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

王新辉,苏 林,陶明辉,王子峰,陈良富,李莘莘,汪 洋



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

王新辉1,2,苏 林*,陶明辉1,王子峰1,陈良富1,李莘莘1,汪 洋1,2

(1.中国科学院遥感与数字地球研究所,遥感科学国家重点实验室,北京 100101；2.中国科学院大学,北京 100049)

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O3浓度在清洁天浓度较高;NO、SO2、PM10、PM2.5呈较强正相关性,NOx、SO2与 PM10相关系数0.64、0.57,与PM2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM1受东北方向污染源影响,PM1~2.5及PM2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.

霾过程；污染物特征；气象因素；区域输送

霾是由于空气中大量微小气溶胶粒子积聚在大气中,使得空气变浑浊,致使水平能见度下降至10km以下的一种天气现象[1-2].近年来,我国生活与工业的污染排放增加迅速,城市光化学烟雾事件变多,霾天气急剧增多,尤其在长三角、珠三角、京津冀等城市密集区,区域性污染日益严重,极端污染事件频发[3-5].国外学者对霾污染的研究较早,Andreae等[6]1988年在亚马逊盆地进行综合观测,对1~4km霾层结构分析发现,霾层中污染气体浓度高.早期对霾的研究主要通过消光系数、化学组分、粒径与颗粒物浓度等分析,研究颗粒物特性以及与气溶胶混合状态的相互作用,指出细粒子污染容易形成灰霾天气[7-8].我国灰霾的概念于2002年提出后,开始系统研究[9]. Zhang等[10]根据49年681个站点的能见度,将我国霾区划分为华北平原、长三角、珠三角和四川盆地.目前国内对霾的研究主要有如下方向:通过数值分析模拟与大气模式研究并预测霾的发生发展与污染程度[11-12],通过地基观测获得颗粒物浓度、气溶胶光学特性、化学组分研究霾的时空变化、污染特性或揭示霾的形成机制[13-15],以及通过气象数据与参数研究气象条件对霾形成发展的影响[16-17].随卫星遥感技术发展,AQUA、CALIPSO、AURA、PARASOL等系列卫星的联合观测为霾的研究提供新视角[18].如Hänel等[19]结合CALIPSO数据对GAW站点霾层分析,指出东亚地区低层霾多为人为细颗粒气溶胶,高层霾是沙尘、生物质燃烟以及工业污染物的混合物.Tao等[4]结合MODIS火点数据、气溶胶产品、CALIPSO数据分析东亚地区夏季棕色霾,指出沙尘传输、生物质燃烧与工业污染以及夏季高湿度的天气条件是其成因.

现今有关霾的研究多针对京津冀、珠三角、长三角等污染严重地区统计分析,或针对某次重霾事件进行分析与追因,对背景地区的霾过程分析较少,且依据地基观测数据的研究占多数.通过站点进行地基观测具有数据精度高、时间分辨率高等优势,但地基站点数量有限,无法进行连续空间分析,且观测结果容易受周围源影响,卫星观测恰好弥补这一不足,可实现霾的区域分析以及污染传输的监控.华北平原是我国四大霾区之一,本文选取华北平原中部背景地区进行了为期一个月的冬季外场地基观测试验,并同时结合气象数据、卫星数据和后向轨迹模型对该背景地区的霾污染物特征、气象条件影响、形成过程以及污染传输源头进行综合的分析与研究.

1 数据与方法

1.1 站点描述

背景观测站点位于河南郑州市的中牟县东南郊.站点经纬度坐标为114.04°E,34.71°N.站点所处地势平缓、四周是大面积麦田,观测数据受人为源影响少.东偏北方向30km处为开封市区,西北方向35km处为郑州市区.联合观测时间段为2014年12月13日~2015年1月16日.

1.2 地基观测与气象数据

此次地基观测数据包括近地表的气象五参数数据(温度、湿度、风速、风向、气压)、近地面能见度数据、气溶胶光学厚度数据、近地表颗粒物浓度数据和AMPLE(多波长拉曼偏振大气探测激光雷达)探测数据.气溶胶光学厚度由CE318太阳光度计测得,由于云或水汽的影响,有效数据反演结果存在一定时间段的缺失. AMPLE地基探测激光雷达2012年由中国航天科技集团公司九院北京遥测技术研究所研制,空间分辨率为3.75m,探测距离达到30km.

污染气体浓度的观测数据来自中牟市环境监测中心提供的空气质量数据.温度、湿度以及风速风向等的探空资料来自于怀俄明大学大气科学学院提供的无线探测资料,时间分辨率为1次/12h,对应中国地区时间为8:00与20:00.风场数据来自NCEP (Nationgal Centers for Environmental Prediction),分辨率为1°,用于分析大范围的气象条件[20],可分析潜在的水汽传输以及沙尘传输的影响.

1.3 卫星数据集

本文采用MODIS(中分辨率成像光谱仪)550nm波段10km AOD(气溶胶光学厚度)产品、OMI(臭氧监测传感器)的UVAI(紫外气溶胶指数)以及CALIPSO产品.其中AOD与真实值有(±0.05±15%)的误差,可用来分析区域污染的变化[21].UVAI可用于探测沙尘和生物燃烧,监测沙尘和烟羽的传输[22].UVAI对紫外吸收型气溶胶的高度非常敏感(>2km),对表面类型不够敏感[23].本文采用OMI L2格网数据,UVAI分辨率为0.25°.CALIPSO产品可提供气溶胶和云层的垂直廓线、后向散射和退偏比[24],其中532nm波段的线性退偏比对沙尘等非球形粒子尤其敏感[25],同时可以提供气溶胶类型产品,并将气溶胶分成6类,包括煤烟、沙尘、污染沙尘、清洁和污染的大陆型,以及清洁的海洋型[26].

1.4 轨迹模式HYSPLIT4

采用美国NOAA研制的轨迹模式HYSPLIT4定性分析此次霾天气污染物的输送过程.HYSPLIT4 是一种欧拉和拉格朗日混合型的计算模式,包含多种物理过程,可针对不同类型排放源,进行较完整的输送扩散和沉降过程模拟,广泛应用于大气污染物输送研究[27-28].

2 污染物浓度特征分析

2.1 霾污染过程

根据霾的定义[1-2],结合日均能见度小于10km的日期,霾过程可分为5个,分别是12月13~15日,12月18~20日,12月23~30日,1月2~5日,1月7~15日.霾污染天数为27d,占整个观测期间天数的82%.雾霾天的定义是相对湿度日均值大于80%的霾天[29],反之为灰霾天.根据图1所示,观测期间日均相对湿度均低于80%,为灰霾天气.依据AQI(空气质量指数)对中国大陆空气质量等级的划分[30],观测期间重污染天数较多,占观测天数的46%.其中,12月18日,以及1月的3~5日、8日、10日和15日出现六级重度污染(AQI值大于300),五级重度污染(AQI值为200~300)有9d.达到优良级别(AQI值小于100)的有7d,占观测天数的18%.

从图1可以看出,过程2和过程3霾的发生变化过程具有明显的突发性,可在2~3h内形成,并经过进一步的积聚形成重污染.过程2在17日16:00~19:00能见度迅速从14km降低至9km,次日10时达最低值.过程3在22日16:00~19:00能见度从14.3km降低至7.5km次日10:00达到能见度最低.与过程2和过程3霾发生的突发性不同,过程4和过程5霾形成前从能见度开始下降到霾形成经过相对长的时间,霾形成后较为稳定,一直维持低能见度状态.该地区能见度存在着规律的日内变化,由于边界层高度升高、水平对流和垂直交换增强以及温度升高、湿度降低等原因[31-32],能见度白天升高,相反在夜晚降低;几个过程中霾发生时间均在下午或夜间,契合能见度的日变化.

2.2 污染物特征及变化分析

由图2可见,颗粒物PM1、PM2.5、PM10的平均浓度分别为90,101,128μg/m3,SO2、NO、O3、CO平均浓度分别为60,109,20μg/m3、2.74mg/m3.O3日均值峰值主要出现在污染过程之前,如12月15日、12月21日、12月26日、12月31日、1月6日,日均值最高值在12月26日达到54μg/m3.O3浓度在霾过程开始时下降,原因可能是O3生成与前体物NO和VOC有关[33],而当某些还原性污染物如 NO浓度较大时[34],O3易与其发生反应,加之雾霾天太阳光照弱,光化学反应减弱[35],使得O3浓度在霾天下降.AOD与PM10、PM2.5的变化有较好的相关,相关系数分别为0.4212、0.5237.PM10、PM2.5、SO2、NO变化过程具有一致性.CO与其他5种成分也具有相关变化,但其变化和其他成分的变化相比大多有时间上的延迟,日均值的最高值在1月15日达到5.93mg/m3.通过对污染物的小时均值计算,在此过程中NO与SO2浓度相关系数为0.6312, NO、SO2与PM10浓度的相关系数分别为0.6426、0.5666,与PM2.5浓度的相关系数分别为0.5592、0.4489,4种污染物呈现明显正相关性,说明四者具有较高的同源性,SO2和NO的爆发长伴随着PM的爆发[36],同时SO2、NO、O3、CO与污染气体二次生成细颗粒相关性高[37],说明颗粒物中二次生成细颗粒物贡献较大.

图3是观测站点7种大气成分浓度在不同天气条件下(清洁天和5个霾污染过程)24h的变化.PM1、PM2.5与PM10的日变化相关性较好,呈现双峰变化,白天在9:00左右达到峰值,夜间由于大气边界层变低,气流速度变缓也出现一个峰值.O3日变化呈现单峰正态变化,随着日照变化,光化学反应变强,峰值出现在15:00.SO2主要来自燃煤[35],图3显示其峰值出现在11:00~12:00左右,另有两个污染过程在7点左右也出现一个峰值.NO浓度峰值在9:00~10:00左右,次高峰出现在19:00.CO主要来源是燃煤和机动车尾气[38], CO日变化出现多个峰值,最大的峰值出现在7:00~8:00上班高峰期,次高峰出现在15:00~ 17:00幼儿园与小学放学期间以及19:00~23:00城市夜生活间, 与汽车尾气排放有较大关系.上述分析表明,观测背景点空气质量与污染物变化一定程度上受城市影响,这也是由于华北平原地势平坦开阔一定程度上利于污染的扩散和传输.另外不同天气状况下污染物的变化曲线差别不大,O3的变化曲线最为稳定.除了O3浓度在清洁天相对霾污染过程浓度高,CO区别较小,其他污染物清洁天浓度低于霾天.

结合地基测得污染物浓度数据、地基雷达数据以及CALIPSO卫星影像,对颗粒物浓度时序变化和垂直分布进一步分析.从图4可以看出,该地区1月份颗粒物污染程度远大于12月份;除了霾过程1,其他4个霾过程中日均值PM2.5/PM10在0.7以上,清洁天的值均小于0.7,说明该地区霾过程中近地表的颗粒物污染贡献主要来自细粒子;同时PM1/PM2.5值大多在0.8以上,PM1主要是由污染气体二次生成颗粒污染物[39],说明该地区污染气体二次生成细颗粒污染物占较大比重.霾过程1粗颗粒贡献较大,其中13日、15日PM2.5~10/PM10分别为48.7%、40%,可能存在扬尘或沙尘传输,进一步通过雷达影像(图5)和UVAI紫外气溶胶指数(图9)验证.

过程1AMPLE地基雷达探测532nm波段退偏比时间序列图如图5所示.退偏比越高颗粒物越不规则,粒径越大[40],反之说明粒径越小.根据退偏比信息可以看到,整层的颗粒物分布情况和浓度变化.13日近地面的颗粒物退偏比在0.2左右,粗粒子较多,1km上空有较厚的粗颗粒层;14日近地面退偏比降低,粗颗粒减少同时霾层变厚;15日整层退偏比都有所增加.从整段期间来看,13~14日4km左右的高空有明显的浮尘沉降过程,14日1km处浮尘有上升的过程,与沉降的浮尘结合在一起在2~3km处积聚后在15日沉降,导致近地面粗颗粒物浓度增加.

地基雷达数据获得点的整层的时序变化,为了获取华北霾天区域性垂直霾层颗粒物污染情况,需用卫星数据CALIPSO.选择卫星过境华北平原中部且污染严重的1月4日、8日、10日、16日分析华北平原垂直霾层特征.图6显示,尽管地面监测显示颗粒物以细粒子为主,但光学观测整层中粗粒子占主导.霾层中上部受浮尘主导,后向散射系数较大,粗粒子较多;霾层层顶高度最高达到8~9km,沙尘层厚度大于5km;上层气溶胶类型主要是沙尘与污染沙尘型气溶胶,边界层内存在煤烟型和污染大陆型以及污染沙尘气溶胶组成的混合气溶胶.

3 气象影响与霾过程分析

3.1 近地表风

霾分布区域内的表面风速作为水平动力因素影响污染物被大气稀释的程度和扩散的范围[41-42].表面风速偏大时,污染物以及水汽等向区域外输送加强,反之有利于污染物的积聚以及霾的发展;另一方面,风速较大时可吹起地面尘土等颗粒,在局地范围内易形成浮尘或扬沙天气.风向能反映出污染源周围受影响的方位及污染物的来向和去向.能见度大小是霾的表征,从图7可见,5个霾过程发生前期以静风(<0.5m/s)为主,静风风频为10.7%.霾的消散伴随着较大风速,霾过程中能见度的变化均伴随风速的变化,如12月19日、12月14日、12月18日和1月1日.静稳无风天气是雾霾积聚维持的重要环境条件.

由图8可知,PM1、PM1~2.5、PM2.5~10主要集中在静小风2m/s范围内,约占67.9%,且风速小于2m/s多为南风向,约占79%;风速越小,PM1质量浓度越大,当风速大于4m/s 时,PM1~2.5和PM2.5~10浓度有增加趋势.来自东北风向的颗粒物数浓度比例较大,约为26.6%;PM1高值多出现在东北方向,PM1~2.5、PM2.5~10高值多来自西和西北方向.综上说明,观测期间霾污染过程中,颗粒物多为本地积聚,此外PM1细颗粒物主要受东北方向污染源影响,而PM1~2.5、PM2.5~10主要受西和西北方向的影响.

3.2 高空风场

结合卫星数据分析高空风场水平传输对观测站点及华北平原地区霾发展过程中的影响,以12月12~15日(包含霾过程1)与1月6日~16日(包含霾过程5)为例.

图9显示的700hPa(约海拔3km)高度的风场与紫外气溶胶指数UVAI的叠加图,星号为站点位置.UVAI反映沙尘气溶胶的程度与分布,观测站点处的UVAI与图5显示 3km上空退偏比变化情况相同,13日浮尘刚过境站点位置测得退偏比较小,14与15日再一次沙尘过境情况下,站点上空悬浮着沙尘层,导致退偏比变高.高空风场显示,12~15日中国北部地区持续为西北风,UVAI分布变化显示在此期间西部的浮尘一直向东输送,华北平原上空沙尘污染严重,而漂浮的沙尘颗粒沿途会发生图6显示的沉降与人为污染混合在一起加重华北平原的霾污染程度.

3.3 大气垂直稳定性

分析该站点与温度和湿度相联系的垂直向大气热力因素在几次霾过程演变中的作用,用到了表征大气热力不稳定度的常用指数的指数、近地面温度露点差(-d)以及假相当垂直位温差(THV).本文用的指数计算公式为,=(850-500)+d850-(-d)700[43].式中,和d分别为气温和露点温度,下标850,700和500表示和d所在的高度分别为850,700,500hPa.-d代表的是近地面空气的饱和程度,THV代表的是逆温的情况.

由图11可看出,THV、-d与能见度呈正相关性,指数则与能见度具负相关性.THV、指数、-d的逐日变化与能见度相关系数分别为0.52、0.56和 0.38.-d越小,空气中的水汽越接近于饱和,利于水汽凝结,造成霾天气增强.THV、指数代表了大气对流层中低层层结的稳定程度,THV越小、指数越大,大气层结稳定性增强,雾霾天气增强.

3.4 气流轨迹分析

采用美国NOAA研制的轨迹模式HYSPLIT4分析观测期间该地区霾天气的低空污染输送过程.由图12可见,清洁天气团来自西北方向,较长的路径说明风速较大,相对有利于污染物的扩散;有部分污染天的24h气团也来自西北方向,占污染天比例的33%,但轨迹明显短于清洁天;此外严重污染天气轨迹来自西、南和东北方向,后向轨迹较短,较小的风速有助于污染物的积聚;东北方向的污染气团主要来自河北、山东地区,约占来源比例为14%;近距离传输污染气团多来自西面的郑州和洛阳市区,同时河南省东面的开封以及南部的城区也对该地区有污染传输.

4 结论

4.1 观测期间共有5次霾过程,霾天占82%,五六级重度污染天占污染天数的46%,PM2.5质量浓度达到环境空气质量标准(GB3095-2012)一级(35μg/m3)标准天数比例为21%,达到环境空气质量标准二级(75μg/m3)的天数为65%.

4.2 背景站点近地面污染物以细粒子污染物为主,约占颗粒物的79%,其中又以气态污染物二次生成的细粒子为主.虽然地基观测显示地面颗粒物以细粒子为主,光学观测显示,霾层中上部受浮尘主导,粗粒子污染在整层中占据主导.同时结合卫星数据分析,冬季华北平原上层气溶胶类型主要是沙尘与污染沙尘型气溶胶,边界层内存在煤烟型和污染大陆型以及污染沙尘气溶胶组成的混合气溶胶.

4.3 该地区冬季近地面以南向的静小风为主,颗粒物多为本地积聚,另外PM1受东北方向污染源影响,PM1~2.5及PM2.5~10受到西北方向污染源影响.高空风场通过远距离传输水汽和沙尘影响该地区霾的生成和发展.冬季大气对流层层节较为稳定,假相当位温垂直差、近地面温度露点差、能见度呈明显正相关,相关系数分别为0.52和0.38,指数与能见度呈负相关,相关系数为0.56,利于霾的维持.

4.4 综合5个霾过程分析可知,冬季华北平原中部地区霾污染受到西北浮尘沉降以及南来水汽的影响.对观测站点地区进行后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.

吴 兑.关于霾与雾的区别和灰霾天气预警的讨论 [J]. 气象, 2005,31(4):3-7.

201中华人民共和国气象行业标准 [S].

Ma J, ZWang W, Chen Y, et al. The IPAC-NC field campaign: a pollution and oxidization pool in the lower atmosphere over Huabei, China [J]. Atmospheric Chemistry and Physics, 2012, 12(9):3883-3908.

Tao M, Chen L, Su L, et al. Satellite observation of regional haze pollution over the North China Plain [J]. Journal of Geophysical Research: Atmospheres (1984~2012), 2012, 117(D12), DOI:10. 1029/2012JD017915.

Ji D, Wang Y, Wang L, et al. Analysis of heavy pollution episodes in selected cities of northern China [J]. Atmospheric Environment, 2012(50):338-348.

Andreae M O, Browell E V, Garstang M, et al. Biomass-burning emissions and associated haze layers over Amazonia [J]. Journal of Geophysical Research, 1988,93(D2):1509-1527.

Okada K, Ikegami M, Zaizen Y, et al. The mixture state of individual aerosol particles in the 1997 Indonesian haze episode [J]. J Aerosol Sci., 2001(32):1269-1279.

Whiteaker J R, Suess D T, Prather K A. Effects of meteorological conditions on aerosol composition and mixing state in Bakersfield, CA [J]. Environmental Science & Technology, 2002,36(11):2345- 2353.

吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012,32(2):257-269.

Zhang X Y, Wang Y Q, Niu T, et al. Atmospheric aerosol compositions in China: spatial/temporal variability, chemical signature, regional haze distribution and comparisons with global aerosols [J]. Atmospheric Chemistry and Physics, 2012,12(2): 779-799.

李 锋,朱 彬,安俊岭,等.2013年12月初长江三角洲及周边地区重霾污染的数值模拟 [J]. 中国环境科学, 2015,35(7):1965- 1974.

吕梦瑶,刘红年,张 宁,等.南京市灰霾影响因子的数值模拟 [J]. 高原气象, 2011,30(4):929-941.

Huang K, Zhuang G, Fu J S et al., Shanghai [J]. Atmospheric Chemistry and Physics, 2012,12(1):105-124.

Jung J, Lee H, Kim Y J, et al. Optical properties of atmospheric aerosols obtained by in situ and remote measurements during 2006 Campaign of Air Quality Research in Beijing (CAREBeijing-2006) [J]. Journal of Geophysical Research: Atmospheres (1984–2012), 2009,114(D2), DOI:10.1029/ 2008JD010337.

吴 蒙,范绍佳,吴 兑,等.广州地区灰霾与清洁天气变化特征及影响因素分析 [J]. 中国环境科学, 2012,32(8):1409-1415.

王跃思,姚 利,王莉莉,等.2013年元月我国中东部地区强霾污染成因分析 [J]. 中国科学:地球科学, 2014,44(1):15-26.

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.

Tao M, Chen L, Wang Z, 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.

Hänel A, Baars H, Althausen D, et al. One-year aerosol profiling with EUCAARI Raman lidar at Shangdianzi GAW station: Beijing plume and seasonal variations [J]. Journal of Geophysical Research: Atmospheres (1984–2012), 2012, 117(D13), DOI:10. 1029/2012JD017577.

Kalnay E, Kanamitsu M, Kistler R, et al. The NCEP/NCAR 40-year reanalysis project [J]. Bulletin of the American Meteorological Society, 1996,77(3):437-471.

Levy R C, Remer L A, Kleidman R G, et al. Global evaluation of the Collection 5MODIS dark-target aerosol products over land [J]. Atmospheric Chemistry and Physics, 2010,10(21):10399-10420.

Torres O, Tanskanen A, Veihelmann B, et al. Aerosols and surface UV products from Ozone Monitoring Instrument observations: An overview [J]. Journal of Geophysical Research: Atmospheres (1984–2012), 2007,112(D24), DOI:10.1029/2007JD008809.

Ahn C, Torres O, Bhartia P K. Comparison of ozone monitoring instrument UV aerosol products with Aqua/Moderate Resolution Imaging Spectroradiometer and Multiangle Imaging Spectroradiometer observations in 2006 [J]. Journal of Geophysical Research: Atmospheres (1984–2012), 2008, 113(D16),DOI:10.1029/2007JD008832.

Liu Z, Liu D, Huang J, et al. Airborne dust distributions over the Tibetan Plateau and surrounding areas derived from the first year of CALIPSO lidar observations [J]. Atmospheric Chemistry and Physics, 2008,8(16):5045-5060.

Mielonen T, Arola A, Komppula M, et al. Comparison of CALIOP level 2aerosol subtypes to aerosol types derived from AERONET inversion data [J]. Geophysical Research Letters, 2009,36(18),DOI:10.1029/2009GL039609.

Omar A H, Winker D M, Vaughan M A, et al. The CALIPSO automated aerosol classification and lidar ratio selection algorithm [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):1994-2014.

赵 恒,王体健,江 飞,等.利用后向轨迹模式研究TRACE-P期间香港大气污染物的来源 [J]. 热带气象学报, 2009,25(2): 181-186.

吴 兑.再论都市覆与雾的区别 [J]. 广东气象, 2006,32:9-15.

2012H J.环境空气质量指数(AQI)技术规定(试行) [S].

张 剑,刘红年,唐丽娟,等.苏州城区能见度与颗粒物浓度和气象要素的相关分析 [J]. 环境科学研究, 2011,24(9):982-987.

郑小波,罗宇翔,段长春,等.云贵高原近45年来日照及能见度变化及其成因初步分析 [J]. 高原气象, 2010,29(4):992-998.

Nishanth T, Praseed K M, Satheesh Kumar M K, et al. Observational study of surface O3, NO, CH4and total NMHCs at Kannur, India [J]. Aerosol. Air. Qual. Res, 2014(14):1074-1088.

Han S, Bian H, Feng Y, et al. Analysis of the Relationship between O3, NO and NO2in Tianjin, China [J]. Aerosol Air Qual. Res., 2011(11):128-139.

Lu Z, Streets D G, de Foy B, et al. Ozone Monitoring Instrument observations of interannual increases in SO2emissions from Indian coal-fired power plants during 2005~2012 [J]. Environmental Science & Technology, 2013,47(24):13993- 14000.

黄 鹤,蔡子颖,韩素芹,等.天津市PM10, PM2.5和PM1连续在线观测分析 [J]. 环境科学研究, 2011,24(8):897-903.

Xie Y Y, Zhao B, Zhang L, et al. Spatiotemporal variations of PM2.5and PM10concentrations between 31Chinese cities and their relationships with SO2, NO2, CO and O3[J]. Particuology, 2015,20:141-149.

曹国良,安心琴,周春红,等.中国区域反应性气体排放源清单 [J]. 中国环境科学, 2010,30(7):900-906.

江 琪,孙业乐,王自发,等.应用颗粒物化学组分监测仪(ACSM)实时在线测定致霾细粒子无机和有机组分 [J]. 科学通报, 2013,58(36):3818-3828.

Althausen D, Engelmann R, Baars H, et al. Portable Raman lidar PollyXT for automated profiling of aerosol backscatter extinction and depolarization [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(11):2366-2378.

程叙耕,何金海,车慧正,等.1980~2010年中国区域地面风速对能见度影响的地理分布特征 [J]. 中国沙漠, 2013,33(6):1832- 1839.

朱 焱,杨金彪,朱莲芳,等.苏州市能见度与影响因子关系研究 [J]. 气象科学, 2011,31(5):626-631.

章国材,矫梅燕,李延香.[M]. 北京:气象出版社, 2007:89-95.

* 责任作者, 研究员, sulin@radi.ac.cn

a rural area of central Northern China Plain based on satellite and surface observations

WANG Xin-hui1,2, SU Lin1*, TAO Ming-hui1, WANG Zi-feng1, CHEN Liang-fu1, LI Shen-shen1, WANG Yang1,2

(1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, China Academy of Sciences, Beijing 100101, China；2.University of China Academy of Sciences, Beijing 100049, China)., 2016,36(6)：1610~1620

This paper employed ground-based measurements, multiple satellite observations, NCEP reanalysis data, meteorological sounding data and Modeled HYSPLIT4backward trajectory results to ae the pollution characteristics and forming process of haze pollution in Zhongmou, a rural site located in the central North China Plain. The Comprehensive observation campaign lasted from December 13th, 2014 to January 16th, 2015 and a total of five haze pollution episodes were captured Haze days accounted for 82% of the total number of days, while heavily polluted days (Class V and VI based on AQI level) accounted for 46%. The ground-based observations showed that: 1) the concentrations of PM and SO2, NOwere highly correlated, 2) fine particulate matters were dominant among the ground-level pollutants, 3) and the secondary aerosols transformed from gaseous pollutants accounted for a predominant fraction of fine particles. CALIPSO and AMPLE vertical detection data showed that thick haze clouds were dominated by floating dust in the middle and upper layer, and coarse dust particles were prevalent over North China Plain, which accounted for a predominant fraction in the columnar optical volume. Based on meteorological sounding data, the atmospheric stratification of the planetary boundary layer (PBL) was stable, suppressing air turbulence in PBL and favoring formation and maintenance of haze. Meteorological data also showed that near-ground wind speed and direction had a great influence on haze maintenance and dissipation; High-level wind field data indicated that the first haze was influenced by floating dust from the northwest, and the fifth episode was influenced by water vapor from the south. By tracking the 100m air mass using HYSPLIY4model, the low-altitude pollutants were transported from northwest and northeast. The contribution from northeast, accounting for almost 14%, passed Hebei and Shandong province, while short distance transportation traces were mostly from Zhengzhou and Luoyang, accounting for almost 33%.

haze episode；pollutant character；meteorological factor；regional transport

X513

A

1000-6923(2016)06-1610-11

王新辉(1990-),女,山东泰安人,硕士研究生,主要从事大气遥感方向的研究.

2015-12-02

中国科学院先导专项课题(XDB05020100);国家自然科学基金重点项目(41130528)