2000—2019年东北三省气溶胶光学厚度的时空分布特征

北京大学环境科学与工程学院环境科学系, 北京 100871; †通信作者, E-mail: songyu@pku.edu.cn

摘要利用 MODIS 高时空分辨率(日; 1km×1km)气溶胶光学厚度新产品 MCD19A2, 研究东北三省 2000—2019 年气溶胶光学厚度(AOD)的时空分布特征。结果显示, 东北三省近 20 年来 AOD 变化不大, 均值为 0.23。2003 年, 春旱、扬沙和农田秸秆燃烧导致 AOD 最高(0.38)。AOD 从南往北呈递减趋势, 总体上辽宁省>吉林省>黑龙江省。AOD 高值区集中在辽中南城市群等人口密集的工业发达地区, 低值区分布在大兴安岭、小兴安岭和长白山脉等山区。AOD 具有季节分布特征, 春夏季高, 秋冬季低。研究结果可为气溶胶对大气辐射收支平衡影响的研究以及模拟颗粒物浓度提供基础。

大气中均匀地分散着各种固态和液态颗粒状物质, 构成一个相对稳定的庞大的悬浮体系, 即气溶胶体系。气溶胶颗粒具有一定的稳定性, 沉降速度小, 粒径在 10−3～102μm 之间。气溶胶是大气的重要组分, 不利的气溶胶组分会污染大气环境[1], 对气候变化也起着非常重要的作用[2]。气溶胶粒子通过直接效应和间接效应两种辐射强迫机制影响大气的辐射收支平衡, 不同效应的产生取决于气溶胶颗粒的光学特性以及微物理特性[3‒5]。作为气溶胶的重要光学特性参数, 气溶胶光学厚度(aerosol optical depth, AOD)指在晴朗无云的天气下, 气溶胶消光系数在垂直方向的积分, 用于描述气溶胶对大气辐射的吸收和散射作用。AOD 能够反映整层大气的消光作用, 可以作为衡量空气污染程度的重要参数。近年来, 中国学者利用卫星遥感数据, 在反演气溶胶光学厚度方面做了大量工作, 但针对东北地区的研究很少。

研究气溶胶光学厚度的方法包括地面观测和卫星遥感[6]。目前, 东北三省地面观测站较少, 地面观测时间序列累积的年份不多, 难以从整体上描述其 AOD 的时间和空间分布特征。利用卫星数据反演东北地区的 AOD 是行之有效的方法。MODIS 气溶胶数据相关的产品有 MOD04_L2 和 MYD04_L2(时空分辨率: 日; 10km×10km)、MOD04_3K 和MYD04_3K (时空分辨率: 日; 3km×3km)及 MOD08和 MYD08 (时空分辨率: 月; 1°×1°)。

罗宇翔等[7]2012 年利用 NASA 的 MODIS/Terra月平均数据集(空间分辨率为 1°×1°)反演中国 2001—2010 年的 AOD, 得出全国 AOD 存在季节差异以及东北地区 AOD 值春夏季较高、秋冬季较低的结论, 但其中东北地区缺失大量数据, 有时甚至缺失整个月份的 AOD 数据。2017 年, 张宸赫等[8]利用Aqua 卫星的 MODIS 月数据(空间分辨率为 1°×1°)反演东北三省 2003—2014 年 AOD 时空特征, 但缺失冬季数据。2019 年, 刘海知等[9]利用MODIS 月数据(空间分辨率为 1°×1°)反演中国 2001—2017 年的AOD, 指出东北地区 AOD 处于全国较低水平。

以前反演东北三省 AOD 的研究存在以下不足。1)只使用 Terra 或 Aqua 的单个卫星 MODIS 数据, 未融合两个卫星的观测数据来提高数据的全面性。例如, 在上午星 Terra 过境的当日上午, 东北地区有云, 影响 AOD 值的观测, 此时数据就会缺失, 这种情况下就可以获取下午星 Aqua 的数据进行补充。2)数据的时空分辨率低, 一般是“月; 1°×1°”, 或是“日; 10km × 10km”, 难以进行精细的分析。3) 东北地区冬季数据缺失严重, AOD 反演效果不佳。

为了解决这些问题, 本文采用 2018 年问世的专门用于研究大气 AOD 的数据产品 MCD19A2。该产品将 Terra 与 Aqua 两个卫星的数据相结合, 数据缺失率低, 算法先进, 时空分辨率高(日; 1km×1km)。本文旨在获得 2000—2019 年东北三省 AOD 的时空分布特征, 以期有助于研究大气气溶胶对环境和气候的影响, 并为制定合理的对策提供科学依据。

1 数据与方法

1.1 MCD19A2数据

美国国家宇航局(National Aeronautics and Space Administration, NASA)分别于 1999 和 2002 年发射Terra 和 Aqua 两颗近地极轨卫星, 其搭载的中尺度分辨率成像光谱仪(MODIS)是 NASA 地球观测系统的一部分。目前, MODIS 是探测大气气溶胶的重要仪器, 具有高光谱分辨率和几乎每天的全球覆盖范围(当地时间大约 10:30 和 13:30, 每天对特定地区的气溶胶监测近两次)。此前的各种气溶胶卫星反演方法都是针对不同地表类型和不同的气溶胶组成, 依据不同的原理对气溶胶进行反演。MODIS的 AOD 算法中, 针对陆地有两种独立的算法, 即针对植被覆盖陆地等暗背景的暗像元算法[10]以及亮背景的深蓝算法[11‒12]。2018年, NASA 推出多角度大气校正算法(multi-angle implementationof atmosphe-ric correction algorithm, MAIAC)的大气 AOD 产品MCD19A2。MAIAC 是一种崭新的先进算法, 将时间序列分析与基于像素和图像的处理相结合, 提高云探测、气溶胶反演和大气校正的精度。在有绿色植被覆盖的暗背景地表, 反演精度与暗像元算法结果相似, 对沙漠和荒漠等亮背景地表的反演结果优于深蓝算法, 但对雪地和盐田等亮背景地表的反演结果依然存在不确定性[13‒14]。MCD19A2 直接融合两个卫星的 MODIS 观测数据, 具有高时空分辨率, 可以每日生成空间分辨率为 5km×5km 和 1km×1km 的 AOD 数据。因为东北地区全年绿色植被覆盖时间较短, 无绿色植被覆盖的地表类似于荒漠的亮背景地表, 所以采用新算法的 MCD19A2, 与以前的数据相比, 更适合反演东北三省的 AOD。

本文采用 MCD19A2 数据版本 C6, 波长为 550nm, 时间分辨率为日, 空间分辨率为 1km×1km, 时间范围为 2000 年 3 月 1 日—2020 年 2 月 29 日。从 NASA 官方网站(https://search.earthdata.nasa.gov) 获取数据, 解码计算获得 AOD 日均值、月均值、年均值、20 年平均值以及 20 年的季节平均值。

1.2 火点数据与土地覆盖类型数据

农田秸秆燃烧是环境污染的一个人为源, 产生的颗粒物会对 AOD 产生影响。因此, 本研究提取2013 年东北三省 Terra 和 Aqua 两个卫星 MODIS 的相关火点数据 MOD14 和 MYD14 以及土地覆盖类型数据 MCD12 (获取网址为 https://search.earthdata.nasa.gov), 解码求出东北三省农田的火点个数。

2 结果与分析

2.1 东北三省 AOD 年均空间分布

作为我国纬度最高的区域, 东北地区包括辽宁、吉林、黑龙江三省(简称东北三省), 是我国重工业基地, 矿产和森林资源丰富, 农业发达, 幅员辽阔, 空气污染问题也日益严重。根据东北三省的地形特点, 本文重点研究大兴安岭林区、小兴安岭山脉、三江平原、长白山脉、松辽平原和辽东南丘陵地带 6 个区域(图 1)。

本研究前期, 我们曾尝试利用之前其他研究(如文献[15‒16])中反演 AOD 时应用较多的 Terra 卫星搭载的 MODIS 观测数据 MOD04_L2 (时空分辨率: 日; 10km×10km)反演 2013 和 2015 年中国东北地区 AOD 月均值的空间分布, 效果不理想, 12—2月的数据大量缺失。MCD19A2 产品解决了数据缺失问题, 反演效果大大提升。

利用 MCD19A2 数据产品反演得出的东北三省20 年(2000—2019 年) AOD 平均值的空间分布如图2 所示, 可以看出 AOD 从南往北逐渐降低, 即辽宁省>吉林省>黑龙江省。

东北三省主要有沈阳‒大连、长春‒吉林以及哈尔滨‒大庆‒齐齐哈尔 3 个工业带, 形成辽中南(以沈阳和大连为中心, 包括鞍山、抚顺、本溪、丹东、辽阳、营口、盘锦和铁岭等城市)和哈‒长两大城市群, 主要工业城市有沈阳、大连、鞍山、本溪、抚顺、吉林、长春和哈尔滨等市。AOD 高值(0.3～0.5)区分布在沿渤海辽东湾商务城市以及鞍山和沈阳等人口多的重工业城市(辽中南工业基地重工业类型齐全); AOD 中值(0.2～0.3)区分布在松辽平原北部的长春‒吉林工业带和哈尔滨‒大庆‒齐齐哈尔工业带(包括长春和哈尔滨等城市)、辽东南丘陵地带以及三江平原, 与人口密集程度、工业发展水平和农业生产等人类活动密切相关; AOD 低值(0.05～0.2)区分布在大兴安岭林区、小兴安岭山脉和长白山脉等人迹罕至的林地山区, 受人类活动的影响较小。

从全国范围来看, 东北三省 AOD 相对较低[9,17], 主要原因有 3 点。1)人为的颗粒物排放量占比小, 东北三省地广人稀, 幅员辽阔, 环境容量大。2)东北地区属于温带季风季候, 年平均风速较大, 渤海沿岸的大连市平均风速达到 5m/s[18]。污染源分布密集的辽中南城市群恰好是全年平均风速最大的区域, 有利于污染物的扩散。东北三省冷季风速高于暖季, 在污染物大量排放的冬季, 盛行来自蒙古‒西伯利亚高压区的西北风, 使得 AOD 降低, 高值区南移。3)东北三省南临渤海, 西接内蒙古自治区, 东连朝鲜, 北部被俄罗斯远东地区包裹, 周边人口稀疏, 工业欠发达, 污染物排放较少, 不会对东北三省输送污染物。

2.2 东北三省 AOD 的年际分布与变化

本研究将 3 月到次年 2 月视为一个自然年, 即将 2000 年 3 月到 2001 年 2 月记为一个年份, 依此类推。从图 3 可以看出, 在 AOD 值较高的 2003 年, 东北三省大部分区域处于高值区。通过提取每一天的AOD 值, 发现高值集中在 2003 年 5 月(AOD 月均值高达 1.16), 2003 年 5 月 19 日的 AOD 值达到东北地区罕见的高值 2.32, 这与当时的干旱和扬沙天气密切相关。

2002 年秋季开始, 东北地区大部分区域降水持续偏少, 2002 年冬季和 2003 年春季的降水量比往年同期少 3～8 成, 尤其是 2003 年 1—5 月, 中国东北部平均降水量仅次于 1965 和 1993 年同期, 是 1954 年以来的第 3 个少雨年。受蒙古气旋和冷空气系统(风力 5～7 级)的影响, 4—5 月出现两次扬沙和一次沙尘暴天气(4 月 13—15 日扬沙, 4 月 15—17 日沙尘暴, 5 月 1—7 日扬沙[19]), 持续时间较长。空气中沙尘等颗粒物导致 4—5 月 AOD 出现高值, 进而导致东北三省 2003 年的 AOD 年均值为近 20 年最高。

2014 年是 20 年来仅次于 2003 年的第二 AOD高值年(AOD 年均值为 0.29)。图 3 显示, 2014 年的AOD 高值区集中在盘锦‒沈阳‒铁岭‒长春‒哈尔滨一线的城市, 基本上与松辽平原的范围吻合; 大兴安岭、小兴安岭和长白山等地势较高的山区 AOD呈现低值。通过提取每一天的 AOD 值, 发现 2014年的高值集中在 7 月(AOD 月均值为 0.74), 7 月 24日达到当年最高值 2.58, 其原因将在 2.3 节讨论。

从图 3 可以看出, 2003 和 2014 年 AOD 为高值; 2018 年 AOD 为低值, 且空间分布较均匀。从表 1看出, 东北三省 2000—2019 年 20 年的 AOD 平均值为 0.23。从整体上看, 东北三省 2000—2019 年AOD 年均值变化不大, 人为影响相对稳定, 主要是气象因素导致小幅波动。2003 年比较特殊, 4—5 月的干燥和扬沙天气导致当年 AOD 均值高达 0.38; 2018 年 AOD 最低, 年均值为 0.18; 2001 和 2004 年AOD 较低, 年均值为 0.19。

2.3 东北三省AOD的季节分布与变化

东北三省春季和夏季 AOD 季节平均值较高, 均为 0.27; 秋季和冬季 AOD 季节平均值较低, 分别为 0.18 和 0.19。图 4 显示 2000—2019 年东北三省20 年 AOD 季节平均值的空间分布, 图 5 显示东北三省 2000—2019 年逐年 AOD 季节平均值、20 年AOD 季节平均值及季节变化趋势。

春季(3—5 月), AOD 高值区主要分布在松辽平原和三江平原, 后者尤为明显, 与扬沙天气和农田秸秆燃烧有关。虽然我国大部分地区 3 月进入春天, 但因纬度较高, 东北三省一般 4—5 月冰雪才开始消融, 此时草木未生, 地表裸露, 是全年中风最大的季节, 扬沙甚至沙尘暴天气频繁出现。此外, 4—5月空气较为干燥, 农田秸秆燃烧也多在耕种之前的这两个月进行, 产生的颗粒物使 AOD 增高。结合2013 年 NASA 网站的 MOD14 与 MYD14 火点数据, 按土地覆盖类型数据 MCD12 中农田土地类型进行筛选, 得到 2013 年东北三省农田中火点数的逐月分布情况。图 6 显示, 东北三省农田秸秆燃烧集中在4, 5 和 10 月, 与文献[20]中 2003—2017 年东北三省火点逐月分布结果一致, 与当地农业生产的实际情况(11—3 月因冰雪覆盖无法进行秸秆燃烧, 4—5 月耕种之前及 10 月初秋收之后进行秸秆燃烧)相符。

夏季(6—8 月), 东北三省 AOD 较高, 与李成才等[21]利用 MODIS 气溶胶光学厚度产品反演北京及周边地区 AOD 的结果相似。东北三省夏季 AOD 高值区集中分布在辽中南城市群‒长春‒哈尔滨等人口密集、工业发达的城市区域。雨水可以清除空气中的颗粒物, 使大气变得清洁, 但东北三省夏季充足的雨水使得相对湿度达到全年最高, 在人口密集的城市区域, 热力、湍流和城市热岛的作用使得人为排放的颗粒物抬向高空。夏季混合层发展较好, 由于气温随高度增加而降低, 空气中的水汽更容易饱和。高空颗粒物提供充足的水汽凝结核, 颗粒物在相对湿度较大环境下潮解并吸湿增长, 导致夏季整个大气层消光系数较大, AOD 升高。

冬季(12—2 月), 东北三省燃煤量大, 污染期间AOD 处于高值。东北三省的空气重污染事件从2013 年开始频繁出现。以东北三省 2013 年(2013 年3 月 1 日至 2014 年 2 月 28 日)为例, 对 AOD 日均值按季节画出箱图, 如图 7 所示。2014 年 2 月 25 日, 东北三省 AOD 值达到 1.72, 远超近 20 年 AOD 平均值 0.23, 也远超该年其他 3 个季节的平均值。2013年冬季 AOD 低值是 2014 年 2 月 3 日的 0.05, AOD 值的 1/4 中位数为 0.14, 中位数为 0.19, 3/4 中位数为0.36, 最高值为 1.72, 说明冬季重污染期间 AOD 日均值高, 但维持的时间段短, 在无污染阶段很低, 导致 AOD 冬季月均值和年均值依然处于低位。

2013 年秋季(9—11 月)东北三省 91 天的 AOD中位数为 0.15, 与冬季同为低值季节。秋季日均值的变化与冬季有差异, 出现高值的原因与冬季略有差别。2013 年秋季 AOD 最高值出现在 10 月 20 日(0.97), 原因是 10 月庄稼成熟收割后, 农田秸秆燃烧排放大量颗粒物。另外, 我国北方按纬度分期供暖, 黑河供暖最早, 10 月 1 日开始, 齐齐哈尔 10 月15 日开始, 哈尔滨 10 月 20 日开始, 之后东北地区全面供暖, 但秋季 AOD 却处于低值, 是因为大风清除效果明显。

总体来看, 东北三省春季因扬沙天气与农田秸秆燃烧, AOD 最高; 夏季因颗粒物吸湿增长, AOD也较高; 秋季和冬季因大风对颗粒物的清除, AOD较低, 空间分布也较均匀。从 20 年的变化情况看, 春季呈缓慢下降趋势, 夏、秋、冬 3 个季节呈缓慢上升趋势, 其可能的诱因需进一步研究。

2.4 东北三省AOD月变化

20 年间的 240 个月份中, 东北三省 AOD 月均值最高值出现在 2003 年 5 月(1.16), 最低值出现在2000 年 10 月和 2018 年 10 月(均为 0.10)。图 8 展示东北三省 2000—2019 年 AOD 逐月平均值, 可以看出, 1—7 月 AOD 呈上升趋势, 5, 6 和 7 月 AOD 月均值最高, 分别为0.30, 0.31 和 0.30; 4—5 月裸露地表扬沙和农田秸秆燃烧以及 6—7 月颗粒物吸湿增长(吸湿效果随着高度增加而增强)导致 AOD 高值; 8—9 月东北地区进入秋季, 风力加强, 大气中颗粒物疏散效果明显, 8 月 AOD 开始下降, 9 月达到最低值 0.15; 9—10 月东北三省开始霜降天气, 温度和湿度比 7—8 月大幅度降低, 颗粒物无法吸湿增长, 导致大气消光性差, AOD 下降, 能见度较高; 11—12月天气转冷, 在小风静稳等不利气象条件下, 大量燃煤排放的颗粒物造成重污染, 但通常在西伯利亚冷空气大风侵袭下快速清除, 虽然重污染时有发生, 但 AOD 整体上并未升高。

3 结论

本文利用 MODIS 的高时空分辨率气溶胶光学厚度新产品 MCD19A2, 获得东北三省 2000—2019年AOD的时空分布特征, 结论如下。

1)东北三省 2000 年 3 月到 2020 年 2 月 20 的AOD 均值为 0.23, 20 年间 AOD 值整体上呈现平稳趋势。受干旱和风沙天气影响, 2003 年春季 AOD值过高。空间分布方面, 从南往北呈递减趋势, 总体上辽宁省>吉林省>黑龙江省。AOD 高值区集中分布在辽中南城市群等人口密集的工业发达地区, 低值区分布在大兴安岭、小兴安岭和长白山脉等林地山区。

2)AOD 春季和夏季高, 秋季和冬季低。春季受裸露地表扬沙和农田秸秆燃烧影响, AOD 的空间分布较均匀。夏季 AOD 高值区集中分布在辽中南城市群‒长春‒哈尔滨等人口密集的工业发达城市区。冬季 AOD 日均值差别较大: 高值较大, 出现的天数少; 低值较小, 出现的天数较多。因冬季盛行来自蒙古‒西伯利亚高压区的西北风, 对大气中污染物的清除效果明显, 拉低其 AOD 季节均值。秋季与冬季 AOD 季节均值相当, 与冬季日均值差别大相比, 秋季 AOD 月均值和日均值变化不大。

3)人口密集、工业发达的城市及周边地区对东北三省 AOD 影响大, 并且在时空上比较稳定。气象因素是变数, 干旱和扬沙可能导致当年 AOD增高。

与以往研究所用数据相比, MCD19A2 数据更适用于东北地区的 AOD 反演, 不足之处是反演雪覆盖的亮背景地表时, 依然存在不确定性。未来, 可以利用 MCD19A2 数据的高时空分辨率, 精细地研究东北三省农田秸秆燃烧等因素对 AOD 的贡献, 模拟该地区颗粒物浓度。

[1]Dickerson R R, Kondragunta S, Stenchikov G, et al.The impact of aerosols on solar ultraviolet radiation and photochemical smog.Science, 1997, 278: 827‒ 830

[2]张小曳.中国大气气溶胶及其气候效应的研究.地球科学进展, 2007, 22(1): 12‒16

[3]Charlson R J, Langner J, Rodhe H, et al.Perturba- tion of the northern hemisphere radiative balance by backscattering from anthropogenic sulfate aerosols.Tellus A: Dynamic Meteorology and Oceanography, 1991, 43(4): 152‒163

[4]Charlson R J, Schwartz S E, Hales J M, et al.Clima-te forcing by anthropogenic aerosols.Science, 1992, 255: 423‒430

[5]周秀骥, 李维亮, 罗云峰.中国地区大气气溶胶辐射强迫及区域气候效应的数值模拟.大气科学, 1998, 22(4): 3‒5

[6]毛节泰, 张军华, 王美华.中国大气气溶胶研究综述.气象学报, 2002, 60(5): 625‒634

[7]罗宇翔, 陈娟, 郑小波.近 10 年中国大陆 MODIS遥感气溶胶光学厚度特征.生态环境学报, 2012, 21(5): 876‒883

[8]张宸赫, 赵天良, 王富, 等.2003 ～ 2014 年东北三省气溶胶光学厚度变化分析.环境科学, 2017, 38(2): 476‒484

[9]刘海知, 郭海燕, 马振峰, 等.2001 ～ 2017 年全国气溶胶光学厚度时空分布及变化趋势.环境科学, 2019, 40(9): 3886‒3897

[10]Kaufman Y J, Wald A, Remer L A, et al.Remote sensing of aerosol over the continents with the aid of a 2.2 m channel.IEEE Transactions on Geoscience and Remote Sensing, 1997, 35: 1286‒1298

[11]Hsu N C, Tsay S C, King M D, et al.Aerosol proper-ties over bright-reflecting source regions.IEEE Tran-sactions on Geoscience and Remote Sensing, 2004, 42(3): 557‒569

[12]Sayer A M, Hsu N C, Bettenhausen C, et al.Vali-dation and uncertainty estimates for MODIS Collec-tion 6 “Deep Blue” aerosol data.Journal of Geophy-sical Research: Atmospheres, 2013, 118(14): 7864‒ 7872

[13]Lyapustin A, Wang Y, Laszlo I, et al.Multiangle implementation of atmospheric correction (MAIAC): 2.Aerosol algorithm.Journal of Geophysical Re-search: Atmospheres, 2011, 116(D3): D03211

[14]Lyapustin A I, Wang Y, Laszlo I, et al.Multi-angle implementation of atmospheric correction for MODIS (MAIAC): 3.Atmospheric correction.Remote Sen-sing of Environment, 2012, 127: 385‒393

[15]Wong M S, Shahzad M I, Nichol J E, et al.Validation of MODIS, MISR, OMI, and CALIPSO aerosol opti-cal thickness using ground-based sunphotometers in Hong Kong.International Journal of Remote Sensing, 2013, 34(3): 897‒918

[16]胡蝶, 张镭, 沙莎, 等.西北地区 MODIS 气溶胶产品的对比应用分析.干旱气象, 2013, 31(4): 677‒683

[17]刘莹, 林爱文, 覃文敏, 等.1990 ～ 2017 年中国地区气溶胶光学厚度的时空分布及其主要影响类型.环境科学, 2019, 40(6): 2572‒2581

[18]杨雪艳, 田广元, 常义.近 40 年中国东北地区平均风速的气候变化特征分析.吉林气象, 2009, 15(2): 2‒4

[19]国家环境保护总局.中国2003年环境状况公报.环境保护, 2004(7): 3‒17

[20]Wang Lili, Jin Xin, Wang Qinglu, et al.Spatial and temporal variability of open biomass burning in Nor-theast China from 2003 to 2017.Atmospheric and Oceanic Science Letters, 2020, 13(3): 240‒247

[21]李成才, 毛节泰, 刘启汉, 等.利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染.大气科学, 2003, 27(5): 869‒880, 951‒953

Spatial-temporal Distribution of Aerosol Optical Depth over Northeastern China During 2000‒2019

Department of Environmental Sciences, College of Environmental Science and Engineering, Peking University, Beijing 100871; † Corresponding author, E-mail: songyu@pku.edu.cn

Abstract Using MCD19A2, a new product of MODIS with high temporal and spatial resolution(daily; 1 km × 1 km), spatial-temporal distribution of aerosol optical depth (AOD) over northeastern China during 2000‒2019 were studied and analyzed.The results showed that the average AOD of the northeastern China in recent 20 years is 0.23, and have changed little.2003 is the year with the highest AOD (0.38), which is mainly affected by spring drought, sand blowing, straw burning and other factors.In terms of spatial distribution, there is a decreasing trend from south to north.Liaoning province is higher than Jilin province and Jilin province is higher than Heilongjiang Province.AOD high-value areas are concentrated in the urban agglomeration of south-central region of Liaoning Province and other areas with dense population and developed industry.Low-value area is distributed in the greater Hinggan Mountains, lesser Hinggan Mountains, Changbai Mountains and other mountainous areas.Seasonal distribution of AOD; Higher in spring and summer, lower in autumn and winter.The results can be used to study the effects of aerosols on the atmospheric radiation balance or to simulate the concentration of particulate matter.