2020, Vol. 41
2. 西南大学资源环境学院, 重庆 400715;
3. 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室, 北京 100029
, HAO Qing-ju1,2 , ZHAO Zhong-jing1,2 , XIONG Wei-xia1,2 , CHEN Jun-jiang1,2 , XIN Jin-yuan3 , JIANG Chang-sheng1,2
2. College of Resources and Environment, Southwest University, Chongqing 400715, China;
3. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China
大气气溶胶是指均匀分散到大气中的固态或液态微粒所构成的稳定体系, 其通过直接或间接辐射能, 对许多重要的大气过程(如大气能见度、空气质量以及反射部分太阳辐射等)产生影响[1~3].PM2.5和PM10分别指空气动力学直径≤2.5 μm和≤10 μm的颗粒物, 其通过对可见光的消光会对大气能见度产生影响[4], 对人体健康的危害也已经被各种流行病学和毒理学所证实[5~7].气溶胶光学厚度(aerosol optical depth, AOD)是指气溶胶消光系数从地面到大气层顶的积分, 表征无云大气铅直气柱中气溶胶散射造成的消光程度[8], 并用于推算大气中气溶胶含量, 能在一定程度上反映空气的混浊程度和污染状况[9, 10].
建立AOD与PM质量浓度之间的关系, 提供了一种更有效的手段来监测大气颗粒物浓度的分布和变化, 很好地弥补了一些地区面积较大但是监测点稀疏而导致部分区域存在监测盲区的问题.已有国内外学者开展了研究, 如Zhang等[11]的研究证明在得克萨斯州可以通过混合模型利用AOD来预测该地区PM2.5的浓度, 其预测效果较好; 沈扬等[12]的研究发现徐州市AOD与PM2.5的直接相关性不理想, 相关系数为0.16, 但是通过订正后相关系数可以显著提高到0.71;部分学者在珠江三角洲、京津冀、新加坡等地区也先后展开研究, 发现AOD经湿度和垂直订正后与PM10和PM2.5浓度具有很高的相关性, 可以用来建立AOD-PM浓度之间的相关函数[13~16].
有“雾都”之称的重庆是我国的老工业基地之一, 其特殊的地理位置并不利于大气污染物扩散, 一些学者前期仅对重庆地区AOD或PM质量浓度分别进行了研究, 但关于重庆地区AOD与PM浓度二者相关性的研究还相对较少.张天宇等[17]的研究发现1961~2013年间重庆地区AOD位于西南地区高值中心的最大处, 年均值达到了1.06;任红丽等[18]对重庆地区2012年2~12月PM浓度进行分析, 发现其年均值超GB 3095-2012《环境空气质量标准》二级标准限值两倍以上.已有的研究中对AOD观测常用的方法是卫星观测或者地基观测[19], 部分学者对两种反演方式结果进行比较, 发现两者有着较为一致的变化趋势和较好的相关性[20], 地基观测所采用的手持式太阳光度计有便于携带, 操作简单, 且有着同样的精确性等优点.为此, 本研究基于地基观测方法对得到的AOD数据拟展开：①北碚上空AOD及PM浓度的变化特征研究; ②利用AOD和PM浓度数据建立二者间的相关函数, 并进行相关性分析.本研究结果将对北碚地区空气质量监测和预报具有积极意义.
1 材料与方法 1.1 仪器使用方法和原理本次气溶胶光学厚度监测采用MICROTOPS Ⅱ型5通道手持式太阳光度计(美国Solar Light公司), 该仪器能够监测440、500、675、870和936 nm这5个波段气溶胶散射的光学厚度, AOD相对偏差能够控制在0.03以内, 定标周期短和成本低.其使用方法为：通过打开传感器的封盖, 手持仪器, 对准太阳, 让太阳光通过仪器的感光孔径后在仪器的太阳目标校准盘中心形成亮点进行测量.内含计算AOD程序, 可独立观测使用, 也可作为参考仪器使用[21].
其主要利用Beer-Lambert-Bouguer(朗伯-比尔)定律反演AOD来确定.其理论公式：
|
式中, τ为大气中总的光学厚度; τa, λ为气溶胶光学厚度; τR, λ是空气分子散射的光学厚度; τg, λ为气体吸收的光学厚度.这里气体吸收部分中主要包括水汽、臭氧、二氧化氮、氧气等, 其中在936 nm波段对水汽的吸收较强, 而其它波段下对臭氧和其他气体吸收能力较弱, 因此利用太阳光度计时可以直接省略这一部分.即从τ减去τR, λ就能得到气溶胶光学厚度.详细的反演计算参照文献[22~24].
1.2 数据来源北碚区PM2.5和PM10质量浓度数据来源于中国空气质量在线监测分析平台历史数据(https://www.aqistudy.cn/historydata/sponsor.php)和真气网(https://www.zq12369.com)中天生监测站点自动监测的数据(监测点设立在北碚中心城区之中, 位置上与西南大学采样点非常靠近, 不仅能较好地体现北碚上空的空气质量状况, 而且与本实验采样点在空间上也能够较好地匹配, 有利于减少误差).北碚区各种气象要素状况数据来自于中国气象数据网(https://data.cma.cn/).
1.3 观测地点与数据处理重庆市位于中国西南部, 地貌起伏较大主要以山地、丘陵为主, 北碚区是重庆市主城九区之一, 其背靠缙云山, 南邻嘉陵江, 属亚热带季风湿润气候.采样点位于北碚城区西南大学资源环境学院楼顶(东经106° 24′58″, 北纬29° 48′43″), 距地面35 m高, 该区域地形平坦, 受局地环流影响较小, 周围5 km内多为文教、行政和居民区, 无高大的建筑物和明显的局地排放源, 观测地点具有较好地代表性.
本研究从2012年起对北碚城区上空大气气溶胶进行观测, 观测采样方式为人工观测, 进行观测的条件应满足天气晴朗无云, 大气透明度高.观测时间大多选在当天10:00~14:00, 每隔30 min对AOD的数据进行一次记录; 若在观测期间出现降雨、雾等情况时, 应对记录的数据进行排除.在天气状态符合观测条件的情况下, 对观测到的数据进行质控, 剔除同一天中的异常数据, 剩余符合要求的同一波长数据进行平均, 来代表在该波长下气溶胶光学厚度的日均值.将该月监测得到的数据采取同样的方法进行处理得到月平均值.缺失月份的AOD数据用NA表示.
观测气溶胶光学厚度对天气有较高的要求, 因此本文选择观测天数和次数都较好, 数据较为完整的2014年的AOD数据进行分析, 能较好地代表北碚区上空2014年AOD的变化趋势特征.
2 结果与分析 2.1 气溶胶光学厚度的变化特征 2.1.1 气溶胶光学厚度随波长变化特征一定波长的AOD随气象条件和地理位置的变化会有所不同, 甚至会有完全不同的变化规律[25].表 1为2014年1~11月北碚区不同波长下AOD变化趋势情况.从中可见, 在440 nm通道处, AOD具有最大值, 其AOD的值随通道波长的增大而减小, 最小值出现在936 nm通道处.AOD在4、8和11月出现3个峰值. 11月出现AOD的最大值, 对应5个波长下的AOD分别为3.16±1.57、2.90±1.85、2.69±1.68、2.58±1.77和2.35±1.61.在4月, 5个波长下的AOD值分别为1.81±0.98、1.72±0.93、1.30±0.86、1.04±0.81和0.95±0.74. 8月AOD则分别为1.60±0.95、1.47±0.90、1.19±0.88、1.01±0.90和0.91±0.82, 均低于4月和11月的值.另一方面, 在9月, 出现全年最小值, 5个波长下的AOD值分别为0.60±0.05、0.54±0.05、0.40±0.09、0.24±0.02和0.22±0.02. 5个波长下全年AOD均值分别为1.56±0.75、1.46±0.69、1.19±0.67、0.99±0.66和0.90±0.61.总的来说, 北碚地区AOD值随波长的增加而不断减小, 这与前人的观测结果一致[26~28].
|
表 1 北碚区2014年1~11月不同波段下的光学厚度 Table 1 Optical depth at different bands from January to November in 2014 in Beibei District |
2.1.2 气溶胶光学厚度月、年变化特征
通常利用卫星反演获取的AOD值大多来源于550 nm波长处[29, 30], 为了能够与不同方法反演的AOD值进行比较, 笔者利用地基观测获取了5个波长下的AOD数据并选择了最为接近的AOD500 nm来研究AOD月、季节变化趋势, 并用该值来研究AOD与PM浓度及AQI值之间的相关性.
2014年1~12月的AOD500 nm数据以及观测天数、次数见表 2.根据气象学规定, 定义3~5月为春季, 6~8月为夏季, 9~11月为秋季, 12~次年2月为冬季.由表 1可得, 北碚区2014年AOD年均值为1.46±0.69, 最高月均值出现在11月为2.90±1.85, 最低月均值出现在9月为0.54±0.05, 且随月、季的波动较大.该地与中国其它城市相比整体上年均值较高, 如徐州市2014~2017四年间AOD值在0.39~1.10之间[12], 北京春季出现沙尘时AOD也只有1.55[31], 临安地区2017年AOD年均值为0.46±0.34[32]. 2014年1~11月北碚各种气象要素观测数据见表 3, 北碚区全年AOD值较高的原因可能因为重庆地区受四川盆地的影响, 全年风力级别小, 但相对湿度较高, 导致气溶胶粒子长期聚集; 其次, AOD最大值出现在秋冬季, 可能不仅受风力小、湿度大、多雾、逆温的影响, 观测大多处在阴雨天前后, 且秋冬季雨量较夏季少, 反而导致气溶胶更难沉降, 还会对观测天数、次数数据产生一定的影响, 加之冬季燃料使用增加污染物排放增多等诸多因素导致.北碚上空AOD随季节变化情况：秋、冬季＞春季＞夏季.
|
|
表 2 2014年AOD500 nm月均值和观测天数及次数1) Table 2 Monthly average and observation days and times of AOD500 nm in 2014 |
2.2 PM2.5和PM10的浓度变化特征
根据《环境空气质量标准》(GB 3095-2012)中发布的限值, PM2.5的一级和二级年平均标准分别为15 μg·m-3和40 μg·m-3, PM10则分别为35 μg·m-3和70 μg·m-3; PM2.5和PM10的二级日均值标准则为77 μg·m-3和150 μg·m-3. 2014年北碚城区大气中PM2.5和PM10浓度变化情况和超标天数数据见表 4.从中得出, 2014年全年北碚城区大气中PM2.5的年均值为(62±40)μg·m-3, 超出国家二级标准75%.其中PM2.5超标天数为94 d, 日均值超标率为26%; PM10的年平均值为(94±51)μg·m-3, 超出国家二级标准34%, PM10超标天数为58 d, 日均值超标率为15%.PM10与PM2.5相比日超标率较低, 说明在重庆地区, PM2.5的日均值污染更容易超过国家所规定的二级标准.另外, 根据统计的PM数据发现, 其超标天数有着明显的季节差异, 春夏时节PM2.5和PM10的超标天数仅为5 d和3 d, 主要的超标天数集中在秋冬两季.还发现PM质量浓度月均值差呈现出春夏较低而秋冬较高的趋势.这可能也与重庆地区春夏季空气质量较好, 而秋冬季出现雾多、湿冷、风力小、逆温和污染物不易扩散等有关, 这一点与彭小乐等[33]的研究发现冬季颗粒物的浓度水平较春夏高的情况相符合.
|
|
表 4 2014年每月PM2.5和PM10的浓度及超标天数 Table 4 Monthly concentration of PM2.5 and PM10 and the number of days exceeding standards in 2014 |
PM2.5和PM10之间具有较为一致的月变化趋势, 2014年1~12月, PM2.5以及PM10的最高值都出现在1月, 分别为(130±34)μg·m-3和(181±47)μg·m-3, PM2.5的最低值出现在7月为(30±10)μg·m-3, PM10的最低值出现在8月为(57±18)μg·m-3.PM质量浓度随季节变化情况是冬季＞秋季＞春季＞夏季, 这与吉莉等[34]对重庆北碚地区PM类污染物的研究结果一致.其中污染集中在秋冬两季, 而春夏两季的空气状况较好, 原因可能是因为：重庆春季昼夜温差大, 伴有春雨和季风, 夏季迎来雨季的冲刷作用所致; 而秋冬季颗粒物浓度上升, 在1月出现最大值, 这与北碚地区冬季大气稳定, 地面容易发生辐射降温, 如果边界层存在固态气溶胶粒子, 尤其是吸湿性的, 能够加快辐射冷却作用.低层输送水汽的同时输送热量, 辐射与平流的共同作用, 易使大气层结更加稳定, 形成逆温层.加之冬季气温低, 日较差小, 近地层湍流较弱, 使得污染物不断积聚, 造成超标天数增加.
2.3 PM2.5与PM10之间的相关性分析图 1为北碚区PM2.5和PM10之间的日均值以及不同季节日均值间的相关性曲线.从中可见, 2014年全年PM2.5和PM10二者的日均值具有显著的正相关关系(P＜0.01), 线性回归方程为y=1.25x+16.03, 其中决定系数R2达到了0.95.随后按照不同季节分别对二者的日均值进行相关性分析, 发现二者的相关性存在季节性差异, 夏季相关性明显较春秋冬三季差.相比于春秋冬季, 夏季观测数据也更为分散, 相关系数的差异可能与重庆夏季多雨有关, 由表 3得知, 6、7和8月分别有23、7和12 d出现降雨的情况, PM10和PM2.5受到降雨清除作用的程度不同从而导致相关系数会出现差异.因此, PM2.5和PM10间的相关性方程和决定系数会随季节变化而有所不同.
|
图 1 2014年北碚区全年以及不同季节内PM2.5和PM10的日均值相关性 Fig. 1 Correlation between daily average PM2.5and PM10 in the whole year in different seasons in Beibei District in 2014 |
|
|
表 3 2014年北碚逐月气象要素观测数据 Table 3 Monthly observation data of meteorological elements of Beibei in 2014 |
3 讨论 3.1 重庆北碚区AOD及PM与其他城市的对比
图 2为重庆北碚地区AOD、PM2.5以及PM10年均值与国内外其他城市的对比.从中可见, 重庆北碚地区AOD年均值在相比较的8个城市中, 处于较高的水平, 与国内其它直辖市相比, 北碚区AOD年均值均高于北京市和上海市3倍以上; 与均位于四川盆地中地理位置靠近重庆的成都比, 其AOD年均值明显低于重庆北碚地区; 而放眼于和重庆相同均为重工业城市的长春市, 其AOD年均值也远低于重庆北碚地区; 而与另外一些城市如徐州、广州相比, 重庆北碚地区AOD年均值也较高.而与美国这样的发达国家相比, 其AOD和PM浓度的年均值更远远低于重庆以及国内其它城市, 这说明在空气质量上, 重庆北碚地区还较差, 国内城市与发达国家城市比也还有较大差距.
|
图 2 不同城市之间AOD及PM浓度年均值对比 Fig. 2 Comparison of annual average AOD and PM between different cities |
Allen[35]的研究发现, 如果所研究城市上空中AOD＜0.02时, 城市表现出干净状态; ＜0.2时, 呈现出局部污染状况; ＞0.4时, 则会呈现出明显大气污染的状况.北碚上空AOD不论是年均值还是月均值均＞0.4, 表现为明显呈现出城市大气污染的状态, 虽然这些年重庆北碚地区空气质量有所改善, 但仍亟待加强.
从PM2.5和PM10的浓度水平上来看, 这些相比较的国内城市均超过国家规定的颗粒物浓度二级标准, 这也说明这些国内城市都存在着不同程度的大气污染状况[36~38], 其中重庆北碚地区PM2.5浓度水平处于相比较城市的中等位置.就PM10浓度水平, 重庆地区低于成都近20 μg·m-3, 但重庆仍高于国内其他6个城市的浓度值.主要原因是重庆出现静风或微风的次数较多, 不利于污染物的扩散和稀释, 也为污染物的聚集提供了条件; 其次, 重庆还受地形的影响, 处于长江流域的盆地里, 地势相当闭塞.从海洋吹来的风, 受山地、丘陵阻挡, 当风到达盆地时, 水蒸气不多, 就不能成云致雨, 温度也越来越高, 热量不容易散发, 加剧了气溶胶的运动, 使得重庆在夏季大气污染物并不严重但也会出现AOD的高值情况.秋冬季来自嘉陵江和长江的水汽导致空气相当潮湿.白天, 地面温度比较高, 蒸发作用不断加强, 从而使空气容纳了许多的水汽; 夜晚, 地面的辐射冷却十分明显, 盆地边缘山地的冷空气会沿着山坡下沉, 从而使近地面的空气降温十分剧烈, 最终导致空气中能够容纳水汽的能力不断降低, 而多余的水汽就会凝结形成雾, 导致秋冬季出现大量雾天[39].在高空气流控制下, 近地面容易发生辐射降温, 如果存在固态气溶胶粒子, 尤其是吸湿性的, 它们还能加快辐射冷却作用.低层气流在输送水汽的同时输送热量, 辐射与平流的共同作用, 使大气层结更加稳定, 进而形成逆温层.逆温层形成之后, 覆盖在盆地上空, 冬季气温又低, 近地层湍流较弱, 使得污染物不断积聚.再加上供暖生物质燃煤的燃烧, 使AOD和PM成分增多, 导致了重庆大气污染物水平较高.
3.2 AOD与PM2.5、PM10之间的相关性分析为讨论AOD与PM之间的相关性, 本研究对相关数据按照全年和不同季节分别进行了分析.发现2014年全年PM的日均值较为完整, 但由于AOD的观测条件受到很多气象因素的限制, 出现有些月份数据较少, 因此, 分析2014年冬季的数据选择了2013年冬季的数据进行代替分析, 其PM的浓度也替换成对应月份的浓度, 春夏秋三季AOD与PM数据仍为2014年, 其相关性分析结果见图 3.从中可知, AOD与PM2.5的相关性系数要大于AOD与PM10, 主要因为气溶胶光学厚度是消光系数的积分, 气溶胶的消光主要来源于细粒子的消光, 粗粒子的消光贡献相对较低, PM10与PM2.5相比, 粗颗粒所占的比例大, 因此对气溶胶的消光也相对降低[8], 从而出现相关系数差异的结果.全年AOD与PM2.5呈正相关特性(P＜0.01), 决定系数R2达到0.48.不同季节下AOD与PM2.5之间的决定系数也有差异, 冬季和秋季相关性最好, R2达到0.89和0.65.春季R2也达到0.47, 但夏季AOD与PM2.5的相关性较差.
|
图 3 2014年AOD与PM2.5、PM10全年和季节日均值相关性 Fig. 3 Correlation between annual and seasonal average AOD and PM2.5 or PM10 in 2014 |
针对相关性系数的差异, 本文推测重庆地区气溶胶不仅与气溶胶粒子的浓度有关, 还与气溶胶粒子的理化性质有关[40].AOD与PM颗粒物以及相对湿度的变化见图 4.从中可知, AOD与颗粒物浓度随月份变化的关系相对复杂.秋冬季以来AOD与PM浓度显示出了相同的趋势, 出现AOD的年最大值, 由2.2节中得知PM颗粒物的超标也集中在秋冬季, 两者相关性好离不开秋冬季的高湿度、逆温、多雾的影响; 有可能AOD的消光主要来源于PM颗粒物浓度.然而对其余月份来说, 相关性并不理想.这种现象可能反映了气溶胶粒子的吸湿性增长, 特别是在夏季, 8月与7月相比, 伴随着相对湿度的上升, 气溶胶运动加剧, 加快气溶胶的气粒转化, 从而积聚效应明显.此外, 夏季太阳辐射强, 光化学反应活跃, 导致二次气溶胶的形成[41], 使得AOD值升高, 而PM反映了干气溶胶粒子的浓度, 伴随着夏季强降雨的冲刷, 以及风的扩散作用, PM的浓度较低.这可能是导致夏季的AOD和PM颗粒物浓度相关性较差的原因[42, 43].这与于彩霞等[44]的研究结果相符合.
|
图 4 2014年北碚AOD和PM颗粒物及相对湿度月变化 Fig. 4 Monthly variation of AOD, PM, and relative humidity in Beibei in 2014 |
在北碚地区全年任一时间上若想AOD与PM均有较好的相关性, 在以下方面上还存在困难：一是AOD的数据误差.来源于太阳光度计中光电部件老化, 滤光片磨损等; 人工观测也很难保证每一次测量操作的准确性; AOD对天气状态影响较大的一些月份都存在不同程度的缺失, 秋冬季常出现雾天导致观测次数、天数明显少于春夏季, 而且秋冬季大气颗粒物污染严重, 往往不能达到使用太阳光度计的条件, 这是影响秋冬季观测的主要因素[45].二是两者数据的采集时间影响.在能观测的条件下利用当天早上10：00到下午14：00的均值来代替该天AOD值, 而PM2.5和PM10的数据来源则为地面观测日均值, 很难在时空上完全配合; 另外, 出现高湿天气会使AOD的值吸湿变大[46], 但PM的数据指的是干质量浓度, 高湿天气对PM2.5浓度的值影响并不大, 但也可能会对相关性分析产生影响.有关PM和AOD的研究也发现, PM颗粒物并不能完全代表大气气溶胶, AOD的消光并不一定都来源于PM颗粒物.此外, 一些季节性变化的环境因素如温度、边界层高度等气象条件的作用也会对AOD和PM浓度产生一定的影响.部分研究者对PM2.5和PM10进行湿度订正, 对AOD进行高度订正之后, 两者之间的相关性有明显提高.因此, 在北碚地区全年范围内若用观测的AOD值来准确预测PM的浓度还有待进一步地探究[47].
3.3 AOD与AQI之间的相关性分析图 5表示AOD与AQI两者之间的相关性结果.从中可见, 两者呈正相关特性(P＜0.05), 两变量间线性回归方程为：y=76.11x+15.77, 其中R2为0.15, 比AOD与PM2.5和PM10单一相关性的R2均低.一方面, 是因为AQI的分级计算参考的标准是采用《环境空气质量标准》(GB 3095-2012), 参与的评价物包括SO2、NO2、PM10、PM2.5、O3和CO等, 但是在AQI中的评价物能够对AOD产生消光贡献主要是PM2.5, 因此导致相关性结果减弱.另一方面, AOD反映了气溶胶从地面至大气层顶垂直方向上消光系数的积分, 而AQI只是地面测量值, 变量之间具有不同的物理意义.它们之间的相关性受气溶胶垂直分布以及空气中相对湿度的影响, 导致AOD与AQI的相关性结果变差.
|
图 5 AOD与AQI的全年日均值相关性 Fig. 5 Correlation between annual average AOD and AQI |
在进行AOD与PM以及AQI之间相关性的讨论时, 发现某些大气要素也会对相关性产生影响, 大气要素主要包括气温、相对湿度、风级和24 h前降雨量等, 因为重庆全年风力级别均较小, 因此本文未研究AOD与风速的影响.表 5是2014年观测期间具有代表性的一些天AOD值及当天相关大气要素的情况.从中可见, 8月4日和8月5日两天的各种气象要素基本上具有一致性, 其AOD值相差不大; 但在3月16日和8月30日除温度外其他天气要素差别不大, 8月30日温度高于3月16日近10℃, 其观测的AOD值也较高. 4月17日和7月9日相比, 前者的相对湿度要高于后者, 观测得到的AOD值也比9日高.这说明AOD的值会受到空气中温度和湿度升高的影响, 加剧气溶胶的运动进而吸湿变高; 另外, 与4月17日相比, 在8月30日观测前24 h出现了降雨的情况, 其观测得到的AOD值变高, 降雨会使大气中含有许多水汽, 导致AOD吸收水汽变高; 10月23日和10月24日得到的观测值处在较高的水平, 与其它观测日相比, 重庆入秋后就容易出现雾天, 大气中水汽较多, 加之观测时天空并不是绝对的晴朗无云, 进而观测次数也较少, 导致出现异常高值的情况.综上说明, 温度、湿度、水汽的增加的确会使AOD吸湿吸水而出现值变大的情况, 观测天气的晴朗程度也会导致AOD值的变化, 但观测得到的AOD值是受各种天气要素综合作用的结果, 因此在观测期间对各种天气要素的收集有利于合理地对AOD数据进行分析.
|
|
表 5 部分观测日AOD值以及相关气象要素 Table 5 AOD and meteorological elements in corresponding observation dates |
4 结论
(1) 北碚上空AOD随着波长的加大而减小, 年均值为1.46±0.69, 呈现出较高的AOD值, 说明了北碚地区仍存在大气污染的状况.AOD值随季节变化显著, 表现为秋、冬季＞春季＞夏季.
(2) 北碚地区PM2.5和PM10年均浓度分别为(62±40)μg·m-3和(94±51) μg·m-3.全年日超标天数主要集中在秋冬两季.与历年颗粒物浓度相比, 有着下降的趋势, 说明了北碚地区空气质量有着明显改善.
(3) 通过AOD与PM2.5和PM10进行相关分析发现, 北碚地区春、秋、冬季AOD与PM浓度相关性结果较好, 利用AOD来预测PM浓度较为准确, 有可行性; 但夏季相关性结果较差, 利用该季AOD来预测PM浓度不准确.
| [1] | Kaiser D P, Qian Y. Decreasing trends in sunshine duration over China for 1954-1998:indication of increased haze pollution?[J]. Geophysical Research Letters, 2002, 29(21): 2024. DOI:10.1029/2002GL015783 |
| [2] | Twomey S A. The influence of pollution on the shortwave albedo of clouds[J]. Journal of the Atmospheric Sciences, 1977, 34(7): 1149-1152. DOI:10.1175/1520-0469(1977)034<1149:TIOPOT>2.0.CO;2 |
| [3] | Lohmann U, Lesins G. Stronger constraints on the anthropogenic indirect aerosol effect[J]. Science, 2002, 298(5595): 1012-1015. DOI:10.1126/science.1075405 |
| [4] | Wang K C, Dickinson R E, Liang S L. Clear sky visibility has decreased over land globally from 1973 to 2007[J]. Science, 2009, 323(5920): 1468-1470. DOI:10.1126/science.1167549 |
| [5] | Kocifaj M, Horvath H, Jovanović O, et al. Optical properties of urban aerosols in the region Bratislava-Vienna I. Methods and tests[J]. Atmospheric Environment, 2006, 40(11): 1922-1934. DOI:10.1016/j.atmosenv.2005.11.031 |
| [6] | Espinosa A J F, Rodríguez M T, De La Rosa F J B, et al. A chemical speciation of trace metals for fine urban particles[J]. Atmospheric Environment, 2002, 36(5): 773-780. DOI:10.1016/S1352-2310(01)00534-9 |
| [7] | Pillai P S, Babu S S, Moorthy K K, et al. A study of PM, PM10 and PM2.5 concentration at a tropical coastal station[J]. Atmospheric Research, 2002, 61(2): 149-167. DOI:10.1016/S0169-8095(01)00136-3 |
| [8] |
林海峰, 辛金元, 张文煜, 等. 北京市近地层颗粒物浓度与气溶胶光学厚度相关性分析研究[J]. 环境科学, 2013, 34(3): 826-834. Lin H F, Xin J Y, Zhang W Y, et al. Comparison of atmospheric particulate matter and aerosol optical depth in Beijing City[J]. Environmental Science, 2013, 34(3): 826-834. |
| [9] |
张宸赫, 赵天良, 王富, 等. 2003~2014年东北三省气溶胶光学厚度变化分析[J]. 环境科学, 2017, 38(2): 476-484. Zhang C H, Zhao T L, Wang F, et al. Variations in aerosol optical depth over three northeastern provinces of China, in 2003-2014[J]. Environmental Science, 2017, 38(2): 476-484. |
| [10] | Qi Y L, Ge J M, Huang J P. Spatial and temporal distribution of MODIS and MISR aerosol optical depth over northern China and comparison with AERONET[J]. Chinese Science Bulletin, 2013, 58(20): 2497-2506. DOI:10.1007/s11434-013-5678-5 |
| [11] | Zhang X Y, Chu Y Y, Wang Y X, et al. Predicting daily PM2.5 concentrations in Texas using high-resolution satellite aerosol optical depth[J]. Science of the Total Environment, 2018, 631-632: 904-911. DOI:10.1016/j.scitotenv.2018.02.255 |
| [12] |
沈扬, 张连蓬, 方星, 等. 徐州市气溶胶光学厚度与PM2.5相关性及年周期特征[J]. 地球与环境, 2019, 47(1): 34-42. Shen Y, Zhang L P, Fang X, et al. Correlation analysis and annual cycle characteristics of aerosol optical depth and PM2.5 concentrations in the Xuzhou city[J]. Earth and Environment, 2019, 47(1): 34-42. |
| [13] |
郑卓云, 陈良富, 郑君瑜, 等. 高分辨率气溶胶光学厚度在珠三角及香港地区区域颗粒物监测中的应用研究[J]. 环境科学学报, 2011, 31(6): 1154-1161. Zheng Z Y, Chen L F, Zheng J Y, et al. Application of retrieved high-resolution AOD in regional PM monitoring in the Pearl River Delta and Hong Kong region[J]. Acta Scientiae Circumstantiae, 2011, 31(6): 1154-1161. |
| [14] |
陈辉, 厉青, 王中挺, 等. 利用MODIS资料监测京津冀地区近地面PM2.5方法研究[J]. 气象与环境学报, 2014, 30(5): 27-37. Chen H, Li Q, Wang Z T, et al. Study on monitoring surface PM2.5 concentration in Jing-Jin-Ji regions using MODIS data[J]. Journal of Meteorology and Environment, 2014, 30(5): 27-37. |
| [15] |
谢志英, 刘浩, 唐新明. 北京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J]. 环境科学学报, 2015, 35(10): 3292-3299. Xie Z Y, Liu H, Tang X M. Correlation analysis between MODIS aerosol optical depth and PM10 concentration over Beijing[J]. Acta Scientiae Circumstantiae, 2015, 35(10): 3292-3299. |
| [16] | Chew B N, Campbell J R, Hyer E J, et al. Relationship between aerosol optical depth and particulate matter over Singapore:effects of aerosol vertical distributions[J]. Aerosol and Air Quality Research, 2016, 16(11): 2818-2830. DOI:10.4209/aaqr.2015.07.0457 |
| [17] |
张天宇, 王勇, 程炳岩. 1961-2013年四川盆地气溶胶光学厚度的长期变化及与气温的联系[J]. 环境科学学报, 2017, 37(3): 793-802. Zhang T Y, Wang Y, Cheng B Y. Long-term variation of aerosol optical depth over Sichuan Basin of China during 1961-2013 and its relationship with temperature[J]. Acta Scientiae Circumstantiae, 2017, 37(3): 793-802. |
| [18] |
任丽红, 周志恩, 赵雪艳, 等. 重庆主城区大气PM10及PM2.5来源解析[J]. 环境科学研究, 2014, 27(12): 1387-1394. Ren L H, Zhou Z E, Zhao X Y, et al. Source apportionment of PM10 and PM2.5 in urban areas of Chongqing[J]. Research of Environmental Sciences, 2014, 27(12): 1387-1394. |
| [19] | Xin J Y, Wang L L, Wang Y S, et al. Trends in aerosol optical properties over the Bohai Rim in northeast China from 2004 to 2010[J]. Atmospheric Environment, 2011, 45(35): 6317-6325. DOI:10.1016/j.atmosenv.2011.08.052 |
| [20] |
李兆麟.基于6S模型的自定义气溶胶类型对北京地区气溶胶光学厚度反演研究[D].兰州: 兰州大学, 2019. 22-26. Li Z L. Custom aerosol type based on 6S model in Beijing area inversion of aerosol optical depth[D]. Lanzhou: Lanzhou University, 2019. 22-26. |
| [21] |
张龙, 李保生, 李凯涛, 等. MICROTOPS Ⅱ型太阳光度计对比定标分析[J]. 遥感信息, 2013, 28(5): 32-36. Zhang L, Li B S, Li K T, et al. Analysis of comparison-calibration methods based on MICROTOPS Ⅱ 5-channels sun photometer[J]. Remote Sensing Information, 2013, 28(5): 32-36. DOI:10.3969/j.issn.1000-3177.2013.05.007 |
| [22] |
王中挺, 李莘莘, 陈良富, 等. 基于MATLAB的大气污染原型系统开发[J]. 微计算机信息, 2009, 25(4-3): 17-18, 38. Wang Z T, Li S S, Chen L F, et al. Atmosphere pollution RS monitoring prototype system using MATLAB[J]. Microcomputer Information, 2009, 25(4-3): 17-18, 38. |
| [23] |
毕雪岩, 吴兑, 谭浩波, 等. MICROTOPSⅡ型太阳光度计的使用、计算及定标[J]. 气象科技, 2007, 35(4): 583-588. Bi X Y, Wu Q, Tan H B, et al. Application, calculation and calibration of MICROTOPS Ⅱ sunphotometer[J]. Meteorological Science and Technology, 2007, 35(4): 583-588. DOI:10.3969/j.issn.1671-6345.2007.04.028 |
| [24] |
蒋秀兰, 刘玉光, 刘亚豪, 等. 手持式五波段太阳光度计[J]. 气象水文海洋仪器, 2007(3): 54-58. Jiang X L, Liu Y G, Liu Y H, et al. Five channel hand-held sunphotometer[J]. Meteorological, Hydrological and Marine Instruments, 2007(3): 54-58. DOI:10.3969/j.issn.1006-009X.2007.03.017 |
| [25] |
刘芮伶, 李礼, 余家燕, 等. 重庆市城区大气气溶胶光学厚度的在线测量及特征研究[J]. 环境科学学报, 2014, 34(4): 819-825. Liu R L, Li L, Yu J Y, et al. On-line measurements and characteristic analysis of aerosol optical depth in the atmosphere of urban Chongqing[J]. Acta Scientiae circumstantiae, 2014, 34(4): 819-825. |
| [26] |
张玉平, 杨世植, 王先华, 等. 合肥地区气溶胶光学厚度的时间变化特征[J]. 中国科学技术大学学报, 2010, 40(1): 15-19, 30. Zhang Y P, Yang S Z, Wang X H, et al. The temporal characteristics of atmospheric aerosol optical depth over Hefei[J]. Journal of University of Science and Technology of China, 2010, 40(1): 15-19, 30. DOI:10.3969/j.issn.0253-2778.2010.01.003 |
| [27] |
李明明, 王雁, 闫世明, 等.基于太阳光度计大气气溶胶光学厚度变化特征研究[A].见: 第35届中国气象学会年会S12大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估[C].合肥: 中国气象学会, 2018. 7. Li M M, Wang Y, Yan S M, et al. Variation characteristics of atmospheric aerosol optical depth in Taiyuan[A]. In: Chinese Meteorological Society. 35th Annual Meeting of Chinese Meteorological Society S12 Atmospheric Composition and Weather, Climate Change and Environmental Impact and Environmental Meteorological Forecast and Impact Assessment[C]. Beijing: Chinese Meteorological Society, 2018. 7. |
| [28] |
朱琳, 徐青山, 张广, 等.气溶胶光学厚度的日变化及Angstrom指数计算方法[A].见: 第34届中国气象学会年会S9大气成分与天气、气候变化及环境影响论文集[C].郑州: 中国气象学会, 2017. 3. Zhu L, Xu Q S, Zhang G, et al. Diurnal variation of aerosol optical depth and calculation method of Angstrom index[A]. In: Chinese Meteorological Society. 34th Annual Meeting of Chinese Meteorological Society S9 Proceedings of Atmospheric Composition and Weather, Climate Change and Environmental Impact[C]. Beijing: Chinese Meteorological Society, 2017. 3. |
| [29] |
韩可欣.基于MODIS数据的西南地区气溶胶光学厚度时空分布及影响因素研究[D].贵阳: 贵州师范大学, 2017. 18-19. Han K X. Spatial and temporal distribution and influencing factors of aerosol optical depth based on MODIS data in southwest China[D]. Guiyang: Guizhou Normal University, 2017. 18-19. |
| [30] |
徐青山, 胡欢陵, 魏合理. 地基消光测量确定大气气溶胶模型[J]. 强激光与粒子束, 2006, 18(9): 1451-1456. Xu Q S, Hu H L, Wei H L. Determination of the atmospheric aerosol model by ground-based spectral extinction measurements[J]. High Power Laser and Particle Beams, 2006, 18(9): 1451-1456. |
| [31] |
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. Lü 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 |
| [32] |
姚杰.临安地区大气气溶胶光学厚度特征分析[A].见: 第35届中国气象学会年会S12大气成分与天气、气候变化与环境影响暨环境气象预报及影响评估[C].合肥: 中国气象学会, 2018. 8. Yao J. Analysis of atmospheric aerosol optical thickness characteristics in Lin'an area[A]. In: Chinese Meteorological Society. 35th Annual Meeting of Chinese Meteorological Society S12 Atmospheric Composition and Weather, Climate Change and Environmental Impact and Environmental Meteorological Forecast and Impact Assessment[C]. Beijing: Chinese Meteorological Society, 2018. 8. |
| [33] |
彭小乐, 郝庆菊, 温天雪, 等. 重庆市北碚城区气溶胶中有机碳和元素碳的污染特征[J]. 环境科学, 2018, 39(8): 3502-3510. Peng X L, Hao Q J, Wen T X, et al. Pollution characteristics of organic carbon and elemental carbon in atmospheric aerosols in Beibei district, Chongqing[J]. Environmental Science, 2018, 39(8): 3502-3510. |
| [34] |
吉莉, 李强, 司云燕, 等. 重庆北碚大气污染物的变化特征及其与气象要素的相关性[J]. 中国农学通报, 2017, 33(18): 88-93. Ji L, Li Q, Si Y Y, et al. Atmospheric pollutants in Beibei:variation characteristics and correlation with meteorological elements[J]. Chinese Agricultural Science Bulletin, 2017, 33(18): 88-93. |
| [35] | Allen W H. Dictionary of technical terms for aerospace use[R]. Washington, DC: NASA, 1965. |
| [36] |
王沫威.长春市气溶胶光学特性的反演与分析[D].长春: 东北师范大学, 2011. 13-19. Wang M W. The inversion and analysis of atmospheric aerosol optical depth (AOD) of Changchun[D]. Changchun: Northeast Normal University, 2011. 13-19. |
| [37] |
武发新, 药明, 冯喜媛. 长春市气溶胶质量浓度变化特征浅析[J]. 吉林气象, 2013(2): 6-7, 24. Wu F X, Yao M, Feng X Y. Analysis of the variation characteristics of aerosol mass concentration in Changchun City[J]. Jilin Meteorology, 2013(2): 6-7, 24. |
| [38] |
刘鲁宁, 申雨璇, 辛金元, 等. 秦皇岛大气污染物浓度变化特征[J]. 环境科学, 2013, 34(6): 2089-2097. Liu L N, Shen Y X, Xin J Y, et al. Variation of atmospheric pollutants in Qinhuangdao City[J]. Environmental Science, 2013, 34(6): 2089-2097. |
| [39] |
刘莹, 林爱文, 覃文敏, 等. 1990~2017年中国地区气溶胶光学厚度的时空分布及其主要影响类型[J]. 环境科学, 2019, 40(6): 2572-2581. Liu Y, Lin A W, Qin W M, et al. Spatial-temporal distribution of aerosol optical depth and its main influence types in China during 1990-2017[J]. Environmental Science, 2019, 40(6): 2572-2581. |
| [40] |
巫俊威, 赵胡笳, 杨东, 等. 基于地基观测的成都彭州气溶胶光学特性研究[J]. 气象与环境学报, 2019, 35(2): 32-39. Wu J W, Zhao H J, Yang D, et al. Ground-based observation of aerosol optical properties in Pengzhou, Chengdu[J]. Journal of Meteorology and Environment, 2019, 35(2): 32-39. |
| [41] | Xia X G, Li Z Q, Holben B, et al. Aerosol optical properties and radiative effects in the Yangtze Delta region of China[J]. Journal of Geophysical Research, 2007, 112(D22): D22S12. DOI:10.1029/2007JD008859 |
| [42] |
李强, 吉莉, 马君, 等. 重庆北碚地区大气污染物与气象要素的相关性分析[J]. 西南师范大学学报(自然科学版), 2016, 41(8): 64-72. Li Q, Ji L, Ma J, et al. Correlation analysis of atmospheric pollutants and meteorological factors in Beibei area of Chongqing[J]. Journal of Southwest China Normal University (Natural Science Edition), 2016, 41(8): 64-72. |
| [43] |
赵胡笳, 马雁军, 王扬锋, 等. 沈阳大气气溶胶光学特性及其影响因子[J]. 气象与环境学报, 2015, 31(3): 43-49. Zhao H J, Ma Y J, Wang Y F, et al. Aerosol optical characteristics and its influencing factor over Shenyang[J]. Journal of Meteorology and Environment, 2015, 31(3): 43-49. |
| [44] |
于彩霞, 邓学良, 石春娥, 等. 降水和风对大气PM2.5、PM10的清除作用分析[J]. 环境科学学报, 2018, 38(12): 4620-4629. Yu C X, Deng X L, Shi C E, et al. The scavenging effect of precipitation and wind on PM2.5 and PM10[J]. Acta Scientiae Circumstantiae, 2018, 38(12): 4620-4629. |
| [45] |
杨世琦, 刘灿, 杨茜.重庆市主城区气溶胶光学厚度分布初探[A].见: 第八届全国优秀青年气象科技工作者学术研讨会论文汇编[C].宜兴: 中国气象学会, 2014. 6. Yang S Q, Liu C, Yang X. A preliminary study on aerosol optical thickness distribution in the main urban area of Chongqing[A]. In: Chinese Meteorological Society. The 8th National Excellent Young Meteorological Science and Technology Workers Symposium Compilation[C]. Beijing: Chinese Meteorological Society, 2014. 6. |
| [46] | Yuan Q Q, Yuan Q Q, Yue L W, et al. The relationships between PM2.5 and aerosol optical depth (AOD) in mainland China:about and behind the spatio-temporal variations[J]. Environmental Pollution, 2019, 248: 526-535. DOI:10.1016/j.envpol.2019.02.071 |
| [47] | Song J J, Xia X G, Zhang X L, et al. Weekday AOD smaller than weekend AOD in eastern China on the basis of the MODIS AOD product[J]. Theoretical and Applied Climatology, 2018, 132(3-4): 1019-1027. DOI:10.1007/s00704-017-2142-5 |