环境科学  2020, Vol. 41 Issue (8): 3484-3491   PDF    
艾比湖地区气溶胶光学特性分析
张喆1,2, 丁建丽1,2, 王瑾杰1,2     
1. 新疆大学资源与环境科学学院, 智慧城市与环境建模自治区普通高校重点实验室, 乌鲁木齐 830046;
2. 新疆大学绿洲生态教育部重点实验室, 乌鲁木齐 830046
摘要: 精河县气溶胶光学特性的定量评估是理解艾比湖盐尘传输过程的关键.本文利用2019年精河县CE-318太阳光度计站点观测资料,分析了气溶胶光学厚度(AOD)和Angström波长指数(α)的变化特征.结果表明AOD日变化呈单峰曲线,与α呈反向变化特征;气溶胶粒子浓度和主控模态具有明显的季节性差异,与夏、秋季相比,春季AOD较高且变化幅度剧烈,粗粒子气溶胶占主控地位,粒子粒径和变化幅度较大;AOD和α呈负相关关系,从春季到秋季,气溶胶逐渐从粗模态向细模态过渡;与夏季相比,春季局地气溶胶对风速、风向和相对湿度的变化较为敏感;温度不是导致局地气溶胶变化的内在因素,但与气溶胶粒子扩散能力成正比;非采暖期,精河县AOD高值主要受粗粒子为主的沙尘气溶胶的影响,小颗粒的气溶胶的增加以及气溶胶吸湿增长都不是造成该地区AOD增加的主要原因.
关键词: 太阳光度计      气溶胶光学厚度(AOD)      Angström波长指数      艾比湖      气溶胶光学特性     
Aerosol Optical Properties over the Ebinur Region
ZHANG Zhe1,2 , DING Jian-li1,2 , WANG Jin-jie1,2     
1. Key Laboratory of Smart City and Environment Modelling of Higher Education Institute, College of Resources and Environment Science, Xinjiang University, Urumqi 830046, China;
2. Key Laboratory of Oasis Ecosystem Ministry of Education, Xinjiang University, Urumqi 830046, China
Abstract: The key to understanding the transport and deposition process of salt dust to Ebinur Lake involves the quantitative evaluation of the aerosol concentration and characteristics in Jinghe County. Based on the data of the CE-318 sun photometer station in Jinghe County during 2019, the characteristics of the aerosol optical depth (AOD) and Angström exponent (α) were analysed. The results showed that the daily variation of the AOD in Jinghe County was a single peak curve that increased or decreased monotonously in the early/late peak period and peaked at 12:00-14:00, which was opposite to the trend of the α. There were obvious seasonal differences in the aerosol concentration and dominant mode. The seasonal AOD was ranked as:spring (0.403±0.282) > summer (0.222±0.135) > autumn (0.218±0.112), whereas α was ranked as:summer (1.339±0.446) > autumn (1.116±0.278) > spring (0.914±0.269). During the spring, the range of the change in the AOD was more intense, the aerosol particle size was larger than that during the summer and autumn, and the range of the variation in the particle size was larger. There was a negative correlation between the AOD and α. During the spring and summer, the aerosol particle size varied over a wide range, and the composition was more complex. With the decrease of the α, the AOD tended to increase; during the autumn, the dominant aerosol mode (mainly fine particles) stabilized, and the AOD exhibited no obvious change with the α. From spring to autumn, aerosol gradually transited from a coarse to fine mode. Compared with the summer, local aerosols were more sensitive to the changes of the wind speed, wind direction, and relative humidity during the spring. The primary reason for the increase of the AOD during the spring was the main wind direction and the dust input brought by gale weather. Influenced by the soluble salt ions in the dust, the aerosol particles were able to undergo hygroscopic growth, but this was not the main reason for the high AOD. Temperature was not the internal factor for the change in the local aerosols; however, it was directly proportional to the diffusion ability of aerosol particles. Overall, the AOD of Jinghe County was primarily affected by dust aerosols. The increases in the amounts of small particles and aerosol moisture absorption were not the main reasons for the increase of the AOD in this area.
Key words: sun photometer      aerosol optical depth      Angström wavelength exponent      Ebinur Lake region      aerosol optical properties     

气溶胶是指大气中直径在0.001~100 μm的液体和固体微粒的总称[1], 其可通过吸收/散射太阳的长、短波辐射, 影响地-气系统的能量收支[2,3], 又可作为云凝结核影响云光学特性、云量及云寿命, 继而对区域降水产生影响[4,5].受排放源、地理环境及人类活动等影响, 大气气溶胶在组成成分、时空分布方面有较强的异质性, 因此, 针对气溶胶浓度时空分布的了解和光学特性的准确估算, 是开展区域气溶胶环境和气候效应研究的重要前提[6,7].气溶胶光学厚度(aerosol optical depth, AOD)和Angström波长指数(α)是用以描述气溶胶光学特性的两个重要参数, AOD是指沿辐射传输路径, 单位截面上所有吸收和散射物质产生的总削弱, 能反映出气溶胶浓度的纵向累计增长和水平空间分布, α表征的是垂直气柱内气溶胶质粒的谱分布, 反映的是粒子尺度.针对二者关系的深入讨论, 在一定程度上能反映区域大气的污染程度和污染类型[8,9], 对了解区域气溶胶含量、确定气溶胶尺度和研究气溶胶气候效应等具有重要意义.

利用地基站点对大气气溶胶进行连续观测可以直接得到较为准确的气溶胶浓度和时间变化信息.我国自20世纪80年代就开始利用太阳光度计进行气溶胶地基遥感观测研究, 相关学者针对沙尘[10~13]、生物燃烧[14,15]和城市-工业气溶胶[16~18]光学特性研究做了大量工作, 主要集中在利用全国多个站点评估不同区域AOD的量级, 针对AOD、α、粒子尺度谱分布和单次散射反照率等主要气溶胶光学参数, 通过揭示各参数长时间序列的变化规律, 达到深入了解各地区大气环境的目的[19,20].

艾比湖是新疆境内最大的咸水湖.近年来, 在自然气候条件和人类活动的共同作用下, 湖面持续萎缩造成大面积干涸湖底裸露, 松散的湖底沉积物在阿拉山口大风作用下向下风向地区飘散, 对广大尘降区域土壤、水源、植物和大气等生态环境平衡造成严重威胁[21].受地形和人类活动共同影响, 精河县是受艾比湖盐尘污染较为严重的地区[22,23], 另一方面, 精河县作为向西开发开放的前沿地区、丝绸之路经济带核心区建设重要节点, 其特殊的地理区位和综合交通枢纽地位, 也使得人为污染物排放成为影响空气质量的重要因素.

近尘源区粉尘浓度和特性的定量评估是理解艾比湖盐尘传输、沉降和循环的关键.本文利用太阳光度计时间序列观测资料, 详细分析该地区AOD和α的日、月、季变化特征, 针对AOD高值时段, 探讨不同气象条件对AOD和α之间的关系的影响, 通过加深该地区气溶胶特性的认识, 了解盐尘源排放对本地气溶胶特性产生的影响, 以期为进一步认识艾比湖盐尘气溶胶特点及其环境、气候效应提供参考.

1 材料与方法 1.1 研究区概况

精河县位于新疆维吾尔自治区西北部的博尔塔拉蒙古自治州东部(81°46′~83°51′E、44°02′~45°10′N), 属典型的北温带干旱荒漠型大陆性气候.冬夏冷热悬殊, 昼夜温差大, 干燥少雨, 蒸发量大, 春季多风沙、浮尘天气.日照时间长, 年日照约2 700 h, 无霜期约170 d, 1月平均气温-15℃, 7月平均气温26℃, 极端最低气温为-34℃, 极端最高气温为42℃; 年平均降水量102 mm[24].

精河地区地形呈凹字形, 地势南高北低, 垂直高度相差悬殊, 地形与气溶胶空间分布特征基本一致(图 1).南部为天山山区, 中部为博尔塔拉河冲积平原, 北部为艾比湖区.艾比湖盐尘在迁移过程中大部分盐碱颗粒沉降在距离干涸湖底较近的精河地区.自20个世纪90年代以来, 精河县浮尘天气平均达到112 d, 是60年代的9倍, 每年降尘达289 t·km2 [25].

图 1 研究区概况示意 Fig. 1 Map of the study area

1.2 资料来源

CE318太阳光度计为法国CIMEL公司生产的一种自动跟踪扫描的太阳光度计, 可通过观测太阳、天空和地面的反射等信息来反映大气的光学特性[26].仪器设于艾比湖流域精河县气象局楼顶(44.60°N, 82.87°E), 海拔高度406 m, 周围无密集建筑物阻挡, 视野开阔.

该仪器在可见近红外波段有9个光谱通道, 可获取340、380、440、500、675、870、936、1 020和1 640 nm的AOD值, 根据Angström波长指数(α)的计算方法[式(1)]:

(1)

式中, λ1λ2分别代表不同波长(nm); AOD(λ)为某一波长下的气溶胶光学厚度; α代表Angström波长指数, 其主要反映气溶胶组成中大小粒子的比例[27].α值越小表示气溶胶分布中大粒子占优势, α值越大则表示气溶胶分布中小粒子占优势.

太阳光度计数据处理结果包括2个质量等级:1.5级数据为没有做去云处理的数据, 2.0级数据为经过去云处理的数据.本研究选用的是2.0级反演数据, 根据气象划分标准将3~5月划分为春季, 6~8月为夏季, 9~11月为秋季, 12~次年2月为冬季.为避免矿石燃烧导致的人为气溶胶的影响, 根据精河县实际供暖需求, 筛选非供暖期(4~10月)的观测数据用以气溶胶光学参数特征分析.针对AOD高值时段(4月和7月)逐小时匹配同时段气象数据, 资料包括相对湿度、温度、风速和风向等.

2 结果与讨论 2.1 AOD和α的日、月和季变化特征分析

气溶胶日变化主要受中尺度天气系统和局地地形的影响.如图 2所示, 精河县AOD呈单峰型, 与α呈反向变化特征.北京时间08:00~10:00伴随着人类活动的开始, AOD呈增加趋势, 12:00~14:00达到峰值, 此时太阳辐射较强, 大气结构不稳定产生对流, 近地面气溶胶发生向上和水平输送, 甚至在辐射作用下发生二次气溶胶的生成反应.在北京时间09:30、12:30、14:00、16:30和18:30 AOD多次出现波动, 相对应的α均表现出明显的谷值, 说明粒子尺度的变化是造成AOD波动的主要原因.临近傍晚, 大气层再次趋于稳定, 边界层高度降低, 伴随着下班晚高峰, AOD维持高位, 再此之后, 呈下降趋势.

图 2 AOD和α日变化 Fig. 2 Daily variation of the AOD and α

精河县气溶胶光学性质存在一定季节性差异(图 3).AOD月平均值4月最高, 为0.46±0.37, 6月最低, 为0.15±0.06. 4~10月AOD呈现明显下降趋势, 其中7月出现了小幅度的回升, 这可能是由于7月空气中具有较为充沛的水汽含量, 月平均相对湿度一年中最高, 因此在较高相对湿度的情况下, 气溶胶吸湿增长引起AOD的波动, 也有可能是在温度增高作用下, 空气对流引起近地面粉尘扩散, 受到粗粒子气溶胶输入的影响.

图 3 AOD和α月平均值 Fig. 3 Monthly means of the AOD and α

AOD季节变化主要表现为春季(0.40±0.28)大于夏季(0.22±0.14)和秋季(0.22±0.11).从图 4中不同分位数变化可以看出, AOD上下四分位数值在夏、秋相差不大, 在0.26~0.31和0.13~0.14之间; 春季AOD上下四分位数和中位数数值远高于夏、秋季, 同时, AOD的最大值也出现在春季, 四分位间距也是春季最高, 春、夏和秋季AOD变异系数分别为69.98%、60.81%和51.38%, 说明精河县春季AOD的变化幅度较为剧烈.

图 4 AOD和α季节变化Box-Plot Fig. 4 Box plot of seasonal variations of the AOD and α

α季节变化主要表现为夏季(1.34±0.45)和秋季(1.12±0.28)大于春季(0.91±0.27). α最小值同样出现在4月, 为0.77±0.49, 最大值出现在6月, 为1.40±0.29.除4月以外, 其余月份α均高于1, 并且从6~8月α月均值变化范围很小, 在1.28~1.39之间, 说明该地区春季受沙尘影响明显, 其他季节主要以粒径较小的气溶胶粒子为主控模态.其中, 5月α为1.05±0.19, 说明即便在尘暴发生较为频繁的春季, 气溶胶中混合了粗粒子模态的沙尘气溶胶, 但人口相对密集的城镇地区仍然以细粒子占据主导.

2.2 AOD和α频率分布

图 5可见, 精河县AOD出现频率呈明显的单峰型分布特征, 较好地符合对数正态分布.但不同季节, AOD高频分布区间却有明显差异.由最大出现频数统计得出该地区大气气溶胶的本底浓度范围, 春季AOD出现频率最高区间为0.30~0.40, 占样本的38.02%, 夏季AOD出现频率最高区间为0.20~0.30, 占样本的60.62%, 秋季AOD出现频率最高区间为0.10~0.20, 占样本的50.96%, 说明夏季和秋季平均浓度和本底浓度都较低, 而春季较高.

图 5 AOD和α的概率分布柱状图 Fig. 5 Frequency distribution of the AOD and α

与AOD分布情况类似, α的频率分布同样呈现出单峰分布特征和季节性差异.春季α最高频区间为0.60~0.70, 次高区间为0.70~0.80, 分别占总样本的15.79%和10.53%;夏季和秋季α出现频率主要区间为1.20~1.40和0.90~1.20, 分别占总样本的51.14%和40.86%, 说明精河县气溶胶粒子主控模态存在季节性差异, 春季大气气溶胶主控粒子粒径大于夏季和秋季, 且粒径变化幅度较大, 属于沙尘气溶胶类型, 夏季和秋季属于城市-工业型气溶胶类型.

2.3 AOD与α的关系

图 6为不同季节AOD和α的关系, 从中可以看出, AOD和α存在较为明显的负相关关系.整体而言, 气溶胶粒径变化范围比较大, 说明大气组成成分较为复杂; 随着α的减小, AOD呈现增大趋势, 说明该地区粗粒子的增加是引起AOD高值的主要因素.以α值为0.50和1作为划分节点, 将α划分为3种情况:当α>1, 则气溶胶以细模态形式存在; 当α<1, 表示气溶胶主要以粗模态形式存在; 沙尘气溶胶一般为α≤0.50[28].

图 6 不同季节AOD和α的关系 Fig. 6 Relationship between the AOD and α in different seasons

春季, α≤0.50、0.50<α<1和α>1的样本数分别占总数的16.72%、38.03%和45.24%, 说明该地区气溶胶存在不同组分的气溶胶粒子(细粒子、沙尘粒子等), 且粗粒子的比重较大; α>1时, AOD主要集中分布在0.20左右, 说明细粒子气溶胶引起高污染现象的可能较小; α<1时, 气溶胶主要表现为粗颗粒, 对应的AOD分布范在0.10~0.90之间变化; 当α≤0.5时, AOD分布范围集中在0.30~0.60范围内, 大粒径颗粒物对气溶胶垂直消光作用较为明显.夏季, α≤0.50、0.50<α<1和α>1的样本数分别占总数的11.03%、16.56%和72.41%, 该季节气溶胶主要以细粒子为主, 粗粒子的输入仍是引起局地AOD高值的主要原因; 和春、夏季相比, 秋季良好的自然植被和可能的自然降雪有效限制了粉尘的排放, AOD随α变化无明显变化, α≤0.50、0.50<α<1和α>1的值分别占总数的1.34%、19.56%和79.10%, 主控气溶胶模态稳定, 主要以细粒子为主.

大气对污染物扩散的稀释能力随着气象条件的不同而发生巨大的变化, 所以气象要素的变化也会影响α和AOD之间的关系.本文选择对局地气溶胶污染有较大影响的气象因素(风向、风速、相对湿度和温度), 针对典型性的AOD高值时段4月和7月, 讨论气象要素对α和AOD之间关系的影响.

2.3.1 风向和风速

风速大小决定了污染物的扩散速度, 而风向则确定了污染物的输入与输出.图 7为不同风速(v)控制下AOD和α的关系.春季, v < 1m·s-1时, AOD主要集中在0.10~0.30范围内, 此时α主要集中在0.60~1.30范围内, AOD和α之前无明显变化趋势; 当v>1 m·s-1时, 随着粒子尺度的增大, AOD也呈现明显的增大趋势; 当v>4 m·s-1时, AOD呈现两极化分布, AOD在0.10~0.30范围内, 对应的α>0.50, 无明显变化趋势, 而AOD>0.50区间范围内, 二者呈现负相关趋势, 表明在观测点周围存在强的沙尘源的情况下, 风速对局地气溶胶变化产生显著影响, 较大的风速一方面可引起粗粒子的输入导致AOD的增大, 另一方面, 过大的风速也会对局地气溶胶存在一定的稀释作用.夏季, 当v < 4 m·s-1时, 气溶胶浓度和粒径变化范围比较大, AOD在0.10~0.90范围内, α在0~1.80范围内均有分布.以α≤0.50和>1为划分界线发现, 当α≤0.50, AOD分布范围集中在0.40~0.90之间, 当α>1时, AOD集中在0.10~0.30之间, AOD与α呈负相关.当v>4 m·s-1, α上升至1.30~1.70范围内, AOD集中分布在0.20左右, 说明此时较大的风力对粗粒径粒子存在清除作用, 而小颗粒的气溶胶的增加不是造成该季节AOD增加的主要原因.

图 7 不同风速下AOD和α的关系 Fig. 7 Relationship between the Angström parameters and the AOD at different wind speed

近尘源区风向对局地气溶胶变化同样重要.阿拉山口大风主要以NW风向为主, 占总风向的68.97%, 平均风速5.45m·s-1, 最大风速20.45 m·s-1, 为盐尘灾害的发生提供了强有力的风力起尘条件.在其影响下, 精河地区常年盛行西北偏北风, 主导风向和风速存在季节性差异.春季观测期间NNE和NW为主导风向, 占总风向的37.10%, 平均风速1.92 m·s-1, 最大风速8.31 m·s-1; 夏季观测期间主导风向以NW风为主, 占总风向的47.83%, 平均风速1.72 m·s-1, 最大风速7.21 m·s-1.

图 8为不同风向作用下α随AOD的变化.对春季而言, 在主导风向较大风力作用下, AOD随α减小而增大, 两者呈现明显的负相关关系, 此时α≤0.50、0.50<α<1和α>1的样本数分别占总数的46.07%、42.70%和5.62%, 说明此风向作用下带来大颗粒的粉尘输入导致AOD的增加; 非主导风向作用下, AOD集中在0.20左右, 0.50<α<1和α>1的样本数分别占总数的43.13%和56.86%, 说明非主导风向对局地大气气溶胶浓度和颗粒有一定稀释作用.夏季主导风向和非主导风向对AOD和α关系的影响没有明显差异, AOD随α的减小呈增大趋势.α在0~1.80范围内, AOD在0.10~0.90范围内均有分布, 但78.69%都集中在α为[1.20, 1.80]和AOD为[0.10, 0.30]的范围内.

图 8 不同风向下AOD和α的关系 Fig. 8 Relationship between α and AOD in different wind directions

2.3.2 温度

温度对气溶胶光学特性的影响较为复杂.直观看来, 观测期间气溶胶光学参数与温度无明显统计学关联(图 9).这是因为影响空气对流主要取决于温度的垂直结构, 随着温度的升高, 空气对流加剧, 近地面气溶胶粒子浓度降低, 空中粒子浓度升高.但利用地基光度计测量得到的AOD是垂直方向上的消光系数的积分, 无法直观看出AOD和温度在垂直方向上的变化和关系.但通过对比春、夏两季AOD空间分布范围发现(图 10), AOD范围夏季较春季明显扩大, 这是因为温度会影响单个气溶胶粒子的布朗运动, 由此导致的扩散能力与温度成正比; 其次, 夏季对流活动多, 有利于底层气溶胶向上传输和水平输送, 且温度和湿度较有利于气-粒转化, 气溶胶吸湿后散射率增强, 从而导致夏季气溶胶空间分布范围扩大.

图 9 AOD、α和温度的关系 Fig. 9 Relationship between α, temperature, and AOD

图 10 春季和夏季AOD空间分布对比 Fig. 10 Spatial distribution of AOD during the spring and summer

2.3.3 相对湿度

图 11为不同α级别下AOD随相对湿度(RH)的变化.可以看出, 当α≤0.50, 夏季AOD均匀分布在0.30~0.90范围内, 随RH无明显趋势性变化; 春季, AOD受RH的影响表现较为复杂, 此时精河地区虽然主要受沙尘气溶胶影响, 但盐碱粉尘中含有大量可溶性盐离子(NaCl等)使得气溶胶颗粒表现吸湿增长能力; 当0.50 < α < 1时, AOD<0.50范围内, AOD随湿度的变化趋势较为明显, 随着RH的增大AOD呈现增大趋势, 表现出较为明显的吸湿性, 但当AOD>0.50, AOD随RH变化的无明显趋势, 此时的AOD变化主要与粗粒子粉尘输入比例有关, RH的变化并不是导致AOD变化的内在原因; 当α>1时, 细粒子吸湿增长造成AOD随RH的增大呈增长趋势, 在春季表现较为明显; 夏季AOD分布范围集中在0.10~0.30区间范围, 同样说明小粒子的吸湿增长并不是引起AOD高值的主要原因.

图 11 不同α下AOD与相对湿度的关系 Fig. 11 Relationship between the AOD and relative humidity with different α

2.4 气溶胶分类图解

利用Gobbi提出的气溶胶分类图解法[29]可以得到细模态气溶胶对总AOD的贡献和细模态粒子的尺度, 同时还可以分离出AOD的增加是由于细模态粒子的吸湿性增长引起还是由于粗模态粒子增加引起的.图 12是以折射率m = 1.4-0.001i 为参考, 采用双模态、对数正态分布的αδα 函数对气溶胶类型进行分类的示意.利用AOD440 nm、AOD675 nm和AOD870 nm计算得到α(440,675)α(440,870)α(675,870), 进而得到δα = α(440,675)-α(675,870), 黑色实线代表细模态粒子粒径的大小(Rf), 蓝色虚线代表细模态粒子AOD的比例(η).

图 12 AOD675 nmαδα的关系 Fig. 12 Relationship between AOD670 nm, α, and δα

图 12可见, AOD>0.70主要表现为粗模态粒子(α≤0.50)的影响, 此时细粒子对AOD的贡献η小于30%, 粒径大小范围约在0.15~0.5 μm之间; 0.15<AOD<0.30时, 气溶胶主要集中在细模态粒子增长区域(1 < α < 1.70, δα < 0), 与之相对应的η>70%, 粒径大小范围约在0.14~0.21 μm之间, 说明气溶胶以细模式粒子为主时, AOD出现高值的概率很小.综合而言, 精河县AOD高值主要受粗粒子为主的沙尘气溶胶的影响, 细粒子吸湿增长引起AOD的波动, 但不易导致AOD高值, 无季节性差异.

3 结论

(1) 精河县AOD日变化呈单峰型, 早/晚高峰时期AOD分别呈单调增-减趋势, 与α呈反向变化特征, 中午12:00~14:00达到峰值; 1 d之内, AOD多次出现波动, 相对应的α均表现出明显的谷值, 说明粒子尺度的变化是造成AOD波动的主要原因.

(2) 气溶胶粒子浓度和主控模态具有明显的季节性差异.AOD表现为春季(0.403±0.282)>夏季(0.222±0.135)>秋季(0.218±0.112), α表现为夏季(1.339±0.446)>秋季(1.116±0.278)>春季(0.914±0.269);春季AOD的变化幅度较为剧烈, 气溶胶主控粒子粒径大于夏季和秋季, 且粒径变化幅度较大.

(3) AOD和α存在较为明显的负相关关系.春、夏两季气溶胶粒径变化范围较大, 组成成分较为复杂, 随着α的减小, AOD呈现增大趋势; 秋季主控气溶胶模态稳定, 主要以细粒子为主, AOD随α变化无明显变化; 从春季到秋季, 气溶胶逐渐从粗模态向细模态过渡.

(4) 与夏季相比, 春季局地气溶胶对风速、风向和相对湿度的变化较为敏感.主导风向和大风天气带来的沙尘颗粒的输入是引起春季AOD增大的主要原因; 受粉尘中可溶性盐离子影响, 气溶胶颗粒表现吸湿增长能力, 但这并不是引起AOD高值的主要原因; 温度不是导致局地气溶胶变化的内在因素, 但与气溶胶粒子扩散能力成正比.

(5) 整体而言, 精河县AOD高值主要受粗粒子为主的沙尘气溶胶的影响, 气溶胶以细模态粒子为主时, AOD出现高值的概率很小, 小颗粒的气溶胶的增加以及气溶胶吸湿增长可引起AOD的波动, 但都不是造成该地区AOD高值的主要原因.

参考文献
[1] 唐孝炎, 张远航, 邵敏. 大气环境化学[M]. (第二版). 北京: 高等教育出版社, 2006.
[2] Dong B W, Wilcox L J, Highwood E J, et al. Impacts of recent decadal changes in Asian aerosols on the East Asian summer monsoon:roles of aerosol-radiation and aerosol-cloud interactions[J]. Climate Dynamics, 2019, 53(5/6): 3235-3256.
[3] Ramanathan V, Crutzen P J, KiehlJ T, et al. Aerosols, climate, and the hydrological cycle[J]. Science, 2001, 294(5549): 2119-2124. DOI:10.1126/science.1064034
[4] 沈凡卉, 王体健, 庄炳亮, 等. 中国沙尘气溶胶的间接辐射强迫与气候效应[J]. 中国环境科学, 2011, 31(7): 1057-1063.
Shen F H, Wang T J, Zhuang B L, et al. The first indirect radiative forcing of dust aerosol and its effect on regional climate in China[J]. China Environmental Science, 2011, 31(7): 1057-1063.
[5] Kristjánsson J E, Iversen T, Kirkevåg A, et al. Response of the climate system to aerosol direct and indirect forcing:role of cloud feedbacks[J]. Journal of Geophysical Research, 2005, 110(D24): D24206. DOI:10.1029/2005JD006299
[6] Dave P, Patil N, Bhushan M, et al. Aerosol influences on cloud modification and rainfall suppression in the South Asian Monsoon Region[A]. In: Venkataraman C, Mishra T, Ghosh S, et al (Eds.). Climate Change Signals and Response[C]. Singapore: Springer, 2019.
[7] 王静, 牛生杰, 许丹, 等. 南京一次典型雾霾天气气溶胶光学特性[J]. 中国环境科学, 2013, 33(2): 201-208.
Wang J, Niu S J, Xu D, et al. Aerosol optical properties during the typical haze/fog event in Nanjing[J]. China Environmental Science, 2013, 33(2): 201-208. DOI:10.3969/j.issn.1000-6923.2013.02.002
[8] Bréon F M, Tanré D, Generoso S. Aerosol effect on cloud droplet size monitored from satellite[J]. Science, 2002, 295(5556): 834-838. DOI:10.1126/science.1066434
[9] Smirnov A, Holben B N, Kaufman Y J, et al. Optical properties of atmospheric aerosol in maritime environments[J]. Journal of the Atmospheric Sciences, 2002, 59(3): 501-523. DOI:10.1175/1520-0469(2002)059<0501:OPOAAI>2.0.CO;2
[10] 华雯丽.中国西北地区沙尘质量浓度的地基遥感研究[D].兰州: 兰州大学, 2018.
Hua W L. Ground-based retrieval of dust mass concentration over Northwest China[D]. Lanzhou: Lanzhou University, 2018. http://cdmd.cnki.com.cn/Article/CDMD-10730-1018979589.htm
[11] 张芝娟.基于多源数据的气溶胶光学特性及时空分布特征的研究[D].兰州: 兰州大学, 2019.
Zhang Z J. Study on characteristics of aerosol optical property and spatio-temporal distribution based on multi-source datasets[D]. Lanzhou: Lanzhou University, 2019. http://cdmd.cnki.com.cn/Article/CDMD-10730-1019873313.htm
[12] 李霞, 胡秀清, 崔彩霞, 等. 南疆盆地沙尘气溶胶光学特性及我国沙尘天气强度划分标准的研究[J]. 中国沙漠, 2005, 25(4): 488-495.
Li X, Hu X Q, Cui C X, et al. Research on dust aerosol optical properties in South Tarim basin and classification of different dusty weather in China[J]. Journal of Desert Research, 2005, 25(4): 488-495. DOI:10.3321/j.issn:1000-694X.2005.04.006
[13] 陈静, 张艳品, 杨鹏, 等. 石家庄一次沙尘气溶胶污染过程及光学特性[J]. 中国环境科学, 2016, 36(4): 979-989.
Chen J, Zhang Y P, Yang P, et al. Pollution process and optical properties during a dust aerosol event in Shijiazhuang[J]. China Environmental Science, 2016, 36(4): 979-989. DOI:10.3969/j.issn.1000-6923.2016.04.003
[14] 朱君.东南亚生物质燃烧气溶胶输送至我国西南地区的观测与模拟研究[D].北京: 中国科学院大学, 2016. http://d.wanfangdata.com.cn/thesis/Y3005554
[15] 吴立新, 吕鑫, 秦凯, 等. 基于太阳光度计地基观测的徐州气溶胶光学特性变化分析[J]. 科学通报, 2016, 61(20): 2287-2298.
Wu L X, Lv X, Qing K, et al. Analysis to Xuzhou aerosol optical characteristics with ground-based measurements by sun photometer[J]. Chinese Science Bulletin, 2016, 61(20): 2287-2298.
[16] 于兴娜, 李新妹, 登增然登, 等. 北京雾霾天气期间气溶胶光学特性[J]. 环境科学, 2012, 33(4): 1057-1062.
Yu X N, Li X M, Deng Z G, et al. Optical properties of aerosol during haze-fog episodes in Beijing[J]. Environmental Science, 2012, 33(4): 1057-1062.
[17] 饶加旺, 马荣华, 段洪涛, 等. 太湖上空大气气溶胶光学厚度及其特征分析[J]. 环境科学, 2012, 33(7): 2158-2164.
Rao J W, Ma R H, Duan H T, et al. Aerosol optical thickness of the atmospheric aerosol over Taihu lake and its features:results of in-site measurements[J]. Environmental Science, 2012, 33(7): 2158-2164.
[18] 张勇, 银燕, 刘藴芳, 等. 北京秋季大气气溶胶光学厚度与Angström指数观测研究[J]. 中国环境科学, 2014, 34(6): 1380-1389.
Zhang Y, Yin Y, Liu Y F, et al. A observational study of aerosol optical depth and Angström wavelength exponent over Beijing in Autumn[J]. China Environmental Science, 2014, 34(6): 1380-1389.
[19] 吕睿, 于兴娜, 沈丽, 等. 北京春季大气气溶胶光学特性研究[J]. 中国环境科学, 2016, 36(6): 1660-1668.
Lv R, Yu X N, Shen L, et al. Aerosol optical properties in spring over urban Beijing[J]. China Environmental Science, 2016, 36(6): 1660-1668. DOI:10.3969/j.issn.1000-6923.2016.06.010
[20] 齐冰, 车慧正, 徐婷婷, 等. 基于地基遥感的杭州地区气溶胶光学特性[J]. 环境科学, 2019, 40(4): 1604-1612.
Qi B, Che H Z, Xu T T, et al. Column-integrated aerosol optical properties determined using ground-based sun photometry measurements in the Hangzhou Region[J]. Environmental Science, 2019, 40(4): 1604-1612.
[21] 吉力力·阿不都外力, 徐俊荣, 穆桂金, 等. 艾比湖盐尘对周边地区土壤盐分及景观变化的影响[J]. 冰川冻土, 2007, 29(6): 928-939.
Jilili A, Xu J R, Mu G J, et al. Effect of soil dust from Ebinur Lake on soil salts and landscape of surrounding Regions[J]. Journal of Glaciology and Geocryology, 2007, 29(6): 928-939. DOI:10.3969/j.issn.1000-0240.2007.06.012
[22] 鄢雪英, 丁建丽, 李鑫, 等. 艾比湖湿地退化对盐尘暴发生及运移路径的影响[J]. 生态学报, 2015, 35(17): 5856-5865.
Yan X Y, Ding J L, Li X, et al. Effect of salt dust storm migration pathways on degradation of Ebinur Lake Wetland[J]. Acta Ecologica Sinica, 2015, 35(17): 5856-5865.
[23] 陈香月, 丁建丽, 王敬哲, 等. 艾比湖流域气溶胶光学厚度时空演变及影响因素[J]. 环境科学, 2019, 40(11): 4824-4832.
Chen X Y, Ding J L, Wang J Z, et al. Spatiotemporal evolution and driving mechanism of aerosol optical depth in the Ebinur Lake basin[J]. Environmental Science, 2019, 40(11): 4824-4832.
[24] 格丽玛.新疆艾比湖流域近45年来气候变化及其影响研究[D].乌鲁木齐: 新疆大学, 2006.
Ge L M. Study on climatic variation and its effect in recent 45 years in Ebinur Lake basin of Xingjiang[D]. Urumqi: Xinjiang University, 2006. http://cdmd.cnki.com.cn/Article/CDMD-10755-2006132489.htm
[25] 邓雨薇, 李艳红, 黄菲. 新疆艾比湖湿地开发及环境效益分析[J]. 资源开发与市场, 2014, 30(3): 317-320.
Deng Y W, Li Y H, Huang F. Analysis on wetland development and environmental benefits of Xinjiang Ebinur Lake[J]. Resource Development & Market, 2014, 30(3): 317-320. DOI:10.3969/j.issn.1005-8141.2014.03.016
[26] Habib A, Chen B, Khalid B, et al. Estimation and inter-comparison of dust aerosols based on MODIS, MISR and AERONET retrievals over Asian desert regions[J]. Journal of Environmental Sciences, 2019, 76: 154-166. DOI:10.1016/j.jes.2018.04.019
[27] Kim D H, Sohn B J, Nakajima T, et al. Aerosol optical properties over east Asia determined from ground-based sky radiation measurements[J]. Journal of Geophysical Research:Atmospheres, 2004, 109(D2): D02209.
[28] Dubovik O, Holben B N, Eck T F, et al. Variability of absorption and optical properties of key aerosol types observed in worldwide locations[J]. Journal of the Atmospheric Sciences, 2002, 59(3): 590-608. DOI:10.1175/1520-0469(2002)059<0590:VOAAOP>2.0.CO;2
[29] Gobbi G P, Kaufman Y J, Koren I, et al. Classification of aerosol properties derived from AERONET direct sun data[J]. Atmospheric Chemistry and Physics, 2007, 7(2): 453-458. DOI:10.5194/acp-7-453-2007