2018, Vol. 39
2. 杭州市气象局, 杭州 310051
2. Hangzhou Meteorological Bureau, Hangzhou 310051, China
二氧化碳(CO2)是一种长寿命温室气体, 美国国家海洋大气管理局(NOAA)公布的年度温室气体指数显示, 1990~2015年长寿命温室气体的辐射强迫增加了37%, 其中CO2的作用约占该增量的80%, 2015年全球CO2体积分数首次达到400×10-6[1].人类活动排放是导致大气CO2增加的直接原因, 化石燃料燃烧、水泥生产和土地利用变化等对大气CO2体积分数具有重要影响[2~4].城市地区人口密集, 污染物排放强度大, 城市化带来的土地利用变化也会对CO2体积分数产生重要影响[5~7].城市区域排放的CO2已占据总排放量的70%以上[8, 9].通过研究CO2体积分数的城郊梯度分布发现, 与城市热岛分布类似, 城市地区的CO2体积分数亦明显高于农村地区, 城市地区气温和CO2体积分数的升幅与全球短期气候变化的预测结果相当, 可以用于研究未来气候变化对生态系统的影响[10~15].此外, 城市地区较高的CO2体积分数分布, 会对局地气温、大气稳定度、水汽、风、降水等气象条件产生影响, 进而可能加剧局地臭氧(O3)和颗粒物的污染水平, 从而对人体健康产生危害[16].因此对比研究城市、郊区CO2体积分数的分布差异, 可以了解城市对大气CO2体积分数的影响程度, 对应对气候变化、制定碳减排措施、改善城市大气环境具有重要意义[17, 18].
目前, 在中国的很多地区均开展了CO2体积分数观测研究[19~26], 但主要关注城市地区或者区域大气本底站, 对城市与郊区CO2体积分数的对比研究相对较少, 仅在南京、上海、厦门等地开展过短期的相关研究[5, 14, 15, 21, 27, 28].为了更好地反映我国城郊CO2体积分数的差异特征, 本研究以杭州市为例, 选取2015年8月至2016年9月杭州城区与远郊地区在线观测CO2体积分数, 分析杭州地区CO2体积分数的城郊分布差异, 并结合风向、CO2体积分数周末效应分析、G20峰会期间CO2体积分数变化过程分析, 探讨杭州地区城市对CO2体积分数的影响程度.
1 材料与方法 1.1 观测地点城区观测站点设在上城区杭州国家基准气候站内(120.17°E, 30.23°N, 海拔43.2 m, 见图 1), 位于杭州市区南部馒头山上, 站址西面毗邻西湖风景区, 其余三面为杭州主城区, 站点的西南至东北向紧邻钱塘江. 2015年年末杭州主城区总人口为365.96万, 人口密度5 358人·km-2[29].远郊观测站点设在临安区域大气本底站(120.73°E, 30.30°N, 海拔138.6 m), 位于临安市区以北6.5 km处, 距离东面杭州市直线距离约60 km, 距离东北方向的上海市直线距离约150 km.站址四周以丘陵、林地和农田为主, 植被覆盖良好, 周围3 km范围内无大型村落.临安站盛行风向以东北风和西南风为主, 特殊天气现象和逆温的出现频率较低, 具有典型的亚热带季风区的气候和大气环流特征.
|
来源于国家基础地理信息中心 图 1 采样地点地理位置及周边土地覆盖分布 Fig. 1 Locations of measurement sites and surrounding land cover |
远郊站、城区站的CO2体积分数在线观测分别采用美国Picarro公司G2401 CO/CO2/CH4/H2O分析仪和G2301 CO2/CH4/H2O分析仪, 详细的观测系统设计参见文献[26].仪器基于波长扫描光腔衰荡光谱技术(WS-CRDS), 当激光二极管发射出的单频断源光束进入含有三面高反射率镜子的腔室进行反射时, 光强度以指数级迅速衰减至零, 若将吸收激光的目标气体导入腔室, 相比空腔新增的损耗必然缩短激光的衰荡时间, 且空腔与充满目标气体的衰荡时间差与目标气体的体积分数呈线性相关, Picarro分析仪通过自动连续计算和比较空腔或充满目标气体的衰荡时间来测量目标气体体积分数.该仪器的CO2测量精度 < 0.05×10-6·(5 min)-1, 最大漂移峰峰值0.5×10-6·month-1, 测量间隔4 s.
1.3 数据处理与质量控制将采集的观测数据整理后计算5 min体积分数均值, 并结合台站值班记录和气象要素观测进行质量控制, 剔除测量过程中的异常值(仪器故障, 包括进气管故障、停机维护、标定仪器等; 人为活动因素, 包括机动车上山、人员参观等; 自然因素, 如强风、暴雨等); 然后采用可溯源世界气象组织(WMO)国际CO2标准的一级标气定期标定的工作标气对系统进行标定, 根据每6 h测量的一组工作标气响应值, 获得标准曲线对5 min平均体积分数进行校准, 进而计算得到CO2体积分数小时均值.将每日不少于18 h的体积分数时均值取算术平均值求得有效日均值, 计算每月内有效日均值的平均值得到体积分数月均值, 每月的有效日数在22~31 d之间.这里采用的数据时段为2015-08-01至2016-07-31.此外, G20峰会期间的CO2体积分数特征分析采用2016-08-11至2016-09-30时段的数据.
2 结果与讨论 2.1 CO2体积分数的日变化分布2015年8月至2016年7月, 杭州城区、远郊地区的CO2体积分数日变化分布在春、夏、秋三季均为单峰型形态, 低值出现在午后15:00, 高值出现在清晨06:00~07:00;冬季城区CO2体积分数呈双峰型分布, 高值分别出现在08:00~09:00、18:00~22:00, 低值出现在14:00~15:00, 远郊地区则仍为单峰型分布(见图 2).在春、夏、秋三季, 杭州城区站CO2体积分数分布与厦门城区秋季的观测结果较为类似[22], 午后受到植物光合作用和较好的对流层输送条件影响, 体积分数值较低, 日落后随着光合作用减弱以及大气扩散条件变差, CO2在近地层大气中积累, 体积分数逐渐升高, 至日出前达到峰值, 日出后又逐渐下降, 但与北京、上海夏季以及杭州华家池春夏秋三季的观测结果不同[20, 24, 30], 在晚高峰的18:00~22:00时段并未出现明显的体积分数次高峰, 这可能是由于杭州的城市规模比北京、上海小, 晚高峰期间的人为排放影响没有北京、上海显著, 并且本研究中的杭州城区站位于气象观测站内, 相对于杭州华家池观测站, 站点海拔高度更高, 站址周边更为开阔, 局地的扩散条件相对更好, 受到晚高峰期间人为活动排放的直接影响相对更小, 因此未出现明显的晚高峰峰值; 在冬季, 城区CO2体积分数亦在晚高峰时段出现明显峰值, 并一直持续到22:00才开始逐渐下降, 至凌晨06:00随着早高峰的到来, 体积分数又逐渐回升, 出现早高峰峰值, 与北京冬季、杭州华家池冬季的观测结果类似[20, 24], 这可能是由于冬季整个杭州地区大气扩散条件均较差, 使得晚高峰期间的人为活动影响更为明显.在远郊地区, 远离人口密集区, 受到人类活动的影响较小, 且大气扩散条件较好, 因此CO2体积分数日变化在4个季节均表现为单峰型分布. 4个季节的CO2城郊体积分数差值在08:00~10:00、17:00~20:00均出现峰值, 反映出城区早、晚高峰排放对城市CO2体积分数存在重要影响, 但与南京夏季城市中心-城市森林体积分数差值最大出现在13:00~14:00不同[15], 这可能是由于南京地区的研究采样时间较短, 且两个采样点的距离较近.可见, 在杭州城区和远郊地区, 植物光合作用/呼吸作用和大气输送条件的日变化是影响CO2体积分数日变化的主要因素, 人为排放对城郊CO2体积分数差值的日变化分布存在重要影响.
|
图 2 2015年8月至2016年7月杭州城区、远郊地区CO2体积分数的日变化分布 Fig. 2 Diurnal variation of CO2 concentration in both the urban and rural areas of Hangzhou from August 2015 to July 2016 |
杭州城区CO2体积分数的日变化幅度春、夏、秋、冬四季依次为17.9×10-6、29.7×10-6、22.4×10-6、8.4×10-6, 远郊地区则分别为20.4×10-6、36.4×10-6、20.7×10-6、7.7×10-6, 即春夏季节远郊地区日变化幅度大于城区, 秋季反之, 冬季两者接近.植被覆盖率是影响近地面CO2体积分数的重要因素[4, 5, 21], 远郊地区植被覆盖较好, 因此受到植物光合作用/呼吸作用日变化的影响更大, 春夏季大部分植物进入生长期, 尤其夏季植物生长旺盛, 气温较高, 白天对CO2的吸收作用更强, 夜晚较强的呼吸作用则向大气释放出更多的CO2, 从而导致夏季远郊地区CO2体积分数日变化幅度远大于城区; 冬季, 植物生长代谢减弱, 对大气CO2的影响作用变小, 因此城区和远郊地区的CO2体积分数日变化幅度均明显减小, 但是在城区由于受到人为活动排放日变化的影响, CO2体积分数日变化幅度略高于远郊地区.
2.2 CO2体积分数的季节变化2015年8月至2016年7月, 杭州城区、远郊地区CO2体积分数的季节变化趋势基本一致(图 3), 均表现为冬、春季高, 夏季低, 其中11月~次年1月、4月较高, 7~9月较低, 与北京城区、江西千烟洲、上甸子、龙凤山区域本底站等地的季节分布特征均较为相似, 与地处偏远、远离人口稠密区的瓦里关全球本底站春季高、夏季低的特征不同[20, 25, 26].杭州地区CO2体积分数的季节变化主要受到CO2源汇和大气输送扩散条件的季节变化影响, 11月~次年1月, 月日照总时数不足100 h (图 4), 不利于植物进行光合作用, 导致CO2汇较弱, 且冬季气温较低, 人为活动产生的CO2排放量增加, 但大气扩散条件较差, 导致CO2体积分数较高; 2月日照总时数明显升高, 有利于植物进行光合作用, 并且由于春节期间人为活动明显减弱, CO2排放量减少, CO2体积分数出现明显降低; 3~4月日照总时数逐月减少, CO2体积分数又出现上升; 5~9月植物生长旺盛, 大气扩散条件较好, 且夏季受到海洋性气团的影响, CO2体积分数逐渐下降, 8~9月CO2体积分数达到全年最低.
|
图 3 2015年8月至2016年7月杭州地区CO2体积分数的月际分布 Fig. 3 Monthly variation of CO2 concentration in both the urban and rural areas of Hangzhou from August 2015 to July 2016 |
|
图 4 2015年8月至2016年7月杭州地区日照时数和气温的月际分布 Fig. 4 Monthly amount of sunshine and air temperature in Hangzhou from August 2015 to July 2016 |
杭州城区CO2体积分数各月均明显高于远郊地区, 与南京、上海、厦门等地区的研究结果一致[5, 15, 21, 27, 28], 春、夏、秋、冬四季城郊体积分数差值分别为8.5×10-6、7.3×10-6、9.2×10-6、10.7×10-6, 同期城区AQI比远郊地区分别偏高7.3、19.1、10.5、11.8.夏季城区污染以二次污染物O3为主, 使得城郊AQI差值较大, 但CO2体积分数差值较小; 在其余3个季节中, CO2体积分数城郊差值与AQI差值呈现正相关.可见, 城区与远郊地区CO2体积分数的差异与空气污染的季节差异较为一致, 均是由城区较大的人为源排放和相对较差的大气扩散条件所致.全年杭州城区CO2平均体积分数比远郊地区高9.3×10-6, 远小于上海地区的城郊体积分数差[5, 21], 与厦门地区的观测结果接近[27], 这可能是由于杭州、厦门的城市规模比上海小, 因此城市对大气CO2的影响程度亦相对较小.
2.3 风对城郊CO2体积分数的影响由图 5中CO2体积分数随风速风向的分布来看, 在杭州城区, 当风速低于2 m·s-1时, CO2体积分数较高; 风速大于2 m·s-1时, 偏西风方向上的体积分数较低, 偏北风方向上的体积分数较高.城区站西部为西湖风景区, 植被覆盖良好, 人为活动相对较少, 因此体积分数相对较低; 在站点北部主要是杭州城区, 人口密集, 植被覆盖相对较少, 因此多出现高体积分数分布; 偏东、偏南风向上虽然亦为杭州主城区, 但是受到钱塘江的影响, CO2体积分数值低于偏北风向.在远郊地区, 风速在2 m·s-1以下时, CO2体积分数亦较高; 当风速较大时, CO2高值主要分布在偏北、东北风向上, 与远郊站周边的大城市分布方向一致.可见, 在杭州城区和远郊地区, 当风速较低时, 大气扩散条件较差, 易造成CO2累积, 体积分数值较高; 当风速较大时, 大气输送条件较好, 周边城市分布和人为活动的影响较大, 这与厦门、江西千烟洲地区的观测结果一致[22, 25].
|
图 5 2015年8月至2016年7月杭州城区、远郊地区CO2体积分数随风速风向的分布 Fig. 5 Relationship between CO2 concentration and wind direction and speed in Hangzhou from August 2015 to July 2016 |
2015年8月至2016年7月, 杭州城区工作日的日均CO2体积分数为435.5×10-6, 略高于周末日均值434.5×10-6; 远郊地区工作日的日均值为426.4×10-6, 亦略高于周末日均值425.2×10-6; 城郊CO2体积分数差值在工作日与周末时段接近.全球大部分城市的研究结果显示[4, 6, 31~34], 机动车排放是城区CO2的重要来源, 因为CO2通量的峰值与工作日的交通流量峰值对应, 而周末则会出现明显的削减.在杭州地区, 城郊CO2体积分数差值在工作日早晚高峰期间出现的峰值在周末时段亦出现削减(见图 6); 且在杭州城区, 工作日的道路拥堵指数为5.0, 高于周末的拥堵指数2.7(http://www.hzjtydzs.cn/web/), 这可能导致工作日的机动车排放量亦高于周末, 但是根据EDGARv4.2 2010年源排放清单[35], 杭州市区道路机动车源在总CO2排放中的占比仅为0.33%, 因此对CO2体积分数的影响较小, 工作日的日均CO2体积分数仅略高于周末时段.在日变化分布上, 周末城区CO2体积分数总体上均低于工作日, 仅在11:00~16:00周末高于工作日; 远郊地区的CO2体积分数亦呈现类似的分布状况, 但11:00~16:00周末体积分数值仅略高于工作日(见图 6).与杭州市区的交通指数日变化相对应, 在11:00~16:00时段, 周末市区交通拥堵程度要大于工作日, 即该时段内的人为活动在周末有所增强, 人为排放增加, 导致该时段CO2体积分数周末大于工作日; 在远郊地区, 由于距离较远, 人为活动的影响明显减弱.此外, 城区CO2体积分数日最高值在工作日比远郊地区推后1 h出现, 与市区交通早高峰出现的时间几乎吻合.这可能是由于远郊地区受到植物光合作用/呼吸作用和大气输送条件的日变化影响, 在06:00~07:00出现体积分数日最大值, 在城区由于早高峰期间人为活动的增强, 增加了CO2的排放量, 因此07:00~08:00时段内CO2体积分数仍然在增长.可见, 在杭州地区, CO2体积分数分布存在一定程度的周末效应.
|
图 6 CO2体积分数在周末与工作日的日变化分布 Fig. 6 Diurnal variation of CO2 concentration for weekdays and weekends |
为进一步了解城市地区人为源排放对CO2体积分数的影响程度, 选取2016年杭州G20峰会期间的CO2体积分数进行分析. G20期间, 杭州从8月28日00:00至9月6日24:00采取临时交通管制, 全市工厂停产放假, 人口大量外出, 人为活动明显减少.由图 7可知, 2016年8月27日至9月6日, 杭州城区、远郊地区CO2体积分数均较2015年同期出现明显下降, 降幅分别达到15.6×10-6、9.6×10-6, 且城区CO2体积分数比远郊地区仅偏高2.9×10-6, 小于2015年同期的城郊差值8.9×10-6; 9月7~10日, 随着交通逐渐恢复, 工厂复产, 人口集中回流, 人为活动明显增加, 杭州城区CO2体积分数均较2015年同期上升约17×10-6; 9月11日之后人为活动恢复常态, 与8月11~26日G20峰会前类似, 杭州城区、远郊地区CO2体积分数与2015年同期差值均在2×10-6以内.可见, 与北京奥运、南京青奥期间采取交通管制、节能减排措施的结果类似[2, 19, 36], 人类活动的减弱, 可以有效地减少人为CO2排放, 降低大气CO2体积分数, 尤其是对城区CO2体积分数的削减效果更为明显.
|
图 7 2015、2016年8月11日至9月30日杭州地区CO2日均体积分数分布 Fig. 7 Daily concentration of CO2 in Hangzhou during the period of August 11 to September 30 in 2015 and 2016 |
(1) 通过分析2015年8月至2016年9月杭州城区、远郊地区在线观测CO2体积分数, 发现杭州城郊CO2体积分数的日变化分布形态在春、夏、秋3个季节基本一致, 在冬季则明显不同, 城区表现为双峰型形态, 远郊地区仍为单峰型形态; 4个季节CO2城郊体积分数差值均为双峰型分布.
(2) 杭州城区、远郊地区CO2体积分数的季节变化趋势一致, 均表现为冬、春季高, 夏季低. 4个季节杭州城区CO2体积分数均明显高于远郊地区, CO2城郊体积分数差值冬季最高, 夏季最低, 全年平均偏高9.3×10-6.
(3) 杭州城区、远郊地区CO2体积分数高值的输送方向与周边城市区域的分布方向一致.杭州城区、远郊地区CO2体积分数均呈现周末效应, 且城区CO2体积分数日变化分布的周末效应比远郊更明显.
(4) G20峰会期间的交通管制、节能减排等措施有效减少CO2人为源排放, 降低大气CO2体积分数, 尤其是对杭州城区的削减效果更为明显.
致谢: 感谢浙江省气象局临安区域大气本底站为本研究提供观测数据.| [1] | World Meteorological Organization. WMO greenhouse gas bulletin[EB/OL]. http://www.wmo.int/pages/prog/arep/gaw/ghg/GHGbulletin.html, 2016-10-24. |
| [2] |
徐家平, 李旭辉, 肖薇, 等. 青奥会期间基于δ13 C观测的大气CO2来源解析[J]. 环境科学, 2016, 37(12): 4514-4523. Xu J P, Li X H, Xiao W, et al. 13 C-based sources partitioning of atmospheric CO2 during Youth Olympic Games, Nanjing[J]. Environmental Science, 2016, 37(12): 4514-4523. |
| [3] | Ciais P, Sabine C, Bala G, et al. Carbon and other biogeochemical cycles[A]. In: Stocker T F, Qin D, Plattner G K, et al (Eds. ). Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[C]. Cambridge, United Kingdom, New York, NY, USA: Cambridge University Press, 2013. |
| [4] | Bergeron O, Strachan I B. CO2 sources and sinks in urban and suburban areas of a northern mid-latitude city[J]. Atmospheric Environment, 2011, 45(8): 1564-1573. DOI:10.1016/j.atmosenv.2010.12.043 |
| [5] |
潘晨, 朱希扬, 贾文晓, 等. 上海市近地面CO2浓度及其与下垫面特征的定量关系[J]. 应用生态学报, 2015, 26(7): 2123-2130. Pan C, Zhu X Y, Jia W X, et al. Near surface CO2 concentration and its quantitative relationship with character of underlying surface in Shanghai City, China[J]. Chinese Journal of Applied Ecology, 2015, 26(7): 2123-2130. |
| [6] |
窦军霞, 刘伟东, 苗世光, 等. 北京城郊地区二氧化碳通量特征[J]. 生态学报, 2015, 35(15): 5228-5238. Dou J X, Liu W D, Miao S G, et al. Carbon dioxide fluxes in a suburban area of Beijing[J]. Acta Ecologica Sinica, 2015, 35(15): 5228-5238. |
| [7] | Ward H C, Kotthaus S, Grimmond C S B, et al. Effects of urban density on carbon dioxide exchanges:observations of dense urban, suburban and woodland areas of southern England[J]. Environmental Pollution, 2015, 198: 186-200. DOI:10.1016/j.envpol.2014.12.031 |
| [8] | International Energy Agency. Energy Technology Perspectives 2016-towards sustainable urban energy systems[EB/OL]. http://www.iea.org/publications/freepublications/, 2016-06-01. |
| [9] | Rosenzweig C, Solecki W, Hammer S A, et al. Cities lead the way in climate-change action[J]. Nature, 2010, 467(7318): 909-911. DOI:10.1038/467909a |
| [10] | George K, Ziska L H, Bunce J A, et al. Elevated atmospheric CO2 concentration and temperature across an urban-rural transect[J]. Atmospheric Environment, 2007, 41(35): 7654-7665. DOI:10.1016/j.atmosenv.2007.08.018 |
| [11] | Kilkki J, Aalto T, Hatakka J, et al. Atmospheric CO2 observations at Finnish urban and rural sites[J]. Boreal Environment Research, 2015, 20(2): 227-242. |
| [12] | Briber B M, Hutyra L R, Dunn A L, et al. Variations in atmospheric CO2 mixing ratios across a Boston, MA urban to rural gradient[J]. Land, 2013, 2(3): 304-327. DOI:10.3390/land2030304 |
| [13] | Hutyra L R, Duren R, Gurney K R, et al. Urbanization and the carbon cycle:current capabilities and research outlook from the natural sciences perspective[J]. Earth's Future, 2014, 2(10): 473-495. DOI:10.1002/2014EF000255 |
| [14] | Pan C, Zhu X Y, Wei N, et al. Spatial variability of daytime CO2 concentration with landscape structure across urbanization gradients, Shanghai, China[J]. Climate Research, 2016, 69(2): 107-116. DOI:10.3354/cr01394 |
| [15] |
赵德华, 欧阳琰, 齐家国, 等. 夏季南京市中心-郊区-城市森林梯度上的近地层大气特征[J]. 生态学报, 2009, 29(12): 6654-6663. Zhao D H, Ouyang Y, Qi J G, et al. Near-surface atmospheric properties along an urban center-suburban-urban forest gradient in summer in Nanjing City[J]. Acta Ecologica Sinica, 2009, 29(12): 6654-6663. DOI:10.3321/j.issn:1000-0933.2009.12.042 |
| [16] | Jacobson M Z. Enhancement of local air pollution by urban CO2 domes[J]. Environmental Science & Technology, 2010, 44(7): 2497-2502. |
| [17] | Kumar M K, Nagendra S M S. Characteristics of ground level CO2 concentrations over contrasting land uses in a tropical urban environment[J]. Atmospheric Environment, 2015, 115: 286-294. DOI:10.1016/j.atmosenv.2015.05.044 |
| [18] | Ru M Y, Tao S, Smith K, et al. Direct energy consumption associated emissions by rural-to-urban migrants in Beijing[J]. Environmental Science & Technology, 2015, 49(22): 13708-13715. |
| [19] |
夏玲君, 周凌晞, 刘立新, 等. 北京上甸子站大气CO2及δ13 C(CO2)本底变化[J]. 环境科学, 2016, 37(4): 1248-1255. Xia L J, Zhou L X, Liu L X, et al. Monitoring atmospheric CO2 and δ13 C(CO2) background levels at Shangdianzi Station in Beijing, China[J]. Environmental Science, 2016, 37(4): 1248-1255. |
| [20] |
刘晓曼, 程雪玲, 胡非. 北京城区二氧化碳浓度和通量的梯度变化特征——Ⅰ浓度与虚温[J]. 地球物理学报, 2015, 58(5): 1502-1512. Liu X M, Cheng X L, Hu F. Gradient characteristics of CO2 concentration and flux in Beijing urban area part Ⅰ:concentration and virtual temperature[J]. Chinese Journal of Geophysics, 2015, 58(5): 1502-1512. DOI:10.6038/cjg20150504 |
| [21] |
朱希扬, 潘晨, 刘敏, 等. 上海春季近地面大气CO2浓度空间分布特征及其影响因素分析[J]. 长江流域资源与环境, 2015, 24(9): 1443-1450. Zhu X Y, Pan C, Liu M, et al. Spatial characteristics of near surface CO2 concentration and analysis on its influencing factors in spring in Shanghai City[J]. Resources and Environment in the Yangtze Basin, 2015, 24(9): 1443-1450. |
| [22] |
李燕丽, 穆超, 邓君俊, 等. 厦门秋季近郊近地面CO2浓度变化特征研究[J]. 环境科学, 2013, 34(5): 2018-2024. Li Y L, Mu C, Deng J J, et al. Near surface atmospheric CO2 variations in autumn at suburban Xiamen, China[J]. Environmental Science, 2013, 34(5): 2018-2024. |
| [23] |
高韵秋, 刘寿东, 胡凝, 等. 南京夏季城市冠层大气CO2浓度时空分布规律的观测[J]. 环境科学, 2015, 36(7): 2367-2373. Gao Y Q, Liu S D, Hu N, et al. Direct observation on the temporal and spatial patterns of the CO2 concentration in the atmospheric of Nanjing urban canyon in summer[J]. Environmental Science, 2015, 36(7): 2367-2373. |
| [24] |
陈超, 杨乐, 徐鸿, 等. 杭州市主要温室气体浓度变化特征[J]. 环境污染与防治, 2014, 36(1): 69-72, 96. Chen C, Yang L, Xu H, et al. Concentration variety characteristics of main greenhouse gases in Hangzhou[J]. Environmental Pollution & Control, 2014, 36(1): 69-72, 96. |
| [25] |
谭鑫, 朱新胜, 谢旻, 等. 江西千烟洲区域大气二氧化碳浓度观测研究[J]. 生态与农村环境学报, 2015, 31(6): 859-865. Tan X, Zhu X S, Xie M, et al. Monitoring of CO2 concentration in the atmosphere over Qianyanzhou Area, Jiangxi[J]. Journal of Ecology and Rural Environment, 2015, 31(6): 859-865. DOI:10.11934/j.issn.1673-4831.2015.06.010 |
| [26] |
方双喜, 周凌晞, 臧昆鹏, 等. 光腔衰荡光谱(CRDS)法观测我国4个本底站大气CO2[J]. 环境科学学报, 2011, 31(3): 624-629. Fang S X, Zhou L X, Zang K P, et al. Measurement of atmospheric CO2 mixing ratio by cavity ring-down spectroscopy (CRDS) at the 4 background stations in China[J]. Acta Scientiae Circumstantiae, 2011, 31(3): 624-629. |
| [27] |
李燕丽, 邢振雨, 穆超, 等. 移动监测法测量厦门春秋季近地面CO2的时空分布[J]. 环境科学, 2014, 35(5): 1671-1679. Li Y L, Xing Z Y, Mu C, et al. Spatial and temporal variations of near surface atmospheric CO2 with mobile measurements in fall and spring in Xiamen, China[J]. Environmental Science, 2014, 35(5): 1671-1679. |
| [28] | Liu M, Zhu X Y, Pan C, et al. Spatial variation of near-surface CO2 concentration during spring in Shanghai[J]. Atmospheric Pollution Research, 2016, 7(1): 31-39. DOI:10.1016/j.apr.2015.07.002 |
| [29] | 杭州市统计局. 2016年杭州统计年鉴[EB/OL]. http://tjj.hangzhou.gov.cn/, 2016-09-23. |
| [30] |
高松. 夏季上海城区大气中二氧化碳浓度特征及相关因素分析[J]. 中国环境监测, 2011, 27(2): 70-76. Gao S. Analysis of characteristics and affecting factors of atmospheric CO2 concentration in urban area in summer, Shanghai[J]. Environmental Monitoring in China, 2011, 27(2): 70-76. |
| [31] | Song T, Wang Y S. Carbon dioxide fluxes from an urban area in Beijing[J]. Atmospheric Research, 2012, 106: 139-149. DOI:10.1016/j.atmosres.2011.12.001 |
| [32] | Liu H Z, Feng J W, Järvi L, et al. Four-year (2006-2009) eddy covariance measurements of CO2 flux over an urban area in Beijing[J]. Atmospheric Chemistry and Physics, 2012, 12(17): 7881-7892. DOI:10.5194/acp-12-7881-2012 |
| [33] | Crawford B, Grimmond C S B, Christen A. Five years of carbon dioxide fluxes measurements in a highly vegetated suburban area[J]. Atmospheric Environment, 2011, 45(4): 896-905. DOI:10.1016/j.atmosenv.2010.11.017 |
| [34] | Lietzke B, Vogt R. Variability of CO2 concentrations and fluxes in and above an urban street canyon[J]. Atmospheric Environment, 2013, 74: 60-72. DOI:10.1016/j.atmosenv.2013.03.030 |
| [35] | European Commission, Joint Research Centre (JRC)/Netherlands Environmental Assessment Agency (PBL). Emission Database for Global Atmospheric Research (EDGAR), release version 4. 2 FT2010[EB/OL]. http://edgar.jrc.ec.europa.eu/overview.php?v=42FT2010, 2013-10. |
| [36] | Worden H M, Cheng Y F, Pfister G, et al. Satellite-based estimates of reduced CO and CO2 emissions due to traffic restrictions during the 2008 Beijing Olympics[J]. Geophysical Research Letters, 2012, 39(14): L14802. |