2019, Vol. 40
2. 中国气象局乌鲁木齐沙漠气象研究所, 乌鲁木齐 830002
, CAO Fan-shi1 , TIAN Qing1 , CHEN Yong-hang1,2 , LIU Qiong1
, HUANG Yi-wei1 , WANG Yu-jia1
2. Institute of Desert Meteorology, China Meteorological Administration, Urumqi 830002, China
长三角地区是我国经济发达、人口密集的超大城市群, 同时也是复合型大气污染最严重的地区之一[1].近年来, 虽然该地区大气气溶胶污染有所好转, 但以碳质气溶胶为主的吸收性气溶胶区域性大气污染问题仍十分严峻[2~4].吸收性气溶胶主要包括来自化石燃料燃烧和生物质燃烧的黑碳、有机碳气溶胶[5, 6]和来自沙尘天气的起沙、输送过程中产生的沙尘气溶胶[7].由于吸收性气溶胶对太阳辐射有较强的吸收能力, 可以加热大气、改变大气稳定度、蒸发云滴、减少云量并间接影响气候[8, 9], 是评估和预测全球气候变化最大的不确定因素之一[10].因此, 研究长三角地区吸收性气溶胶的时空分布和变化特征是十分必要的.
由于气溶胶来源广泛且时空变化显著, 常规手段很难获得大范围的监测信息, 因此, 目前国内外学者主要通过卫星遥感研究大气气溶胶的性质、组成及时空分布[11~21].对吸收性气溶胶的研究主要是基于气溶胶指数, 如王爽等[8]利用OMI(ozone monitoring instrument, OMI)数据集中气溶胶指数(aerosol index, AI)研究天水市吸收性气溶胶, 结果表明OMI监测的气溶胶受下垫面影响较小, 对吸收性气溶胶更敏感.张芝娟等[22]利用OMI资料对APEC会议前后京津冀地区吸收性气溶胶的时空变化进行研究, 发现控制吸收性气溶胶的排放是减少雾-霾的有效措施.王宏斌等[23]使用OMI数据集中吸收性气溶胶指数(absorptive aerosol index, AAI)来识别吸收性气溶胶, 其呈现的季节变化与燃煤取暖和沙尘事件发生时间一致.
综上所述, 目前尚缺乏长三角地区吸收性气溶胶时空分布特征的研究.因此, 本文基于OMI反演得到的吸收性气溶胶光学厚度(absorptive aerosol optical depth, AAOD)、气溶胶光学厚度(aerosol optical depth, AOD)和单次散射反照率(single scattering albedo, SSA)研究长三角地区吸收性气溶胶的时空变化特征及其影响因素, 以期为区域环境污染控制提供科学依据.
1 材料与方法卫星遥感因其较高的空间覆盖率被广泛使用.虽然MODIS卫星遥感的数据精度一直在不断提高, 但李龙等[24]的研究发现华东地区MODIS AOD数据缺失较严重, 不同版本的AOD反演均存在一定缺陷, 而OMI获得的气溶胶资料更为完整, 不仅提供AOD和SSA, 还提供了AAOD和气溶胶类型等参数, 其重要功能之一是获取局地吸收性气溶胶的分布情况.康丽泰[25]研究发现OMAERUV数据集在东亚地区的准确性较高.因此, 本文使用Aura卫星上搭载的臭氧监测仪OMI反演得到的OMAERUV L2气溶胶数据集[26, 27].本文使用近紫外算法在388 nm波段下反演的AOD、AAOD和SSA, 分析长三角地区吸收性气溶胶的时空分布特征, 三者之间计算关系如下[28]：
|
近紫外算法优势之一是陆地表面对其计算结果影响很小, 因而可以反演复杂地表上的气溶胶性质；二是可利用气溶胶吸收性和气溶胶层下分子散射间的强相互作用来估测大气气溶胶的吸收能力.据研究OMAERUV数据集中AAOD均方根误差约为0.01.选择2008年1月1日到2017年12月31日最近10a的OMI/Aura OMAERUV L2气溶胶数据集, 存储格式为HDF-EOS5, 空间分辨率为12 km×24 km, 研究范围为：经度113.5°~124.5°E, 纬度25°~37°N, 包含安徽省、江苏省、浙江省和上海市(如图 1).为方便描述长三角地区的空间特征, 将长三角地区分为南部和北部, 长三角北部地区包括：江苏省、上海市以及安徽省部分地区, 主要以平原为主, 具有工业发达、城市化进程快等特点.长三角南部地区包括：浙江省以及安徽省部分地区, 多为丘陵和山地, 历年气溶胶光学厚度较低.文中季节采用气象季节：3~5月为春季, 6~8月为夏季, 9~11月为秋季, 12月~次年2月为冬季.
|
图 1 长三角地区研究区域 Fig. 1 Study area map of the Yangtze River Delta |
吸收性气溶胶光学厚度(AAOD)表示由气溶胶的吸收而造成太阳辐射的衰减, 是研究吸收性气溶胶时空分布的关键参数. AAOD与吸收性气溶胶含量呈正相关关系, AAOD越大, 则吸收性气溶胶含量越高.为更清晰地探究2008~2017年AAOD年际变化规律, 故将AAOD的数值扩大10倍作图显示AAOD曲线整体趋势为先升后降(图 2), 2011年达最大值0.056, 之后逐年降低, 2016年略有升高, 2017年达10年最小值0.042.
|
图 2 2008~2017年长三角地区AOD、SSA和AAOD的年际变化 Fig. 2 Annual changes in AOD, SSA, and AAOD in the Yangtze River Delta from 2008 to 2017 |
从月际变化来看, 2008~2017年长三角地区AAOD的波动较大(图 3), 高值多出现在1、3和6月, 其中峰值的最大值(0.082)和最小值(0.059)分别出现于2010年3月和2016年2月. 3月多为中国北方沙尘高发期, 沙尘气溶胶通过远距离输送作用使长三角地区的沙尘含量增加[29], 沙尘气溶胶也是一种弱吸收性的气溶胶, 因此3月AAOD略有变大. 2008~2014年6月AAOD略有升高与江苏省夏收时期秸秆燃烧有关, 秸秆等生物质燃烧产物以黑碳为主, 黑碳的增加使AAOD增加.加之受梅雨季节的影响, 气象扩散条件较差[30], AAOD会略有上升.但从2014年开始, 每年6月的AAOD明显减小, 或与江苏省和安徽省陆续出台了秸秆综合利用以及禁烧的政策有关, 使得秸秆燃烧得到有效控制. AAOD在8~10月较低, 在11月以后急剧上升. 11月到次年1月AAOD持续增加, 可能与燃煤活动的增加、逆温天气频繁出现有关[31]. 2017年10~12月出现一次异常增大, AAOD急剧升高, 其原因有待进一步研究.
|
图 3 2008~2017年长三角地区AAOD月际变化 Fig. 3 Monthly changes of AAOD in the Yangtze River Delta from 2008 to 2017 |
单次散射反照率(SSA)被定义为散射系数与消光系数的比值(散射系数和吸收系数)[32], 理论值从0(完全吸收)到1(完全散射), 是衡量气溶胶吸收强弱的一个重要光学参数[33]. SSA越大, 表示散射性气溶胶含量越高, 气溶胶的散射能力越强, 则其吸收能力越弱. 2008~2017年SSA年际变化在0.902~0.922范围内, 散射性气溶胶含量变化不明显(图 2).
2008~2017年长三角地区SSA月际变化较为明显(图 4), 总体上看SSA略有下降, 10年月际变化范围在0.881~0.959内, 最大值从2008年8月的0.945降为2017年的0.931, 下降了1.48%；最小值从2008年12月的0.902降为2017年12月的0.888, 下降了1.55%. SSA高值多发生在6月, 此时温度高、辐照强, 光化学反应十分活跃, 大气中硫酸盐、硝酸盐等散射性气溶胶含量增多[34, 35], SSA增大. SSA低值常发生在12月, 此时大气中硫酸盐气溶胶的浓度较低[36], 而硫酸盐气溶胶是长三角地区主要的散射性气溶胶, 所以12月气溶胶的散射能力较弱.另外, 12月燃煤活动的增加, 使得以黑碳气溶胶为主的吸收性气溶胶含量增加, 气溶胶的吸收能力变强.综上, 12月散射性气溶胶含量减少, 吸收性气溶胶含量增加, 从而SSA较小.
|
图 4 2008~2017年长三角地区SSA月际变化 Fig. 4 Monthly changes of SSA in the Yangtze River Delta from 2008 to 2017 |
气溶胶光学厚度(AOD)是最常用的气溶胶参数之一, 是表征大气气溶胶消光特性的一个重要参数, 是推算气溶胶含量、研究气溶胶气候效应的关键因子[37, 38]. 2008~2017年长三角地区AOD的年际变化趋势(图 2)为先升后降, 与AAOD变化趋势大致相同, 2011年AOD达到最大为0.702, 2017年最小为0.431.
2008~2017年长三角地区AOD月际变化显示(图 5), 2008年6月AOD为1.61达10年中最大值, 2015年11月AOD为0.226达10年中最小值. 2008、2010~2012、2014这5年, 年内AOD起伏波动变化较大, 近3年(2015~2017年)AOD无异常增大. 6月AOD略有升高.原因有二：一是由于AAOD的增加所导致的AOD增加；二是AOD与相对湿度呈正相关关系.有研究表明, 消光系数会随着相对湿度的增大而增大[39], 因此AOD在6月会略高于其他时期. 9~11月AOD较低, 从11月到次年1月, AOD呈持续增加的态势, 姚玲玲[40]认为AOD的升高与地方气象条件以及冬季北方的供暖有关, 由于北方处于供暖期, 化石燃料燃烧对南方的大气恶化有一定影响.但更为重要的是长三角地区燃煤量的增加以及逆温频发而使AAOD增加, 进而导致AOD增大.个别时段在3月也出现了明显的高值, 或与3月沙尘气溶胶远距离传输有关, 长三角地区沙尘含量的增加影响了AAOD增加, 进而使AOD增加.
|
图 5 2008~2017年长三角地区AOD月际变化 Fig. 5 Monthly changes of AOD in the Yangtze River Delta from 2008 to 2017 |
2008~2017年长三角地区AAOD年均空间分布显示(图 6), AAOD>0.05的高值区主要集中在徐州、苏州以及南京等长三角地区的北部, 而南部AAOD较低, 即长三角地区北部吸收性气溶胶含量高于南部. 2008~2017年长三角地区AAOD呈明显季节分布(图 7), 春冬两季高, 夏秋两季低.春季, 长三角大部分地区AAOD>0.05, 高值区分布范围较广, 受沙尘远距离传输影响较大, 冬季AAOD高值范围小于春季, 主要分布在南京、合肥、杭州等地区, 受冬季燃煤取暖影响较大.春冬两季高值区主要集中在苏皖两省, 这是因为长三角地区是以传统煤和生物质为主要燃料的碳排放量较为集中的地区[41], 大规模的燃料燃烧导致黑碳和有机碳含量迅速增加从而使AAOD增大.夏季和秋季AAOD空间分布相差不大, 绝大部分地区AAOD较低, 均在0.035左右.在吸收性气溶胶当中, 由于有机碳气溶胶属于吸湿性气溶胶[42], 吸湿会使AAOD增大, 而黑碳气溶胶和沙尘气溶胶则不然, 但是在相对湿度较大的夏季, AAOD并未出现大范围的高值, 则可推测出长三角地区夏季有机碳含量并不高.
|
图 6 2008~2017年长三角地区AAOD、AOD和SSA年均空间分布 Fig. 6 Annual average spatial distribution of AAOD, AOD, and SSA in the Yangtze River Delta from 2007 to 2018 |
|
图 7 2008~2017年长三角地区AAOD季节空间分布 Fig. 7 Seasonal distribution of AAOD season in the Yangtze River Delta from 2008 to 2017 |
从2008~2017年长三角地区SSA年均空间分布中可以看出, SSA>0.925的高值区主要分布在长三角地区的南部(图 6), 长三角地区SSA呈现出南部高、北部低的分布特征, 说明南部的气溶胶的散射能力强于北部, 即气溶胶吸收能力较弱. 2008~2017年长三角地区SSA季节空间分布显示(图 8), SSA夏季最高, 春季其次, 冬季和秋季相差不大.夏季SSA>0.925高值区几乎覆盖了整个长三角地区, 气溶胶散射能力很强；春季SSA>0.925的高值区主要分布在苏南、皖东和浙东等地区, 沿海地区SSA略高, 春夏季气溶胶主要以散射为主.长三角地区气候湿润、高温多雨, 春夏更甚, 且SSA与相对湿度之间存在正相关关系[43], 相对湿度越大的地方, 气溶胶的散射能力就越强.秋冬两季高值区空间分布相似, 冬季是因为燃煤取暖产生的大量吸收性气溶胶, 以及因北方供暖而造成的气溶胶的远距离传输, 从而影响长三角地区气溶胶散射能力[44], 所以SSA秋冬较低.
|
图 8 2008~2017年长三角地区SSA季节空间分布 Fig. 8 Seasonal distribution of SSA season in the Yangtze River Delta region from 2008 to 2017 |
2008~2017年长三角地区AOD年均空间分布可知(图 6), AOD>0.6高值区主要集中在长三角地区北部, AOD与AAOD空间分布相同, 即长三角地区北部气溶胶含量高于南部.长三角南部地区AOD较低的主要原因是地形多为山地、丘陵, 植被覆盖率较高, 人口密度小, 有较少的气溶胶排放. 2008~2107年长三角地区AOD季节空间分布显示(图 9), AOD季节空间分布规律：春季>冬季>夏季>秋季.春季AOD>0.8高值主要集中在长三角北部以及杭州、金华等地区.春季气溶胶分布范围最为广泛, 可能与沙尘气溶胶的远距离传输和生物质燃烧有关.冬季AOD高值主要集中在苏皖两省, 苏皖两省有着发达的工业企业, 加上冬季取暖导致气溶胶含量增加, AOD较大.夏季AOD>0.6主要分布在皖北、苏北以及上海、苏州、南京等地区, 夏季AOD较高的主要原因是夏季湿度相对较大, 吸湿性气溶胶吸湿使AAOD增大, 从而使AOD增加[45].秋季长三角绝大部分地区AOD低于0.35, 秋季大气对流作用良好, 有利于污染物扩散[46], 气溶胶含量较低.
|
图 9 2008~2017年长三角地区AOD季节空间分布 Fig. 9 Seasonal distribution of AOD season in the Yangtze River Delta region from 2008 to 2017 |
长三角地区是我国四大工业基地之一, 轻重工业都非常发达, 能源结构以煤炭为主[3], 黑碳是煤炭燃烧后的主要产物, 因此有必要进一步分析黑碳的排放及分布.
付加锋等[47]基于统计学方法得出中国大陆2012年黑碳排放量, 得出全国黑碳排放总量为188.676×104 t, 其中工业源和居民生活源排放量较大, 分别占全国排放的42.9%和43.3%, 居民生活源排放量居全国首位.而长三角地区各省市不同源的黑碳排放量分别为：上海市工业源排放量为1.217×104 t, 占上海市总排放量的72.4%, 江苏省工业源和居民生活源排放量分别为3.691×104 t和2.475×104 t, 占江苏省总排放量46.0%和30.8%, 浙江省工业源和交通源排放量分别为0.698×104 t和1.178×104 t, 占浙江省总排放量27.6%和46.5%, 安徽省工业源和居民生活源排放量分别为1.684×104 t和3.478×104 t, 占安徽省总排放量26.6%和55.0%.由此可见, 工业源和居民生活源是长三角地区黑碳气溶胶的主要来源.
从各个行业源看(图 10), 各省市占长三角地区黑碳总排放量比重不同, 苏皖两省对黑碳排放的贡献量较大.苏皖两省地处平原, 工业发展迅速, 工业源对黑碳排放的贡献占主导, 上海市黑碳排放多来自于工业源, 而浙江省与其他省市相比, 工业源黑碳排放量较少.安徽省和江苏省居民生活源的黑碳排放量均很大, 上海市和浙江省远远小于前面两者.关于居民生活消费, 各类能源贡献在2012年黑碳气溶胶排放清单中提到, 江苏省和安徽省也是以秸秆燃烧为主要的居民黑碳排放[47].
|
图 10 长三角地区各省市不同源黑碳排放情况 Fig. 10 Black carbon emissions from different sources in provinces and cities in the Yangtze River Delta |
长三角地区黑碳排放分布不均匀, 各省市对长三角地区黑碳贡献量为：江苏省>安徽省>浙江省>上海市, 呈北高南低的趋势, 与AAOD和AOD的年均空间分布一致, 有研究表明长三角地区AOD的增加与当地城市化、工业化的发展速度以及地区的人口密度有关[48].从2007~2018年AAOD与AOD的年均空间分布可以看出, 苏皖两省均有较高值, 主要集中在亳州、宿迁、徐州、南京及苏州等地, 可能与当地工业发展水平或是人口密度有关.
4 结论(1) 长三角地区AAOD与AOD具有一致的10年变化趋势, 均为先升高后下降, AAOD在2011年达最大值0.056, AOD在2011年达最大值0.702. SSA的10a变化趋势不明显, 在0.902~0.922范围内变化. AAOD高值多出现在3月和6月, 11月到次年1月持续增加；AOD 6月略有升高, 11月到次年1月持续升高；SSA高值常出现在6月, 低值出现在12月.
(2) 长三角地区AAOD与AOD具有相似的年均空间分布, 均呈北高南低分布, 高值区主要集中在安徽北部、江苏北部以及南京、杭州和金华等地区. SSA与AAOD和AOD的年均空间分布相反, 呈南高北低分布, 高值集中在浙江省以及苏皖南部.长三角地区AAOD与AOD季节空间变化显示, 春冬两季较高, 秋季较低, 但二者不同的是, 夏季AOD较大, AAOD却很小.
(3) 长三角地区吸收性气溶胶以黑碳为主, 黑碳主要来自于工业源和居民生活源, 各省市对长三角地区黑碳贡献量为：江苏省>安徽省>浙江省>上海市, 与AAOD的空间分布表现出一致性.
致谢: 本研究卫星数据来自美国NASA Goddard Earth Sciences Data and Information Services Center (GES DISC), 在此表示衷心感谢.| [1] |
余卫国, 房世波, 余学祥. 中国卫星遥感气溶胶研究进展[J]. 能源环境护, 2016, 30(1): 1-6. Yu W G, Fang S B, Yu X X. Research progress on satellite remote sensing of atmospheric aerosols of China[J]. Energy Environmental Protection, 2016, 30(1): 1-6. |
| [2] |
罗毅, 邓琼飞, 杨昆, 等. 近20年来中国典型区域PM2.5时空演变过程[J]. 环境科学, 2018, 39(7): 3003-3013. Luo Y, Deng Q F, Yang K, et al. Spatial-Temporal change evolution of PM2.5 in typical regions of China in recent 20 years[J]. Environmental Science, 2018, 39(7): 3003-3013. |
| [3] |
李莉, 徐健, 安静宇, 等. 长三角经济能源约束下的大气污染问题及对区域协作的启示[J]. 中国环境管理, 2017, 9(5): 9-18. Li L, Xu J, An J Y, et al. The air pollution issues under the economic and energy constraint and their implications on the regional Joint-effort in the Yangtze River Delta Region[J]. Chinese Journal of Environmental Management, 2017, 9(5): 9-18. |
| [4] | Wang C. Impact of anthropogenic absorbing aerosols on clouds and precipitation: a review of recent progresses[J]. Atmospheric Research, 2013, 122: 237-249. DOI:10.1016/j.atmosres.2012.11.005 |
| [5] | Bond T C, Streets D G, Yarber K F, et al. A technology-based global inventory of black and organic carbon emissions from combustion[J]. Journal of Geophysical Research: Atmospheres, 2004, 109(D14): D14203. DOI:10.1029/2003JD003697 |
| [6] | Gadhavi H, Jayaraman A. Absorbing aerosols: contribution of biomass burning and implications for radiative forcing[J]. Annales Geophysicae, 2010, 28: 103-111. DOI:10.5194/angeo-28-103-2010 |
| [7] |
张鹏, 王春姣, 陈林, 等. 沙尘气溶胶卫星遥感现状与需要关注的若干问题[J]. 气象, 2018, 44(6): 725-736. Zhang P, Wang C J, Chen L, et al. Current status of satellite-based dust aerosol remote sensing and some issues to be concerned[J]. Meteorological Monthly, 2018, 44(6): 725-736. |
| [8] |
王爽, 巨天珍, 谢顺涛, 等. 天水市紫外吸收性气溶胶时空动态的遥感监测[J]. 环境监测管理与技术, 2018, 30(1): 46-49. Wang S, Ju T Z, Xie S T, et al. Temporal and spatial dynamic monitoring of tropospheric UV-absorbing aerosol in Tianshui based on remote sensing[J]. The Administration and Technique of Environmental Monitoring, 2018, 30(1): 46-49. DOI:10.3969/j.issn.1006-2009.2018.01.012 |
| [9] | IP CC. Climate change 2007: The physical science basis. Contribution of working group Ⅰ to the fourth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2007: 153. |
| [10] | Zheng Y, Che H Z, Zhao T L, et al. Aerosol optical properties observation and its relationship to meteorological conditions and emission during the Chinese National Day and Spring Festival holiday in Beijing[J]. Atmospheric Research, 2017, 197: 188-200. DOI:10.1016/j.atmosres.2017.07.003 |
| [11] |
于彩霞, 杨元建, 邓学良, 等. 基于CALIOP探测的合肥气溶胶垂直分布特征[J]. 中国环境科学, 2017, 37(5): 1677-1683. Yu C X, Yang Y J, Deng X L, et al. Vertical distribution characteristics of aerosol optical properties on haze and clear day in Hefei based on CALIOP satellite measuring[J]. China Environmental Science, 2017, 37(5): 1677-1683. DOI:10.3969/j.issn.1000-6923.2017.05.010 |
| [12] |
高星星, 陈艳, 张镭, 等. 华北地区气溶胶的季节垂直分布特征及其光学特性[J]. 兰州大学学报(自然科学版), 2018, 54(3): 395-403. Gao X X, Chen Y, Zhang L, et al. Vertical distribution of seasonal aerosols and their optical properties over Northern China[J]. Journal of Lanzhou University (Natural Sciences), 2018, 54(3): 395-403. |
| [13] |
刘贞, 张雪姣, 郑有飞, 等. 基于CALIPSO对中国春季一次沙尘暴的研究[J]. 环境科学学报, 2016, 36(12): 4315-4327. Liu Z, Zhang X J, Zheng Y F, et al. Spatio-temporal distribution and transport behavior of a dust event based on the CALIPSO in China[J]. Acta Scientiae Circumstantiae, 2016, 36(12): 4315-4327. |
| [14] | Kumar A, Singh N, Anshumali, et al. Evaluation and utilization of MODIS and CALIPSO aerosol retrievals over a complex terrain in Himalaya[J]. Remote Sensing of Environment, 2018, 206: 139-155. DOI:10.1016/j.rse.2017.12.019 |
| [15] |
王苑, 邓军英, 史兰红, 等. 基于气溶胶光学特性垂直分布的一次浮尘过程分析[J]. 环境科学, 2014, 35(3): 830-838. Wang Y, Deng J Y, Shi L H, et al. A floating-dust case study based on the vertical distribution of aerosol optical properties[J]. Environmental Science, 2014, 35(3): 830-838. |
| [16] |
林泓锦, 都瓦拉, 玉山, 等. 基于MODIS的内蒙古气溶胶时空分布特征分析[J]. 环境科学学报, 2018, 38(12): 4573-4581. Lin H J, Du W L, Yu S, et al. Spatial-temporal characteristics of aerosol optical depth with MODIS data over Inner Mongolia[J]. Acta Scientiae Circumstantiae, 2018, 38(12): 4573-4581. |
| [17] |
胡俊, 亢燕铭, 陈勇航, 等. 基于MODIS_C006的乌鲁木齐10年气溶胶光学厚度变化特征[J]. 环境科学, 2018, 39(8): 3563-3570. Hu J, Kang Y M, Chen Y H, et al. Analysis of aerosol optical depth variation characteristics for 10 years in Urumqi based on MODIS_C006[J]. Environmental Science, 2018, 39(8): 3563-3570. |
| [18] |
杨东旭, 韦晶, 钟永德. 利用MODIS卫星资料反演北京地区气溶胶光学厚度[J]. 光谱学与光谱分析, 2018, 38(11): 3464-3469. Yang D X, Wei J, Zhong Y D, et al. Aerosol optical depth retrieval over Beijing using MODIS satellite images[J]. Spectroscopy and Spectral Analysis, 2018, 38(11): 3464-3469. |
| [19] |
袁兴明, 邢立鹏, 靳合波, 等. 基于MODIS AOD的山东地区PM2.5反演[J]. 测绘与空间地理信息, 2018, 41(11): 88-90, 93. Yuan X M, Xing L P, Jin H B, et al. Estimation of PM2.5 over Shandong from MODIS AOD[J]. Geomatics & Spatial Information Technology, 2018, 41(11): 88-90, 93. DOI:10.3969/j.issn.1672-5867.2018.11.025 |
| [20] | Jiang C, Xu Q, Gu Y K, et al. Spatial and temporal changes of aerosol optical depth and its driving factors based on MODIS in Jiangsu province[A]. In: ISPRS TC Ⅲ Mid-term Symposium "Developments, Technologies and Applications in Remote Sensing[C]. Beijing: ISPRS Technical Commission Ⅲ on Remote Sensing, 2018. 645-649. |
| [21] |
王海林, 刘琼, 陈勇航, 等. MODIS C006气溶胶光学厚度产品在京津冀典型环境背景下的适用性[J]. 环境科学, 2019, 40(1): 44-54. Wang H L, Liu Q, Chen Y H, et al. Applicability of MODIS C006 aerosol products in a typical environmental area of the Beijing-Tianjin-Hebei region[J]. Environmental Science, 2019, 40(1): 44-54. |
| [22] |
张芝娟, 陈斌, 王皓, 等. 利用OMI资料分析APEC期间吸收性气溶胶的时空分布特征[J]. 兰州大学学报(自然科学版), 2017, 53(1): 93-100. Zhang Z J, Chen B, Wang H, et al. Spatial and temporal characteristic of absorbing aerosols during APEC based on OMI data[J]. Journal of Lanzhou University (Natural Sciences), 2017, 53(1): 93-100. |
| [23] | 王宏斌, 张志薇, 徐萌.基于地面和卫星观测的江苏地区污染物分布特征及其轨迹预报模型[A].见: 中国环境科学学会. 2017中国环境科学学会科学与技术年会论文集(第一卷)[C].厦门: 中国环境科学学会, 2017. 10. |
| [24] |
李龙, 施润和, 张璐, 等. 华东地区MODIS与OMI气溶胶光学厚度数据融合[J]. 地球信息科学学报, 2015, 17(10): 1224-1233. Li L, Shi R H, Zhang L, et al. Data fusion of MODIS AOD and OMIAOD over East China using universal kriging[J]. Journal of Geo-Information Science, 2015, 17(10): 1224-1233. |
| [25] | 康丽泰.东亚地区吸收性气溶胶的时空分布及辐射强迫特征[D].兰州: 兰州大学, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10730-1017715407.htm |
| [26] |
赵莹, 陈圣波, 张莹. 臭氧总量测绘分光仪和臭氧监测仪紫外辐照度数据的对比研究[J]. 科学技术与工程, 2014, 14(16): 195-199. Zhao Y, Chen S B, Zhang Y, et al. Comparison between ultraviolet irradiation data of TOMS and OMI[J]. Science Technology and Engineering, 2014, 14(16): 195-199. DOI:10.3969/j.issn.1671-1815.2014.16.036 |
| [27] |
葛拥晓, 阿力甫·那思尔, 吉力力·阿不都外力, 等. 咸海地区粉尘气溶胶动态变化及潜在扩散特征[J]. 中国沙漠, 2016, 36(5): 1374-1380. Ge Y X, Naser A, Jilili A, et al. Dynamic change and potential transport characteristics of dust aerosol originating from the Aral Sea Basin[J]. Journal of Desert Research, 2016, 36(5): 1374-1380. |
| [28] | Chung E C, Ramanathan V, Decremer D. Observationally-constrained estimates of carbonaceous aerosol radiative forcing[J]. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(29): 11624-11629. DOI:10.1073/pnas.1203707109 |
| [29] |
延昊, 王长耀, 牛铮, 等. 东亚沙尘源地、沙尘输送路径的遥感研究[J]. 地理科学进展, 2002, 21(1): 90-94. Yan H, Wang C Y, Niu Z, et al. Remote sensing study of tracks and source areas of Eastern Asian dust[J]. Progress in Geography, 2002, 21(1): 90-94. DOI:10.3969/j.issn.1007-6301.2002.01.012 |
| [30] |
戴昭鑫, 张云芝, 胡云锋, 等. 基于地面监测数据的2013~2015年长三角地区PM2.5时空特征[J]. 长江流域资源与环境, 2016, 25(5): 813-821. Dai Z X, Zhang Y Z, Hu Y F, et al. Spatial-temporal characteristics of PM2.5 in Yangtze River Delta (YRD) region based on the ground monitoring data from 2013-2015[J]. Resources and Environment in the Yangtze Basin, 2016, 25(5): 813-821. DOI:10.11870/cjlyzyyhj201605015 |
| [31] |
肖思晗, 于兴娜, 朱彬, 等. 南京北郊黑碳气溶胶污染特征及影响因素分析[J]. 环境科学, 2016, 37(9): 3280-3289. Xiao S H, Yu X N, Zhu B, et al. Characteristics of black carbon aerosol and influencing factors in northern suburbs of Nanjing[J]. Environmental Science, 2016, 37(9): 3280-3289. |
| [32] | Gyawali M, Arnott W P, Lewis K, et al. In situ aerosol optics in Reno, NV, USA during and after the summer 2008 California wildfires and the influence of absorbing and non-absorbing organic coatings on spectral light absorption[J]. Atmospheric Chemistry and Physics, 2009, 9(20): 8007-8015. DOI:10.5194/acp-9-8007-2009 |
| [33] |
范学花, 陈洪滨, 夏祥鳌. 中国大气气溶胶辐射特性参数的观测与研究进展[J]. 大气科学, 2013, 37(2): 477-498. Fan X H, Chen H B, Xia X A. Progress in observation studies of atmospheric aerosol radiative properties in China[J]. Chinese Journal of Atmospheric Sciences, 2013, 37(2): 477-498. |
| [34] | Norman A L, Anlauf K, Hayden K, et al. Aerosol sulphate and its oxidation on the Pacific NW coast: S and O isotopes in PM2.5[J]. Atmospheric Environment, 2006, 40(15): 2676-2689. DOI:10.1016/j.atmosenv.2005.09.085 |
| [35] |
宋宇, 唐孝炎, 张远航, 等. 夏季持续高温天气对北京市大气细粒子PM2.5的影响[J]. 环境科学, 2002, 23(4): 33-36. Song Y, Tang X Y, Zhang Y H, et al. Effects on fine particles by the continued high temperature weather in Beijing[J]. Environmental Science, 2002, 23(4): 33-36. |
| [36] |
刘湾湾, 刘琼, 陈勇航, 等. 上海地区对流层低层臭氧及硫酸盐气溶胶时空分布特征研究[J]. 环境科学学报, 2018, 38(6): 2214-2222. Liu W W, Liu Q, Chen Y H, et al. The temporal and spatial distribution characteristics of lower tropospheric ozone and sulfate aerosols in Shanghai[J]. Acta Scientiae Circumstantiae, 2018, 38(6): 2214-2222. |
| [37] | Kaufman Y J, Fraser R S, Ferrare R A. Satellite measurements of Large-scale air pollution: method[J]. Journal of Geophysical Research: Atmospheres, 1990, 95(D7): 9895-9909. DOI:10.1029/JD095iD07p09895 |
| [38] | Xia X G, Chen H B, Li Z Q, et al. Significant reduction of surface solar irradiance induced by aerosols in a suburban region in northeastern China[J]. Journal of Geophysical Research: Atmospheres, 2007, 112(D22): D22S02. |
| [39] |
宋秀瑜, 曹念文, 赵成, 等. 南京地区相对湿度对气溶胶含量的影响[J]. 中国环境科学, 2018, 38(9): 3240-3246. Song X Y, Cao N W, Zhao C, et al. Effect of relative humidity on aerosol content in Nanjing[J]. China Environmental Science, 2018, 38(9): 3240-3246. DOI:10.3969/j.issn.1000-6923.2018.09.005 |
| [40] | 姚玲玲.中国及典型地区气溶胶光学厚度的时空分布特征及影响因素研究[D].杭州: 浙江大学, 2017. http://cdmd.cnki.com.cn/Article/CDMD-10335-1017071003.htm |
| [41] |
黄观, 刘伟, 刘志红, 等. 黑碳气溶胶研究概况[J]. 灾害学, 2015, 30(2): 205-214. Huang G, Liu W, Liu Z H, et al. A research overview of black carbon aerosols[J]. Journal of Catastrophology, 2015, 30(2): 205-214. DOI:10.3969/j.issn.1000-811X.2015.02.039 |
| [42] |
孙俊英, 张璐, 沈小静, 等. 大气气溶胶散射吸湿增长特性研究进展[J]. 气象学报, 2016, 74(5): 672-682. Sun J Y, Zhang L, Shen X J, et al. A review of the effects of relative humidity on aerosol scattering properties[J]. Acta Meteorologica Sinica, 2016, 74(5): 672-682. |
| [43] | Qiu J H, Yang J H. Absorption properties of urban/suburban aerosols in China[J]. Advances in Atmospheric Sciences, 2008, 25(1): 1-10. |
| [44] | 康颖.基于地面和卫星数据分析中国地区气溶胶单次散射反照率的变化特征[D].兰州: 甘肃农业大学, 2018. http://cdmd.cnki.com.cn/Article/CDMD-10733-1018711190.htm |
| [45] | 周寅.长三角地区大气气溶胶光学厚度遥感及时空变化规律研究[D].南京: 南京信息工程大学, 2014. http://cdmd.cnki.com.cn/Article/CDMD-10300-1015566612.htm |
| [46] |
吴万宁, 查勇, 王强, 等. 南京仙林地区近地表消光系数变化及影响因素研究[J]. 环境科学与技术, 2014, 37(12): 106-111. Wu W N, Zha Y, Wang Q, et al. Variation characteristics and influencing factors of extinction coefficient in xianlin area of Nanjing[J]. Environmental Science & Technology, 2014, 37(12): 106-111. |
| [47] |
付加锋, 齐蒙, 刘倩, 等. 黑碳气溶胶排放量测算及空间分布研究[J]. 科技导报, 2018, 36(2): 38-46. Fu J F, Qi M, Liu Q, et al. The emission estimation and spatial distribution of black carbon aerosol[J]. Science & Technology Review, 2018, 36(2): 38-46. |
| [48] |
高嵩, 许潇锋, 陶风波, 等. 长三角地区近10年气溶胶时空分布特征[J]. 环境科学与技术, 2017, 40(9): 192-202. Gao S, Xu X F, Tao F B, et al. Temporal and spatial distributions of aerosols over the Yangtze River Delta region in recent 10 years[J]. Environmental Science & Technology, 2017, 40(9): 192-202. |