川南城市群大气灰霾时空分布特征及成因分析

何沐全,刘志红,张 颖,张 洋,颜 妍,黄 观,张 娟,陈军辉,何 敏,范武波

(1.成都信息工程大学资源环境学院,四川 成都 610225；2.四川省环境保护科学研究院,四川 成都 610041；3.中国科学院遥感与数字地球研究所,北京 100101；4.中国科学技术大学地球和空间科学学院,安徽 合肥 230001)

川南城市群大气灰霾时空分布特征及成因分析

何沐全1,2,刘志红1*,张 颖1,张 洋3,颜 妍4,黄 观1,张 娟1,陈军辉2,何 敏2,范武波2

(1.成都信息工程大学资源环境学院,四川 成都 610225；2.四川省环境保护科学研究院,四川 成都 610041；3.中国科学院遥感与数字地球研究所,北京 100101；4.中国科学技术大学地球和空间科学学院,安徽 合肥 230001)

以2006～2015年四川南部的MODIS 3km AOD日产品及地面观测数据为基础,利用本地CE318数据对MODIS AOD产品进行校验,确保AOD产品的可用性;建立了AOD与PM2.5/10之间的关系模型,并重点分析了川南城市群的大气灰霾时空分布特征及其成因.结果表明: CE318AOD与MODIS AOD的相关性为0.779, PM2.5、PM10与MODIS AOD的最优相关性为0.894、0.83;在空间上,川南AOD均值呈现出北高南低的格局,其中内江市和自贡市AOD值最大;在时间上,2006～2013年AOD均值变化不明显,2013年后明显下降;季节上表现为春冬季高、夏秋季低,其中春季AOD高值占比最大;月变化特征表现为2～4、9月AOD值高,其他月AOD值低;川南AOD的时空分布受地形、工业、风向风速、流场、边界层高度等因素影响,其中地形和流场对川南AOD的空间分布影响最为突出.

MODIS；气溶胶；大气灰霾；时空分布；川南城市群

我国近二三十年中东部区域霾问题的日益严重, 主要是由人为排放的大气气溶胶显著增加所致[1].灰霾污染的频发,严重影响区域环境空气质量[2].监测方法方面,地面监测可以得到较为准确的气溶胶信息,但是目前这种方法只能在有限的区域进行,不能用来监测大范围气溶胶光学特性[3],而卫星遥感的多时效、宽领域、易获取及高分辨率等特性可以弥补地面监测的不足.

气溶胶光学厚度AOD指无云大气铅直气柱中气溶胶散射造成的消光系数在近地面到大气层顶垂直方向上的积分.MODIS是Terra和Aqua卫星上的一个探测器,目前使用该数据形成业务化的气溶胶光学厚度产品有10km和3km2种.四川盆地是中国西部的重要经济区,其经济发展带来的灰霾,及受地形因素与气象条件对其扩散的影响,是制约经济快速发展的关键因素,同时也关系到广大民众的切身利益.刘贞等[4]分析了中国北方地区气溶胶时间变化特征,得出MODIS数据在我国北方具有适用性,MODIS与CLIPSO反演的气溶胶时间变化特征基本一致且研究区域AOD最大值分别出现在夏、春季.刘璇等[5]结合卫星资料与地面监测数据对长江三角洲一次重霾过程展开分析,得出霾污染下AOD显著增长,气溶胶主要存在于近地面2km以下,小风与静稳天气是导致污染加重的主要原因.邓学良等[6]利用AERONET与MODIS数据分析了近年来华东地区大气气溶胶的时空特征,发现MODIS AOD与AERONET观测值相一致, AOD在时间上呈现出春夏季高,秋冬季低的特征,空间上与海拔高度成负相关.罗云峰等[7]研究了中国地区气溶胶光学厚度的分布和变化,发现四川盆地是我国重要的气溶胶光学厚度大值区之一.李成才等[8]利用MODIS AOD产品,分析了四川盆地光学厚度分布和季节变化特征,得到春季四川盆地具有最大的平均光学厚度且光学厚度全年平均值在0.7左右等结论.过去大量的研究工作表明,四川盆地气溶胶分布表现为川东、南平原高,川西高原低的现象,且大多数研究都是以四川盆地作为研究对象,对川南城市群的AOD研究工作却鲜有开展.川南城市群指四川南部的乐山市、泸州市、内江市、宜宾市和自贡市5大经济区, 是成渝经济区的核心区域之一,人口分布集中,工农业经济发达,环境污染也异常严峻.

本文以川南城市群作为研究区域,利用MODIS卫星数据、站点监测数据、大气污染源清单、气象统计资料及WRF数值预报模式,对近10年川南AOD的空间分布、年际变化、季节及月变化特征展开分析;研究MODIS AOD与监测数据的相关关系,结合边界层高度、风向风速、流场、逆温、相对湿度等气象参数与地形、经济发展贡献等多方面因素深入分析川南城市群大气污染物来源及扩散的成因,进一步认识川南气溶胶的特性及其气候效应,为四川盆地及周边城市灰霾天气防控和应对提供科学依据.

1 数据来源与处理

1.1 数据来源

本研究所用数据及来源如表1所示.

表1 数据来源信息Table 1 Sources of data information

1.2 数据处理

1.2.1 MODIS AOD数据处理 以四川省2006～ 2015年每日的MODIS 3km气溶胶光学厚度日产品作为基础数据,利用IDL 调用NASA提供的MCTK函数对原始图像进行重投影,结合ENVI的Layer Stacking功能对每个月多幅遥感影像重新组合成单个文件,在单个像元的基础上对每月多个波段提取有值像元并计算均值输出得到月均值图像,最后利用边界数据裁剪得到川南的AOD月均值.用此方法计算AOD季均值及年均值.

1.2.2 CE318AOD数据处理 因MODIS AOD产品是利用暗像元法反演得到的550nm数据,而地基CE318主要给出了1020nm、870nm、670nm及440nm的AOD值,根据Angstrom波长指数公式[9]

选择870nm和440nm2个不受水汽影响的波段,则有:

由(2)、(3)式可计算得到α和β,从而计算得到550nm的AOD.

本研究以成都市气象局(103.87°E,30.75°N)为中心,提取并计算10km范围内的MODIS AOD均值及卫星过境前后0.5h的CE318AOD数据,对匹配结果展开分析.

1.2.3 气象数据处理 以NCEP FNL(6h, 1°× 1°)资料为初始数据,在WRF模式中设置相应的物理参数化方案、模拟时间、边界数据及网格大小等参数,对研究区气象条件进行模拟,利用NCL对模拟结果进行后处理[10].

1.2.4 其他数据处理 PM2.5/10浓度数据主要是提取与MODIS时间相匹配的日均值;DEM数据则利用边界数据裁剪后绘制成专题图;颗粒物年排放量数据为四川省环境保护科学研究院提供的大气污染源清单.

2 MODIS AOD数据与PM2.5/10的关系分析

2.1 MODIS AOD 3km产品可用性分析

针对MODIS AOD产品用于分析地面大气污染的可行性研究,国内外学者做了大量的研究工作[11-16].NASA为了校验卫星遥感气溶胶的结果,在全球建立了一个气溶胶自动观测网(AERONET)[17].周春艳等[18]对比了MODIS 004与005气溶胶产品并分析了其在中国北方地区的适用性.齐玉磊等[19]研究了北方地区MODIS、MISR与AERONET的关系.王宏斌[20]等利用AERONET数据对MODIS气溶胶产品进行了验证.

地基CE318太阳光度计测得的辐射通量密度的变化来源于气溶胶及大气分子的消光[21],其测量原理与MODIS AOD相一致,因此可使用CE318数据对MODIS AOD产品进行可行性检验.

图1 成都市2007～2008年CE318AOD与MODIS AOD的线性关系Fig.1 The linear relation between Chengdu CE318AOD data and MODIS AOD product from2007 to 2008

图1是成都市2007～2008年CE318AOD数据与MODIS AOD时空匹配结果的线性关系,其相关系数为0.779,统计样本数为70组.分析表明,卫星遥感MODIS AOD产品与地面太阳光度计CE318的测量结果具有良好的相关性.

2.2 MODIS AOD数据与PM2.5/10的关系模型

国内颗粒物采样设备一般为单通道采样器,结合微振天平法,在一定的流量下测定滤膜质量的变化,进而监测大气中颗粒物(PM)质量浓度变化[22-23].MODIS传感器探测的是大气颗粒物对入射太阳光的消光,其AOD值与地面颗粒物监测数据在数值上存在一定的关系.张洋等[24]利用成都市MODIS L1B数据反演得到1km的AOD分别与PM2.5和PM10进行线性分析,经改正后相关系数分别达0.62、0.68.黄观等[25]对乌鲁木齐市的MODIS AOD进行垂直、湿度订正后,AOD与PM10的相关性达0.63.王家成等[26]对北京地区AOD进行粒子尺度校正和体积尺度校正后, AOD与PM2.5相关性达0.63,并得出混合层高度、相对湿度和区域差异对两者相关性有较大影响的结论.

本文利用泸州市与自贡市监测站2014年PM2.5/10日均浓度数据与AOD建立关系模型.提取市监测站10km内且云量小于10%的AOD,并分别与PM2.5、PM10建立线性关系. 图2是泸州市和自贡市2014年PM2.5/10日均浓度数据与AOD的线性分析.分析发现,晴空下的PM2.5/10日均浓度值与AOD值在数值上存在较好的线性关系,由于四川盆地的PM2.5颗粒物含量占总悬浮颗粒(TSP)的60%以上,因而PM2.5与AOD的相关系数明显高于PM10.因此,卫星遥感MODIS反演的气溶胶产品能较好的反映川南地面颗粒物污染情况,尤其是PM2.5的含量.

图2 泸州市和自贡市2014年PM2.5/10日均浓度数据与AOD的线性关系Fig.2 The linear relation between mean daily concentration data of PM2.5/10and AOD in Luzhou and Zigong in 2014

3 川南城市群AOD时空变化特征

3.1 川南城市群AOD空间分布特征

图3为2006～2015年川南AOD累计年均值空间分布.从图3可知,气溶胶高值区主要分布在川南北部,以内江市和自贡市最为严重.内江市有威远、资中、内江和隆昌4个县,除威远县西北部AOD＜0.8外,其他区域AOD均在0.9以上;其中在威远县西南、内江市南部出现最大值.自贡市为灰霾污染的重灾区,自贡市北部、富顺县北部及容县西南部AOD＞1.1;容县与威远县交界处气溶胶污染较轻.乐山市AOD高值区主要为乐山市北部、峨眉山东北部、夹江县、井研县和犍为北部,最大值分布在夹江县;乐山南部的金口河区、峨边彝族自治县、沐川县和马边彝族自治县AOD相对较小.宜宾市气溶胶光学厚度大于1.0的区域较少,主要分布在宜宾市北部;全市大部分地区AOD年均值在0.7左右,南面的屏山县、筠连县、兴文县等地区污染较轻.泸州市AOD＞1.0的区域主要位于泸州北部的泸县和泸州市,最大值分布在泸县的西北部和泸州市区附近;以泸州市为中心,气溶胶向周边的纳溪县、合江县扩散.

综上所述,川南气溶胶空间分布特征表现为北高南低,以城市为中心向四周递减,距离市区较偏远的地方AOD值明显减小.

3.2 川南城市群AOD时间变化特征

3.2.1 年变化特征 图4是2006～2015年川南5大城市AOD年均值变化趋势.从图4可知,2006、2010和2011年气溶胶污染相对比较严重, 2006～2009年有明显的下降,到2010年气溶胶污染加重;2013～2015年AOD值明显减小,尤其是2014年以后AOD值减小幅度尤为突出.比较各地级市的AOD值可以发现,内江市2006、2010、2011年AOD值均在1.0以上,除2014和2015年外其他年份的AOD值也都接近于1.0;5大城市中颗粒物污染最严重为自贡市,AOD年均值大于1.0的年份占50%,除2009年和2013年外,其他年份的AOD值均为当年各市最大值.乐山市、泸州市和宜宾市AOD值相对较小,且年际变化不大.

图3 2006～2015年川南AOD年均值空间分布Fig.3 Distribution of mean annual AOD in southern Sichuan from2006 to 2015

图4 2006～2015年川南AOD年均值变化趋势Fig.4 Variation trend of mean annual AOD in southern Sichuan from2006 to 2015

3.2.2 季节变化特征 图5是2006～2015年川南5大城市AOD 季均值变化趋势.季节划分标准为:春季(3～5月)、夏季(6～8月)、秋季(9～11月)、冬季(12～次年2月).从图5可以看出,川南地区气溶胶光学厚度四季分布表现为春冬高、夏秋低的季节性特征,其中春季气溶胶污染最为突出,在川南的北部多数地区AOD＞1.0,内江和自贡的AOD最高值达1.4以上;冬季气溶胶污染程度相对春季较弱,以自贡和内江为高值中心向四周递减,内江市、自贡市和泸州市的少数气溶胶重污染地区AOD＞1.3.与秋季相比,夏季AOD大于1.0的范围更广,大于1.3的区域主要位于乐山市北部和自贡市,其他大多数地区AOD＜0.9.秋季的气溶胶污染最弱,极少数地区AOD＞1.3. 除川南北部存在明显的季节变化外,其他地区AOD季节变化不明显.

图5 2006～2015年川南AOD季均值变化趋势Fig.5 Variation trend of mean seasonal AOD in southern Sichuan from2006 to 2015

3.2.3 月变化特征 图6为2006～2015年川南 AOD 月均值变化趋势.图中颜色较深的区域主要集中于2～4、9月份,表现为AOD的高值区,2、9月份部分地区AOD＞2.2. 5、8月份出现AOD＞1.0的区域占川南面积的50%以上,6、7月份稍有减弱.

图6 2006～2015年川南AOD月均值变化趋势Fig.6 Variation trend of mean monthly AOD in southern Sichuan from2006 to 2015

4 川南城市群AOD时空分布原因分析

4.1 地形对AOD空间分布的影响

图7 川南DEM地形分布Fig.7 Distribution of DE Min southern Sichuan

图7是由SRTMDEMUTM90m分辨率的DEM高程数据绘制得到川南地形分布.从图7可知,川南地形特征呈现出西部和南部为海拔较高的山地,中部及北部则为山地丘陵,最低海拔和最高海拔分别为140m,5544m,是典型的盆地地形.川南地形与气溶胶空间分布特征基本一致,表明气溶胶污染主要分布在低海拔地区,这些地方人口密度大,交通、工业发达;人类生产生活产生的油烟、道路扬尘、工业废气及秸秆燃烧排放的烟尘等会受到川南西部和南部的高山阻挡而在低海拔地区积聚,从而加剧低海拔地区的空气污染.

4.2 气象因素对川南AOD时空分布的影响

大气扩散理论和试验研究表明,在不同的气象条件下,同一污染源排放所造成的地面污染物浓度可相差几十倍乃至几百倍.这是大气对污染物扩散的稀释能力随着气象条件的不同而发生巨大变化的缘故.对气溶胶污染有较大影响的气象因素主要有风向风速、流场、边界层高度、相对湿度和逆温等.

4.2.1 风向风速 风速大小决定了污染物的扩散速度,而风向则确定了污染物的输入与输出.表2是四川盆地及全国其他重要城市的风速记录.从表2可知,四川盆地内各区域的地面风速比全国重要城市普遍偏小,各地地面风速年均值都在2m/s以下,特别是绵阳、成都、资阳、宜宾,年平均风速为0.8～1.4m/s.对比4个季度(1、4、7、10月)的月均风速可以发现,4月和7月的平均风速整体比其他月份大,1月和10月的风速相当,基本维持在1.0m/s左右;由于7月份风速大且常有降水发生,气溶胶受雨水冲刷而沉降,4月份主要是吹北风,北方的沙尘会带入盆地而导致气溶胶污染严重;这与MODIS分析的春冬季AOD高,夏秋季AOD低结论相一致.

表2 四川盆地主要城市及全国重要城市风速 (m/s)Table 2 The wind speed betweenthe major cities of Sichuanbasinand the important cities of China (m/s)

4.2.2 边界层高度 大气边界层是指对流层以下与地面直接耦合的气层,主要受下垫面的摩擦、蒸散、热量传递、污染物传输与地形扰动等因素影响[27].大气边界层对近地面气溶胶的扩散具有重要的指示意义[28].

图8是以NCEP FNL(6h, 1°× 1°)资料为基础数据,利用WRF模式模拟得到川南地形带上成都、资阳和泸州3个城市2011～2013年各季度的大气边界层月平均高度分布图,图中横坐标从左至右依次表示2011～2013年1、4、7、10月3个城市的月平均大气边界层高度.从图8可知,3个城市在2011～2013年均表现为秋冬季边界层高度低,春夏季高的特点.冬季边界层高度低,污染物易累积,夏季边界层高度比其他季节高且稳定,有利于污染物扩散.2011～2013年边界层高度整体增高与MODIS反演的AOD在2011～2013年减小相一致.

图8 四川省主要城市各季度的边界层高度Fig.8 The seasonal Planet Boundary Layer Height in the major cities of Sichuan

4.2.3 流场 气旋式流场使气流难以将污染物输送出盆地,容易形成盆地内城市间逆时针方向的上下风关系相互影响.图9是2013年四川盆地30m高度的季节平均流场分布.从图9可以看出,川南特殊的南高北低地形使川南北部形成气旋式涡旋,气旋式流场使污染物难以远距离扩散输送并形成涡旋——在自贡、内江、泸州、宜宾一带形成“污染物滞留区”.春季,涡旋中心主要在泸州一带;夏季,涡旋中心向西北移动到自贡、内江一带;秋季,涡旋中心在泸州-宜宾-自贡交界一带;冬季,涡旋中心在内江东部和泸州北部一带.结合表2和图9可以发现,内江和泸州平均风速比其他地方高,但内江及乐山主要吹北风,泸州吹南风,宜宾吹西风,在自贡和内江地区形成辐合区,气溶胶在风和流场的影响下在自贡和内江附近汇集,从而导致内江和自贡的AOD普遍偏高,同时乐山、宜宾和泸州等地与内江、自贡接壤的地区也会受到相应的影响.

图9 2013年四川盆地30m高度的季节平均流场分布Fig.9 Distribution of Sichuan basin mean seasonal flowfield of 30min 2013

4.2.4 相对湿度与逆温 灰尘等颗粒物作为水汽的凝结核,凝结后沉于大气低层,使得灰尘浓度升高,在足够的湿度和降温条件下形成雾,导致当地能见度下降并加剧大气污染[29-34].自贡、内江和泸州市在静风或微风时以及少云的夜晚,近地面层容易产生辐射逆温;逆温层中的气溶胶因不易扩散而大量积聚,空气质量差,导致污染加剧[35-38].

4.3 经济发展对AOD的贡献

川南作为四川的第二大经济区,城镇建筑、农业生产及工业等都相对发达,经济发展同时伴随环境污染加剧.

农业方面.何敏等[39]对四川秸秆燃烧的统计,2012年四川全省秸秆燃烧排放PM2.5总量达39277t,自贡、泸州、内江、乐山、宜宾PM2.5排放量分别为1621,2341,1969,1435,2777t,其中水稻、小麦、玉米和油菜的燃烧贡献率占88%以上.

机动车尾气排放是城市大气污染的重要来源.根据环统数据,2016年四川省机动车保有量达1400万辆,其中川南达到250万辆,仅次于成都.而研究表明[40],2012年成都市仅轻型汽油客车PM排放量达1600t,占大气污染物总排放量的18.1%.进而可推测,川南的机动车尾气排放对当地气溶胶污染贡献不容忽视.

工业方面.2007～2014年川南的颗粒物年排放总量平均值为88385.13t,其中乐山市年均排放总量最大达36073.12t,内江仅次于乐山市.2007～2014年川南整体的颗粒物年排放总量变化平稳,2007年排放总量最大达112214t,2011年以后明显下降.工业颗粒物排放来源主要有电厂、水泥厂、钢铁厂和制酒企业[41].

本文利用多年的MODIS卫星探测数据及地面观测数据深入分析了川南的气溶胶时空分布及其成因,并得出了相应的结论.根据研究结果建议相关部分应重视从排放源上进行大气污染治理.一方面,严格控制机动车保有量及相关企业的污染排放;另一方面,制定严格的秸秆焚烧惩罚措施,加大力度打击农作物收割季节的秸秆露天焚烧行为.

5 结论

5.1 MODIS AOD产品与地面太阳光度计(CE318)AOD的相关性为0.779,表明MODIS气溶胶产品可作为川南大气污染研究的基础数据.

5.2 MODIS气溶胶产品与PM2.5、PM10具有良好的线性关系,最高相关系数分别为0.894、0.83,表明MODIS气溶胶产品可以很好的反映近地面的颗粒物污染情况.

5.3 川南AOD空间分布特征表现为北高南低,以城市为高值中心向四周减小.自贡市和内江市的气溶胶污染最为严重,两市的大部分地区AOD年均值在1.0以上;乐山北部的夹江县、乐山市和井研县,宜宾的宜宾县北部、南溪县、江安县北部及泸州北部的泸县、泸州市为颗粒物污染严重区.

5.4 2006～2015年川南AOD年均值在0.5～0.8之间变化,2006～2013年AOD值变化平稳, 2013年后明显下降.川南气溶胶季节分布特征表现为春冬季高,夏秋季低,大部分地区AOD＜1.0,其中春季颗粒物污染最为突出.月变化特征表现为2～4、9月AOD值高,其他月AOD值低,最大值出现在4月份(AOD平均值达0.84).高海拔区AOD没有明显的时间变化.

5.5 川南地区AOD空间分布差异主要受地形因素和流场的影响,区域经济发展产生的颗粒物也占有一定的贡献.气溶胶年变化差异主要是由机动车尾气排放和工业颗粒物排放量年际变化引起;月际变化差异原因主要表现为2月份春节期间燃放鞭炮,3、4月份油菜秸秆焚烧与北方沙尘影响及8、9月份的水稻、玉米、小麦等秸秆焚烧,季节性差异主要是受春季的沙尘暴和本地扬尘,夏季的丰富降水,冬季低气温及静稳天气等影响.

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

[2] 王中挺,陈良富,厉 青,等.灰霾组分的多角度偏振反射特性模拟 [J]. 光学学报, 2015,35(9):9-17.

[3] 毛节泰,张军华,王美华.中国大气气溶胶研究综述 [J]. 气象学报, 2002,60(5):625-634.

[4] 刘 贞,郑有飞,刘建军,等.基于A-train卫星对中国北方地区气溶胶分布的研究 [J]. 中国环境科学, 2015,35(10):2891-2898.

[5] 刘 璇,朱 彬,侯雪伟,等.基于卫星遥感和地面观测资料的霾过程分析--以长江三角洲地区一次严重霾污染过程为例 [J].中国环境科学, 2015,35(3):641-651.

[6] 邓学良,邓伟涛,何冬燕.近年来华东地区大气气溶胶的时空特征 [J]. 大气科学学报, 2010,33(3):347-354.

[7] 罗云峰,李维亮,周秀骥.20世纪80年代中国地区大气气溶胶光学厚度的平均状况分析 [J]. 气象学报, 2001,59(1):77-87.

[8] 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.

[9] Kaskaoutis D G, Kambezidis H D, Hatzianastassiou N, et al. Aerosol climatology: dependence of the Angstromexponent on wavelength over four AERONET sites [J]. Atmospheric chemistry and physics discussions. 2007,7(3):7347-7397.

[10] 张 颖,刘志红,吕晓彤,等.四川盆地一次污染过程的WRF模式参数化方案最优配置 [J]. 环境科学学报, 2016,36(8):2819-2826.

[11] Lin C, Li Y, Yuan Z, et al. Using satellite remote sensing data to estimate the high-resolution distribution of ground-level PM2.5[J]. Remote Sensing of Environment, 2015,156:117-128.

[12] 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.

[13] Song W, Jia H, Huang J, et al. A satellite-based geographically weighted regression model for regional PM2.5estimation over the Pearl River Delta region in China [J]. Remote Sensing of Environment, 2014,154:1-7.

[14] 王莉莉,辛金元,王跃思,等.CSHNET观测网评估MODIS气溶胶产品在中国区域的适用性 [J]. 科学通报, 2007,52(4):477-486.

[15] 陈 艳,孙敬哲,张 武,等.兰州地区MODIS气溶胶光学厚度和空气污染指数相关性研究 [J]. 兰州大学学报(自然科学版), 2013,49(6):765-772.

[16] Wang J. Intercomparison between satellite-derived aerosol optical thickness and PM2.5mass: Implications for air quality studies [J]. Geophysical Research Letters, 2003,30(21):2095-2098.

[17] Holben B N, Eck T F, Slutsker I, et al. AERONET--A Federated Instrument Network and Data Archive for Aerosol Characterization [J]. Remote Sensing of Environment, 1998, 66(1):1-16.

[18] Zhou C Y, Liu Q H, Tang Y, et al. Comparison between MODIS aerosol product C004and C005and evaluation of their applicability in the north of China [J]. Journal of Remote Sensing, 2009,13(5):854-862.

[19] 齐玉磊,葛觐铭,黄建平.北方地区MODIS和MISR与AERONET气溶胶光学厚度的比较及其时空分布分析 [J]. 科学通报, 2013,58(17):1670-1679.

[20] 王宏斌,张 镭,焦圣明,等.基于AERONET观测资料对MODIS气溶胶产品的验证 [N]. 北京, 2014.

[21] 张 洋.基于多源卫星遥感的四川成都地区气溶胶光学厚度反演 [D]. 成都信息工程大学, 2015.

[22] 张展毅,李丰果,杨冠玲,等.大气颗粒物浓度自动监测仪器的研制及性能比对测试 [J]. 北京大学学报(自然科学版), 2006, 42(6):767-773.

[23] 桂华侨.大气细颗粒物在线监测关键技术及产业化 [J]. 科技创新与品牌, 2016,(4):63-64.

[24] 张 洋,刘志红,于明洋,等.四川省气溶胶光学厚度时空分布特征 [J]. 四川环境, 2014,33(3):48-53.

[25] 黄 观,刘 伟,刘志红,等.乌鲁木齐市MODIS气溶胶光学厚度与PM10浓度关系模型研究 [J]. 环境科学学报, 2016,36(2): 649-657.

[26] 王家成,朱成杰,朱 勇,等.北京地区多气溶胶遥感参量与PM2.5相关性研究 [J]. 中国环境科学, 2015,35(7):1947-1956.

[27] Stull Roland B,赵长新.边界层气象学导论 [M]. 北京:气象出版社, 1991.

[28] 王耀庭,李 威,张小玲,等.北京城区夏季静稳天气下大气边界层与大气污染的关系 [J]. 环境科学研究, 2012,25(10):1092-1098.

[29] 杨 军,李子华,黄世鸿.相对湿度对大气气溶胶粒子短波辐射特性的影响 [J]. 大气科学, 1999,23(2):239-247.

[30] 董 真,黄世鸿,李子华.相对湿度对大气气溶胶可见辐射吸收的影响 [J]. 气象科学, 2000,20(4):487-493.

[31] 张立盛,石广玉.相对湿度对气溶胶辐射特性和辐射强迫的影响[J]. 气象学报, 2002,60(2):230-237.

[32] 荣艳敏,银 燕.对流云对大气气溶胶和相对湿度变化响应的数值模拟 [J]. 大气科学, 2010,34(4):815-826.

[33] 姚 青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响 [J]. 中国环境科学, 2014,34(3):596-603.

[34] 于兴娜,马 佳,朱 彬,等.南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响 [J]. 环境科学, 2015,36(6): 1919-1925.

[35] 丁国安,陈尊裕,高志球,等.北京城区低层大气PM10和PM2.5垂直结构及其动力特征 [J]. 中国科学D辑, 2005,35(S1):31-44.

[36] 毛晓琴.上海地区灰霾天气气溶胶物理特性研究 [D]. 上海:东华大学, 2010.

[37] 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.

[38] 李义宇.华北夏季气溶胶与云微物理特征的飞机观测研究 [D].南京:南京信息工程大学, 2015.

[39] 何 敏,王幸锐,韩 丽,等.四川省秸秆露天焚烧污染物排放清单及时空分布特征 [J]. 环境科学, 2015,36(4):1208-1216.

[40] 陈军辉,范武波,钱 骏,等.利用IVE模型建立成都市轻型汽油客车排放清单 [J]. 环境科学学报, 2015,35(7):2016-2024.

[41] 何 敏,王幸锐,韩 丽.四川省大气固定污染源排放清单及特征 [J]. 环境科学学报, 2013,33(11):3127-3137.

Analyses on the spatial-temporal distribu tion features and causing factors of atmospheric haze in the southerncity-groupof Sichuan.

HE Mu-quan1,2, LIU Zhi-hong1*, ZHANG Ying1, ZHANG Yang3, YAN Yan4, HUANG Guan1, ZHANG Juan1, CHEN Jun-hui2, HE Min2, FAN Wu-bo2
(1.School of Resources and Environment, Chengdu University of Information Technology, Chengdu 610225, China；2.Sichuan Academy of Environmental Sciences, Chengdu, 610041, China；3.Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China；4.School of Earth and Space Science, University of Science and Technology of China, Hefei 230001, China). China Environmental Science, 2017,37(2)：432～442

This study checked the quality of MODIS 3kmAOD daily data using the local CE318 data in southern Sichuan. After ensuring the availability of MODIS AOD product, the relationship model of MODIS AOD and PM2.5/10was set up. And the temporal-spatial characteristics of atmospheric haze in the city group of Southern Sichuan were analyzed. The correlation coefficient between CE318AOD data and MODIS AOD product was 0.779, and the optimal correlation coefficient between PM2.5, PM10and MODIS AOD was 0.894, 0.83 respectively. Spatially, the value of average AOD in the northern region was higher than the southern region of southern Sichuan, and the cities with highest AOD were Neijiang and Zigong. Temporally, the averaged AOD had no significant change from2006 to 2013, but decreased obviously after 2013. A lso the averaged AOD was higher in spring and winter, but lower in summer and autumn, and the largest proportion of high value was in spring. The monthly variation features showed that the AOD value was high fromFebruary to April and September and lowin other months. The temporal and spatial distribution of AOD in Southern Sichuan were affected by terrain, industrial, wind speed and direction, flowfield, PBL and other factors, among which, the terrain and flowfield were the most prominent factors.

MODIS；aerosol；haze；the spatial-temporal distribution；the southern city-group of Sichuan

X513

A

1000-6923(2017)02-0432-11

何沐全(1991-),男,广东韶关人,成都信息工程大学硕士研究生,主要从事大气气溶胶遥感与大气环境模式模拟.

2016-06-19

四川盆地城市群大气复合污染”诊断”与联防联控模拟研究(2015GZ0241),四川省社会科学规划重大项目(SC15ZD01)

* 责任作者, 教授, wxzlzh@cuit.edu.cn