一次重污染天气过程的激光雷达探测数据与颗粒物浓度变化

郝巨飞 ，李芷霞，张功文 ，杨允凌

(1.河北省邢台市气象局，河北 邢台 054000；2.河北省邯郸市气象局，河北 邯郸 056001)



一次重污染天气过程的激光雷达探测数据与颗粒物浓度变化

郝巨飞1，李芷霞1，张功文2，杨允凌1

(1.河北省邢台市气象局，河北 邢台 054000；2.河北省邯郸市气象局，河北 邯郸 056001)

根据河北邢台市2015年10月11—23日一次重污染天气过程的激光雷达探测数据，对大气污染物浓度和雷达反演得出的大气边界层(PBL)高度、气溶胶光学厚度(AOD)和消光系数的变化进行分析。结果表明：在剔除降水因子的影响后，PBL高度对PM2.5浓度有显著影响，PBL高度越低，PM2.5浓度越高，且两者的相关性夜间好于日间；大气污染物浓度的增加会导致AOD和气溶胶消光系数的显著升高，且AOD与PM2.5浓度的相关性日间好于夜间，在降水的湿沉降效应和大气相对湿度增加的影响下，会出现大气污染物浓度下降，但AOD升高的现象；300 m高度的气溶胶消光系数与地面污染物浓度的日变化趋势较为一致，贴近地面处消光系数相对较小。整体而言，随着PBL高度下降、AOD上升和消光系数增加，环境大气质量逐步趋于恶化。

激光雷达；大气边界层；气溶胶光学厚度；消光系数

引 言

近年来随着经济发展，我国大多数城市面临非常严峻的大气污染问题[1]。大量的气溶胶污染物聚集在对流层底部，由于对可见光的消光、散射和吸收作用，不仅会造成辐射衰减、能见度降低、灰霾天气等，同时气溶胶污染物中的细颗粒物在人体肺泡区域被血液吸收溶入后，还会对人体健康产生一系列危害影响[2-3]。

随着先进的信号探测和采集系统的应用，激光探测已逐渐成为大气气溶胶探测的有效手段[4-6]。Piirone等[7]利用激光雷达反演了对流边界层厚度和云层信息，并通过与探空曲线、卫星云图等数据的对比验证了激光雷达探测的有效性；Miffre等[8]利用激光雷达进行了城市区域PM10的分布研究，通过与实测值的对比发现：将空气质量轨迹模型和激光雷达、地面颗粒物采样器结合起来是一种有效的污染物评价方法；Cohn等[9]与林常青等[10]分别通过在伊利诺斯州和北京的一次激光雷达探测数据，证实了激光雷达探测边界层高度的可行性，通过将激光雷达观测与地面观测进行比较，验证了激光雷达的反演结果和算法的可靠性；李礼等[11]利用激光雷达反演数据得出了大气重污染期间PBL平均高度为320～350 m，大气颗粒物污染带处于100～400 m，异常的大气环流形势和重庆主城区独特的地形、气候特征是造成持续重污染天气的原因；李红等[12]基于小波变换法开展了激光雷达资料的边界层高度反演方法研究，发现无论是理想廓线还是叠加扰动的廓线，较大的小波振幅易得到比较稳定准确的白天边界层高度与夜间混合层高度；胡向军等[13-14]就激光雷达资料的气溶胶辐射效应进行了分析，发现激光雷达能够很好地反映出晴朗天气、浮沉天气及扬沙天气背景下大气气溶胶廓线的变化特征，验证了其探测资料在边界层模式中的应用价值。相关的研究表明激光雷达探测的可行性、有效性和应用价值，揭示了其对监控污染物扩散和输送的重要作用。目前，随着人们环保意识的不断加强，大气污染物已经成为一个政府决策部门关注、广大民众关心的问题，而现有的研究主要集中在污染天气过程的气象条件分析[15-19]、数值模型对污染源的解析和预报研究[20-21]等方面，对激光雷达反演数据和大气污染物浓度间的变化关系研究相对较少，因此开展两者间的变化分析具有一定的科学意义。

自2013年实行环境空气质量新标准以来，在京津冀、长三角、珠三角等重点地区的74个城市月度城市空气质量监测评价中，位于冀中南地区的邢台排名始终落后。本文利用激光雷达对一次重污染天气过程探测的反演数据，对得到的大气垂直扩散条件和地面污染物浓度进行深入分析，以期为本地环境气象预报等提供科学依据。

1 资料和方法

1.1 微脉冲激光雷达和激光雷达方程

微脉冲偏振激光雷达(Micro Pulse Lidar，MPL)是基于弹性后向散射(MIE散射)原理发展起来的偏振激光雷达。本文所使用的MPL由北京怡孚和融科技有限公司提供，激光雷达方程为：

(1)

式中：P(Z)为激光雷达接收到的距离Z处的大气后向散射回波功率(单位：W)；P0为激光发射功率(单位：W)；C是光速；τ是脉宽；A(Z)是接收机有效面积；α(Z)是消光系数；β(Z)是后向散射系数。α(Z)=αa(Z)+αm(Z)；β(Z)=βa(Z)+βm(Z)，其中αa(Z)和βa(Z)分别表示气溶胶的消光系数和后向散射系数，αm(Z)和βm(Z)分别表示空气分子的消光系数和后向散射系数。定义气溶胶的消光系数与后向散射系数的比值(后向散射比)Sa为常数，一般取值范围为10～90 sr[22]，文中Sa=50 sr[23]；空气分子的消光后向散射比(空气分子的消光系数与后向散射系数的比值)为Sm=8π/3，气溶胶消光系数按照Fernald等[24-26]的方法计算得出。

大气边界层(Planetary Boundary Layer,简称PBL)高度采用对激光雷达距离修正信号的廓线求导计算，导数最小值对应的高度就是PBL。

气溶胶光学厚度(Aerosol Optical Depth，简称AOD)采用对监测距离内的气溶胶消光系数进行积分来计算，公式为：

(2)

微脉冲偏振激光雷达(MPL)设置在邢台市气象局(37°4′N，114°29′E)距地面约13 m高的楼顶，观测时间为2015年10月11—23日。

1.2 环境空气质量和气象观测数据

环境空气质量数据采用国控监测站(邢台市环保局(37°3′N，114°28′E))2015年10月11—23日逐时PM10和PM2.5质量浓度资料，气象数据采用邢台市国家基本站(37°11′N，114°22′E)同期的逐时监测数据。

2 污染实况和激光雷达探测分析

2.1 环境空气污染实况

从表1看出，微脉冲偏振激光雷达(MPL)探测期间，邢台市区空气质量由2015年10—11日的Ⅱ级逐步上升到15—16日的Ⅲ级，17—18日、20日达到Ⅴ级，21日为Ⅲ级，22—23日下降至Ⅱ级，空气质量指数(Air Quality Index，AQI)范围57～238。PM10日均浓度范围50.0～328.2 μg·m-3，最高浓度值超过环境空气质量Ⅱ级标准(150 μg·m-3)的2.2倍；PM2.5日均浓度范围11.1～199.1 μg·m-3，最高值超环境空气质量Ⅱ级标准(75 μg·m-3)的2.7倍，Ⅴ级重污染天气下的首要污染物均为PM2.5。

2.2 大气边界层(PBL)高度变化

PBL是大气层与地面摩擦作用最强烈的区域，其高度随气象条件、地形、地面粗燥度而变化，大致在300～1 000 m[4]，是反映污染物空间扩散条件的重要指标之一，PBL高度越低，越不利于近地层空气的垂直混合，大气污染物扩散也就越差[11]。通过对2015年10月11—23日PBL高度和PM2.5浓度的逐日变化(图1)分析，发现由于18日和23日出现相对明显的降水天气，近地层大气相对湿度变化较大，从而使得18日相对17日，23日相对22日的日均PM2.5浓度出现增加，这可能是因为核模态的气溶胶粒子吸湿增长向积聚模态粒子转化[27]，而大粒子相对小粒子的增加[28]使得PM2.5浓度升高。剔除降水因子对PBL的影响后发现，环境空气质量为Ⅱ～Ⅴ级时，PBL平均高度分别为388.0 m、377.3 m、345.4 m和327.0 m。对逐日PBL高度和PM2.5平均浓度进行相关性分析发现，两者相关系数为-0.4179，没有通过0.05的显著性检验，在剔除降水因子后发现两者相关系数为-0.9177，通过0.01显著性检验。

由于10月17、18、20日出现Ⅴ级重污染天气，因此对10月16—21日的PBL高度与PM2.5浓度的逐时值(图2)进行分析,发现：16—17日PBL高度整体呈波动下降态势，PM2.5浓度呈波动上升；18日逐时PBL高度在相对低值波动，PM2.5浓度由于积聚缘故呈波动上升，18日05:00达到最高值(298 μg·m-3)，此时PBL高度为300 m，日出后由于太阳辐射增强，PBL高度增加明显，污染物扩散能力增强，PM2.5浓度也开始下降。18日10:00—19:00邢台市有降水天气出现，最大雨强1.5 mm·h-1，PBL逐时平均高度由04:00—09:00的308.5 m增加至10:00—19:00的355.7 m，PBL高度增加和降水的湿清除效应叠加使得大气颗粒污染物浓度急剧下降，18日19:00—19日09:00 PM2.5逐时浓度均低于42 μg·m-3；19日10:00开始PBL高度在低值徘徊，污染物浓度开始积聚升高，PM2.5浓度小时最高值为219 μg·m-3，出现在23:00；21日凌晨受东移南下的冷空气影响，PM2.5浓度逐步下降，日间PBL高度有所增加，PM2.5浓度在63～104 μg·m-3间波动，21:00出现降水，冷空气和降水湿清除等作用叠加使得PM2.5浓度迅速降低。

表1 2015年10月11—23日环境空气质量及降水变化

图1 2015年10月11—23日PBL高度和PM2.5浓度的逐日变化

图2 2015年10月16—21日PBL高度和PM2.5浓度的逐时变化

对16—21日逐时PBL高度与PM2.5浓度进行相关性分析，发现两者相关系数为-0.5599，在剔除降水因子后发现两者相关系数为-0.5704，均通过0.01的显著性检验，即PBL高度与PM2.5浓度变化有明显的负相关关系。考虑PBL高度的日变化，将08:00—20:00定义为日间，21:00—次日07:00定义为夜间，分别进行相关分析发现，日间PBL高度与PM2.5浓度的相关系数为-0.4750，夜间为-0.6259，均通过0.01的显著性检验。相关系数的绝对值夜间大于日间可能是因为：日间受太阳短波辐射影响，大气湍流发展较夜间强盛，PBL高度增加明显，同时受人类生产、生活、建造施工等活动影响，污染物排放量也比夜间大，夜间受人为因素的影响小于日间，因此PBL高度对PM2.5浓度变化的影响夜间大于日间。整体而言，PBL高度变化对PM2.5浓度的大小变化有显著影响。

2.3 气溶胶光学厚度(AOD)变化

AOD定义为大气消光系数在垂直方向上的积分，是描述气溶胶对光衰减作用的一个无量纲数。通过对11—23日的日均PM2.5浓度与AOD变化(图3)分析，发现：18、20、23日分别相对17、19、22日AOD下降，PM2.5浓度增加；15、16、21日分别相对14、15、20日AOD上升，PM2.5浓度减少。进一步分析逐时PM2.5浓度发现，15、16、18、20、21、23日PM2.5浓度逐时最大值与最小值的比值分别是2.78、2.85、9.93、1.29、9.55和7.25，AOD逐时最大值与最小值的比值分别是2.35、1.74、1.42、2.65、1.47和2.51。经相关性检验分析，日均PM2.5浓度与AOD的相关性没有通过0.01的显著性检验，剔除降水因子后两者相关系数为0.8010，通过了0.01的显著性检验。

图3 2015年10月11—23日AOD和PM2.5浓度的逐日变化

图4是16—21日逐时PM2.5浓度与AOD的变化，可以看出，AOD与PM2.5浓度的整体相关系数为0.4455，其中日间两者相关系数为0.5642，夜间为0.3357，在剔除降水因子后相关系数分别为0.5980、0.7431和0.5179，均通过了0.01的显著性检验。AOD和PM2.5浓度在日间的相关性好于夜间，可能是因为日间大气湍流活动强烈导致AOD和PM2.5浓度的变化较夜间更加明显所致。同时发现气象要素的短时变化会对AOD和PM2.5浓度的相关性产生明显影响，如18日17:00—次日08:00和21日20:00—23:00，AOD呈上下波动分布，但PM2.5浓度处于低值徘徊，可能是由于18日10:00—19:00和21日19:00—22:00的降水湿沉降效应导致PM2.5浓度迅速下降，但大气低层相对湿度的增加却导致AOD升高。整体而言，AOD和PM2.5浓度的正相关性显著，但要注意气象要素的短时变化对二者产生的影响。

图4 2015年10月16—21日AOD和PM2.5浓度的逐时变化

2.4 消光系数变化

气溶胶消光系数是大气中各种气溶胶成分对太阳辐射衰减的综合描述，消光系数越大，能见度越低[3]。在考虑背景噪音的基础上对消光系数进行分析发现：11日00:00—13日09:00，消光系数的时空分布变化不大，最大值均<0.32 km-1；13日10:00开始消光系数逐渐增大且集中在300 m高度以下，最大值约0.84 km-1；14日13:00—23:00在2 500 m附近出现强的消光系数带。图5是16—21日MPL探测的消光系数的时间—高度分布，可以看出，15—16日的消光系数空间变化不大，主要集中在2 100 m以下；17—18日510 m高度以下的消光系数明显增强，其中18日21:00左右，690 m附近有一个明显的气溶胶下沉带；19日08:00左右，气溶胶下沉带已下落至105 m，并维持到19日11:00左右。结合地面环境监测站数据发现，19日08:00—09:00，PM10浓度急剧升高，由77 μg·m-3上升至119 μg·m-3，PM2.5浓度变化落后PM10浓度变化约1 h，在09:00—10:00由40 μg·m-3上升至81 μg·m-3。19日13:00—23:00在765 m高度以下有分散的强消光系数，但范围较前一时次明显减少，20日00:00—08:00强消光系数带降到330 m附近，对比PM2.5浓度发现，19日13:00—20日08:00是地面大气质量污染较严重的时段，PM2.5浓度小时值在120～217 μg·m-3，平均值为171 μg·m-3。该时段MPL探测到的105 m高度消光系数降低与地面污染物浓度升高呈反相位关系，究其原因在于高空气溶胶颗粒物由于沉降作用使得地面污染物浓度升高，且聚集在105 m高度以下时，由于MPL低空探测的盲区效应而无法对该部分数据进行有效处理，结合地面污染物监测数据有理由相信：该现象是由于高空污染物沉降至低层105 m及以下高度且在近地层持续维持而导致的。20日08:00—23:00消光系数的高值区抬升到195～720 m，地面污染物浓度仍维持在高值，PM2.5浓度小时值在170～219 μg·m-3，平均值为200.7 μg·m-3。21日在195 m以下，22日在315 m以下，消光系数明显降低，地面PM2.5浓度日均值由20日的199.1 μg·m-3降为22日的27.9 μg·m-3，本次污染天气过程结束。

图5 2015年10月16—21日MPL探测的消光系数(单位：km-1)时间—高度分布

通过对300 m高度消光系数的日变化(图略)分析发现：消光系数具有明显的日变化特征，10:00—14:00处于低值波动，15:00开始逐渐增加，00:00—02:00达到最高值，随后呈波动下降。消光系数的日变化与地面污染物浓度变化趋势较为一致，这可能与太阳辐射强度的日变化有关，日间由于太阳短波辐射强烈，大气湍流运动增强，污染物浓度扩散能力相对夜间加强，消光系数对应在日间出现低值，夜间出现高值。

通过对不同高度消光系数(图6)的对比发现：消光系数的最大值没有出现在地面，而是出现在225 m附近，其中12日空气质量Ⅱ级时，消光系数最大值出现在195 m(0.12 km-1)；空气质量Ⅲ级的16日，消光系数最大值出现在225 m(0.55 km-1)；空气质量Ⅳ级的14日，消光系数最大值出现在240 m(0.55 km-1)；空气质量Ⅴ级的18日，消光系数最大值出现在195 m(0.95 km-1)。这与张仪等[29]利用机载激光雷达测量到的贴近地面处存在相对干净的空气层结论相符。究其原因可能是贴近地面处由于粗燥度不同、大气湍流运动相对近地层强烈，同时在重污染天气发生时，近地层由于逆温层的存在使得大气污染物在逆温层底附近产生积聚现象，污染物浓度的增加导致消光系数相对贴近地面处升高，从而使得贴近地面处出现相对干洁的空气层。整体而言，伴随消光系数最大值的增加和所处高度的降低，环境大气质量逐步趋于恶化。

图6 消光系数在不同时次的垂直廓线

3 结 论

(1)PBL高度和PM2.5浓度有显著的负相关关系，PBL高度越低，越不利于大气污染物扩散，污染物浓度也越高。在剔除降水因子后，两者逐日和逐时的相关系数分别为-0.9177、-0.5704。由于夜间受人为因素的影响作用小于日间，因此夜间两者的相关性好于日间，夜间和日间的相关系数分别为-0.6259和-0.4750，均通过0.01的显著性检验。

(2)AOD与PM2.5浓度有显著的正相关关系，在剔除降水因子后，两者逐日和逐时的相关系数分别为0.8010、0.5980，其中两者日间和夜间的相关系数分别为0.7431和0.5179，均通过0.01的显著性检验，日间的相关性好于夜间可能是因为日间大气湍流活动强烈导致AOD和PM2.5浓度的变化较夜间更加明显所致。在降水的湿沉降效应和大气相对湿度增加的影响下，气象要素的短时变化会造成大气污染物浓度下降、AOD升高现象。

(3)300 m高度的消光系数与地面污染物浓度的日变化趋势较为一致，由于地面粗燥度、近地层逆温层结等原因，贴近地面处的污染物扩散能力强于大气低空处，消光系数在贴近地面处出现相对低值。伴随消光系数最大值的增加和所处高度的降低，环境大气质量将逐步趋于恶化。

通过MPL对一次重污染天气过程的探测，本文主要对PBL高度、AOD和PM2.5浓度的变化进行了讨论分析，但对天气形势和气象要素如何影响上述因子的变化分析甚少，这将在后续研究中进一步加强。

[1] 李成才,刘启汉,毛节泰,等. 利用MODIS卫星和激光雷达遥感资料研究香港地区的一次大气气溶胶污染[J]. 应用气象学报,2004,15(6):641-650.

[2] Dupont E, Menut L, Carissimo B, et al. Comparison between the atmospheric boundary layer in Paris and its rural suburbs during the ECLAP experiment[J]. Atmospheric Environment, 1999,33(6):979-994.

[3] 邓涛,吴兑,邓雪娇,等. 一次严重灰霾过程的气溶胶光学特性垂直分布[J]. 中国环境科学,2014,33(11):1921-1928.

[4] 李礼,杨灿,余家燕,等. 重庆典型灰霾天气下大气气溶胶的激光雷达探测[J]. 环境科学与管理,2012,37(1):143-146.

[5] 毛敏娟,蒋维楣,吴晓庆,等. 气象激光雷达的城市边界层探测[J]. 环境科学学报,2006,26(10):1723-1728.

[6] 周碧,张镭,蒋德明,等. 利用激光雷达观测资料研究兰州气溶胶光学厚度[J]. 干旱气象,2013,31(4):666-671.

[7] Piironen A K, Eloranta E W. Convective boundary layer mean depths and cloud geometrical properties obtained from volume imaging lidar data[J]. Journal of Geophysical Research Atmospheres, 1995,100(D12):25569-25576.

[8] Miffre A, Chacra M A, Geffroy S, et al. Aerosol load study in urban area by Lidar and numerical model[J]. Atmospheric Environment, 2010,44(9):1152-1161.

[9] CohnS A, Mayor S D, Grund C J, et al. The Lidars in Flat Terrain (LIFT) Experiment[J].Bulletin of the American Meteorological Society,1998,79(7):1329-1343.

[10] 林常青,杨东伟,李成才,等. 北京地区大气气溶胶的激光雷达观测及反演算法研究[J]. 北京大学学报(自然科学版), 2013, 49(3):426-434.

[11] 李礼,刘芮伶,翟崇治. 重庆主城区大气重污染形势的激光雷达探测与分析[J]. 环境工程学报,2013,7(11):4469-4474.

[12] 李红,马媛媛,杨毅. 基于激光雷达资料的小波变换法反演边界层高度的方法[J]. 干旱气象,2015,33(1):78-88.

[13] 胡向军,张镭,郑飞,等. 基于激光雷达资料的气溶胶辐射效应研究[J]. 干旱气象,2014,32(2):248-255.

[14] 宋嘉尧,张文煜,张宇,等. 基于微脉冲激光雷达观测资料的半干旱区沙尘天气消光效应分析[J]. 干旱气象,2013,31(4):672-676.

[15] 蔡仁,李如琦,唐冶,等. 支持向量机在乌鲁木齐污染物预报中的应用研究[J]. 沙漠与绿洲气象,2014,8(3):61-67.

[16] 王颖,梁依玲,王丽霞. 气象条件对污染物浓度分布影响的研究[J]. 沙漠与绿洲气象,2015,9(2):69-74.

[17] 秦福生,周岩,王淑琴,等. 郑州市主要污染物污染特征及污染趋势分析[J]. 气象与环境科学,2007,30(4):63-65.

[18] 张建忠,孙瑾,王冠岚,等. 北京地区空气质量指数时空分布特征及其与气象条件的关系[J]. 气象与环境科学,2014,37(1):33-39.

[19] 朱玉周,刘和平,郭学峰,等. 郑州市空气质量状况及冬季持续污染过程的气象机理分析[J]. 气象与环境科学,2009,32(3):47-50.

[20] 赵秀娟,姜华,王丽涛,等. 应用CMAQ模型解析河北南部城市的霾污染来源[J]. 环境科学学报,2012,32(10):2559-2567.

[21] 邓伟,陈怀亮,杨海鹰,等. Models-3/CMAQ模式对郑州市大气污染物的预报分析研究[J]. 气象与环境科学,2007,30(1):54-57.

[22] Ackermann J. The Extinction-to-Backscatter Ratio of Tropospheric Aerosol:A Numerical Study[J]. Journal of Atmospheric and Oceanic Technology, 2010,15(4):1043-1050.

[23] Hansen J E, Travis L D. Light scattering in planetary atmosphere[J]. Space Science Reviews, 1974,16(4):527-610.

[24] Fernald F G. Analysis of atmospheric lidar observations:some comments[J]. Applied Optics, 1984,23(5):652-653.

[25] Wang Z, Liu D, Xie C, et al. An Iterative Algorithm to Estimate LIDAR Ratio for Thin Cirrus Cloud over Aerosol Layer[J]. Journal of the Optical Society of Korea, 2011,15(3):209-215.

[26] Xiong X L, FengS, Jiang L H, et al. A novel method for determining the boundary value of theatmosphericextinction coefficient[J].Journal ofOptoelectronicsLaser, 2011,22(11):1699-1705.

[27] 吴奕霄,银燕,顾雪松,等. 南京北郊大气气溶胶的吸湿性观测研究[J]. 中国环境科学,2014,34(8):1938-1949.

[28] 伊宏. 大气辐射学基础[M]. 北京:气象出版社,1993.53-120.

[29] 张仪,李季,荀毓龙,等. 机载激光雷达测量实验报告[R]. 安徽:安徽中科院安徽光机所,2002.

Change of the Lidar Detection Data and PM2.5/PM10Concentration During a Heavy Air Pollution Process in Xingtai of Hebei Province

HAO Jufei1, LI Zhixia1, ZHANG Gongwen2, YANG Yunling1

(1.XingtaiMeteorologicalBureauofHebeiProvince,Xingtai054000,China;2.HandanMeteorologicalBureauofHebeiProvince,Handan056001,China)

Based on the lidar detection data during a heavy air pollution process occurring in Xingtai from October 11 to 23, 2015, the change characteristics of the concentration of atmospheric pollutants, retrieved atmospheric boundary layer (PBL), aerosol optical depth (AOD) and extinction coefficient by micro pulse lidar were analyzed. The results show that the negative correlation between PBL height and PM2.5concentration passed through the significance test when the influence of precipitation was eliminated, the lower the PBL height, the higher the PM2.5concentration. The correlation between PBL height and PM2.5concentration at night was better than that in the day due to less impact of human factors at night. The increase of air pollutants’ concentration could lead to significant increase of AOD and extinction coefficient, and the correlation between AOD and PM2.5concentration in the day was better than that at night, because of variations of AOD and PM2.5concentration caused by movement of atmospheric turbulence in the day was greater. Under the influence of precipitation and relative humidity, the air pollutants’ concentration declined, but AOD increased. The daily change of extinction coefficient at 300 m height was consistent with the ground pollutants’ concentration. Due to the diffusion capacity of pollutants near ground was stronger, a small extinction coefficient appeared near ground. Overall, with PBL height declining, AOD rising and the maximum of extinction coefficient increasing, the atmospheric quality of environment gradually deteriorated.

lidar; atmospheric boundary layer; aerosol optical depth; extinction coefficient

10.11755/j.issn.1006-7639(2016)-05-0796

2015-12-16；改回日期：2016-02-25

河北省气象科研项目(13KY32)和河北省邢台市气象科研项目(15xtky11)共同资助

郝巨飞(1981-)，男，陕西榆林人，工程师，主要从事环境气象研究. E-mail:dragonland@126.com

1006-7639(2016)-05-0796-07 DOI:10.11755/j.issn.1006-7639(2016)-05-0796

P407.5

A

郝巨飞，李芷霞，张功文，等.一次重污染天气过程的激光雷达探测数据与颗粒物浓度变化[J].干旱气象，2016，34(5)：796-802, [HAO Jufei, LI Zhixia, ZHANG Gongwen, et al. Change of the Lidar Detection Data and PM2.5/PM10Concentration During a Heavy Air Pollution Process in Xingtai of Hebei Province[J]. Journal of Arid Meteorology, 2016, 34(5):796-802],