2019, Vol. 40
据统计[1~3], 2014年我国人均能源消耗量为3 121 kg标准煤, 为2000年的2.7倍, 其中工业消耗可占80%左右. 2014年废气中主要污染物排放情况统计显示, 我国烟(粉)尘排放量前三的省份皆在我国华北地区, 为河北、山西、山东, 分别占全国总排放量的10.3%、8.7%和6.9%.随着社会经济快速发展, 能源大量消耗的区域也时常发生着大气重污染过程[4~6].且京津冀地区西、北方向受太行山、燕山山脉围挡影响, 在高排放量的背景下, 天气条件一旦不利于污染物的扩散, 极易形成大气污染物的积累[7].目前仅靠一城一地的努力很难彻底改观.因此, 近年来京津冀大气污染治理逐渐走向区域联防联控模式[8].通过地面环境监测网点获取气象数据, 颗粒物的消光特性以及激光雷达数据分析大气重污染特征和形成机制的传统监测分析方法[9~15], 已不能满足大范围空间连续的监测需求[16].卫星遥感技术可以弥补空间覆盖不足的缺陷, 上世纪末期基于MODIS等卫星数据的区域乃至全球大气气溶胶的遥感研究不断深入[17~19], 国内也有不少学者将气溶胶卫星遥感产品应用在大气污染监测研究中[20~22].随着卫星数据的丰富与遥感技术的进步, 卫星遥感在区域大气环境监测中的研究乃至业务应用越来越广泛, 开始用于获得城市地面大气悬浮颗粒物浓度分布情况和整层大气污染情况的评价[23~25].本文将先进、科学的卫星遥感技术延伸应用到区域污染过程的动态监测中.结合卫星和地基监测数据对京津冀地区一次污染过程进行了三维立体的实时动态监测, 弥补了传统监测方法空间连续性差的不足.从地、空、垂直这3个方向分析了2018年3月8~10日京津冀地区污染过程的生消过程、区域影响以及气象特征, 以期为实现区域间大气污染联防联控治理提供了有利的技术支持.
1 材料与分析 1.1 遥感监测数据本研究使用了Himawari8卫星AHI传感器数据和NPP卫星VIIRS传感器550 nm波段750 m分辨率AOD(气溶胶光学厚度)实时动态追踪2018年3月8~10日京津冀地区的污染过程. AHI时间分辨率可达10 min, 合成的真彩色遥感图空间分辨率可达500 m, 能够实时反映污染起源、形成过程、传输路径、影响范围. AOD描述的是沿辐射传输路径, 单位截面上气溶胶吸收和散射产生的总损失[26], AOD产品可定量反映气溶胶整层垂直污染积累程度, 是评价大气环境的重要指标, 结合激光雷达数据可立体地、定量地反映污染层的空间分布情况.本文采用监测中心自行接收的NPP VIIRS卫星数据, 使用官方成熟的暗像元法反演获得气溶胶光学厚度产品, 这是目前应用较为广泛的方法.该方法通过归一化植被指数(NDVI)进行暗像元识别, 再通过辐射传输计算构建查找表, 利用VIIRS数据从查找表中插值得到AOD[27]. Levy等[28]曾从全球尺度上验证过该官方算法的准确性, 国内也有学者[20]在北京及周边地区应用并验证过该方法的准确性.不少研究通过使用AOD空间分布信息对大气污染进行评估[29~33].但在植被稀少的季节或地区, 通常暗像元法反演AOD的结果并不理想[34], 并且云的存在也会影响反演的结果, 因此本文结合了激光雷达数据来辅助评估整层大气污染情况.
1.2 地基观测与气象数据为实现对污染过程天地同步监测, 本研究使用地面PM2.5浓度监测数据绘制时间序列曲线, 并对实时气象数据(气压、风向、风速、湿度, 温度)进行统计, 分析了3月8~10日污染过程中地面PM2.5浓度变化, 探讨了气象条件对污染生消过程的影响. PM2.5浓度采用自动监测国控站点小时数据, 监测方法采用微振荡天平法[35].定陵站为北京地区的背景点, 奥体中心站、万寿西宫站、顺义新城站、分别代表北京城区北部、南部以及东北部PM2.5浓度变化情况.选取保定、石家庄、邢台邯郸城市站监测污染物在京津冀地区的传输过程, 监测站点位置如图 1所示.为研究污染在垂直方向上的特征, 本研究使用来自于美国怀俄明大学网站垂直探测数据, 数据来自http://weather.uwyo.edu/upperair/sounding.html.通过绘制不同高度大气温度变化曲线, 分析污染过程中垂直方向上的特点, 北京市的气象站点编码为54511, 坐标为116.28°E, 39.93°N.此外, 还使用了微脉冲激光雷达数据监测垂直方向上气溶胶相关系数的变化情况, 大气气溶胶垂直探测数据来自于北京怡孚和融科技有限公司生产的EV-LIDAR微脉冲激光雷达.分别使用了安装于定陵、车公庄站和大石窝的激光雷达的数据, 相关位置分布如图 1所示.本研究中探测工作使用波长为532 nm, 空间垂直分辨率为15 m, 单脉冲输出能量10 μJ, 数据分析时采用观测的10 min平均数据, 激光雷达接受回波盲区设定为100 m, 100 m以下的数据不进行分析.石琳琳等[36]据此分析过2016年北京市春节期间大气颗粒物污染特征.
|
图 1 监测点位分布示意 Fig. 1 Monitoring point distribution map |
韩国天气网[37]提供的天气形势实况图显示(图 2), 3月8日京津冀高压逐渐减弱消退, 蒙古低压开始东移南伸. 3月9日转受高压后部西南气流影响, 区域污染开始积累并出现输送迹象. 3月10日华北中部形成低压辐合区, 扩散条件不利, 但午后东北高压南压、京津冀由北向南空气质量有所好转.
|
图 2 3月8~10日地面气象形势 Fig. 2 Meteorology and ground observation map during 8-10 March, 2018 |
分别对北京、保定、石家庄和邯郸的风向进行统计发现[图 3(a)], 3月8日京津冀地区偏南风频率在50%左右, 中午前后各地风向依次由北风转为南风.在南风作用下, 区域整体以三级轻度污染水平为主, 其中石家庄, 邯郸达到轻度污染水平的时刻分别占到70%和100%. 3月9日区域偏北风频率明显降低, 区域各污染水平时间上分布较为平均, 说明偏南风作用下污染水平在持续增长变化, 具体变化将通过地面PM2.5浓度时间序列分析. 3月10日京津冀地区北风频率高达70%~80%, 在偏北风作用下, 区域南部的石家庄和邯郸达到五级重度污染水平的时刻占到80%左右.且从3月10日凌晨起, 邯郸地区相对湿度逐渐升高至80%[图 3(c)], 明显高于其他城市, 非常有利于颗粒物的吸湿增长, 这也是3月10日区域南部明显变差的原因之一.午后北京地区为东南风为主, 从各污染水平统计看, 各站点污染水平都有所下降, 其中西北定陵站污染水平下降较慢, 全天70%维持在三级轻度污染水平, 而其他站点都下降到一级优水平, 说明在东南风作用下, 污染有向山前压缩现象.
|
(a) 风向统计; (b) 区域主导分享下污染水平统计; (c) 湿度统计; (d) 3月10日北京偏北风作用下污染水平统计 图 3 3月8~10日京津冀地区气象条件及污染水平统计 Fig. 3 Statistics of meteorological condition and pollution level over the BTH region |
本次污染的首要污染物为PM2.5, 按照环境空气质量评价技术规范, 可将PM2.5浓度划分为6个等级, 0~35 μg·m-3为一级优, 36~75 μg·m-3为二级良, 76~115 μg·m-3为三级轻度污染, 116~150 μg·m-3为四级中度污染, 151~250 μg·m-3为五级重度污染, 大于250 μg·m-3为严重污染.区域上选取北京、保定、石家庄、邯郸和天津这5个站点, 北京地区分别选取定陵、顺义新城、奥体中心和万寿西宫这4个站点绘制各站PM2.5浓度时间序列, 分析各站点污染水平逐时的变化情况(图 4), 从而分析京津冀地区污染的生消过程. 3 d的PM2.5样本中, 一级优水平有效样本51个, 二级良样本75个, 三级轻度73个, 四级中度106个, 五级重度52个.
|
图 4 京津冀及北京地区PM2.5浓度时间变化曲线 Fig. 4 PM2.5 concentration time series of the BTH region and Beijing |
3月8日北京地区全天46%都是受180°~225°方向风作用, 非常有利于南部区域污染物的向北传输, 簸箕状的地形也起到了汇聚作用. 9:00起, 北京地区近地面转受南风控制, 平均风速为2.72 m·s-1, 地面PM2.5浓度开始升高, 12:00由一级优水平升至二级良, 17:00继续升为三级轻度污染.与此同时, 保定12:00起污染水平由三级降为二级, 并持续维持在二级良的水平.从北京PM2.5浓度时间变化曲线中可以看出(图 4), 12:00起京南万寿西宫站率先升高, 之后其他站依次升高.由此可见, 受污染传输影响, 北京近地面污染呈现由西南至东北方向漫延趋势.
3月9日京津冀持续受偏南风影响.邯郸地区全天受偏南风作用, 平均风速高达4.8 m·s-1, 其下风向石家庄地区污染水平于凌晨04:00由三级升为四级, 平均PM2.5浓度为132 μg·m-3, 逐步高于邯郸地区污染水平(平均PM2.5浓度为99 μg·m-3).石家庄12:00也开始出现转为偏南风作用, 午后保定、北京PM2.5浓度先后迅速上升, 至23:00北京最高升至138 μg·m-3(四级污染水平), 保定升至213 μg·m-3(五级污染水平).整体来看, 偏南风作用下, 区域污染重心持续向北移动.
3月10日京津冀地区主导风向转为偏北风.保定地区风速较高, 平均风速为3.45 m·s-1. 04:00保定空气质量由五级重度污染降至四级中度污染, 然而石家庄由于之前南来的污染还没有缓解, 偏北风又输送来新一轮的污染, 污染水平仍保持在五级重度污染, 小时PM2.5浓度最高升至208 μg·m-3.邯郸地区相对湿度较高加之偏北风作用, 06:00起, 污染水平升高至五级并持续在重度污染水平.北京地区的时间序列展现出污染逐步消散的过程, 08:00定陵和顺义新城曾有短时好转, 但随后又有所转差, 整体空气质量的好转是在12:00东北高压南压后, 东北部顺义新城站PM2.5浓度首先下降, 奥体中心、万寿西宫站也从五级重度污染先后降至一级, 西北定陵站污染缓解较为缓慢, 呈现污染向山前的倒灌之势.
2.3 卫星数据分析由于PM2.5监测子站空间上的离散性, 代表性受到一定限制, 因此本研究同时利用遥感数据分析污染在空间上的连续变化. 10min分辨率的AHI真彩图展现了污染在空间上动态的生消过程, 气溶胶光学厚度遥感图展现了整层大气空间上污染程度的分布特征.
结果显示, 3月8日白天, 冀中南豫北污染相对突出, 沿太行山前邯郸-保定一线大气透明度较低, 形成明显污染辐合带[图 5(a)], 带内气溶胶光学厚度值偏高. 08:00保定转偏南风, 污染带有向北扩展趋势, 但由于风速较低(1.76 m·s-1)污染气团移动较为缓慢; 11:00起冀南各地风向依次转为偏南风, 且风速增强到3.2~3.6 m·s-1, 污染传输作用明显加强, 午后污染带延伸至北京南部边界. 12:00气溶胶光学厚度遥感图显示, 冀南邯郸至京南出现污染带, 带内AOD为0.9左右[图 5(b)], 其中邯郸附近部分地区污染较为严重, AOD超过1.1.
|
图 5 北方地区遥感影像 Fig. 5 Remote sensing map of the northern part of China |
3月9日, 华北平原区污染进一步加重扩张, 太行山-燕山山前形成宽约200~300 km, 长约800 km的污染带, 由豫北延伸至冀北[图 5(d)], 京津冀大部污染超标.平原区持续偏南风, 南部平均风速高达4.8 m·s-1, 在此形势下燕山山前污染汇聚加重, 气溶胶光学厚度增至大于1.1[图 5(e)], 区域南部污染下降并不显著, 污染重心北移.
3月10日08:00冀南鲁西出现一条高湿污染辐合带[图 5(f)], 辐合中心相对湿度增至100%.由于相对湿度的增加会促进颗粒物表面二次无机组分(如硫酸盐、硝酸盐和铵盐)的积累[38, 39], 从而导致颗粒物浓度的升高, 因此辐合带内PM2.5浓度也随之增至140 μg·m-3左右.冀南鲁西再一次成为区域污染中心[图 5(g)].与此同时, 00:00起京津冀北部开始受高压控制, 地面转为偏东风作用, 水平扩散条件好转. 04:00起, 保定空气质量开始改善; 13:00起, 京津两地空气质量由东向西依次改善.遥感结果与地面数据呈现的趋势较为一致, 对比云识别中间产品发现[图 5(c)、5(f)、5(i)], 有薄云存在时, 云及其附近气溶胶光学厚度值会有些高估, 主要因为云是大气中水蒸气液化而形成, 本身具有一定的光学厚度.因此在利用卫星遥感数据分析被云覆盖区域的空气质量时, 应结合地面监测数据和地基雷达数据综合分析.
2.4 垂直方向分析为实时监测北京垂直方向上污染传输的过程, 本文通过激光雷达数据分析气溶胶高值区垂直方向各个高度的污染分布及传输情况.通过垂直探空数据分析了污染形成时垂直方向上的气象特征.结果显示(图 6), 3月8日上午北京上空整层大气较为通透; 午后, 北京西南方向大石窝站1 200 m出现外来污染传输, 1 000 m以下形成污染层, 其中600~800 m高度消光系数较高达到1.0 km-1左右. 14:00起车公庄、定陵, 近地面也出现污染层, 1 200 m和1 500 m高度处都出现了污染传输, 污染呈现由南向北大幅升高现象. 3月9日00:00北京上空800 m以下以及1 200~1 500 m处分别出现逆温层(图 7), 导致两个逆温层间出现消光系数较高的污染带; 12:00起, 800 m以下逆温层有所缓解, 污染带出现明显向下扩散趋势, 但车公庄和大石窝站500 m和700 m高度仍存在外来污染传输, 垂直扩散并没有使污染有所缓解, 并且1 000~1 500 m处仍存在逆温层(图 7), 且逆温层强度大, 1 500 m处比1 000 m高度处高出4.4℃, 这种强逆温较难破坏, 污染物很难扩散到逆温层外, 造成污染物的快速积累, 因此北京1 000 m以下空气质量持续较差. 3月10日凌晨, 1 000 m左右的逆温层消失, 高层污染物得到扩散, 但500 m以下仍存在贴地逆温层, 逆温强度高达7℃(图 7), 近地面污染难以在垂直方向上扩散. 08:00~09:00在北风作用下, 北京由北向南空气质量有短暂的改善; 中午前后, 1 000~1 500 m高空再次形成逆温层, 并在偏南气流与东北气流辐合作用下, 北京空气质量再次变差, 在300~1 500 m处形成高污染层; 夜间, 偏东风再次加强, 垂直扩散条件转好, 污染层抬升, 近地面空气质量得到缓解.激光雷达的结果与地面PM2.5浓度时间序列和遥感结果相一致, 分析结果说明区域间的污染传输和逆温层形成导致的垂直扩散条件变差是形成此次区域污染的主要原因.
|
图 6 3月8~10日北京地区激光雷达消光系数 Fig. 6 Lidar extinction coefficient over Beijing area during 8-10 March |
|
图 7 3月9~10日北京地区不同高度处温度变化 Fig. 7 Temperature variation at different height over Beijing during 9-10 March |
(1) 地基监测数据能够获取精细的网点信息, 遥感数据可实现大范围的实时动态监测.结合两者可从天、地、垂直方向立体地分析3月8~10日污染的动态生消过程, 区域传输情况和影像范围, 为实现京津冀地区大气污染区域联防联控监管模式提供了技术支撑.
(2) 结果发现此次污染过程区域积累和传输较为典型, 3月8~9日冀南气溶胶光学厚度高值污染带范围逐渐向北延伸扩大, 污染重心逐步从冀南移至燕山前, 北京-保定一带空气质量由一级优迅速升至四级轻度污染, 3月10日京津冀南部形成污染辐合, 污染重心南移至邯郸-邢台东部, 京津冀北部则是污染的逐步消散过程.
(3) 污染期间京津冀地区气象条件整体不利, 3月8~9日区域以偏南风为主, 北京-保定偏南风发生频率到达50%左右, 冀南部分地区到达100%, 非常有利于污染的向北传输. 3月10日冀南湿度增至接近100%易于颗粒物的吸湿增长, 导致区域南部污染水平的升高.同时, 垂直方向上的扩散条件也非常不利, 近地面800 m以下, 1 200~1 500 m多次出现双逆温层, 且逆温强度在4~7℃, 由于逆温层的出现污染物在垂直方向上无法扩散, 导致区域出现持续的污染情况.
(4) 本次污染过程影响范围广, 影响面积达20万km2左右, 污染气团在京津冀地区来回移动并加强, 影响地区污染程度最高至五级重度污染水平.当前, 京津冀地区污染物排放水平总量仍然高于大气的环境容量, 在不利气象条件下, 很容易形成区域型重污染天气, 应继续加强区域间的联防联控工作.
| [1] |
国家统计局能源统计司. 中国能源统计年鉴2015[M]. 北京: 中国统计出版社, 2015. Department of Energy Statistics, National Bureau of Statistics. China energy statistical yearbook 2015[M]. Beijing: China Statistics Publishing House, 2015. |
| [2] |
国家统计局, 环境保护部. 中国环境统计年鉴2013[M]. 北京: 中国统计出版社, 2013. National Bureau of Statistics, Ministry of Environmental Protection. China statistical yearbook on environment 2013[M]. Beijing: China Statistics Press, 2013. |
| [3] |
河北省人民政府. 河北经济年鉴2012[M]. 北京: 中国统计出版社, 2012. Hebei People's Government. Hebei economic yearbook 2012[M]. Beijing: China Statistics Publishing House, 2012. |
| [4] |
高健, 王淑兰, 柴发合. 我国大气灰霾污染特征及污染控制建议——以2013年1月大气灰霾污染过程为例[J]. 环境与可持续发展, 2013, 38(4): 14-16. Gao J, Wang S L, Chai F H. Study on the pollution characteristic and the control suggestions about atmospheric haze in China[J]. Environment and Sustainable Development, 2013, 38(4): 14-16. DOI:10.3969/j.issn.1673-288X.2013.04.004 |
| [5] |
刘庆阳, 刘艳菊, 杨峥, 等. 北京城郊冬季一次大气重污染过程颗粒物的污染特征[J]. 环境科学学报, 2014, 34(1): 12-18. Liu Q Y, Liu Y J, Yang Z, et al. Daily variations of chemical properties in airborne particulate matter during a high pollution winter episode in Beijing[J]. Acta Scientiae Circumstantiae, 2014, 34(1): 12-18. |
| [6] |
高愈霄, 霍晓芹, 闫慧, 等. 京津冀区域大气重污染过程特征初步分析[J]. 中国环境监测, 2016, 32(6): 26-35. Gao Y X, Huo X Q, Yan H, et al. Preliminary analysis on the characteristics of heavy air pollution events in Beijing-Tianjin-Hebei region[J]. Environmental Monitoring in China, 2016, 32(6): 26-35. |
| [7] | 阎育梅. 京津冀及周边地区大气污染防治协作机制建设[J]. 中国机构改革与管理, 2018(1): 51-53. DOI:10.3969/j.issn.2095-1507.2018.01.017 |
| [8] | Li W J, Zhang D Z, Shao L Y, et al. Individual particle analysis of aerosols collected under haze and non-haze conditions at a high-elevation mountain site in the North China plain[J]. Atmospheric Chemistry and Physics, 2011, 11(22): 11733-11744. DOI:10.5194/acp-11-11733-2011 |
| [9] |
李令军, 王占山, 张大伟, 等. 2013~2014年北京大气重污染特征研究[J]. 中国环境科学, 2016, 36(1): 27-35. Li L J, Wang Z S, Zhang D W, et al. Analysis of heavy air pollution episodes in Beijing during 2013~2014[J]. China Environmental Science, 2016, 36(1): 27-35. DOI:10.3969/j.issn.1000-6923.2016.01.005 |
| [10] |
李令军, 王英, 李金香, 等. 2000~2010北京大气重污染研究[J]. 中国环境科学, 2012, 32(1): 23-30. Li L J, Wang Y, Li J X, et al. The analysis of heavy air pollution in Beijing during 2000~2010[J]. China Environmental Science, 2012, 32(1): 23-30. DOI:10.3969/j.issn.1000-6923.2012.01.004 |
| [11] |
孙峰, 张大伟, 孙瑞雯, 等. 北京地区冬季典型PM2.5重污染案例分析[J]. 中国环境监测, 2014, 30(6): 1-12. Sun F, Zhang D W, Sun R W, et al. Typical heavy pollution episode analysis on PM2.5 in winter of Beijing[J]. Environmental Monitoring in China, 2014, 30(6): 1-12. DOI:10.3969/j.issn.1002-6002.2014.06.001 |
| [12] |
廖晓农, 张小玲, 王迎春, 等. 北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学, 2014, 35(6): 2031-2044. Liao X N, Zhang X L, Wang Y C, et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing[J]. Environmental Science, 2014, 35(6): 2031-2044. |
| [13] |
李令军, 王英, 李金香, 等. 北京市冬春季大气颗粒物的粒径分布及消光作用[J]. 环境科学研究, 2008, 21(2): 90-94. Li L J, Wang Y, Li J X, et al. The characteristic of atmospheric particle size distribution and their light extinction effect in Beijing during winter and spring time[J]. Research of Environmental Sciences, 2008, 21(2): 90-94. |
| [14] |
毛节泰, 王强, 赵柏林. 大气透明度光谱和浑浊度的观测[J]. 气象学报, 1983, 41(3): 322-332. Mao J T, Wang Q, Zhao B L. The observation of the atmospheric transparency spectrum and the turbidity[J]. Acta Meteorologica Sinica, 1983, 41(3): 322-332. |
| [15] |
韩永清, 孙兴池, 李静, 等. 雾霾天气个例气象条件对比分析[J]. 气象科技, 2017, 45(1): 172-178. Han Y Q, Sun X C, Li J, et al. Comparative analysis of meteorological conditions for fog and haze cases[J]. Meteorological Science and Technology, 2017, 45(1): 172-178. |
| [16] |
谭衢霖, 邵芸. 遥感技术在环境污染监测中的应用[J]. 遥感技术与应用, 2000, 15(4): 246-251. Tan Q L, Shao Y. Application of remote sensing technology to environmental pollution monitoring[J]. Remote Sensing Technology and Application, 2000, 15(4): 246-251. DOI:10.3969/j.issn.1004-0323.2000.04.009 |
| [17] | King M D, Kaufman Y J, Menzel W P, et al. Remote sensing of cloud, aerosol, and water vapor properties from the moderate resolution imaging spectrometer (MODIS)[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(1): 2-27. DOI:10.1109/36.124212 |
| [18] | Kaufman Y J, Wald A E, Remer L A, et al. The MODIS 2.1μm channel-correlation with visible reflectance for use in remote sensing of aerosol[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(5): 1286-1298. DOI:10.1109/36.628795 |
| [19] | Kaufman Y J, Tanré D, Gordon H R, et al. Passive remote sensing of tropospheric aerosol and atmospheric correction for the aerosol effect[J]. Journal of Geophysical Research, 1997, 102(D14): 16815-16830. DOI:10.1029/97JD01496 |
| [20] |
李成才, 毛节泰, 刘启汉, 等. MODIS卫星遥感气溶胶产品在北京市大气污染研究中的应用[J]. 中国科学(D辑:地球科学), 2005, 48(S1): 177-186. Li C C, Mao J T, Liu Q H, et al. Application of MODIS satellite products to the air pollution research in Beijing[J]. Science in China (Ser.D:Terrae), 2005, 48(S2): 209-219. |
| [21] |
汤玉明, 邓孺孺, 刘永明, 等. 大气气溶胶遥感反演研究综述[J]. 遥感技术与应用, 2018, 33(1): 25-34. Tang Y M, Deng R R, Liu Y M, et al. Research review of remote sensing for atmospheric aerosol retrieval[J]. Remote Sensing Technology and Application, 2018, 33(1): 25-34. |
| [22] |
王新辉, 苏林, 陶明辉, 等. 基于星地同步观测的华北平原中部背景地区冬季霾污染过程[J]. 中国环境科学, 2016, 36(6): 1610-1620. Wang X H, Su L, Tao M H, et al. A study of winter haze pollution over a rural area of central Northern China Plain based on satellite and surface observations[J]. China Environmental Science, 2016, 36(6): 1610-1620. DOI:10.3969/j.issn.1000-6923.2016.06.003 |
| [23] |
陈烨鑫, 朱彬, 尹聪, 等. 基于卫星遥感和地面观测资料分析苏皖两省一次空气污染过程[J]. 中国环境科学, 2014, 34(4): 827-836. Chen Y X, Zhu B, Yin C, et al. A continuous air pollution event in Jiangsu and Anhui provinces based on satellite remote sensing and field observations[J]. China Environmental Science, 2014, 34(4): 827-836. |
| [24] |
李倩, 李令军, 张大伟, 等. 北京大气PM2.5遥感监测业务化方法探讨[J]. 环境科学研究, 2016, 29(10): 1417-1425. Li Q, Li L J, Zhang D W, et al. Routine operational algorithm for remote sensing of atmospheric PM2.5 in Beijing[J]. Research of Environmental Sciences, 2016, 29(10): 1417-1425. |
| [25] |
李倩, 李成才, 王烨芳, 等. 利用激光雷达和卫星遥感获得城市地面大气悬浮颗粒物浓度分布[J]. 北京大学学报(自然科学版), 2013, 49(4): 673-682. Li Q, Li C C, Wang Y F, et al. Retrieval on mass concentration of urban surface suspended paticulate matter with LIDAR and satellite remotesensing[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2013, 49(4): 673-682. |
| [26] | 盛裴轩, 毛节泰, 李建国, 等. 大气物理学[M]. 第二版. 北京: 北京大学出版社, 2013. |
| [27] |
苏城林, 苏林, 陈良富, 等. NPP VIIRS数据反演气溶胶光学厚度[J]. 遥感学报, 2015, 19(6): 977-982. Su C L, Su L, Chen L F, et al. Retrieval of aerosol optical depth using NPP VIIRS data[J]. Journal of Remote Sensing, 2015, 19(6): 977-982. |
| [28] | Levy R C, Remer L A, Kleidman R G, et al. Global evaluation of the Collection 5 MODIS dark-target aerosol products over land[J]. Atmospheric Chemistry and Physics, 2010, 10(21): 10399-10420. DOI:10.5194/acp-10-10399-2010 |
| [29] | Tao M H, Chen L F, Wang Z F, et al. A study of urban pollution and haze clouds over northern China during the dusty season based on satellite and surface observations[J]. Atmospheric Environment, 2014, 82: 183-192. DOI:10.1016/j.atmosenv.2013.10.010 |
| [30] |
张世乔, 江洪, 王祎鑫, 等. 京津唐地区PM2.5遥感估算与区域传输[J]. 遥感信息, 2017, 32(4): 11-23. Zhang S Q, Jiang H, Wang Y X, et al. Ground-level PM2.5 estimation and regional transport in Beijing-Tianjin-Tangshan region using satellite remote sensing technique[J]. Remote Sensing Information, 2017, 32(4): 11-23. DOI:10.3969/j.issn.1000-3177.2017.04.003 |
| [31] |
张璐.基于国产遥感卫星数据的北京市气溶胶光学厚度反演研究[D].上海: 华东师范大学, 2016. Zhang L. Retrieval of aerosol optical depth using domestic remote sensing data over Beijing[D]. Shanghai: East China Normal University, 2016. |
| [32] |
亢红霞, 那晓东, 臧淑英. 基于卫星遥感数据(AOD)估算PM2.5的研究进展[J]. 环境科学与管理, 2016, 41(2): 30-34. Kang H X, Na X D, Zang S Y. Advance in ground-level PM2.5 prediction using remote sensing data(AOD)[J]. Environmental Science and Management, 2016, 41(2): 30-34. DOI:10.3969/j.issn.1673-1212.2016.02.008 |
| [33] |
刘安伟. 基于高光谱遥感影像的AOD反演[J]. 矿山测量, 2017, 45(4): 38-43. Liu A W. AOD inversion based on hyperspectral remote sensing image[J]. Mine Surveying, 2017, 45(4): 38-43. DOI:10.3969/j.issn.1001-358X.2017.04.010 |
| [34] |
曾令建.基于HJ-1卫星的气溶胶光学厚度反演[D].南京: 南京信息工程大学, 2011. Zeng L J. Retrieval of aerosol optical depth based on HJ-1 satellite[D]. Nanjing: Nanjing University of Information Science & Technology, 2011. |
| [35] |
王占山, 张大伟, 李云婷, 等. 2014年春节期间北京市空气质量分析[J]. 环境科学学报, 2015, 35(2): 371-378. Wang Z S, Zhang D W, Li Y T, et al. Analysis of air quality in Beijing city during Spring Festival period of 2014[J]. Acta Scientiae Circumstantiae, 2015, 35(2): 371-378. |
| [36] |
石琳琳, 李令军, 李倩, 等. 2016年北京市春节大气颗粒物污染特征激光雷达监测分析[J]. 环境科学, 2017, 38(10): 4092-4099. Shi L L, Li L J, Li Q, et al. Analysis of atmospheric particulate matter pollution characteristics by LIDAR in Beijing during Spring Festival, 2016[J]. Environmental Science, 2017, 38(10): 4092-4099. |
| [37] | 韩国气象局.天气图[DB/OL]. http://web.kma.go.kr/chn/weather/images/analysischart.jsp, 2018-03-08. |
| [38] |
刘凡, 谭钦文, 江霞, 等. 成都市冬季相对湿度对颗粒物浓度和大气能见度的影响[J]. 环境科学, 2018, 39(4): 1466-1472. Liu F, Tan Q W, Jiang X, et al. Effect of relative humidity on particulate matter concentration and visibility during winter in Chengdu[J]. Environmental Science, 2018, 39(4): 1466-1472. |
| [39] | Quan J N, Liu Q, Li X, et al. Effect of heterogeneous aqueous reactions on the secondary formation of inorganic aerosols during haze events[J]. Atmospheric Environment, 2015, 122: 306-312. DOI:10.1016/j.atmosenv.2015.09.068 |