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

陈烨鑫,朱 彬*,尹 聪,侯雪伟,王红磊,康汉青,刘晓慧 (1.南京信息工程大学,气象灾害预报预警与评估协同创新中心,江苏 南京 10044；.南京信息工程大学,中国气象局气溶胶与云降水重点开放实验室,江苏 南京 10044)

近年来,由于对重大的污染源采取了严格的治理措施,我国局地性的严重污染状况已经有所改变.但是,区域性的环境污染问题却依然显著[1-5].长江三角洲地区是我国经济总量规模最大、发展速度最快、最具发展潜力的经济圈.同时,也是我国人口密度高、能源消耗大、污染排放强、区域性复合型大气污染较为突出的地区之一[6].该地区霾天频发[7],其中由于秸秆焚烧引起的霾天气和空气污染事件占有重要比例,具有季节高发性,多发于每年春、秋收期间.焚烧排放大量的颗粒物、CO、VOC、SO2、NO2以及 PAHs等有毒有害物质[8-9],在不利的大气扩散条件下,造成长江三角洲城市大气环境显著恶化[10-11].

目前,全国重点城市都设有地面观测站,对气溶胶颗粒物可进行全天候的连续观测,可直接得到污染物近地面的浓度信息[12-13],通过采样,可以分析污染物的化学成分[14],从而研究气溶胶颗粒物的来源并提出合理的排放控制建议.但由于地面观测站点比较稀疏,不能完全揭示气溶胶污染的空间分布特征.而卫星遥感反演信息全面,覆盖范围广泛,能够弥补地面监测站空间分布的不足,在污染物的生成及区域输送监测、污染事件的确定、污染源解析等方面优势明显,因此目前国内外针对空气污染的卫星监测开展了较多研究[15-27],研究探讨了卫星遥感生物质燃烧火点和过火区的方法和应用,及其造成的污染物输送和空气质量的影响进行了观测和评估,并指出MODIS的气溶胶光学厚度可以用于定量评估空气质量等级,在区域尺度空气质量监测方面有着重要的应用潜力.

2012年6月8日至11日,苏皖2省发生了一次严重的霾天气空气污染过程,本课题组以及其他学者已经对以往类似的污染过程有过分析[28-31],而利用卫星资料尤其是利用细粒子比例(FMF)这个新的气溶胶参数,对长三角地区霾天气空气污染过程的分析较少.本文利用 MODIS的AOD、FMF和火点资料,结合提出的区域细粒子比例(RFMF)的概念,HYSPLIT模式和 API等资料,综合分析了此次霾天气空气污染过程的形成机理和污染物的可能来源,以期对霾的预报和控制提供参考.

1 资料与方法

1.1 资料来源

本文采用的气溶胶光学厚度(AOD)和细粒子比例(FMF)资料是 NASA 发布的 MODIS Level 3,版本为C5.1 ,波段为550nm的气溶胶数据集,分辨率为 1°×1°.后向轨迹 HYSPLIT 模式中采用的是1°×1° NCEP GDAS的气象场资料数据.MODIS 火点图来源于 The Fire Information for Resource Management System (FIRMS) 的Web Fire Mapper网站(http://firms.modaps.eosdis.nasa.gov/firemap/).获取日期是全球标准时(UTC)时间,每颗卫星每天过境2次,时间尺度上具有良好的连贯性[32].API 资料来源于中国环境保护部网站(http://www.zhb.gov.cn/).能见度及相对湿度资料来源于中国气象数据共享服务网(http://cdc.cma.gov.cn/home.do).6日、10日,苏皖2省的云覆盖率分别达到62%、66%,这2d的卫星资料缺测较多,不计入统计分析.

1.2 仪器介绍

本文使用的气溶胶数据,来源是美国MSP公司生产的宽范围颗粒粒径谱仪(WPS),该仪器安装在南京信息工程大学观测场内,观测气溶胶粒子的数浓度,测量范围是 0.01～10μm[33].仪器由 3个部分组成:静电分级器(DMA)、凝结核计数器(CPC)和激光颗粒物分光计(LPS),其中 DMA 和CPC的测量范围是0.01～0.5μm,LPS的测量范围是 0.35～10μm.数据的时间分辨率为 5min,即每5min内,仪器测量出0.01～10μm粒径范围内的气溶胶粒子的个数,以及各模态下的气溶胶粒子的个数[34].

1.3 研究方法

为了能够更好的研究苏皖2省在此次空气污染过程中污染物是以何种粒径的粒子为主,借助 MODIS资料中细粒子比例 FMF的概念,定义了区域细粒子比例(RFMF).FMF定义为550nm处小于1.0μm的细粒子气溶胶光学厚度与总气溶胶光学厚度的比例[35],公式(1)表示.因此定义区域细粒子比例 RFMF为某区域内550nm处小于1.0μm的细粒子气溶胶光学厚度之和与该区域内总光学厚度之和的比例,公式(2)表示.同时将某区域内,气溶胶光学厚度的平均值定义为区域气溶胶光学厚度(RAOD),公式(3)表示.

1.4 模式介绍

HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)是由美国国家海洋大气局(NOAA) 等开发的具有处理多种气象输入场,多种物理过程和不同排放源的较完整的输送、扩散和沉降的综合模式系统[36].模式的气象场为NOAA的全球资料同化系统(GDAS)资料,该资料的水平分辨率为 1°×1°,垂直方向从 1000～50hpa分为12个等压面层,时间间隔为6h.该模式是欧拉-拉格朗日混合型的扩散模式,其平流和扩散计算采用拉格朗日算法,通常用来跟踪气流所携带的粒子或气团移动方向.采用地形 σ坐标,模式的水平网格与输入的气象场相同,垂直方向分为 28层,将气象要素线性内插到各 σ层上[37].

2 结果与讨论

2012年6月8日至11日,苏皖2省各城市API出现了不同程度的升高,均接近或超过 100的污染限值,卫星观测的 AOD也在全省出现高值,2省的AOD平均值高达2.1.根据中国气象信息中心提供的能见度(VIS)和相对湿度(RH)的资料,在8～11日期间,这8个代表城市(其中7个有资料)霾天时间达78.6%(分类参考《中华人民共和国气象行业标准(QX/T113-2010)》[38]).本次空气污染过程的有关参数列表如下(表1).

表1 苏皖城市空气污染过程相关参数Table 1 Parameters for the air pollution event in the eight cities

2.1 空气污染指数(API)的演变特征

根据中国环境保护部网站发布的空气质量日报显示,如表1,2012年6月8日到11日苏皖2省代表城市的API在污染期间均接近或超过100的污染限值,从8日开始,代表城市的API值均呈现快速上升趋势,到9日,8个代表城市的API值均已超过100,且扬州、镇江、阜阳分别达到峰值303重度污染、223中度污染、146轻度污染.10日,南京API达到峰值165、为轻度污染级别,而徐州、淮南、宿州分别达到峰值216中度污染、183轻度污染、500重度污染,其中以宿州的API达到500(重度污染)最为严重.12日、13日,徐州、合肥以外各城市的API都陆续恢复正常水平.

2.2 污染期间AOD及FMF的变化特征

城市上空的气溶胶光学厚度反映了大气污染的污浊程度,卫星遥感弥补了一般地面观测难以反映污染物空间分布和变化趋势的不足[39].FMF越大,则细粒子气溶胶的比例越大;FMF越小,则细粒子气溶胶的比例越小.由于人为形成的气溶胶如生物质燃烧,主要是细粒子气溶胶(Re有效半径,0.1μm＜Re＜0.25μm);而自然源气溶胶如海盐和沙尘,主要是大颗粒气溶胶(1μm＜Re＜2.5μm),所以FMF还可以用来区分人为气溶胶和自然气溶胶[40].

每年6、7月份是我国小麦收割的主要时节,各地焚烧秸秆严重,在我国小麦种植区,MODIS观测的 AOD往往高于全年该区域平均值(0.6～0.7)[22],本文研究的苏皖2省,由图1可见,2012年6月份AOD的均值1.3超过全年平均水平.4～7日AOD均值为1.4,略高于6月平均水平.而6月8～11日发生在苏皖2省的大范围严重的空气污染过程,AOD均值达到了2.1,部分地区超过 3.0.此次污染覆盖苏皖 2省全境,范围广,污染重.至12～13日,苏皖2省的AOD均值下降为1.0,低于6月平均水平,污染结束.

将苏皖2省8个代表城市(扬州、镇江距离较近视作一个格点值)的 AOD提取作图,如图 2所示,虽然代表城市的 AOD,在 6月份几乎都在1.0以上,但从6月8日开始,除徐州以外7个代表城市的AOD都出现明显增长,污染期间AOD约为平时的 2～3倍,南京、扬州、镇江、徐州、合肥、淮南、宿州、阜阳的 AOD峰值分别达到3.8(11 日)、3.1(11 日)、3.4(8 日)、4.2(11 日)、4.9(11日)、2.3(11日)、2.1(10日).由于这些代表城市在11日夜间出现降水,而导致 12日开始代表城市的AOD直线下降至该月的平均水平,13日部分城市的AOD甚至下降至1.0以下,至此污染过程结束.而徐州在污染期间就出现降水,从而导致了异于其他城市的AOD变化.

图1 2012年6月4～7日、8～11日、12～13日AOD平均值Fig.1 Average AOD values for Jun.4～7, Jun.8～11, Jun.12～13 in 2012

图2 苏皖2省代表城市的AOD逐日变化Fig.2 Diurnal variation of AOD values in cities of Jiangsu and Anhui provinces

利用1.3中的算法,计算出6月4日至13日苏皖2省的区域细粒子比例RFMF和区域气溶胶光学厚度 RAOD,如图 3所示,在污染之前,4日、5日的RAOD和RFMF的值都较低,从8日开始,RAOD和RFMF的值都出现不同程度地升高,RAOD的值从 1.9开始一直增加到峰值 2.5,期间RFMF一直保持在0.7以上的水平,说明此次影响苏皖 2省的污染过程中,细粒子对污染的贡献较大,人为源排放较为严重.到了 12日,RAOD直线下降至1.0,RFMF也略微下降,到13日之后 RFMF下降到粗细粒子混合的水平RFMF=0.53.

图3 苏皖2省RAOD和RFMF逐日变化Fig.3 Daily variation of RAOD and RFMF in Jiangsu and Anhui provinces

为了探讨苏皖2省出现细粒子污染的概率,本文进一步对此次污染过程分时段进行了分析,取4日至7日为污染前,8日至11日为污染期,12日至13日为污染结束期.提取苏皖2省在4日至13日期间的AOD和FMF值.

图4 苏皖2省FMF概率分布Fig.4 Frequency distribution of FMF in Jiangsu and Anhui provinces

根据 Kaufman等[40]的定义,可知当 FMF小于0.3时为低FMF值,当FMF为0.3～0.6时为中FMF值,当FMF大于0.6时为高FMF值.由图4可知,在污染前,苏皖2省的高FMF值出现的概率是26%,中FMF值和低FMF值出现概率分别有34.8%和39.2%,说明在污染前,苏皖2省的气溶胶中粗细粒子处于混合状态,并且粗粒子浓度略高.在8日至11日污染期间,高FMF值出现的概率高达74.8%,约为污染前的3倍,结合RFMF的值,可以判断,污染期间,细粒子不仅浓度高(RFMF保持在0.7以上),而且在苏皖2省出现的概率也很高,可见这是一次高概率高细粒子浓度的空气污染过程.并且,到污染结束时,高 FMF值出现的概率仍然有 51.4%,说明污染过程结束时,细粒子是被缓慢清除的.

2.3 污染过程南京市气溶胶变化特征

图5 能见度和气溶胶粒子数浓度谱分布Fig.5 Distribution of visibility, particle size and number concentrations

图6 风速、风向、降水量时间序列Fig.6 Time series of wind speed, wind direction and precipitation

利用南京WPS数据,对此次污染过程中粒子的粒径分布进一步研究.如图 5,图6所示,6月 7日之前,WPS观测的气溶胶数浓度谱分布的高值区主要集中在30～60nm范围内,从6月8日开始,污染在南京地区出现,气溶胶数浓度升高的同时其高值区的粒径范围也逐渐增大,到了6月9日夜间,气溶胶的高值主要集中在100～300nm.并且在污染期间,风速平均值仅为1.5m/s,对污染物的扩散极为不利.由于6月11日南京出现降水,对气溶胶的湿清除作用较为明显,气溶胶的数浓度有了明显的降低,直到6月12日之后,才恢复到正常水平.与此同时,污染开始时,能见度呈波动式下降,在粒子数浓度最高的时间段保持在 1.3km的低值水平,进一步佐证了此次污染的严重程度,当污染逐渐结束时,能见度波动式升高.

如图 7,从各模态气溶胶数浓度和各模态日均值的比例来分析,此次污染过程,积聚模态(0.1～1μm)粒子数浓度增加明显,且其所占比例也明显升高,而爱根核模态气溶胶的数浓度在污染期间虽然也出现了一个小的峰值,但是其所占比例却出现小幅降低,说明爱根核模态的气溶胶的增加不及积聚模态增加明显.而核膜态和粗模态气溶胶数浓度的变化远小于爱根核模态以及积聚模态的气溶胶.因此可以判断,污染期间,积聚模态气溶胶数浓度的增加对总数浓度的增加贡献最大,爱根核模态贡献次之,粗模态、核膜态的气溶胶粒子的数浓度增加不明显,对总的气溶胶数浓度的变化影响最小.对比卫星资料发现,南京市气溶胶数浓度谱的分析结果,与卫星资料较好一致,进一步说明在此次污染过程中细粒子气溶胶贡献较大.

2.4 天气过程分析

稳定的天气形势,往往是大范围的空气污染过程持续存在的一个必要因素.利用地面天气形势图可知(图略).污染期间,苏皖 2省处于弱低压及均压场控制下.弱低压存在时,虽然空气有微弱的上升运动,但弱的上升运动并不能使污染物得到扩散,反而会使污染物浓度上升[41].同时,周边气压场分布比较稀疏均匀,气压梯度力比较弱,导致地面和低空的风速较小,较小风速有利于污染物的积累,从而形成了高浓度污染.

2.5 后向轨迹以及火点分布情况

利用HYSPLIT-4.8模式模拟苏皖2省8个代表城市后向 48h气团轨迹,选取起始高度为500m(AGL),并于卫星观测的火点进行叠加,以此来研究此次污染天气过程中污染物的来源.如图8所示,8～11日后向轨迹的高度除了10日存在3条轨迹高度超过了2km,其余轨迹高度全部低于 2km,保持在边界层内,可以推测这些轨迹来向的气团更加容易携带秸秆焚烧排放的大量气溶胶粒子进行传输.6月8日,在安徽的北部以及河南湖北交界,出现大面积的火点,48h后向轨迹表明,8个代表城市的主要影响气团均经过火点区,这些气团为苏皖2省带来了充足的气溶胶.6月9日,火点分布较前一天更加密集,覆盖范围更广,来自火点区的气团中带有高浓度的粒子,使得苏皖2省代表城市的API和AOD均出现不同程度的升高.由 6月10日的后向轨迹可知,10日 8个代表城市的气团主要是局地气团,此类气团使得 8日、9日累积下来的污染物无法顺利地扩散出去,另外由于苏皖2省的云层覆盖率较高(66%),使得一些实际存在的火点并没有反映到卫星观测的火点资料上,因此在火点显示并不是很密集的情况下,苏皖2省的污染仍在持续.至11日,火点主要出现在江苏、安徽北部地区以及山东中南部,8个代表城市中仅有徐州、宿州和阜阳有来自火点区的气团的影响,其他城市周边的火点数目较少,并且此时的气流来向发生了明显的偏转,偏东方向的气团为污染区域带来较洁净的大气,对苏皖2省污染物起到了一定的稀释作用,且11日夜间,代表城市出现不同程度的降水,对气溶胶粒子有一定的清除作用,使得污染过程在12日逐渐结束.目前已有的观测研究发现,秸秆焚烧排放的积聚模态粒子最高[14,29,42],结合本文 AOD、FMF值较高和污染期间积聚模态气溶胶粒子增加明显的分析,进一步确认秸秆焚烧是此次霾污染事件的主要原因.

图7 不同粒径气溶胶数浓度时间序列和日均值、日均值比例的日变化Fig.7 Time series of number concentration of aerosol with different particle size and daily changes of averaged number concentrations and percentages

3 结论

3.1 污染过程中,苏皖 2省代表城市的 API、AOD、FMF及南京市的气溶胶数浓度明显偏高.此次污染范围广、污染重,苏皖 2省的区域细粒子比例RFMF超过0.7,并且高FMF出现的概率高达 74.8%,高概率、高细粒子比例的特征证明此次污染过程的主要污染物为细粒子气溶胶,且高浓度的气溶胶粒子造成了能见度的大幅下降.

3.2 南京市气溶胶数浓度谱的分析结果表明,污染期间,积聚模态气溶胶数浓度的增加对总数浓度的增加贡献最大,爱根核模态贡献次之,粗模态、核膜态的气溶胶粒子的数浓度增加不明显,对总的气溶胶数浓度的变化影响最小.

3.3 从天气形势上看,苏皖2省6月8～11日处于弱低压和均压场控制,不利于本地以及外来污染物输送扩散出去,造成局地污染物的累积,形成污染.

3.4 火点及后向轨迹模式模拟结果表明,苏北、苏中、皖北以及山东河南等地区出现秸秆焚烧,污染期间AOD、FMF值较高,积聚模态气溶胶粒子增加明显,进一步确认秸秆焚烧是此次霾污染事件的主要原因.

[1]王琳琳,王淑兰,王新锋,等.北京市2009年8月大气颗粒物污染特征 [J].中国环境科学, 2011,31(4):553-560.

[2]刘爱军,杜尧东,王惠英.广州灰霾天气的气候特征分析 [J].气象, 2004,30(12):68-71.

[3]刘晓慧,朱 彬,王红磊,等.长江三角洲地区 1980～2009年灰霾分布特征及影响因子 [J].中国环境科学, 2013,33(11):1929-1936.

[4]吴 蒙,范绍佳,吴 兑.台风过程珠江三角洲边界层特征及其对空气质量的影响 [J].中国环境科学, 2013,33(9):1569-1576.

[5]程兴宏,许祥德,陈尊裕,等.北京地区 PM10浓度空间分布特征的综合变分分析 [J].应用气象学报, 2007,18(2):165-172.

[6]李 莉,陈长虹,黄 成,等.长江三角洲地区大气 O3和 PM10的区域污染特征模拟 [J].环境科学, 2008,29(1):237-245.

[7]童尧青,银 燕,钱 凌,等.南京地区霾天气特征分析 [J].中国环境科学, 2007,27(5):584-588.

[8]Crutzen P J, Heidt L E, Krasnec J P, et al.Biomass burning as a source of atmospheric gases CO, H2, N2O, NO, CH3Cl and COS[J].Nature, 1979,282:253-256.

[9]Li LingJun, WANG Ying, ZHANG Qiang, et al.Wheat straw burning and its associated impacts on Beijing air quality [J].Science in China Series D: Earth Sciences, 2008,51(3):403-414.

[10]Li Hongyu, Han Zhiwei, Cheng Tiantao, et al.Agricultural fire impacts on the air quality of Shanghai during summer harvesttime[J].Aerosol and Air Quality Research, 2010,10(2):95-101.

[11]朱 彬,苏继锋,韩志伟,等.秸秆焚烧导致南京及周边地区一次严重污染天气过程的分析 [J].中国环境科学, 2010,30(5):585-592.

[12]赵 越,潘 钧,张红远,等.北京地区大气中可吸入颗粒物的污染现状分析 [J].环境科学研究, 2004,17(1):67-69.

[13]张 菊,苗 鸿,欧阳志云,等.近20年北京城近郊区环境空气质量变化及其影响因素分析 [J].环境科学学报, 2006,26(11):1886-1892.

[14]张秋晨,朱 彬,苏继峰,等.南京 3类不同大气污染过程下气溶胶水溶性无机离子的特征研究 [J].环境科学, 2012,33(6):1944-1951.

[15]Chu D A, Kaufman Y J, Zibordi G, et al.Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS) [J].Journal of Geophysical Research: Atmospheres (1984–2012),2003,108(D21).

[16]Wang J, Christopher S A.Inter comparison between satellitederived aerosol optical thickness and PM2.5 mass: Implications for air quality studies [J].Geophysical Research Letters, 2003,30(21):2095.

[17]Liu Y, Sarnat J A, Kilaru V, et al.Estimating ground-level PM2.5 in the eastern United States using satellite remote sensing [J].Environmental science and technology, 2005,39(9):3269-3278.

[18]李成才.MODIS遥感气溶胶光学厚度及应用于区域环境大气污染研究 [D].北京:北京大学物理学院大气科学系, 2002.

[19]李成才,毛节泰,刘启汉.用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征 [J].应用气象学报, 2003,14(1):1-7.

[20]李成才,毛节泰,刘启汉,等.利用 MODIS光学厚度遥感产品研究北京及周边地区的大气污染 [J].大气科学, 2003,27(5):869-880.

[21]Engel-Cox J A, Holloman C H, Coutant B W,et al.Quanlitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality [J].Atmospheric Environment,2004,38(16):2495-2509.

[22]罗宇翔,陈 娟,郑小波.近 10年中国大陆 MODIS遥感气溶胶光学厚度特征 [J].生态环境学报, 2012,21(5):876-883.

[23]刘 勇.MODIS气溶胶光学厚度与南京主城区空气污染指数的关系研究 [D].南京:南京师范大学, 2007.

[24]王 钊,彭 艳,张树誉.MODIS资料反演 AOD及其在区域大气污染监测中的应用 [J].高原气象, 2008,27(4):911-917.

[25]李令军,王 英,张 强,等.麦秸焚烧对北京市空气质量影响探讨 [J].中国科学:D辑, 2008,38(2):232-242.

[26]Susheel K Mittal, Nirankar S, Ravinder A, et al.Ambient air quality during wheat and rice crop stubble burning episodes in Patiala [J].Atmospheric Environment, 2009,43:238-244.

[27]Yang S, He H, Lu S, et al.Quantification of crop residue burning in the field and its influence on ambient air quality in Suqian,China [J].Atmospheric Environment, 2008,42(9):1961-1969.

[28]尹 聪,朱 彬,曹云昌,等.秸秆焚烧影响南京空气质量的成因探讨 [J].中国环境科学, 2011,31(2):207-213.

[29]Wang H, Zhu B, Shen L, et al.Size distributions of aerosol and water-soluble ions in Nanjing during a crop residual burning event [J].J Environ.Sci.(China), 2012;24(8):1457-65.

[30]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.

[31]陈欢欢,吴 兑,谭浩波,等.珠江三角洲 2001-2008年灰霾天气过程特征分析 [J].热带气象学报, 2010,26(2):147-155.

[32]杨珊荣,李 虎,余 涛,等.基于 MODIS的秸秆焚烧火点识别原理及算法IDL实现 [J].遥感应用, 2009,2:91-97.

[33]王 飞,朱 彬,康汉清,等.APS-SMPS-WPS 对南京夏季气溶胶数浓度的对比观测 [J].中国环境科学, 2011,31(9):1416-1423.

[34]邱玉珺,牛生杰,岳 平,等.半干旱区春季沙尘气溶胶谱分布的观测研究 [J].中国环境科学, 2009,29(10):1021-1028.

[35]Anderson T L, Wu Y, Chu D A, et al.Testing the MODIS satellite retrieval of aerosol fine mode fraction [J].Journal of Geophysical Research: Atmospheres (1984–2012), 2005,110(D18).

[36]Draxler R R, Hess G D.An overview of the HYSPLIT_4 modelling system for trajectories [J].Australian Meteorological Magazine, 1998,47(4):295-308.

[37]黄 健,颜 鹏,Roland R D.利用HYSPLIT_4模式分析珠海地面 SO2浓度的变化规律 [J].热带气象学报, 2002,18(4):407-414.

[38]QX/T 113-2010,霾的观测和等级预报 [S].

[39]Redemann J, Vaughan M A, Zhang Q, et al.The comparison of MODIS-Aqua (C5) and CALIOP (V2 & V3) aerosol optical depth [J].Atmospheric Chemistry and Physics, 2012,12(6),3025-3043.

[40]Kaufman Y J, Smirnov A, Holben B N, et al.Baseline maritime aerosol: Methodology to derive the optical thickness and scattering properties [J].Geophysical Research Letters, 2001,28(17):3251-3254.

[41]郎凤玲,闫伟奇,张 泉,等.北京大气颗粒物数浓度粒径分布特征及与气象条件的相关性 [J].中国环境科学, 2013,33(7):1153-1159.

[42]王 飞.不同污染类型下南京气溶胶谱分布特征的观测研究[D].南京:南京信息工程大学, 2012