成都秋冬季气溶胶散射吸湿增长模型研究

2020-05-20尹单丹倪长健张智察杨寅山

生态与农村环境学报 2020年4期

尹单丹，倪长健①，邓也，张智察，杨寅山

(1.成都信息工程大学大气科学学院，四川成都610225;2.高原大气与环境四川省重点实验室，四川成都 610225;3.成都市环境保护科学研究院，四川成都 610072)

气溶胶是悬浮于大气中的固体和液体微粒共同组成的多相体系。由于气溶胶中的硫酸盐、硝酸盐、铵盐和海盐等无机成分及部分有机物粒子具有吸湿性，在不同水汽条件下，其粒径、质量、密度、折射指数等微物理参数会发生变化，致使气溶胶粒子群宏观上的物理、化学及光学性质不断改变［1］。大气气溶胶的吸湿性是联系气溶胶微物理和化学参数的纽带，研究气溶胶散射吸湿增长有助于明确气溶胶对大气能见度的影响，并对近年来频发雾霾天气的防治具有重要意义。另外，在评估气溶胶直接辐射强迫时，气溶胶的散射特征是重要输入参数，而相对湿度对散射能力的影响是其中不确定性的重要来源之一［2-3］。

气溶胶粒子吸湿性的光学效应一般通过气溶胶散射吸湿增长因子来表征，其值为任意相对湿度(RH，HR)环境条件下与干燥条件下粒子散射系数的比值。DAY等［4］指出，湿状态下气溶胶散射系数比干状态下高20%左右;XU［5］基于杭州市临安区大气本底监测站观测数据，计算得到散射吸湿增长因子为1.7～2.0;程雅芳［6］基于广州新垦地区外场实验观测值，分析发现随着相对湿度从30%增长到80%～90%，散射系数可以增强1.64～2.31倍;刘新罡等［7］利用北京地区基于光学综合法的30 d观测资料，计算得到散射吸湿增长因子在相对湿度为80%以下时变化较为平缓，在80%以上时则出现突发性增长;刘新罡等［8］对珠三角的研究表明，在相对湿度为80%时海洋型气溶胶的散射吸湿增长因子值为2.68，明显高于同等湿度条件下城市气溶胶(2.04)。散射吸湿性是气溶胶的重要特征，并随气溶胶类型的改变呈现出显著差异。一般而言，海洋性气溶胶散射吸湿增长因子明显偏大，陆地型气溶胶次之，生物质燃烧排放的气溶胶最小。

大量观测试验表明，环境大气中气溶胶散射吸湿增长因子可表征为相对湿度的函数f(RH)，即吸湿增长模型。李成才等［9］基于模型f(RH)=1/(1－HR/100)a很好地拟合了北京地区的颗粒物吸湿性增长因子随相对湿度的变化;SONG等［10］采用模型f(RH)=a+b(1－HR/100)－1+c(1－HR/100)－2(a、b和c为参数)，对东亚地区吸湿增长模型进行分析;何秀等［11］基于f(RH)=1/(1－HR/100)模型，利用地面消光、PM10浓度及相对湿度的小时数据，分季节对北京地区PM10进行湿度订正并取得较好效果;刘新罡等［8］基于f(RH)=1+a(1-HR/100)b模型(a和b为参数)，探讨海洋型、海洋城市型和城市型气溶胶散射吸湿增长因子的特点;崔蕾等［12］指出了气溶胶散射吸湿增长模型的复杂型以及区域间的非普适性，基于成都地区颗粒物潮解点为40%的研究成果，利用统计一致性原则提出了近地面颗粒物浓度的湿度订正新算法。

环境气溶胶吸湿特性与其自身的化学组分、粒子谱结构以及混合状况密切相关，而上述因子随时间和空间变化很大。因此，气溶胶吸湿性增长的研究成果具有很强的地区依赖性，盲目移植会给评估结果带来较大的不确定性［12］。目前，针对川西地区气溶胶散射吸湿性的研究尚不多见，相关模型的适用性分析更为鲜见。

为此，笔者利用成都市2017年10—12月浊度仪和黑碳仪的逐时观测资料以及同时次的环境气象监测数据，围绕该区域秋冬季气溶胶散射吸湿增长模型展开系统研究，据此进一步阐明四川盆地雾霾的形成和演化机理。

1 数据与方法

1.1 研究数据

研究数据包括成都市2017年10—12月浊度仪和黑碳仪的逐时观测资料以及同时次的环境气象监测数据(大气能见度、相对湿度和NO2质量浓度)。

AURORA 3000型浊度仪观测波长为520 nm，采样频率为5 min·次-1(TSP切割头，检测范围＞0.25 Mm-1，每24 h进行零点检查，24 h零点漂移低于±1%，每周用R134a气体进行跨度标定，通过内部温湿度传感器来控制浊度仪内部加热系统，使得仪器内部腔室中气溶胶相对湿度控制在40%左右，将其作为气溶胶的“干”状态。此外，利用ANDERSON等［13］提出的TSI3536积分浊度仪近前向散射截断误差的订正方法，对AURORA 3000型浊度计观测数据进行订正［14］。

采用AE-31型黑碳检测仪测定黑碳(BC)质量浓度，数据采集频率为5 min·次-1。黑碳仪采用TSP切割头，采样头与仪器连接处中间增设硅胶管，以减少水分对黑碳测量的影响。浊度仪和黑碳仪的监测资料经过质量控制后统一处理为小时均值数据。AE-31型黑碳检测仪每3个月进行1次流量和零点数据检查，依据流量检查结果对现有数据进行流量订正，并在进气口前加入粒子洗涤器，用来检查零气状态下的测量值［15］。

气象要素(大气能见度和相对湿度)由德国LUFFT WS600一体式气象站进行监测，气态污染物NO2浓度由化学发光 NO、NO2-NOx分析仪(Thermo 42i，USA)进行监测。气象要素与气态污染物的监测数据经过界限值检查、数据连续无变化、时间变率检查以及内部一致性检查后，筛选并剔除异常值，最终统一处理为小时均值。

观测点位于成都市环境保护科学研究院综合大楼楼顶(30°39"N，104°02"E)，距离地面高度 21 m，四周2 km内无高大建筑物，视野开阔。观测点在成都市一环路以内，周围为集中居住区，5 km范围内无明显工业大气污染源。

1.2 研究方法

大气消光系数代表光线在大气中传播单位距离时的相对衰减率，当对比感阈ε为0.05时，550 nm波长处环境大气消光系数bext，550nm与大气能见度V的关系［16］为

可将550 nm波长处大气消光系数bext，550nm分解为

式(2)中，bsp，550nm为环境气溶胶在550 nm波长处的散射系数;bap，550nm为环境气溶胶在550 nm波长处的吸收系数;bsg，550nm为550 nm波长处的干洁大气散射系数，参照 PENNDORF［17］的研究成果，取值为13 Mm-1;bag，550nm为550 nm波长处的气态污染物吸收系数，一般仅考虑 NO2的吸收，参照 SLOANE等［18］的计算方法，其值为 NO2质量浓度(10-9g·m-2)的0.33倍。

按BERGSTRORM等［19］提出的订正公式，先利用黑碳质量浓度〔ρ(BC)〕反演532 nm波长处的吸收系数bap，532nm，再进一步计算得到550 nm波长处的吸收系数bap，550nm。

利用间接法计算550 nm波长处气溶胶的散射吸湿增长因子f(RH)，公式为

式(5)中，bsp，550nm，d为环境气溶胶在 550 nm 波长处的干散射系数。根据测得的环境气溶胶在520 nm波长处的干散射系数bsp，520nm，d，按刘新罡等［20］的订正公式计算得到bsp，550nm，d，公式为

2 结果与讨论

2.1 气溶胶散射吸湿增长因子的计算结果

利用成都市2017年10—12月AURORA 3000型浊度计观测的逐时气溶胶散射系数和AE-31型黑碳检测仪反演的逐时气溶胶吸收系数，结合同时次的环境气象监测数据(大气能见度、相对湿度和NO2质量浓度)，通过数据匹配共得到研究区秋冬季1 518组研究样本。据此计算气溶胶散射吸湿增长因子f(RH)，其最小值、最大值、平均值和标准差分别为 1.00、11.24、1.76和 1.06。f(RH)随相对湿度变化的散点图见图1。

2.2 气溶胶散射吸湿增长模型的构建

就气溶胶散射吸湿增长因子f(RH)随相对湿度(HR)的变化关系而言，目前国际上普遍使用的吸湿增长模型主要有4种。第1种是幂函数形式的吸湿增长模型，公式为

式(7)中，a、b为经验参数。

图1 气溶胶散射吸湿增长因子f(RH)随相对湿度变化的散点图Fig.1 Scatter plots of variations of aerosol scattering hygroscopic growth factor f(RH)with RH

巴西［21］和南非［3］的气溶胶实验结果表明，该模型对于含碳气溶胶的拟合效果较好。该形式的吸湿增长模型还可以表征为

第2种模型是多项式形式的吸湿增长模型。KASTEN［22］基于气溶胶与水汽的平衡增长理论得到吸湿增长的半经验模型，公式为

当a=1时，式(9)可表示为f(RH)=1/(1－，该吸湿增长模型已被用于美国IMPROVE监测网以及北京市的气溶胶吸湿性研究［9］。SONG等［10］对这一模型进行了改进，提出了二次多项式形式的吸湿增长模型，公式为

式(10)中，c为经验参数。

第3种是幂指数形式的吸湿增长模型。该模型能更好地反映f(RH)随相对湿度的变化特征，在武清等地秋冬季的相关研究中取得了很好的应用效果［23］。公式为

上述3种模型中f(RH)随相对湿度的增长均表现为平滑增长特征，若呈现跳跃式溶解性增长，则通常采用第4种复合吸湿增长模型，公式为

式(12)中，d和e为经验参数。

由图1可见，成都地区秋冬季气溶胶f(RH)随相对温度的变化表现为平滑式增长特征，故选用式(7)、式(10)、式(11)分别代表幂函数、二次多项式、幂指数这3种吸湿增长模型，据此进行模型适用性验证。幂函数、二次多项式以及幂指数3种模型的拟合结果如图2和表1所示。

表1 3种气溶胶散射吸湿模型的拟合参数对比Table 1 Comparative analysis of fitting results of three kinds of models

从图2可知，二次多项式拟合曲线总体上很好地反映了f(RH)随相对湿度的散点分布特征，即在低相对湿度时的平缓增长以及在高相对湿度时的爆发式增长;幂指数拟合曲线在低相对湿度时的拟合效果相对较差;幂函数曲线的拟合结果在高相对湿度区间与实际散点之间存在较大的误差。从表1的统计结果来看，二次多项式拟合结果的R2最大，幂指数次之，幂函数最小;二次多项式拟合结果的残差平方和也最小，幂指数次之，幂函数最大。因此，基于上述国际上3种通用模型的适用性分析表明，幂函数的拟合效果最差，幂指数次之，二次多项式的气溶胶散射吸湿增长模型可以较好地表征成都地区秋冬季f(RH)随相对湿度的变化特征，具体函数关系为

2.3 气溶胶散射吸湿增长模型分析

统计分析表明，气溶胶散射吸湿增长因子的均值和标准差随相对湿度的增加均呈现出显著增大的特点(图3)，即f(RH)随相对湿度的增加而增大的同时，其变化的不确定性也在增加。相对湿度小于85%时，f(RH)总体变化不大;针对气溶胶散射吸湿增长模型〔式(13)〕的进一步研究发现，当相对湿度从40.0%增大到86.5%时，f(RH)由1.05增至2.00;当相对湿度从86.5%增大到92.5%时，f(RH)则由2.00增至3.00;随着相对湿度进一步增大，f(RH)呈现出更加急速的增长。

图3还表明，在相对湿度从40.0%增长到86.5%时，f(RH)增长较为平缓且波动幅度较小，表明此时气溶胶散射吸湿增长能力较弱;随着相对湿度继续增加，f(RH)开始急剧增长，并且其波动程度也显著增大，在相对湿度为98%时，f(RH)高达11.24。因此，86.5%的相对湿度可认为是f(RH)随相对湿度增加从平稳增长到爆发增长的陡增相对湿度，这一结论与已有研究的相关结论基本一致［23-26］。

图3 气溶胶散射吸湿增长因子f(RH)均值和标准差随相对湿度的变化Fig.3 Variations of average and standard deviation of f(RH)with RH

研究表明，区域能见度的演化与气溶胶质量浓度以及气溶胶在高湿条件下的吸湿特性密切相关［23］。大气气溶胶的化学组分按照其吸湿性能可以分为吸湿性和非吸湿性气溶胶，前者大部分为硫酸盐、硝酸盐、铵盐、海盐以及部分吸湿性有机物，后者主要为黑碳及部分有机物。由于区域之间自然地理背景以及社会经济活动的差异，气溶胶类型及其源解析结果往往差异很大，这必然会对其光学特性的变化产生复杂影响。为明晰不同区域气溶胶吸湿性特征的差异，笔者汇总了京津冀、长三角、珠三角和国外部分地区的主要成果，并与该研究进行比对。由表2和图4可知，与国内地区相比，成都地区气溶胶散射吸湿增长因子在各相对湿度条件下均低于珠三角(广州)，但总体高于京津冀和长三角(临安)，且随着湿度的增加这种差异愈加明显，即气溶胶吸湿增长特征存在较为显著的区域性差别。与国外地区相比，成都地区气溶胶散射吸湿增长因子明显高于巴西和葡萄牙;在相对湿度小于90%时，总体低于美国东海岸，随着相对湿度的增加，成都地区气溶胶的吸湿增长则变得比美国东海岸更加显著。

一般而言，在细颗粒物相同质量浓度条件下，相对湿度越高，则能见度越低，气溶胶的类型及其理化结构在其中起着至关重要的作用。针对成都地区的研究表明，当相对湿度大于70%时，硫氧化率(SOR)和氮氧化率(NOR)可分别从干燥条件下(相对湿度为40%)的0.27和0.11增长至0.40和0.19，有效促进硫酸盐和硝酸盐的形成，进而导致气溶胶组分的改变［27］。成都地区气溶胶硫酸盐和硝酸盐组分占比相对较高［28］，两者的单独或协同吸湿性增长必然会对其光学效应产生重要影响，导致川西陆地城市型的气溶胶散射吸湿增长存在区域特殊性，并在一定程度上决定了雾霾的演化进程。