2019, Vol. 40
大气气溶胶对太阳辐射具有散射和吸收作用, 可以显著改变到达地表的太阳辐射能, 影响整个地气系统的辐射收支, 继而引起气候和环境变化.大气气溶胶的垂直分布特征是客观评价气溶胶辐射强迫及气候效应的关键要素之一[1], 因此大气气溶胶的垂直分布特征已成为大气科学与环境监测等领域的研究热点.而中国长江三角洲地区严峻的大气气溶胶污染现状已成为制约其经济社会可持续发展的重要障碍[2], 研究该地区大气气溶胶的垂直分布特征, 具有重要的现实意义.
已有学者研究了长江三角洲地区的气溶胶垂直分布特征, Fan等[3]利用三年的激光雷达探测数据分析了长江三角洲地区气溶胶的垂直分布特征, 并结合潜在源贡献函数和浓度加权轨迹模型探讨了气溶胶的来源, Liu等[4]分析了长江三角洲地区一年的气溶胶消光系数廓线数据, 发现气溶胶对对流层低空大气稳定性与大气动力的影响显著.他们使用位于无锡太湖附近的激光雷达都获得了比较好的探测结果, 但是地基激光雷达的定点观测[5, 6]代表区域有限, 其观测结果不能完全代表整个长江三角洲地区.
卫星遥感可以克服定点观测代表区域有限的缺点, 其中主动式遥感卫星云-气溶胶激光雷达和红外探测者卫星观测(cloud-aerosol lidar and infrared pathfinder satellite observations, CALIPSO)可以克服被动式遥感卫星只能探测大气气溶胶的水平分布与传输[7, 8]的缺点, 可以提供气溶胶垂直方向的信息[9~19].学者们已经利用CALIPSO在长江三角洲地区开展过一些研究, Sun等[20]分析了雾-霾污染事件中气溶胶的光学特性以及不同类型气溶胶的来源, Tao等[21]发现2012年6月8~12日出现在中国东部的持续雾-霾是由空气中的灰尘, 火灾排放和潮湿条件下的城市污染造成的, 刘璇等[22]研究了霾污染过程中气溶胶的垂直分布特征, 她们利用CALIPSO卫星激光雷达资料主要还是分析短期大气污染过程中气溶胶的光学参数随高度的变化, 不能揭示区域长期气溶胶的垂直分布规律.目前, 针对长江三角洲地区长期大气气溶胶垂直分布特征的研究仍然比较少, 本文利用1 a的CALIPSO卫星激光雷达资料, 详细分析了长江三角洲地区大气气溶胶的垂直分布特征.
本研究基于CALIPSO卫星的Level 2激光雷达数据产品资料, 为提高气溶胶数据的质量, 介绍了筛选高质量气溶胶数据的方法, 利用具有高准确度与可信度的气溶胶数据探讨了532 nm气溶胶消光系数廓线, 气溶胶退偏比廓线与气溶胶色比廓线的长期变化规律, 并且研究了长江三角洲地区对流层大气中各类型气溶胶的时空变化特征.
1 材料与方法 1.1 CALIPSO资料此次研究基于CALIPSO卫星提供的Level 2数据产品, CALIPSO卫星属太阳同步极轨卫星, 轨道高度为705 km, 轨道倾角为98.2°, 轨道周期为96 min, 每天绕地飞行14.55圈, 地球覆盖周期为16 d.重点研究Level 2数据产品中的气溶胶廓线数据与垂直特征识别数据, 表 1为Level 2数据的空间分辨率.
|
表 1 CALIPSO激光雷达Level 2数据产品的空间分辨率 Table 1 Spatial resolutions of Level 2 data products for CALIPSO lidar |
1.2 CALIPSO资料筛选方法
长江三角洲地区经度范围为118°E~123°E, 纬度范围为28°N~33°N, 如图 1所示, 从NASA(national aeronautics and space administration)官网上下载长江三角洲地区1 a的星载激光雷达资料, 选取的资料时间范围为2017-12~2018-11.
|
图 1 长江三角洲区域范围 Fig. 1 Region of the Yangtze River Delta |
Level 2气溶胶廓线数据由Level 1数据采用相关算法计算得到, 由于算法的不确定性, 使Level 2气溶胶廓线数据中消光系数, 后向散射系数与退偏比等存在一定误差, 因此, 在使用这些气溶胶光学参数前需要进行数据质量控制以便减小误差.可以使用廓线数据中extinction coefficient uncertainty、cloud-aerosol discrimination score(CAD Score)、atmospheric volume description(AVD)和extinction quality control(Extinction QC)等标志量对对流层10 km以下的气溶胶数据进行筛选.在使用标志量筛选数据前, 可以先剔除气溶胶光学参数数组中的无效值.消光系数数组中的无效值基本为负值.气溶胶退偏比数组中0~1之间数值比较可靠, 可以剔除范围之外的退偏比数据.气溶胶色比(CR)的公式如下：
|
式中, β1064为1 064 nm激光的气溶胶后向散射系数, β532为532 nm激光的气溶胶后向散射系数, 气溶胶色比数组中0~3之间数值比较可靠, 可以剔除范围之外的色比数据.
extinction coefficient uncertainty为每个气溶胶消光系数值对应的不确定性, 设置的不确定性数值在10 km-1以内表示消光系数值可靠, 由于反演过程自上而下进行, 误差会向下传递, 所以超过10 km-1的不确定性数值位置下方的数据需要全部剔除.
CAD Score用于区分云与气溶胶, CAD Score数值范围为[-100, 100], 负值表示为气溶胶, 正值表示为云, 数值的绝对值越大说明气溶胶或云的置信度越高, 设定气溶胶的CAD Score数值范围为[-100, -20], 只有当CAD Score上下两层数值均处于该范围, 才认定该高度只存在气溶胶, 得到的大气消光系数是气溶胶消光系数.
每个AVD有上下两层数据, 它可以用于区分云与气溶胶, 只要有一层AVD数值按位进行与运算后第1~3位为3, 则该层被认定为气溶胶层.
每个Extinction QC存在上下两层数据, 它是对消光系数反演类型与反演过程等做出的相应标记, 本文认定Extinction QC数值为0与1对应的气溶胶消光系数更可靠, 只有两层标记都满足条件才保留该处数据.
1.2.2 垂直特征识别数据的筛选方法垂直特征识别数据中FCF(feature classification flags)标志量可以用于区分云与气溶胶, 以及云相态与气溶胶类型.利用FCF按位进行与运算可以提取出气溶胶数据, FCF经过移位运算, 再按位进行与运算可以进一步提取出气溶胶子类型数据.
2 结果与讨论 2.1 气溶胶光学参数的时空变化CALIPSO卫星每有一条经过长江三角洲地区的星下点轨迹, 可以得到一组长江三角洲地区平均的气溶胶廓线数据.为研究长江三角洲地区气溶胶廓线数据的季变化, 按照12月~次年2月、3~5月、6~8月与9~11月分为冬季、春季、夏季与秋季.将大气对流层划分了5个高度层研究长江三角洲地区不同高度的气溶胶分布情况, 5个高度层分别为8~10、6~8、4~6、2~4与0~2 km.
2.1.1 气溶胶消光系数的时空变化图 2为长江三角洲地区不同高度层532 nm气溶胶消光系数逐月平均值. 图 3为长江三角洲地区逐季平均的532 nm气溶胶消光系数廓线, 气溶胶消光系数是气溶胶散射系数与吸收系数之和, 反映气溶胶颗粒物散射与吸收相互作用的总能力, 气溶胶消光系数越大说明气溶胶消光能力越强. 图 3中四季气溶胶消光系数的范围为0.000 9~0.644 km-1, 冬季气溶胶消光系数的范围为0.008~0.644 km-1, 春季气溶胶消光系数的范围为0.012~0.44 km-1, 夏季气溶胶消光系数的范围为0.000 9~0.477 km-1, 秋季气溶胶消光系数的范围为0.002~0.498 km-1. 图 4为不同高度层532 nm气溶胶消光系数的季节频率分布, 对流层被划分为5个高度层, 将气溶胶消光系数值设置在0~1 km-1之间分布, 间隔为0.05 km-1, 总共有21个特定的消光系数值, 分别统计并计算每个季节中同一高度层气溶胶消光系数值出现在特定消光系数值附近的频率, 其中超过1 km-1的消光系数值均被归于特定值1 km-1附近.
|
图 2 不同高度层气溶胶消光系数逐月平均值 Fig. 2 Monthly averaged aerosol extinction coefficients at different altitudes |
|
图 3 逐季平均的气溶胶消光系数廓线 Fig. 3 Quarterly averaged aerosol extinction coefficient profiles |
|
图 4 不同高度层气溶胶消光系数的季节频率分布 Fig. 4 Seasonal frequency distribution of aerosol extinction coefficients at different altitudes |
由图 2可见各月份在0~2 km的气溶胶消光系数都比较大, 由图 3可见四季气溶胶消光系数最大值出现的高度都在近地面, 由图 4可见四季在0~4 km高度层比较大的气溶胶消光系数出现频率较高, 4~10 km高度层比较小的气溶胶消光系数出现频率较高, 说明对流层高空大气比较干净, 气溶胶主要积聚于对流层低空大气中, 尤其近地面的气溶胶消光系数最大, 这是由于近地面主要以人为活动排放的气溶胶为主, 而长江三角洲地区工业发达, 人为活动强烈.
从图 3中可见与其他季节气溶胶消光系数最大值相比, 冬季的消光系数值最大, 在0.65 km-1左右, 但是冬季对流层高空大气气溶胶消光系数比其他季节小, 消光系数基本不超过0.1 km-1, 这与冬季长江三角洲地区大气边界层最低有关[23].春季气溶胶消光系数在5.5 km左右出现峰值, 约为0.4 km-1, 而冬季气溶胶消光系数在3 km左右出现峰值, 约为0.25 km-1, 冬春季在近地面以上大气中都出现气溶胶消光系数峰值, 这与冬春季沙尘天气频发有关, 且春季的大气边界层高度比冬季高, 近地面气溶胶容易扩散到高空大气中, 春季气溶胶消光系数峰值出现的高度也比冬季高.夏季对流层高空大气气溶胶消光系数出现多处较大峰值, 约为0.4 km-1, 秋季对流层高空大气气溶胶消光系数在4 km左右出现峰值, 约为0.5 km-1, 可能与夏秋季的秸秆燃烧有关, 由于夏秋季大气边界层较高[24], 低空大气中聚集的气溶胶容易扩散到高空大气中.
图 5~8分别为长江三角洲地区冬季, 春季, 夏季与秋季的532 nm气溶胶消光系数廓线, 温度廓线与相对湿度廓线.从图 5可见, 冬季在近地面出现逆温现象, 大气相对湿度比较大, 气溶胶消光系数比较大, 在5 km高度以下自由大气中, 大气相对湿度低于60%时, 气溶胶消光系数基本比较小.从图 6可见, 春季在近地面出现逆温现象, 大气相对湿度比较大, 气溶胶消光系数比较大, 在5 km高度以下自由大气中, 大气相对湿度基本维持在60%, 气溶胶消光系数比冬季大.从图 7可见, 夏季在近地面出现逆温现象, 大气相对湿度比较大, 气溶胶消光系数也比较大, 在5 km高度以下自由大气中, 大气相对湿度比较大, 基本都大于60%, 气溶胶消光系数比冬春季大.从图 8可见, 秋季在近地面出现逆温现象, 大气相对湿度比较大, 气溶胶消光系数比较大, 在5 km高度以下自由大气中, 大气相对湿度大于60%时, 气溶胶消光系数也比较大.
|
图 5 冬季气溶胶消光系数, 温度与相对湿度的均值廓线 Fig. 5 Mean profiles of aerosol extinction coefficient, temperature, and relative humidity in winter |
|
图 6 春季气溶胶消光系数, 温度与相对湿度的均值廓线 Fig. 6 Mean profiles of aerosol extinction coefficient, temperature, and relative humidity in spring |
|
图 7 夏季气溶胶消光系数, 温度与相对湿度的均值廓线 Fig. 7 Mean profiles of aerosol extinction coefficient, temperature, and relative humidity in summer |
|
图 8 秋季气溶胶消光系数, 温度与相对湿度的均值廓线 Fig. 8 Mean profiles of aerosol extinction coefficient, temperature, and relative humidity in autumn |
对比4个季节的大气气溶胶消光系数, 大气温度与大气相对湿度的廓线变化, 结果发现, 在近地面的大气中, 逆温高湿的气象条件有利于增大气溶胶的消光系数, 增强颗粒物的消光能力[25].在5 km高度以下的自由大气中, 高湿条件也有利于增大气溶胶的消光系数.宋秀瑜等[26]的研究认为对流层中大气气溶胶消光系数会随相对湿度增大而增大.
2.1.2 气溶胶退偏比的时空变化图 9为长江三角洲地区不同高度层气溶胶退偏比逐月平均值, 气溶胶退偏比越小, 越趋向于0, 说明气溶胶形状越偏向于球型, 其中0~2 km的气溶胶退偏比较小的月份在7~11月, 退偏比在0.15左右, 2~4 km的气溶胶退偏比较小的月份在5、7、8与11月, 4~6 km的气溶胶退偏比较小的月份在6、8、9与11月, 6~8 km的气溶胶退偏比较小的月份在8月与9月, 8~10 km的气溶胶退偏比都比较大, 尤其是8月与9月的气溶胶退偏比异常地高, 分别约为0.4与0.35. 图 10为长江三角洲地区逐季平均的气溶胶退偏比廓线, 气溶胶退偏比是532 nm气溶胶垂直后向散射系数与532 nm平行后向散射系数之比, 反映气溶胶颗粒物的非球型程度, 退偏比越小, 说明气溶胶粒子越偏向于球型. 图 10中四季气溶胶退偏比的范围为0.003~0.871, 冬季气溶胶退偏比的范围为0.027~0.553, 春季气溶胶退偏比的范围为0.107~0.35, 夏季气溶胶退偏比的范围为0.003~0.871, 秋季气溶胶退偏比的范围为0.02~0.513. 图 11为不同高度层气溶胶退偏比的季节频率分布, 将对流层划分为5个高度层, 将气溶胶退偏比值设置在0~1之间分布, 间隔为0.05, 总共有21个特定的退偏比值, 分别统计并计算每个季节中同一高度层气溶胶退偏比值出现在特定退偏比值附近的频率.
|
图 9 不同高度层气溶胶退偏比逐月平均值 Fig. 9 Monthly averaged aerosol depolarization ratios at different altitudes |
|
图 10 逐季平均的气溶胶退偏比廓线 Fig. 10 Quarterly averaged aerosol depolarization ratio profiles |
|
图 11 不同高度层气溶胶退偏比的季节频率分布 Fig. 11 Seasonal frequency distribution of aerosol depolarization ratios at different altitudes |
由图 9可见各高度层气溶胶退偏比基本在0.1~0.3之间, 由图 11可见四季各高度层小气溶胶退偏比出现的频率最高, 表明长江三角洲地区对流层大气中气溶胶形状更偏向于球型.这与长江三角洲地区空气湿度较大有关, 大气颗粒物可通过吸湿潮解由原来的不规则状变为球型[27].
由图 9和图 10可见冬春季的对流层高空大气比低空大气存在更多的不规则粒子, 从图 11可见与其他高度层相比, 冬春季的偏球型气溶胶粒子主要集中出现在0~2 km高度层.这是由于冬春季沙漠沙尘气溶胶的高空输送, 使对流层高空大气中气溶胶粒子比对流层低空大气更偏向于非球型.
由图 9可见夏秋季在对流层低空大气中的气溶胶退偏比一般比冬春季小, 对流层高空大气中的气溶胶退偏比一般比对流层低空大气小, 由图 10可见与其他季节相比, 夏秋季在2 km以下的气溶胶退偏比更小, 在2 km以上的气溶胶退偏比曲线振荡变化, 但是仍可以发现对流层高空中存在许多较小的气溶胶退偏比值, 由图 11可见与其他季节相比, 夏秋季偏球型气溶胶粒子出现的频率更高, 这些均表明夏秋季对流层大气中规则粒子比冬春季多, 对流层高空大气中存在较多的规则粒子.这与夏秋季暴雨多发有关, 降水会使大气中气溶胶湿沉降, 从图 3也可见夏秋季高空多处大气比较干净, 其中球型粒子比重较大.
从图 9可见夏秋季在8~10 km高度层出现气溶胶退偏比异常高值, 从图 10可见夏秋季在2 km以上的气溶胶退偏比曲线振荡变化, 说明夏秋季在对流层高空大气中存在极不规则的粒子.这与夏秋季秸秆燃烧密切相关, 秸秆燃烧产生的气溶胶可以被对流输送到对流层高空大气中[28].
2.1.3 气溶胶色比的时空变化图 12为长江三角洲地区不同高度层气溶胶色比逐月平均值, 气溶胶色比越大, 说明颗粒物粒子尺寸越大. 图 13为长江三角洲地区逐季平均的气溶胶色比廓线, 气溶胶色比是1 064 nm气溶胶后向散射系数与532 nm总后向散射系数之比, 反应气溶胶颗粒物的尺寸, 色比越大, 说明气溶胶粒子越大. 图 13中四季气溶胶色比的范围为0.027~2.952, 冬季气溶胶色比的范围为0.187~2.774, 春季气溶胶色比的范围为0.525~1.481, 夏季气溶胶色比的范围为0.027~2.952, 秋季气溶胶色比的范围为0.175~2.698. 图 14为不同高度层气溶胶色比的季节频率分布, 将对流层划分为5个高度层, 将气溶胶色比值设置在0~3之间分布, 间隔为0.15, 总共有21个特定的色比值, 分别统计并计算每个季节中同一高度层气溶胶色比值出现在特定色比值附近的频率.
|
图 12 不同高度层气溶胶色比逐月平均值 Fig. 12 Monthly averaged aerosol color ratios at different altitudes |
|
图 13 逐季平均的气溶胶色比廓线 Fig. 13 Quarterly averaged aerosol color ratio profiles |
|
图 14 不同高度层气溶胶色比的季节频率分布 Fig. 14 Seasonal frequency distribution of aerosol color ratios at different altitudes |
由图 12可见, 各月份0~4 km的气溶胶色比在0.6716~0.989范围内, 一般各月份4~10 km高度层的气溶胶色比值比0~4 km高度层的大, 由图 13可见, 四季0~4 km高度层的气溶胶色比在0.75左右, 由图 14可见相比于其他高度层, 四季在0~4 km高度层中较小的气溶胶色比值出现的频率较高, 在4~10 km高度层中较大的气溶胶色比值出现的频率较高, 表明长江三角洲地区的对流层低空大气中气溶胶粒径变化小, 气溶胶粒径偏大, 且对流层高空大气中气溶胶粒径比对流层低空大气更大.
由图 13可见, 冬春季对流层高空大气气溶胶粒径基本随高度增加而增加, 对流层高空大气比对流层低空大气中气溶胶粒径大, 这与冬春季沙尘天气频发有关, 大量沙尘粗粒子导致探测到的气溶胶色比值比较大[28].受收获季节中生物质燃烧[28]与频繁降水的影响, 夏秋季在对流层高空的气溶胶色比曲线振荡变化, 对流层高空大气中气溶胶的粒径范围比较广.
2.2 不同类型气溶胶的时空变化图 15为2017-12~2018-11长江三角洲地区不同高度层各种类型气溶胶出现的频率, 长江三角洲地区的对流层被划分为5个高度, 统计每个高度层各类气溶胶出现的次数分别占整个对流层所有气溶胶出现次数的比例. CALIPSO卫星的激光雷达资料将探测到的气溶胶分为洁净海洋、沙漠沙尘、污染大陆、洁净大陆、污染沙尘与烟尘这6类气溶胶.按照洁净海洋、沙漠沙尘、污染大陆、洁净大陆、污染沙尘和烟尘气溶胶排序, 各种类型气溶胶在8~10 km高度层出现的频率分别为0.021 7%、0.514 6%、0、0.231 1%、0.693 5%与0.155 2%, 污染沙尘气溶胶出现的频率最高; 各种类型气溶胶在6~8 km高度层出现的频率分别为0.046 2%、3.788%、0、0.833 1%、1.764 8%与0.650 8%, 沙漠沙尘气溶胶出现的频率最高; 各种类型气溶胶在4~6 km高度层出现的频率分别为0.103 6%、4.864 6%、0、0.55%、1.913 1%与1.472 7%, 沙漠沙尘气溶胶出现的频率最高; 各种类型气溶胶在2~4 km高度层出现的频率分别为0.960 8%、6.432 4%、0.819%、0.670 5%、6.955 7%与5.467 2%, 污染沙尘气溶胶出现的频率最高; 各种类型气溶胶在0~2 km高度层出现的频率分别为9.651 4%、6.232 5%、11.055 2%、0.536 5%、26.154 5%与7.461 2%, 污染沙尘气溶胶出现的频率最高.整个对流层各类气溶胶出现的频率从高到低分别为污染沙尘、沙漠沙尘、烟尘、污染大陆、洁净海洋与洁净大陆气溶胶.沙漠沙尘与污染沙尘气溶胶在各高度层出现次数所占比例较高, 这与长江三角洲地区工业发达以及沙尘天气频发有关.烟尘气溶胶在0~6 km高度内出现的频率较高可能与长江三角洲地区的煤炭燃烧[29]与秸秆燃烧有关[30~33].洁净海洋与污染大陆气溶胶在0~2 km高度内出现的频率较高, 这可能与长江三角洲地理位置有关, 长江三角洲位于长江下游地区, 沟通沿海与内陆地区的联系.
|
图 15 气溶胶类型占比 Fig. 15 Proportion of aerosol types |
图 16为四个季节长江三角洲地区不同高度层各种类型气溶胶出现的频率, 长江三角洲地区的对流层被划分为5个高度, 统计每个季节不同高度层各类气溶胶出现的次数分别占该季整个对流层所有气溶胶出现次数的比例.冬季沙漠沙尘气溶胶出现频率最高, 其次为污染沙尘气溶胶, 对流层高空沙漠沙尘气溶胶出现的频率最高, 对流层低空污染沙尘气溶胶出现的频率最高; 春季污染沙尘气溶胶出现频率最高, 各类型气溶胶的空间分布与冬季类似, 但是与冬季相比, 沙漠沙尘气溶胶出现的频率降低, 烟尘气溶胶出现的频率提高; 夏季烟尘气溶胶在对流层大气中出现的频率最高, 与冬春季相比, 烟尘气溶胶在各高度层出现的频率提高, 而沙漠沙尘与污染沙尘气溶胶出现的频率降低, 夏季洁净海洋和污染大陆气溶胶在0~2 km高度层出现的频率比冬春季高; 秋季各类型气溶胶垂直分布与夏季类似, 但是与夏季相比, 污染沙尘气溶胶在各高度层出现的频率提高, 而烟尘气溶胶出现的频率降低, 洁净海洋气溶胶在0~2 km高度层出现的频率也降低.全年污染沙尘气溶胶出现的频率一直高居不下, 与长江三角洲地区为我国第一大综合性工业基地有关, 冬春季沙漠沙尘气溶胶出现的频率较高, 这与沙尘天气多发生于冬春季有关, 与冬春季相比, 夏秋季的烟尘气溶胶出现的频率较高, 这与长江三角洲地区的秸秆焚烧密切相关[30~33].
|
图 16 各季节气溶胶类型占比 Fig. 16 Proportion of aerosol types in different seasons |
(1) 气溶胶消光系数整体分布在0.000 9~0.644 km-1之间.近地面的气溶胶消光系数高于对流层高空大气的气溶胶消光系数, 表明近地面的气溶胶消光能力较强.与夏秋季相比, 冬春季探测到的对流层高空大气气溶胶消光系数更小, 表明冬春季在对流层高空中气溶胶消光能力较弱.对比气溶胶消光系数廓线, 温度廓线与相对湿度廓线的变化, 发现在近地面大气中, 逆温高湿的气象条件有利于增强对流层气溶胶的消光能力, 在5 km以下自由大气中, 气溶胶消光能力会随大气相对湿度增大而增强.
(2) 气溶胶退偏比整体分布在0.003~0.871之间.对流层低空大气气溶胶粒子形状一般比对流层高空大气气溶胶粒子形状更规则, 但是夏秋季在对流层高空大气中也存在较多的偏球型粒子.与冬季相比, 夏秋季在2 km以下的气溶胶粒子形状更规则.
(3) 气溶胶色比整体分布在0.027~2.952之间, 对流层低空大气气溶胶色比一般比较大, 色比值在0.75左右, 表明对流层低空中气溶胶粒径较大.对流层低空大气气溶胶粒径一般比对流层高空大气气溶胶粒径小.与冬春季相比, 夏秋季在对流层高空大气中气溶胶粒径的范围更广.
(4) 对流层各类气溶胶出现频率从高到低分别为污染沙尘、沙漠沙尘、烟尘、污染大陆、洁净海洋与洁净大陆气溶胶.冬季气溶胶类型以沙漠沙尘气溶胶为主, 其次为污染沙尘气溶胶, 而春季相反.夏季气溶胶类型以烟尘气溶胶为主, 其次为污染沙尘气溶胶, 与其他季节相比, 夏季0~2 km高度层洁净海洋与污染大陆气溶胶出现频率最高.秋季气溶胶类型以污染沙尘气溶胶为主, 而烟尘、污染大陆与洁净海洋气溶胶出现的频率也比较高.
| [1] |
衣娜娜, 张镭, 刘卫平, 等. 西北地区气溶胶光学特性及辐射影响[J]. 大气科学, 2017, 41(2): 409-420. Yi N N, Zhang L, Liu W P, et al. Optical characteristics and radiative effects of atmospheric aerosol over Northwest China[J]. Chinese Journal of Atmospheric Sciences, 2017, 41(2): 409-420. |
| [2] | 张乐. 中国长三角地区环境污染的现状及应对策略研究[J]. 科技视界, 2016(4): 258-259. DOI:10.3969/j.issn.2095-2457.2016.04.200 |
| [3] | Fan W Z, Qin K, Xu J, et al. Aerosol vertical distribution and sources estimation at a site of the Yangtze River Delta region of China[J]. Atmospheric Research, 2019, 217: 128-136. DOI:10.1016/j.atmosres.2018.11.002 |
| [4] | Liu J J, Zheng Y F, Li Z Q, et al. Seasonal variations of aerosol optical properties, vertical distribution and associated radiative effects in the Yangtze Delta region of China[J]. Journal of Geophysical Research, 2012, 117(D16): D00K38. |
| [5] | Shimizu A, Sugimoto N, Nishizawa T, et al. Variations of dust extinction coefficient estimated by lidar observations over Japan, 2007-2016[J]. SOLA, 2017, 13: 205-208. DOI:10.2151/sola.2017-037 |
| [6] |
华雯丽, 韩颖, 乔瀚洋, 等. 敦煌沙尘气溶胶质量浓度垂直特征个例分析[J]. 高原气象, 2018, 37(5): 1428-1439. Hua W L, Han Y, Qiao H Y, et al. Profiling of dust aerosol mass concentration over Dunhuang:case studies[J]. Plateau Meteorology, 2018, 37(5): 1428-1439. |
| [7] | Xia X L, Min J Z, Shen F F, et al. Aerosol data assimilation using data from Fengyun-3A and MODIS:application to a dust storm over East Asia in 2011[J]. Advances in Atmospheric Sciences, 2019, 36(1): 1-14. DOI:10.1007/s00376-018-8075-9 |
| [8] | Cheng F, Zhang J H, He J L, et al. Analysis of aerosol-cloud-precipitation interactions based on MODIS data[J]. Advances in Space Research, 2017, 59(1): 63-73. DOI:10.1016/j.asr.2016.08.042 |
| [9] | Pan B W, Yao Z D, Wang M Z, et al. Evaluation and utilization of CloudSat and CALIPSO data to analyze the impact of dust aerosol on the microphysical properties of cirrus over the Tibetan Plateau[J]. Advances in Space Research, 2019, 63(1): 2-15. DOI:10.1016/j.asr.2018.07.004 |
| [10] | Solanki R, Singh N. LiDAR observations of the vertical distribution of aerosols in free troposphere:Comparison with CALIPSO level-2 data over the central Himalayas[J]. Atmospheric Environment, 2014, 99: 227-238. DOI:10.1016/j.atmosenv.2014.09.083 |
| [11] | Reddy K R O, Zhang X Y, Bi L. Seasonal aerosol variations over a coastal city, Zhoushan, China from CALIPSO observations[J]. Atmospheric Research, 2019, 218: 117-128. DOI:10.1016/j.atmosres.2018.11.011 |
| [12] | Huang L, Jiang J H, Tackett J L, et al. Seasonal and diurnal variations of aerosol extinction profile and type distribution from CALIPSO 5-year observations[J]. Journal of Geophysical Research, 2013, 118(10): 4572-4596. |
| [13] | Ma X Y, Yu F Q. Seasonal variability of aerosol vertical profiles over east US and west Europe:GEOS-Chem/APM simulation and comparison with CALIPSO observations[J]. Atmospheric Research, 2014, 40-141: 28-37. |
| [14] |
许潇锋, 刘晨璇, 唐志伟, 等. 基于CALIPSO的华北地区气溶胶垂直分布特征[J]. 大气科学学报, 2018, 41(1): 126-134. Xu X F, Liu C X, Tang Z W, et al. Characteristics of aerosol vertical distribution based on CALIPSO over North China[J]. Transactions of Atmospheric Sciences, 2018, 41(1): 126-134. |
| [15] |
徐成鹏, 葛觐铭, 黄建平, 等. 基于CALIPSO星载激光雷达的中国沙尘气溶胶观测[J]. 中国沙漠, 2014, 34(5): 1353-1362. Xu C P, Ge J M, Huang J P, et al. Observations of dust aerosol over China based on CALIPSO spaceborne lidar[J]. Journal of Desert Research, 2014, 34(5): 1353-1362. |
| [16] |
高星星, 陈艳, 张武. 2006~2015年中国华北地区气溶胶的垂直分布特征[J]. 中国环境科学, 2016, 36(8): 2241-2250. Gao X X, Chen Y, Zhang W. Vertical distribution of atmospheric aerosol particles over North China from 2006 to 2015[J]. China Environmental Science, 2016, 36(8): 2241-2250. DOI:10.3969/j.issn.1000-6923.2016.08.001 |
| [17] |
高星星, 陈艳, 张镭, 等. 基于CALIPSO卫星数据的中国典型区域气溶胶特性[J]. 兰州大学学报(自然科学版), 2018, 54(4): 431-439. Gao X X, Chen Y, Zhang L, et al. Aerosol properties based on CALIPSO data in representative regions over China[J]. Journal of Lanzhou University (Natural Sciences), 2018, 54(4): 431-439. |
| [18] |
刘璇, 朱彬, 袁亮, 等. 基于CALIPSO卫星资料的华东地区气溶胶垂直分布特征[J]. 沙漠与绿洲气象, 2016, 10(5): 79-86. Liu X, Zhu B, Yuan L, et al. Characteristics of aerosol vertical distribution in Eastern China based on CALIPSO satellite data[J]. Desert and Oasis Meteorology, 2016, 10(5): 79-86. DOI:10.3969/j.issn.1002-0799.2016.05.012 |
| [19] |
王潇, 曹念文, 黄婧婷, 等. 西安市一次霾过程中气溶胶垂直分布特征及气象要素影响[J]. 环境科学研究, 2018, 31(9): 1519-1526. Wang X, Cao N W, Huang J T, et al. Vertical distribution of aerosol and meteorological elements during a haze episode in Xi'an City[J]. Research of Environmental Sciences, 2018, 31(9): 1519-1526. |
| [20] | Sun T Z, Che H Z, Qi B, et al. Aerosol optical characteristics and their vertical distributions under enhanced haze pollution events:effect of the regional transport of different aerosol types over eastern China[J]. Atmospheric Chemistry and Physics, 2018, 18(4): 2949-2971. DOI:10.5194/acp-18-2949-2018 |
| [21] | Tao M H, Chen L F, Wang Z F, et al. Satellite observation of abnormal yellow haze clouds over East China during summer agricultural burning season[J]. Atmospheric Environment, 2013, 79: 632-640. DOI:10.1016/j.atmosenv.2013.07.033 |
| [22] |
刘璇, 朱彬, 侯雪伟, 等. 基于卫星遥感和地面观测资料的霾过程分析——以长江三角洲地区一次严重霾污染过程为例[J]. 中国环境科学, 2015, 35(3): 641-651. Liu X, Zhu B, Hou X W, et al. Analysis of haze events based on satellite remote sensing and field observations:a case study of severe haze pollution over the Yangtze River Delta[J]. China Environmental Science, 2015, 35(3): 641-651. |
| [23] |
黄聪聪, 马嫣, 郑军. 南京冬季气溶胶光学特性及黑碳光吸收增强效应[J]. 环境科学, 2018, 39(7): 3057-3066. Huang C C, Ma Y, Zheng J. Aerosol optical properties and light absorption enhancement of EC during wintertime in Nanjing[J]. Environmental Science, 2018, 39(7): 3057-3066. |
| [24] | Sun T Z, Che H Z, Qi B, et al. Characterization of vertical distribution and radiative forcing of ambient aerosol over the Yangtze River Delta during 2013-2015[J]. Science of the Total Environment, 2019, 650: 1846-1857. DOI:10.1016/j.scitotenv.2018.09.262 |
| [25] |
胡晓, 徐璐, 俞科爱, 等. 宁波地区一次重污染天气过程的成因分析[J]. 高原气象, 2017, 36(5): 1412-1421. Hu X, Xu L, Yu K A, et al. Impact factors of a heavy air pollution process over Ningbo[J]. Plateau Meteorology, 2017, 36(5): 1412-1421. |
| [26] |
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 |
| [27] |
杨欣, 陈义珍, 刘厚凤, 等. 北京2013年1月连续强霾过程的污染特征及成因分析[J]. 中国环境科学, 2014, 34(2): 282-288. Yang X, Chen Y Z, Liu H F, et al. Characteristics and formation mechanism of a serious haze event in January 2013 in Beijing[J]. China Environmental Science, 2014, 34(2): 282-288. |
| [28] |
孙强, 范学花, 夏祥鳌. 华北地区气溶胶垂直分布特征的观测与分析[J]. 气象与环境科学, 2016, 39(1): 26-33. Sun Q, Fan X H, Xia X A. Observation and analysis of aerosol vertical distribution characteristics in North China Plain[J]. Meteorological and Environmental Sciences, 2016, 39(1): 26-33. |
| [29] |
于兴娜, 时政, 马佳, 等. 南京江北新区大气单颗粒来源解析及混合状态[J]. 环境科学, 2019, 40(4): 1521-1528. Yu X N, Shi Z, Ma J, et al. Source apportionment and mixing state of single particles in the Nanjing Jiangbei New Area[J]. Environmental Science, 2019, 40(4): 1521-1528. |
| [30] |
徐足飞, 曹芳, 高嵩, 等. 南京北郊秋季PM2.5碳质组分污染特征及来源分析[J]. 环境科学, 2018, 39(7): 3033-3041. Xu Z F, Cao F, Gao S, et al. Characteristics and source analysis of carbonaceous components of PM2.5 during autumn in the northern suburb of Nanjing[J]. Environmental Science, 2018, 39(7): 3033-3041. |
| [31] |
高雅琴, 王红丽, 景盛翱, 等. 上海夏季PM2.5中有机物的组分特征、空间分布和来源[J]. 环境科学, 2018, 39(5): 1978-1986. Gao Y Q, Wang H L, Jing S A, et al. Chemical characterization, spatial distribution, and source identification of organic matter in PM2.5 in summertime Shanghai, China[J]. Environmental Science, 2018, 39(5): 1978-1986. |
| [32] |
靳全锋, 马祥庆, 王文辉, 等. 华东地区2000-2014年间秸秆燃烧排放PM2.5时空动态变化[J]. 环境科学学报, 2017, 37(2): 460-468. Jin Q F, Ma X Q, Wang W H, et al. Temporal and spatial variations of PM2.5 emissions from crop straw burning in eastern China during 2000-2014[J]. Acta Scientiae Circumstantiae, 2017, 37(2): 460-468. |
| [33] |
朱佳雷, 王体健, 邢莉, 等. 江苏省一次重霾污染天气的特征和机理分析[J]. 中国环境科学, 2011, 31(12): 1943-1950. Zhu J L, Wang T J, Xing L, et al. Analysis on the characteristics and mechanism of a heavy haze episode in Jiangsu Province[J]. China Environmental Science, 2011, 31(12): 1943-1950. |