，重访周期为3 d，降交点的过境时间为13点，星下点像元直径约为10 km，横向扫描间距为88—800 km，测量采样率可达18700/d（Hamazaki，2007）。2014年7月，美国发射了专用于温室气体探测的卫星OCO-2（Orbiting Carbon Observatory-2）。2016年12月，中国成功发射了全球第三颗“嗅碳”卫星，全球二氧化碳监测科学实验卫星（TanSat）。此外，欧洲航天局发射的ENVISAT卫星上搭载的大气制图扫描成像吸收光谱仪SCIAMACHY（Scanning Imaging Absorption Spectrometer for Atmospheric Chartography）和美国国家航空航天局发射的Aqua卫星上搭载的大气红外探测仪AIRS（Atmospheric Infrared Sounder）等卫星传感器已在轨运行近20年，可以对全球大气CO2浓度进行实时观测，已积累了大量的观测资料。

基于卫星遥感数据来分析全球及区域温室气体时空变化已有广泛应用（张兴赢 等，2007；白文广 等，2010；Schneising 等，2011；布然 等，2015；Liu 等，2015；王红梅 等，2015；王舒鹏等，2015；周敏强 等，2015；孟晓阳 等，2018；张绍会 等，2019；邓安健 等，2020；何江浩 等，2020；莫露 等，2021；肖钟湧 等，2022）。Liu 等（2015）基于2009年6月至2014年1月GOSAT卫星观测资料，分析发现全球大气CO2浓度年均增长率约为1.58 ppm/a。王舒鹏等（2015）利用2010年1月至2012年10月GOSAT L4B产品，分析发现中国区域CO2浓度空间分布总体呈东高西低的特征，高值区主要集中在华北和长三角地区，季节性变化显著。孟晓阳等（2018）利用2009 年6 月至2017 年12 月GOSAT 卫星观测资料，分析发现全球大气CO2浓度年均增长率约为2.22 ppm/a，其中中国、印度、美国是增长较快的国家。邓安健等（2020）利用2010年—2016年GOSAT卫星观测资料，分析发现中国大陆区域高值区主要分布在浙江—江苏—安徽地区、京津冀地区和湖南—湖北—河南—陕西地区，年增长率约为2.31 ppm/a。何江浩等（2020）利用2010年1月至2015年10月GOSAT卫星观测资料，结合总初级生产力和人类CO2排放数据，分析发现近地表浓度空间差异高值区与人类CO2排放相关性显著，受人类活动影响明显。

目前的研究主要存在两个问题：（1）观测资料时间尺度较短，对于长时间序列的观测资料分析不足；（2）由于海洋上缺乏地基站点观测资料，难以对GOSAT 卫星在海洋区域的观测资料进行偏差校正，导致海洋上的卫星观测资料不确定性较大（Wang 等，2019），且人类活动是大气CO2浓度增加的一个重要来源，在分析全球尺度时，应剔除海洋区域观测资料，只选用陆地区域观测资料，以便得到更有参考价值、更加可靠的结果。基于以上问题，本文选用2010 年—2020 年GOSAT 卫星在陆地区域的观测资料，从CO2空间分布、纬向分布、重点地区CO2时空特征等方面开展分析，期望能定量刻画近10 年来全球陆地区域CO2的时空变化特征、趋势与规律。

2 数据与方法

2.1 GOSAT数据与处理方法

本文选用2010 年—2020 年GOSAT FTS SWIR L2 XCO2数据集（v02.95/02.96）作为主要的CO2卫星观测数据源。该数据可从日本国立环境研究所NIES 的GOSAT 网站获取（National Institute for Environment Studies，https：//data2.gosat.nies.go.jp/［2022-09-30］）。

目前，GOSAT 官方发布的经偏差校正的L2 XCO2 数据集有两个版本，v02.95/02.96 和v02.97/02.98。两个版本的数据集使用的输入数据相同（FTS-L1B v220.220/221），对陆地区域采用的偏差校正方法完全一致。研究发现，海洋区域v02.95/02.96 版本数据集CO2年均增长率低于地基观测结果，因此NIES 对海洋区域的数据做了进一步的偏差校正处理，得到v02.97/02.98 版本数据集。由于本文只分析GOSAT 卫星陆地区域的观测资料，且两个版本均只缺少2014 年12 月、2015 年1 月、2018年12月观测数据，有效数据率达到97.8%，能够满足长时序分析的需要，因此本文选用v02.95/02.96数据集。

由于云和气溶胶的影响，单日数据空间尺度上分布不均，需要进行数据预处理，首先剔除观测质量较差的观测值，然后做网格化处理，最后生成GOSAT陆地区域1°×1°网格日/月产品。

2.2 TCCON数据与处理方法

为了验证GOSAT 数据的可靠性，本文选用TCCON（Total Carbon Column Observing Network，https：//tccondata.org［/2022-09-30］）地基观测数据对其进行对比验证。TCCON 站点是利用地基FTS由地对空获取直接太阳辐射中4000—9000 cm-1范围内近红外部分的光谱数据，避开了散射光不确定性大的不利影响（Yang 等，2002），采用非线性的最小二乘光谱匹配算法反演大气中CO2、CH4等大气成分的柱浓度（Buschmann 等，2016）。TCCON观测数据已成为验证和系统校正温室气体观测卫星反演的大气CO2柱浓度数据的主要地面数据源，可以提供足够精度的CO2产品来验证卫星遥感产品（Wunch 等，2017）。

目前可供使用的TCCON 站点约为30 个，综合考虑时间尺度和空间尺度两个方面，本文选取了其中3 个站点（表1）：（1）时间尺度上，由于大气CO2浓度存在较明显的日变化，一般选用卫星过境前后30—60 min 的地基观测数据，当地基站点的匹配点数量较少时可将时间匹配条件放宽到卫星过境前后120 min（Wunch 等，2011；Cogan 等，2012）；此外所选站点观测资料的起止日期应与本文研究的时间范围尽可能重合；（2）空间尺度上，由于人口主要分布在中纬度地区，且大气CO2浓度在空间分布上南北半球差异显著，因此站点位置应位于南北半球中纬度地区。

表1 所选TCCON站点信息及数据匹配数量Table 1 The information of TCCON sites and the matching number

基于以上匹配原则，本文选取了美国的Pasadena（CA）、Lamont（OK）和澳大利亚的Wollongong（WG）3个站点，分别与其经纬度坐标周围1°×1°范围内的GOSAT陆地区域网格日产品作对比验证。

3 结果

3.1 基于TCCON 数据的GOSAT 卫星XCO2 产品验证

图1是GOSAT卫星XCO2日产品与所选TCCON站点观测资料（数据的样本情况和时空匹配情况见表1）的对比分析结果，从左至右分别为CA、OK、WG 站点的相关性分析结果。可以看到，3 个站点虽然1°×1°范围内观测资料的匹配数量各不相同，其中CA 最多，WG 最少，但三者的相关系数R均高于0.95，一致性好；均方根误差分别为1.2 ppm、1.4 ppm、2.8 ppm。Cogan等分析了GOSAT与所有TCCON 站点CO2产品的相关性，发现相关系数约为0.75，均方根误差约为2.26 ppm，其结果与本文结果基本一致，因此GOSAT 卫星遥感产品具有较高的观测精度，能够应用于大尺度CO2时空特征分析（Schneising 等，2011；Cogan 等，2012；Liu 等，2015；Buschmann 等，2016；孟晓阳 等，2018；张绍会 等，2019；莫露 等，2021）。

图1 GOSAT与TCCON站点观测资料相关性分析Fig.1 The correlation analysis between GOSAT and TCCON

本文基于2010 年—2020 年GOSAT FTS SWIR L2 XCO2 数据集（v02.95/02.96），分别从空间分布、纬向分布、区域CO2时空特征等3 个方面分析大气CO2浓度的空间分布特征和时间分布特征。

3.2 大气CO2浓度的分布特征

图2为全球陆地区域大气CO2浓度的空间分布与变化情况，其中图2（a）和图2（b）分别为2010年和2020 年大气CO2浓度的空间分布，图2（c）为2020年相对2010年大气CO2浓度的增长量，图2（d）为2010年—2020年大气CO2浓度年均增长率（表2）。结果显示，2010 年—2020 年，全球陆地区域大气CO2浓度明显升高，年均值从387.42 ppm 上升至410.32 ppm，增长量为22.90 ppm，其中亚洲东部、非洲中部、北美南部等地区CO2浓度较高，可能受人类活动强度较高影响；北美北部、亚洲北部等北半球高纬度地区以及南美南部、大洋洲等南半球中高纬度地区明显偏低。2010 年—2020 年，年均增长率为2.33 ppm/a，与前人的研究结果相比（表3），本文结果略高，结合孟晓阳等（2018）的结果可以发现，近年来大气CO2浓度增长率有持续增大趋势，应对气候变化、全球温室气体减排、碳中和面临的压力依旧。此外，本文只分析陆地区域，相对而言，陆地比海洋地区增暖更快、季节波动更大、大气CO2浓度更高；且本文采用的观测时间更长，时间序列和空间覆盖更完整，能够更真实全面地反映近十年的全球陆地区域大气CO2浓度的变化趋势。

图2 全球陆地区域大气CO2浓度空间分布Fig.2 The spatial distribution of global land area CO2 concentration

表2 全球陆地区域大气CO2浓度空间分布统计结果Table 2 Statistical results of the spatial distribution of global land area CO2 concentration

表3 与前人研究结果对比Table 3 Comparison with previous research results

图2 和表2 显示，与2010 年相比，2020 年全球CO2浓度的标准差明显增加，由2.03 ppm 增大至2.40 ppm。与十年前相比，全球CO2浓度在不同区域上的空间变异增大。这说明在全球范围内，不同地区人类活动强度与工业活动强度的差距进一步扩大，引起全球CO2排放的空间差异加大。

3.3 大气CO2浓度的纬向分布特征

从图2 中可以发现，大气CO2浓度分布有明显的纬向分布特征，本文进一步分析了全球陆地区域CO2浓度的纬向分布特征，结果如图3 所示。可以看到，随年际变化，CO2浓度逐年升高；同一年份中，从南向北总体呈现先升高后降低的纬向分布特征，且在0°—10°N 和30°N—40°N 存在两个较为明显的峰值。在赤道附近，存在较为明显的下降，赤道附近数据量稀少且质量较差，可能受云及数据质量控制等因素影响。从赤道向北，CO2浓度迅速回到正常水平，达到第一个峰值。结合图2发现，该区域高值区主要集中在非洲中部地区，CO2浓度的升高可能是由于热带稀树草原和森林的野火燃烧造成的。在30°N—40°N 附近，CO2浓度达到第二个峰值，此纬度带人口分布最广，全球近一半人口聚集生活在此区域，受人类活动与工业活动影响CO2浓度持续升高。

图3 纬向分布特征Fig.3 Characteristics of latitudinal distribution

3.4 大气CO2浓度的区域分布特征

根据大气CO2浓度的总体分布与纬向分布特征发现，除了纬度因素外，大气CO2浓度还可能与人口密度、经济发达程度、植被分布情况、气候等因素有关。因此，为了更详尽地分析大气CO2浓度的空间分布情况，综合考虑以上因素，本文把全球陆地区域分为10 个区域，并对各区域分别进行统计分析，结果见表4。

表4 2010年—2020年各区域大气CO2浓度统计结果Table 4 Statistical results of CO2 concentration in each region from 2010 to 2020

从统计结果来看，多年均值的最小值出现在北美北部，最大值出现在南美热带，高值区与低值区CO2浓度差异将近30 ppm。多年均值低于全球平均水平的区域为北美北部和亚洲北部，两个区域均为北半球高纬度地区，属寒带气候带，日照少、温度低，人口稀少，受人类活动影响较小，CO2浓度差异均超过了20 ppm。与北半球相比，南半球（区域4、7、10）的CO2浓度差异均小于10 ppm，区域差异较小。这主要是因为陆地和人口主要分布在北半球，生物质燃料排放和陆地生物圈排放主要集中在北半球（Andres等，1996）。

年均增长率方面，亚洲北部最低，远低于全球平均水平。高于全球平均水平的区域有北美温带、南美热带、非洲北部、亚洲温带和大洋洲，其中北美温带和亚洲温带地区主要是由于人口众多，过量的人为碳排放导致大气CO2浓度快速增长。南美热带、非洲北部和大洋洲主要是由于高温干旱引起的草原和森林燃烧造成的。如2019 年—2020 年夏季，澳大利亚维多利亚州和新南威尔士州沿海地区桉树林的过火面积约达7.4 万km2，造成了难以估计的碳排放量。

3.5 大气CO2浓度的年际变化特征

为了定量分析大气CO2浓度随时间的变化情况，本文进一步分析了2010 年—2020 年大气CO2浓度的年际变化特征。图4 为大气CO2浓度的时变情况。从图4 中可以发现，2010 年—2020 年，全球陆地区域大气CO2浓度逐年上升。以2015 年为界，2010 年—2015 年的年均增长量为2.12 ppm，而2016 年—2020 年为2.46 ppm。其中2016 年大气CO2浓度首次突破400 ppm，年增长量超过3 ppm，为近10 年最高。这可能是由于2015 年—2016 年超强厄尔尼诺事件产生的超热条件，再叠加长期气候变化所致（Wunch 等，2015；Buschmann 等，2016；WMO，2016，2017；邓安健 等，2020）。基于全球大气监测网的台站对大气CO2中13C/12C的测量结果表明，CO2增速的变化是由于大气和陆地生物圈之间的通量发生了微小变化，光合与呼吸作用或生物质燃烧之间平衡的变动对该交换通量造成微小的年际变化（1%—2%），这会对大气CO2的增速产生较大影响，如2012 年—2013 年的增长量远高于其他年份，但具体原因还需依赖全球大气监测网的观测结果做进一步分析（WMO，2014；孟晓阳 等，2018）。此外，2019 年—2020 年，年增长量明显减小，受到新冠疫情影响，2020 年化石燃料CO2排放大约减少了5.6%（WMO，2021）。

图4 2010年—2020年全球陆地区域大气CO2浓度和年增长率Fig.4 Global land area CO2 concentration and annual growth rate from 2010 to 2020

3.6 大气CO2浓度的季相变化特征

结合图3 的分析结果，本文分别选取20°S—40°S、30°N—40°N 和40°N—80°N 分析大气CO2浓度在不同纬度上的时间变化。图5 为大气CO2浓度在不同纬度上的季相变化，由于中高纬度地区冬季XCO2 观测数据较少，且反演精度较差，53.5°N在1 月、11 月、12 月没有数据。从结果可以看到，南北半球相反，且波动振幅北半球明显高于南半球，纬度越高波动越大。北半球峰值出现在春季（3—5月），随后急速下降，并于夏末秋初（8—9月）达到最低，后开始回升，南半球相反。这主要是由于北半球在冬春季，陆地表面植被呼吸作用大于光合作用，且北半球中高纬度地区处于供暖季，大量生物质燃料燃烧加剧了CO2排放，累积效应导致在春季达到峰值；而夏秋季陆地表面植被的光合作用大于呼吸作用，且生物质燃料使用大大减少，使得CO2含量降低。南半球与北半球季节相位相反，且南半球以海洋气候为主，人口密度较低，大气CO2浓度常年保持相对稳定，因此季节性波动北半球远大于南半球。

图5 2010年—2020年3个纬度上的大气CO2浓度逐月平均值Fig.5 The monthly mean value of CO2 in three latitude zones from 2010 to 2020

基于各区域的空间分布特征分析结果，本文选取区域2、5、9（北半球）和区域4、7、10（南半球），分别计算2010 年—2020 年大气CO2浓度的季相变化结果，如图6 所示。结合表4 的统计结果可以看到，北半球的季节性波动振幅更大，其中亚洲温带逐月平均最大值出现在4月，为402.93 ppm；最小值出现在8月，为395.67 ppm，季节性波动幅度达到7.26 ppm，为6 个区域中最大；其次为欧洲7.13 ppm和北美温带6.25 ppm。南半球的季节性波动幅度明显更低，3个区域分别为2.84 ppm、2.85 ppm和2.36 ppm，远低于全球平均水平（5.72 ppm）。

图6 2010年—2020年区域大气CO2浓度逐月平均值Fig.6 Monthly mean value of CO2 in regional areas from 2010 to 2020

4 结论

本文基于GOSAT FTS SWIR L2 XCO2 产品（v02.95/02.96）数据集，分别从CO2空间分布、纬向分布、区域时空特征等方面对全球陆地区域大气CO2浓度的时空特征进行了分析，得到结论如下：

（1）2010年—2020年，大气CO2浓度逐年上升，其中亚洲东部、非洲中部、北美南部等地区CO2浓度较高；北美北部、亚洲北部等北半球高纬度地区以及南美南部、大洋洲等南半球中高纬度地区明显偏低。以2015 年前后为界，2010 年—2015 年的年均增长量为2.12 ppm，而2016 年—2020 年为2.46 ppm。其中2016 年大气CO2浓度首次突破400 ppm，年增长量超过3 ppm，为近10年最高。

（2）大气CO2浓度分布有明显的纬向特征。从南向北总体呈现先升高后降低的特征，在0°—10°N和30°N—40°N 存在两个较为明显的峰值。季相分布上，北半球大气CO2浓度春季最高，夏末秋初最低，南半球相反，且纬度越高波动越大。

（3）多年均值的最小值出现在北美北部，最大值出现在南美热带，高值区与低值区的差异将近30 ppm。多年均值低于全球平均水平的区域为北美北部和亚洲北部。年均增长率方面，亚洲北部最低，高于全球平均水平的区域有北美温带、南美热带、非洲北部、亚洲温带和大洋洲。季节性波动幅度，南半球明显更低。

基于上述结论，可以得到如下基本事实和科学规律认识。在人类活动和工业活动不断加剧的背景下，化石燃料燃烧强度不断攀升，近十年来，全球陆地区域CO2浓度上升呈加剧态势。同时，由于地区发展差异，在全球范围内，CO2浓度空间差异也呈加剧态势。受地理、气候和人类活动强度等多种因素的叠加影响，大气CO2浓度呈现显著的纬向变化特征，在赤道北部和北半球中高纬度地区出现明显CO2浓度峰值区。季相特征方面，由于南北半球的季节相位差异，二者的CO2浓度季节变化呈现明显的相反相位波动，且北半球由于人类活动强度较大，CO2浓度季节振幅也相对更剧烈。

以上事实和规律带给我们一些启示。工业活动引起的CO2浓度不断攀升，全球变暖加剧。人类控制工业排放的必要性和压力日益增强，以确保人类和人类赖以生存的环境“地球家园”的可持续发展。在联合国和IPCC 等国际框架和组织的推动下，人类发展和能源发展去向何方成为至关重要的思考主题，清洁能源和替代能源的地位和作用显得尤为重要。全球CO2监测卫星，为上述工作提供有效的较为全面的监测数据源，这些数据信息的挖掘和利用存在巨大的空间。卫星CO2观测与大气传输模式的结合，以及与同化方法的结合，可以为全球监测和模拟，提供更有效的监测与模拟手段。