秋季秸秆焚烧对京津冀地区霾污染过程的影响分析

程良晓,范 萌,陈良富,江 涛,苏 林

秋季秸秆焚烧对京津冀地区霾污染过程的影响分析

程良晓1,2,范 萌2*,陈良富2,江 涛1,苏 林2

(1.山东科技大学测绘科学与工程学院,山东青岛 266590；2.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)

以2016年10月份京津冀地区一次持续5d(10月12~16日)的严重污染过程为例,综合卫星数据、污染物地面监测站点数据、气溶胶地基观测数据以及气象数据,分析山东、河南、山西等周边地区的秸秆焚烧对京津冀霾天气的影响.研究表明,京津冀地区污染时期的CALIPSO(Cloud-Aerosols Lidar and Infrared Pathfinder Satellite Observations,云-气溶胶激光雷达和红外探测卫星)气溶胶组分含有大量煤烟型气溶胶,AERONET(AEROsol robotic NETwork)Beijing站观测数据显示13日气溶胶体积数浓度谱呈现双峰分布,细粒子峰值半径为0.33μm,峰值体积浓度为0.145μm3/μm2.14日气溶胶谱基本呈现单峰分布,细粒子占主导地位,体积浓度达到0.34μm3/μm2.污染物地面监测站点数据显示PM2.5、CO和SO2浓度均显著增加,峰值浓度分别为339μg/m3、2mg/m3、20μg/m3;CO、PM10、PM2.5与秸秆焚烧火点数量之间的相关系数分别为0.65、0.79和0.68,说明本次污染与周边地区的秸秆焚烧的污染物传输有关.HYPLIST(Hybrid Single Particle Lagrangian Integrated Trajectory Model,拉格朗日混合单粒子轨道模型)后向轨迹分析表明,14日到达京津冀地区的气团均经过秸秆焚烧地区,气团中会携带大量秸秆焚烧产生的污染气体和颗粒物,加重京津冀地区地区霾污染过程.此外,污染过程中地面风场较弱,以静小风为主,平均风速1m/s,不利于污染物扩散和稀释;底层大气湿度较大,平均相对湿度77.8%,高湿的大气环境促进了气溶胶吸湿增长和污染物聚集,导致污染加剧;大气稳定度高,对流运动较弱,稳定的大气条件不利于污染物扩散,使得污染过程延长.因此,本次重污染天气归因于自然和人为因素共同作用的结果,即人为秸秆焚烧导致的本地污染源排放和传输、机动车尾气等本地污染物、京津冀地区的静稳大气和近地面丰富的大气水汽共同作用的结果.

秸秆焚烧；霾；京津冀

根据国际气象组织的明确规定:霾被定义为日均能见度小于10km,日均相对湿度小于80%,并排除降水等其他能导致低能见度时的大气灰霾的日子(WMO,2005).近些年,随着我国经济社会发展,城市化水平的提高,工业污染排放加剧;汽车保有量提高,汽车尾气的排放增多.大量的污染物排放到大气中,导致我国部分地区霾天气日不断增加,特别是长江三角洲、珠江三角洲以及京津冀地区等经济发达区域[1-3].但是,由于不同区域的经济发展水平不同,所处的地理位置、气候和环境也有差异,使得导致这些区域霾天气发生的污染物种类和来源也不尽相同[4-7].

秸秆焚烧等露天生物质燃烧会产生大量气态污染物(如CO、SO2、NO等)以及颗粒物,这些污染物会对大气环境、气候以及生态系统产生重要影响[8-9].近几年,对秸秆焚烧导致霾天气的研究也已经开展.朱彬等[10]分析了2008年10月发生在南京及其周边地区的一次严重的空气污染事件,认为苏中和苏北地区秸秆焚烧污染物的输送和不利于污染物扩散的气象条件是导致这次大气污染事件的主要原因.周悦等[11]研究了2014年6月发生在湖北省中东部地区的重度霾天气,认为安徽省北部大面积秸秆焚烧所形成污染气团的输送是导致此次霾天气的主要原因.然而,对秸秆焚烧导致霾天气的研究区域主要集中在华东[10-13]和华中[11]地区,对华北地区特别是对京津冀地区的研究还比较有限.目前,已有学者对京津冀地区的霾污染过程进行分析,着重分析各种污染物浓度的变化特征[14-15].程念亮等[16]针对北京市2014年秋季4次重污染过程进行了分析,研究表明来自河北、山西、河南的外来污染物输送对北京市的污染贡献较大.

我国北方地区秸秆焚烧主要集中在夏秋季节[9],由秸秆焚烧导致或加重的污染过程也主要发生在秋季.本研究针对2016年10月京津冀地区一次持续5d(12~16日)的严重污染过程,综合卫星数据、地面监测站点污染物观测数据以及气象数据,分析山东、河南、山西等周边地区的秸秆焚烧对京津冀地区霾天气的影响.

1 资料与方法

根据图1卫星真彩图和图2北京市能见度数据,本文选取了2016年10月12~16日这一重污染过程进行研究,分析了秸秆焚烧对京津冀及其周边地区空气质量的影响.热异常点数据使用的是NOAA发布的分辨率为375m的VIIRS (Visible Infrared Imaging Radiometer Suite,可见光红外成像辐射仪)热异常产品(本产品在反演过程中剔除了云覆盖的影响)[6],通过叠加土地利用类型数据得到秸秆焚烧点的经纬度等信息.作为接替MODIS(MODerate-resolution Imaging Spectroradiometer中分辨率成像光谱仪)的新一代传感器,VIIRS具备更高的空间分辨率,对面积较小的热源也更为敏感,因此,VIIRS也更适合于秸秆焚烧点的监测.

为了分析重污染过程中京津冀及周边地区颗粒物、污染气体和气象条件的变化,本文还获取了同时段的由中国环境监测总站发布的PM10、PM2.5、CO、NO2、SO2和O3等6种标准污染物的地面站点监测数据(http://www.cnemc. cn/),CALIPSO(Cloud-Aerosols Lidar and Infrared Pathfinder Satellite Observations,云-气溶胶激光雷达和红外探测卫星)标准气溶胶垂直廓线产品,AERONET beijing站气溶胶观测数据(http://aeronet.gsfc.nasa.gov/),中国气象数据网发布的全球地面气象站定时观测地风速风向资料(http://data.cma.cn/),以及俄怀明大学发布的地面气象站获取的探空气象资料(http://weather. uwyo.edu/surface/meteorogram/).同时,使用了NOAA的HYSPLIT后向轨迹重点分析了污染成因及其传输过程.

2 污染过程概况

2.1 秸秆焚烧时空分布特征

由图1可以看出,2016年10月12~16日整个污染过程中,霾基本覆盖了北京市和天津市,以及山西省大部分、河南省北部、山东省西部、河北省中部和南部等地区.图2为由美国俄怀明大学官网获取的2016年10月北京地区能见度变化,可以看出本次重污染过程具有一定的突发性,能见度在10月12日显著降低,且在整个霾污染过程中一直处于非常低的水平.整个重污染过程中,北京市能见度均不足10km,特别是13~15日,能见度均小于5km,平均能见度仅为2.2km.

本文统计了山东、山西、河南、河北、北京和天津6个省市2016年10月12~16日每天的秸秆焚烧数量(图1中部分省份秸秆焚烧数量为0主要由云覆盖所致).结合图3可以看出秸秆焚烧最多的是河北省,其次是山西省,然后是山东省.从秸秆焚烧点分布情况(如图1所示)看,山东省秸秆焚烧点均匀的分散在中部地区,东部沿海城市基本没有发现秸秆焚烧点;河北省秸秆焚烧点主要集中在邯郸、邢台和唐山等地区;河南省秸秆焚烧点主要集中在中部地区和北部省界边缘;山西省秸秆焚烧点主要集中在中部太原盆地,南部临汾盆地以及东南部长治盆地.

2.2 气溶胶成分分析

国外一些学者利用CALIPSO卫星数据开展了大量生物质燃烧时气溶胶特性的研究[17-20],相关结果均说明CALIPSO数据在确定气溶胶散射特性和气溶胶类型方面的适用性和重要作用.2016年10月12、13日京津冀地区的CALIPSO观测结果如图4所示,其中图4(a)、(c)和(e)为CALIPSO激光雷达532nm后向散射系数.后向散射系数用于衡量大气中的气溶胶粒子对光的散射能力,通过不同的取值判断粒子的种类,其值越大则表明大气中颗粒物的散射能力越强,反之则越弱[21].从图4(a)和(c)可以看出,相较于2016年8月26日晴天的后向散射(图4(e)),京津冀地区(36.2°N~42.7°N,113°E~119°E) 2km~3km高度处后向散射大,表明这个高度范围内的大气中颗粒物散射能力强.虽然秸秆焚烧排放的黑碳气溶胶具有较强的吸收性,但图4(a)和(c)红色方框中却表现出气溶胶较强的散射特性,这主要是由于秸秆焚烧排放的黑碳粒子与长距离传输至京津冀地区上空且散射较强的沙尘粒子混合所导致的[22-23].图4(b)、(d)和(f)为CALIPSO探测得到的气溶胶组分.如图4(b)和(d)所示,在霾污染覆盖区的底层和中层大气中CALIPSO监测到的气溶胶类型为煤烟型气溶胶,这说明了10月12至13日期间该地区存在有大量人为秸秆焚烧活动,且在秸秆焚烧过程中向大气中排放的大量吸收性较强的黑碳气溶胶粒子,被垂直输送到了5km大气层处,进一步加重了大气污染.

AERONET是美国国家航空航天局在全球建立的对气溶胶光学特性进行连续观测的观测网.本文获取北京地区Beijing(39.977°N, 116.381°E) AERONET站点的数据,由于观测条件的限制,只有10月13日和10月14日的数据可用,另外选择2016年10月31日晴朗天气作为对比,数据质量均为Level1.5级.图5为3个日期的气溶胶粒子体积数浓度谱.从图上可以看出,13日污染期间气溶胶谱均呈现双峰分布,细粒子峰值半径为0.33μm,峰值数浓度为0.145μm3/μm2,粗粒子峰值半径为2.94μm.到了污染最严重的14日,浓度谱基本呈现单峰分布,细粒子占主导地位,细粒子峰值半径依然是0.33μm,但是其数浓度却达到0.34μm3/μm2,是13日的2倍多.对比10月31日非污染天气的谱分布,不仅呈现出粗粒子占主导的趋势,而且无论是细粒子还是粗粒子,其数浓度均不超过0.025μm3/μm2.可见,北京周边地区秸秆焚烧过程产生的大量细粒子会通过传输到达北京地区,加重北京地区的大气污染状况.

3 污染过程分析

3.1 污染物变化特征分析

在本次重污染过程中,以北京市为例(图6),PM2.5浓度变化与能见度呈反相关关系.北京市10月12日白天PM2.5浓度低于100μg/m3,19:00后,浓度开始超过100μg/m3并逐渐上升,到13日15:00,浓度开始大于环保部规定的空气质量PM2.5分指数浓度限值150μg/m3,已经达到中度污染的水平[24].14日污染状况继续恶化,PM2.5浓度持续升高,最终在20:00达到整个污染过程的峰值浓度339μg/m3.CO的变化趋势与PM2.5的变化趋势比较类似,二者相关系数为0.57.这是因为CO是秸秆焚烧过程中排放量最多的污染气体[25-26],其排放量仅次于PM10和PM2.5[11]. SO2与其他4种污染物的变化趋势不同,主要是因为华北平原秋季秸秆焚烧的主要秸秆为玉米秸秆,李建峰等[25]、彭立群等[26]研究表明,玉米秸秆焚烧的SO2排放因子为0.44g/kg,排放量较少.此外,可以看到SO2浓度在本次重污染过程中显著增加,且在5d内有4次峰值,峰值浓度都在15~ 20μg/m3之间,但是随着其在传输和扩散的过程中参加多相化学反应,不断转化为硫酸盐[11],所以浓度不断减小且变化趋向平稳.NO2的质量浓度变化趋势存在明显的日变化,这是由于NO2浓度主要受本地汽车尾气排放和光照影响,受外来传输影响并不大.说明本地污染物排放对这次污染过程也有较大贡献.

3.2 污染传输过程分析

利用HYSPLIT轨迹模型对2016年10月12~16日严重污染过程的污染物输送过程进行24h后向模拟,气团高度分别设定为100m、500m和1000m,分别代表底层、中层和高层气团的走向.选取北京市、天津市、河北省石家庄市行政区所在经纬度为后向轨迹终点,模拟结果如图7所示,图中还叠加了过去24h的秸秆焚烧火点.

图7结果表明,10月12日的气团都来自于东北方向,到达北京的中低气团快速从渤海上空穿过,带来大量水汽,增加了底层大气湿度.13日的气团主要来自于西南方向,多数起源于山西境内,跨过太行山脉进入京津冀地区.14日,石家庄和天津市1000m气团均来自安徽省东部,期间向西北方向快速通过河南省,然后向东北方向转折进入河北省;北京市和石家庄市的500m气团均来自山东与河南交界处.15日气团主要来自南部山东和河南,气团轨迹路程较短,说明运动较缓慢,也说明大气条件比较稳定,不利于污染物扩散.16日到达北京和石家庄的气团主要来自内蒙古中部地区,且有明显的下沉运动.

后向轨迹分析表明,14日到达京津冀地区的气团均经过秸秆焚烧地区,特别是到达北京市和石家庄市的气团,主要来自于秸秆焚烧密集区,这些气团中携带大量秸秆焚烧产生的污染气体和颗粒物,进一步加重了这一地区的污染水平,这也就是北京市PM2.5浓度在14日达到峰值的主要原因之一.16日气团主要来自西北地区,且运动速度较快,有利于污染物扩散,同时,由于15日秸秆焚烧点较少,污染物传输较少,所以16日污染逐渐好转.

3.3 火点数与污染物相关分析

根据PM2.5浓度日均值是否大于75μg/m3,将10月份分为污染天气和非污染天气,其中污染天气15d,非污染天气16d.分别统计两种天气情况下当日秸秆焚烧火点数量与当日CO、PM10和PM2.5浓度日均值之间的相关性.结果如图8所示,可以看出无论是污染天气还是非污染天气,秸秆焚烧火点数与污染物浓度之间的相关性都较差.然而,考虑到秸秆焚烧产生的污染物随着气团传输到北京地区需要一定的时间,将当日的污染物浓度对应于前一日的秸秆焚烧火点数,再次进行统计分析,结果如图9所示,从图上可以看出,无论是污染天气还是非污染天气,秸秆焚烧火点数与污染物浓度之间的相关性都呈现明显的正相关关系,其中,在非污染天气的情况下,秸秆焚烧火点数与CO、PM10和PM2.5之间的相关性分别为0.39、0.48和0.41;在污染天气的情况下,火点数与3种污染物之间的相关性显著增加,分别能达到0.65、0.79和0.68.这说明北京地区空气质量状况受周边地区秸秆焚烧的影响很严重,当周边地区秸秆焚烧严重的时候,北京地区由于污染物的传输过程不可避免会受到影响.

4 气象条件影响分析

4.1 地表风场情况

近地面风场情况对大气中污染物的稀释和扩散具有重要作用[27],当地面风速较大时,如果风向为污染源方向,不仅不会改善污染状态,还有可能加剧污染;如果风向为污染源的反方向,则对污染物的扩散和稀释起到较好的效果.风速风向数据来源于中国气象数据网,为基于地面气象站定时观测的风速风向资料,从图10可以看出, 12~15日平均风速均为1m/s,16日平均风速为1.5m/s,最大风速为4m/s,霾污染期间北京市风力较弱,以静小风为主,风速大多不足2m/s,大于2m/s的频率不足10%.其中,西南风占38%,东北风占35%.但是大风速一般来自西南方向,是秸秆焚烧密集的污染源方向,这不仅对改善污染没有太大作用,还会加剧污染物向北京地区的输送.

4.2 近地面湿度情况

大气水汽是影响气溶胶颗粒形态及光学性质变化的重要因素之一[28],气溶胶粒子的吸湿增长,直接导致能见度迅速下降[29].湿度数据来源于俄怀明大学大气科学部网站,为全球地面站探空数据.从图11可以看出,10月12日00:00近地面相对湿度约为70%,12:00稍有降低.而13~15日12:00相对湿度均高于80%,0时的相对湿度则均达到90%以上.一般正午太阳照射最为充分,大气湿度应该降低,然而污染过程中5d 12:00的平均相对湿度为77.8%,高湿的环境有利于颗粒物特别是黑碳颗粒吸湿增长.可见,除了外来污染物输送,大气底层持续较高的相对湿度也是加重本次重污染过程的重要原因之一.

4.3 大气稳定度

大气稳定度在研究污染物在大气中的迁移转化规律中起到重要的作用,大气是否稳定直接影响污染物的扩散过程,大气层结越稳定,污染物越不容易扩散[30].基于俄怀明大学发布的地面气象站获取的探空气象资料,本文选取了反映大气层结稳定度的三个参数(沙氏指数、抬升指数、K指数),对2016年10月12~16日污染物扩散条件进行分析.温度露点差是温度与露点温度的差值,其值越小表示湿度越大,从图12可以看出,近地面露点温度差普遍较小,反映出近地面湿度较大.此外,污染过程中低层大气中都出现了逆温层,逆温层的存在使得大气处于稳定状态,不利于污染物扩散[31].同时可以看出在近地面温度露点差很小,空气湿度大,颗粒物吸湿增长,有助于霾天气的形成.图13可以看到,10月14日沙氏指数最大(9.71),抬升指数(2.31)也较高,同时K指数(9.7)较低,说明当天大气层结稳定,不利于污染物扩散.因此,在外来污染物传输和本地污染物排放的作用下,加上不利的气象条件,最终导致本次严重的污染过程.

5 结论

5.1 2016年10月12~16日京津冀地区重污染过程中秸秆焚烧火点主要集中于山西中部和南部地区、河北大部分地区和山东中部地区,以及河南中部和北部地区,北京和天津地区并未监测到大量秸秆焚烧点.10月12~16日检测到的秸秆焚烧火点个数从高到低分别为:河北(970个),山西(588个),山东(235个),河南(93个),天津(43个),北京(7个).

5.2 2016年10月13~15日,北京地区能见度均小于5km,平均能见度仅为2.2km.同时,PM2.5浓度均高于100μg/m3.14日PM2.5浓度达到整个重污染过程的峰值339μg/m3.通过对污染时期的气溶胶组分进行分析,发现京津冀地区含有大量煤烟型气溶胶,秸秆焚烧过程中向大气中排放的大量吸收性较强的黑碳气溶胶粒子被垂直输送到了对流层大气中,进一步加重了大气污染.

5.3 通过对各种污染物的变化过程和进行分析,发现PM2.5、SO2、CO等污染物均在重污染过程中有显著增加.CO、PM10和PM2.5与火点数量之间的相关系数分别为0.65、0.79和0.68.除本地污染物积聚影响外,通过使用模式模拟后向轨迹对污染物的传输进行分析,发现14日到达京津冀地区的气团均经过秸秆焚烧地区,特别是到达北京市和石家庄市的气团,主要来自于秸秆焚烧密集区,这些气团中会携带大量秸秆焚烧产生的污染气体和颗粒物.

5.4 通过对污染物的扩散条件分析,发现北京地区霾污染期间地面风场较弱,以静小风为主,不利于污染物扩散和稀释;底层大气湿度较大,高湿的大气环境有利于气溶胶颗粒物吸湿增长和污染物聚集,导致污染加剧;大气稳定度高,对流运动较弱,稳定的大气条件不利于污染物扩散,使得污染过程延长.

5.5 可将本次重污染天气归因于自然和人为因素共同作用的结果,即人为秸秆焚烧导致的本地污染源排放和传输、机动车尾气等本地污染物、京津冀地区的静稳大气和近地面丰富的大气水汽共同作用的结果.

[1] 区宇波,岳玎利,张 涛,等.珠三角秋冬季节长时间灰霾污染特性与成因[J]. 中国环境监测, 2014,30(5):16-20.

[2] 朱佳雷,王体健,邓君俊,等.长三角地区秸秆焚烧污染物排放清单及其在重霾污染天气模拟中的应用[J]. 环境科学学报, 2012,32(12):3045-3055.

[3] 赵普生,徐晓峰,孟 伟,等.京津冀区域霾天气特征[J]. 中国环境科学, 2012,32(1):31-36.

[4] 陈烨鑫,朱 彬,尹 聪,等.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[J]. 中国环境科学, 2014,34(4): 827-836.

[5] 高星星,陈 艳,张 武.2006~2015年中国华北地区气溶胶的垂直分布特征[J]. 中国环境科学, 2016,36(8):2241-2250.

[6] 王 朔,赵卫雄,徐学哲,等.北京一次严重雾霾过程气溶胶光学特性与气象条件[J]. 中国环境科学, 2016,36(5):1305-1312.

[7] 王新辉,苏 林,陶明辉,等.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[J]. 中国环境科学, 2016,36(6): 1610-1620.

[8] 陆 炳,孔少飞,韩 斌,等.2007年中国大陆地区生物质燃烧排放污染物清单[J]. 中国环境科学, 2011,31(2):186-194.

[9] 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.

[10] 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空气污染过程的分析[J]. 中国环境科学, 2010,30(5): 585-592.

[11] 周 悦,岳岩裕,李 兰,等.秸秆焚烧导致湖北中东部一次严重霾天气过程的分析[J]. 气候与环境研究, 2016,21(2):141-152.

[12] 宋京京,吴序鹏,夏祥鳌.华东农田秸秆燃烧对常州大气环境的影响[J]. 气象与环境科学, 2016,39(2):18-25.

[13] 严文莲,刘端阳,孙 燕,等.秸秆焚烧导致的江苏持续雾霾天气过程分析[J]. 气候与环境研究, 2014,19(2):237-247.

[14] 刘庆阳,刘艳菊,杨 峥,等.北京城郊冬季一次大气重污染过程颗粒物的污染特征[J]. 环境科学学报, 2014,34(1):12-18.

[15] 田 伟,唐贵谦,王莉莉,等.北京秋季一次典型大气污染过程多站点分析[J]. 气候与环境研究, 2013,18(5):595-606.

[16] 程念亮,李云婷,张大伟,等.2014年10月北京市4次典型空气重污染过程成因分析[J]. 环境科学研究, 2015,28(2):163-170.

[17] Tariq S, Ul-Haq Z, Ali M. Analysis of optical and physical properties of aerosols during crop residue burning event of October 2010 over Lahore, Pakistan [J]. Atmospheric Pollution Research, 2015,6(6):969-978.

[18] Vijayakumar K, Safai P D, Devara P C S, et al. Effects of agriculture crop residue burning on aerosol properties and long- range transport over northern India: A study using satellite data and model simulations [J]. Atmospheric Research, 2016,178: 155-163.

[19] Vijayakumar K, Devara P C S. Optical exploration of biomass burning aerosols over a high-altitude station by combining ground-based and satellite data [J]. Journal of Aerosol Science, 2014,72:1-13.

[20] You W, Zang Z L, Zhang L F, et al. Estimating ground-level PM10concentration in northwestern China using geographically weighted regression based on satellite AOD combined with CALIPSO and MODIS fire count [J]. Remote Sensing of Environment, 2015,168:276-285.

[21] Omar A H, Winker D M, Kittaka C, et al. The CALIPSO Automated Aerosol Classification and Lidar Ratio Selection Algorithm [J]. Journal of Atmospheric and Oceanic Technology, 2009,26(10):1994-2014.

[22] Sloane C S. Optical-Properties of Aerosols - Comparison of Measurements with Model-Calculations [J]. Atmospheric Environment, 1983,17(2):409-416.

[23] 刘 聪,苏 林,张朝阳,等.星载激光雷达对气溶胶垂直分布的对比分析[J]. 中国激光, 2015,42(4):280-289.

[24] GB 3095-2012 环境空气质量标准 [S].

[25] 李建峰,宋 宇,李蒙蒙,等.江汉平原秸秆焚烧污染物排放的估算[J]. 北京大学学报(自然科学版), 2015,61(4):647-656.

[26] 彭立群,张 强,贺克斌.基于调查的中国秸秆露天焚烧污染物排放清单[J]. 环境科学研究, 2016,29(8):1109-1118.

[27] 郭 蕊,段 浩,马翠平,等.河北中南部连续12d重霾污染天气过程特征及影响因素分析[J]. 气象, 2016,42(5):589-597.

[28] 陶金花,王子峰,徐 谦,等.北京地区颗粒物质量消光吸湿增长模型研究[J]. 遥感学报, 2015,19(1):12-24.

[29] 叶兴南,陈建民.灰霾与颗粒物吸湿增长[J]. 自然杂志, 2013, 36(5):337-341.

[30] 周淑贞,张如一,张 超.气象学与气候学(第三版) [M]. 北京:高等教育出版社, 1997:15-17.

[31] 张人禾,李 强,张若楠.2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学:地球科学, 2014,65(1): 27-36.

致谢：感谢Chen和Goloub等对于AERONET北京站所做的贡献.

Effects on the haze pollution from autumn crop residue burning over the Jing-Jin-Ji Region.

CHENG Liang-Xiao1,2, FAN Meng2*, CHEN Liang-Fu2, JIANG Tao1, SU Lin2

(1.College of Geomatics, Shandong University of Science and Technology, Qingdao 266590, China；2.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, China Academy of Sciences, Beijing 100101, China)., 2017,37(8)：2801~2812

Remote sensing data, ground monitoring data, meteorological data were used for analyzing effects on the haze pollution from autumn crop residue burning over the Jing-Jin-Ji region during the period from October 12thto 16thin 2016. Results indicate that smoke aerosol was found in the atmosphere based on the CALIPSO aerosol subtype products, which means this heavy pollution process was related to the pollutant transmission from the crop residue burning in the surrounding regions. Measurements of AERONET (aerosol robotic network) Beijing site show that aerosol volume size distribution was characterized by bio-modal distribution on October 13th, and the volume median radii and concentration of fine aerosol mode were 0.33μm and 0.145μm3/μm2, respectively. Meanwhile, aerosol volume size distribution was characterized by unimodal distribution on October 14th, and the volume concentration of fine aerosol mode reached 0.34μm3/μm2. According to the ground monitoring data, the concentrations of PM2.5, CO and SO2increased significantly, and the largest values were 339μg/m3, 2mg/m3and 20μg/m3, respectively. Notably, correlation coefficients between the number of crop residue burning spots and CO、PM10、PM2.5reached 0.65, 0.79 and 0.68, respectively, which indicates that the crop residue burning impact the air quality significantly. The HYSPLIT (Hybrid Single Particle Lagrangian Integrated Trajectory Model) backward trajectory model was used to simulate the pollutant transport. The backward trajectory results show that the air mass went through crop residue burning area, and then arrived in Jing-Jin-Ji region on 14thOctober. The air mass carried large number of polluting gases and particulate matter, and aggravated the haze pollution. In addition, the weak surface wind field with average wind speed of 1m/s, was not conducive to pollutant dispersion and dilution. The high humidity (mean value of 77.8%) led the hygroscopic growth of aerosol in the air. The stability of the atmosphere is adverse to the pollutant diffusion, and prolongs the process of pollution. Therefore, the heavy haze pollution occurred during the period from October 12thto 16thin 2016 accounts for the combination of natural and human factors, namely the local pollutant emission and transmission due to crop residue burning, the local vehicle exhaust, the stability of the atmosphere and the abundant water vapor near the surface.

crop residue burning；haze pollution；Jing-Jin-Ji region

X513

A

1000-6923(2017)08-2801-12

程良晓(1991-),男,山东泰安人,山东科技大学硕士研究生,主要从事大气遥感方向的研究.

2017-01-09

国家自然科学基金(41501373);北京市科技计划(Z161100001116013);中国科学院遥感与数字地球研究所所长基金(Y5SJ0700CX)

* 责任作者, 助理研究员, fanmeng@radi.ac.cn