陳燁鑫,朱 彬*,尹 聰,侯雪偉,王紅磊,康漢青,劉曉慧 (1.南京信息工程大學(xué),氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心,江蘇 南京 10044；.南京信息工程大學(xué),中國氣象局氣溶膠與云降水重點開放實驗室,江蘇 南京 10044)

近年來,由于對重大的污染源采取了嚴(yán)格的治理措施,我國局地性的嚴(yán)重污染狀況已經(jīng)有所改變.但是,區(qū)域性的環(huán)境污染問題卻依然顯著[1-5].長江三角洲地區(qū)是我國經(jīng)濟(jì)總量規(guī)模最大、發(fā)展速度最快、最具發(fā)展?jié)摿Φ慕?jīng)濟(jì)圈.同時,也是我國人口密度高、能源消耗大、污染排放強(qiáng)、區(qū)域性復(fù)合型大氣污染較為突出的地區(qū)之一[6].該地區(qū)霾天頻發(fā)[7],其中由于秸稈焚燒引起的霾天氣和空氣污染事件占有重要比例,具有季節(jié)高發(fā)性,多發(fā)于每年春、秋收期間.焚燒排放大量的顆粒物、CO、VOC、SO2、NO2以及 PAHs等有毒有害物質(zhì)[8-9],在不利的大氣擴(kuò)散條件下,造成長江三角洲城市大氣環(huán)境顯著惡化[10-11].

目前,全國重點城市都設(shè)有地面觀測站,對氣溶膠顆粒物可進(jìn)行全天候的連續(xù)觀測,可直接得到污染物近地面的濃度信息[12-13],通過采樣,可以分析污染物的化學(xué)成分[14],從而研究氣溶膠顆粒物的來源并提出合理的排放控制建議.但由于地面觀測站點比較稀疏,不能完全揭示氣溶膠污染的空間分布特征.而衛(wèi)星遙感反演信息全面,覆蓋范圍廣泛,能夠彌補(bǔ)地面監(jiān)測站空間分布的不足,在污染物的生成及區(qū)域輸送監(jiān)測、污染事件的確定、污染源解析等方面優(yōu)勢明顯,因此目前國內(nèi)外針對空氣污染的衛(wèi)星監(jiān)測開展了較多研究[15-27],研究探討了衛(wèi)星遙感生物質(zhì)燃燒火點和過火區(qū)的方法和應(yīng)用,及其造成的污染物輸送和空氣質(zhì)量的影響進(jìn)行了觀測和評估,并指出MODIS的氣溶膠光學(xué)厚度可以用于定量評估空氣質(zhì)量等級,在區(qū)域尺度空氣質(zhì)量監(jiān)測方面有著重要的應(yīng)用潛力.

2012年6月8日至11日,蘇皖2省發(fā)生了一次嚴(yán)重的霾天氣空氣污染過程,本課題組以及其他學(xué)者已經(jīng)對以往類似的污染過程有過分析[28-31],而利用衛(wèi)星資料尤其是利用細(xì)粒子比例(FMF)這個新的氣溶膠參數(shù),對長三角地區(qū)霾天氣空氣污染過程的分析較少.本文利用 MODIS的AOD、FMF和火點資料,結(jié)合提出的區(qū)域細(xì)粒子比例(RFMF)的概念,HYSPLIT模式和 API等資料,綜合分析了此次霾天氣空氣污染過程的形成機(jī)理和污染物的可能來源,以期對霾的預(yù)報和控制提供參考.

1 資料與方法

1.1 資料來源

本文采用的氣溶膠光學(xué)厚度(AOD)和細(xì)粒子比例(FMF)資料是 NASA 發(fā)布的 MODIS Level 3,版本為C5.1 ,波段為550nm的氣溶膠數(shù)據(jù)集,分辨率為 1°×1°.后向軌跡 HYSPLIT 模式中采用的是1°×1° NCEP GDAS的氣象場資料數(shù)據(jù).MODIS 火點圖來源于 The Fire Information for Resource Management System (FIRMS) 的Web Fire Mapper網(wǎng)站(http://firms.modaps.eosdis.nasa.gov/firemap/).獲取日期是全球標(biāo)準(zhǔn)時(UTC)時間,每顆衛(wèi)星每天過境2次,時間尺度上具有良好的連貫性[32].API 資料來源于中國環(huán)境保護(hù)部網(wǎng)站(http://www.zhb.gov.cn/).能見度及相對濕度資料來源于中國氣象數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/home.do).6日、10日,蘇皖2省的云覆蓋率分別達(dá)到62%、66%,這2d的衛(wèi)星資料缺測較多,不計入統(tǒng)計分析.

1.2 儀器介紹

本文使用的氣溶膠數(shù)據(jù),來源是美國MSP公司生產(chǎn)的寬范圍顆粒粒徑譜儀(WPS),該儀器安裝在南京信息工程大學(xué)觀測場內(nèi),觀測氣溶膠粒子的數(shù)濃度,測量范圍是 0.01～10μm[33].儀器由 3個部分組成:靜電分級器(DMA)、凝結(jié)核計數(shù)器(CPC)和激光顆粒物分光計(LPS),其中 DMA 和CPC的測量范圍是0.01～0.5μm,LPS的測量范圍是 0.35～10μm.數(shù)據(jù)的時間分辨率為 5min,即每5min內(nèi),儀器測量出0.01～10μm粒徑范圍內(nèi)的氣溶膠粒子的個數(shù),以及各模態(tài)下的氣溶膠粒子的個數(shù)[34].

1.3 研究方法

為了能夠更好的研究蘇皖2省在此次空氣污染過程中污染物是以何種粒徑的粒子為主,借助 MODIS資料中細(xì)粒子比例 FMF的概念,定義了區(qū)域細(xì)粒子比例(RFMF).FMF定義為550nm處小于1.0μm的細(xì)粒子氣溶膠光學(xué)厚度與總氣溶膠光學(xué)厚度的比例[35],公式(1)表示.因此定義區(qū)域細(xì)粒子比例 RFMF為某區(qū)域內(nèi)550nm處小于1.0μm的細(xì)粒子氣溶膠光學(xué)厚度之和與該區(qū)域內(nèi)總光學(xué)厚度之和的比例,公式(2)表示.同時將某區(qū)域內(nèi),氣溶膠光學(xué)厚度的平均值定義為區(qū)域氣溶膠光學(xué)厚度(RAOD),公式(3)表示.

1.4 模式介紹

HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory)是由美國國家海洋大氣局(NOAA) 等開發(fā)的具有處理多種氣象輸入場,多種物理過程和不同排放源的較完整的輸送、擴(kuò)散和沉降的綜合模式系統(tǒng)[36].模式的氣象場為NOAA的全球資料同化系統(tǒng)(GDAS)資料,該資料的水平分辨率為 1°×1°,垂直方向從 1000～50hpa分為12個等壓面層,時間間隔為6h.該模式是歐拉-拉格朗日混合型的擴(kuò)散模式,其平流和擴(kuò)散計算采用拉格朗日算法,通常用來跟蹤氣流所攜帶的粒子或氣團(tuán)移動方向.采用地形 σ坐標(biāo),模式的水平網(wǎng)格與輸入的氣象場相同,垂直方向分為 28層,將氣象要素線性內(nèi)插到各 σ層上[37].

2 結(jié)果與討論

2012年6月8日至11日,蘇皖2省各城市API出現(xiàn)了不同程度的升高,均接近或超過 100的污染限值,衛(wèi)星觀測的 AOD也在全省出現(xiàn)高值,2省的AOD平均值高達(dá)2.1.根據(jù)中國氣象信息中心提供的能見度(VIS)和相對濕度(RH)的資料,在8～11日期間,這8個代表城市(其中7個有資料)霾天時間達(dá)78.6%(分類參考《中華人民共和國氣象行業(yè)標(biāo)準(zhǔn)(QX/T113-2010)》[38]).本次空氣污染過程的有關(guān)參數(shù)列表如下(表1).

表1 蘇皖城市空氣污染過程相關(guān)參數(shù)Table 1 Parameters for the air pollution event in the eight cities

2.1 空氣污染指數(shù)(API)的演變特征

根據(jù)中國環(huán)境保護(hù)部網(wǎng)站發(fā)布的空氣質(zhì)量日報顯示,如表1,2012年6月8日到11日蘇皖2省代表城市的API在污染期間均接近或超過100的污染限值,從8日開始,代表城市的API值均呈現(xiàn)快速上升趨勢,到9日,8個代表城市的API值均已超過100,且揚(yáng)州、鎮(zhèn)江、阜陽分別達(dá)到峰值303重度污染、223中度污染、146輕度污染.10日,南京API達(dá)到峰值165、為輕度污染級別,而徐州、淮南、宿州分別達(dá)到峰值216中度污染、183輕度污染、500重度污染,其中以宿州的API達(dá)到500(重度污染)最為嚴(yán)重.12日、13日,徐州、合肥以外各城市的API都陸續(xù)恢復(fù)正常水平.

2.2 污染期間AOD及FMF的變化特征

城市上空的氣溶膠光學(xué)厚度反映了大氣污染的污濁程度,衛(wèi)星遙感彌補(bǔ)了一般地面觀測難以反映污染物空間分布和變化趨勢的不足[39].FMF越大,則細(xì)粒子氣溶膠的比例越大;FMF越小,則細(xì)粒子氣溶膠的比例越小.由于人為形成的氣溶膠如生物質(zhì)燃燒,主要是細(xì)粒子氣溶膠(Re有效半徑,0.1μm＜Re＜0.25μm);而自然源氣溶膠如海鹽和沙塵,主要是大顆粒氣溶膠(1μm＜Re＜2.5μm),所以FMF還可以用來區(qū)分人為氣溶膠和自然氣溶膠[40].

每年6、7月份是我國小麥?zhǔn)崭畹闹饕獣r節(jié),各地焚燒秸稈嚴(yán)重,在我國小麥種植區(qū),MODIS觀測的 AOD往往高于全年該區(qū)域平均值(0.6～0.7)[22],本文研究的蘇皖2省,由圖1可見,2012年6月份AOD的均值1.3超過全年平均水平.4～7日AOD均值為1.4,略高于6月平均水平.而6月8～11日發(fā)生在蘇皖2省的大范圍嚴(yán)重的空氣污染過程,AOD均值達(dá)到了2.1,部分地區(qū)超過 3.0.此次污染覆蓋蘇皖 2省全境,范圍廣,污染重.至12～13日,蘇皖2省的AOD均值下降為1.0,低于6月平均水平,污染結(jié)束.

將蘇皖2省8個代表城市(揚(yáng)州、鎮(zhèn)江距離較近視作一個格點值)的 AOD提取作圖,如圖 2所示,雖然代表城市的 AOD,在 6月份幾乎都在1.0以上,但從6月8日開始,除徐州以外7個代表城市的AOD都出現(xiàn)明顯增長,污染期間AOD約為平時的 2～3倍,南京、揚(yáng)州、鎮(zhèn)江、徐州、合肥、淮南、宿州、阜陽的 AOD峰值分別達(dá)到3.8(11 日)、3.1(11 日)、3.4(8 日)、4.2(11 日)、4.9(11日)、2.3(11日)、2.1(10日).由于這些代表城市在11日夜間出現(xiàn)降水,而導(dǎo)致 12日開始代表城市的AOD直線下降至該月的平均水平,13日部分城市的AOD甚至下降至1.0以下,至此污染過程結(jié)束.而徐州在污染期間就出現(xiàn)降水,從而導(dǎo)致了異于其他城市的AOD變化.

圖1 2012年6月4～7日、8～11日、12～13日AOD平均值Fig.1 Average AOD values for Jun.4～7, Jun.8～11, Jun.12～13 in 2012

圖2 蘇皖2省代表城市的AOD逐日變化Fig.2 Diurnal variation of AOD values in cities of Jiangsu and Anhui provinces

利用1.3中的算法,計算出6月4日至13日蘇皖2省的區(qū)域細(xì)粒子比例RFMF和區(qū)域氣溶膠光學(xué)厚度 RAOD,如圖 3所示,在污染之前,4日、5日的RAOD和RFMF的值都較低,從8日開始,RAOD和RFMF的值都出現(xiàn)不同程度地升高,RAOD的值從 1.9開始一直增加到峰值 2.5,期間RFMF一直保持在0.7以上的水平,說明此次影響蘇皖 2省的污染過程中,細(xì)粒子對污染的貢獻(xiàn)較大,人為源排放較為嚴(yán)重.到了 12日,RAOD直線下降至1.0,RFMF也略微下降,到13日之后 RFMF下降到粗細(xì)粒子混合的水平RFMF=0.53.

圖3 蘇皖2省RAOD和RFMF逐日變化Fig.3 Daily variation of RAOD and RFMF in Jiangsu and Anhui provinces

為了探討蘇皖2省出現(xiàn)細(xì)粒子污染的概率,本文進(jìn)一步對此次污染過程分時段進(jìn)行了分析,取4日至7日為污染前,8日至11日為污染期,12日至13日為污染結(jié)束期.提取蘇皖2省在4日至13日期間的AOD和FMF值.

圖4 蘇皖2省FMF概率分布Fig.4 Frequency distribution of FMF in Jiangsu and Anhui provinces

根據(jù) Kaufman等[40]的定義,可知當(dāng) FMF小于0.3時為低FMF值,當(dāng)FMF為0.3～0.6時為中FMF值,當(dāng)FMF大于0.6時為高FMF值.由圖4可知,在污染前,蘇皖2省的高FMF值出現(xiàn)的概率是26%,中FMF值和低FMF值出現(xiàn)概率分別有34.8%和39.2%,說明在污染前,蘇皖2省的氣溶膠中粗細(xì)粒子處于混合狀態(tài),并且粗粒子濃度略高.在8日至11日污染期間,高FMF值出現(xiàn)的概率高達(dá)74.8%,約為污染前的3倍,結(jié)合RFMF的值,可以判斷,污染期間,細(xì)粒子不僅濃度高(RFMF保持在0.7以上),而且在蘇皖2省出現(xiàn)的概率也很高,可見這是一次高概率高細(xì)粒子濃度的空氣污染過程.并且,到污染結(jié)束時,高 FMF值出現(xiàn)的概率仍然有 51.4%,說明污染過程結(jié)束時,細(xì)粒子是被緩慢清除的.

2.3 污染過程南京市氣溶膠變化特征

圖5 能見度和氣溶膠粒子數(shù)濃度譜分布Fig.5 Distribution of visibility, particle size and number concentrations

圖6 風(fēng)速、風(fēng)向、降水量時間序列Fig.6 Time series of wind speed, wind direction and precipitation

利用南京WPS數(shù)據(jù),對此次污染過程中粒子的粒徑分布進(jìn)一步研究.如圖 5,圖6所示,6月 7日之前,WPS觀測的氣溶膠數(shù)濃度譜分布的高值區(qū)主要集中在30～60nm范圍內(nèi),從6月8日開始,污染在南京地區(qū)出現(xiàn),氣溶膠數(shù)濃度升高的同時其高值區(qū)的粒徑范圍也逐漸增大,到了6月9日夜間,氣溶膠的高值主要集中在100～300nm.并且在污染期間,風(fēng)速平均值僅為1.5m/s,對污染物的擴(kuò)散極為不利.由于6月11日南京出現(xiàn)降水,對氣溶膠的濕清除作用較為明顯,氣溶膠的數(shù)濃度有了明顯的降低,直到6月12日之后,才恢復(fù)到正常水平.與此同時,污染開始時,能見度呈波動式下降,在粒子數(shù)濃度最高的時間段保持在 1.3km的低值水平,進(jìn)一步佐證了此次污染的嚴(yán)重程度,當(dāng)污染逐漸結(jié)束時,能見度波動式升高.

如圖 7,從各模態(tài)氣溶膠數(shù)濃度和各模態(tài)日均值的比例來分析,此次污染過程,積聚模態(tài)(0.1～1μm)粒子數(shù)濃度增加明顯,且其所占比例也明顯升高,而愛根核模態(tài)氣溶膠的數(shù)濃度在污染期間雖然也出現(xiàn)了一個小的峰值,但是其所占比例卻出現(xiàn)小幅降低,說明愛根核模態(tài)的氣溶膠的增加不及積聚模態(tài)增加明顯.而核膜態(tài)和粗模態(tài)氣溶膠數(shù)濃度的變化遠(yuǎn)小于愛根核模態(tài)以及積聚模態(tài)的氣溶膠.因此可以判斷,污染期間,積聚模態(tài)氣溶膠數(shù)濃度的增加對總數(shù)濃度的增加貢獻(xiàn)最大,愛根核模態(tài)貢獻(xiàn)次之,粗模態(tài)、核膜態(tài)的氣溶膠粒子的數(shù)濃度增加不明顯,對總的氣溶膠數(shù)濃度的變化影響最小.對比衛(wèi)星資料發(fā)現(xiàn),南京市氣溶膠數(shù)濃度譜的分析結(jié)果,與衛(wèi)星資料較好一致,進(jìn)一步說明在此次污染過程中細(xì)粒子氣溶膠貢獻(xiàn)較大.

2.4 天氣過程分析

穩(wěn)定的天氣形勢,往往是大范圍的空氣污染過程持續(xù)存在的一個必要因素.利用地面天氣形勢圖可知(圖略).污染期間,蘇皖 2省處于弱低壓及均壓場控制下.弱低壓存在時,雖然空氣有微弱的上升運(yùn)動,但弱的上升運(yùn)動并不能使污染物得到擴(kuò)散,反而會使污染物濃度上升[41].同時,周邊氣壓場分布比較稀疏均勻,氣壓梯度力比較弱,導(dǎo)致地面和低空的風(fēng)速較小,較小風(fēng)速有利于污染物的積累,從而形成了高濃度污染.

2.5 后向軌跡以及火點分布情況

利用HYSPLIT-4.8模式模擬蘇皖2省8個代表城市后向 48h氣團(tuán)軌跡,選取起始高度為500m(AGL),并于衛(wèi)星觀測的火點進(jìn)行疊加,以此來研究此次污染天氣過程中污染物的來源.如圖8所示,8～11日后向軌跡的高度除了10日存在3條軌跡高度超過了2km,其余軌跡高度全部低于 2km,保持在邊界層內(nèi),可以推測這些軌跡來向的氣團(tuán)更加容易攜帶秸稈焚燒排放的大量氣溶膠粒子進(jìn)行傳輸.6月8日,在安徽的北部以及河南湖北交界,出現(xiàn)大面積的火點,48h后向軌跡表明,8個代表城市的主要影響氣團(tuán)均經(jīng)過火點區(qū),這些氣團(tuán)為蘇皖2省帶來了充足的氣溶膠.6月9日,火點分布較前一天更加密集,覆蓋范圍更廣,來自火點區(qū)的氣團(tuán)中帶有高濃度的粒子,使得蘇皖2省代表城市的API和AOD均出現(xiàn)不同程度的升高.由 6月10日的后向軌跡可知,10日 8個代表城市的氣團(tuán)主要是局地氣團(tuán),此類氣團(tuán)使得 8日、9日累積下來的污染物無法順利地擴(kuò)散出去,另外由于蘇皖2省的云層覆蓋率較高(66%),使得一些實際存在的火點并沒有反映到衛(wèi)星觀測的火點資料上,因此在火點顯示并不是很密集的情況下,蘇皖2省的污染仍在持續(xù).至11日,火點主要出現(xiàn)在江蘇、安徽北部地區(qū)以及山東中南部,8個代表城市中僅有徐州、宿州和阜陽有來自火點區(qū)的氣團(tuán)的影響,其他城市周邊的火點數(shù)目較少,并且此時的氣流來向發(fā)生了明顯的偏轉(zhuǎn),偏東方向的氣團(tuán)為污染區(qū)域帶來較潔凈的大氣,對蘇皖2省污染物起到了一定的稀釋作用,且11日夜間,代表城市出現(xiàn)不同程度的降水,對氣溶膠粒子有一定的清除作用,使得污染過程在12日逐漸結(jié)束.目前已有的觀測研究發(fā)現(xiàn),秸稈焚燒排放的積聚模態(tài)粒子最高[14,29,42],結(jié)合本文 AOD、FMF值較高和污染期間積聚模態(tài)氣溶膠粒子增加明顯的分析,進(jìn)一步確認(rèn)秸稈焚燒是此次霾污染事件的主要原因.

圖7 不同粒徑氣溶膠數(shù)濃度時間序列和日均值、日均值比例的日變化Fig.7 Time series of number concentration of aerosol with different particle size and daily changes of averaged number concentrations and percentages

3 結(jié)論

3.1 污染過程中,蘇皖 2省代表城市的 API、AOD、FMF及南京市的氣溶膠數(shù)濃度明顯偏高.此次污染范圍廣、污染重,蘇皖 2省的區(qū)域細(xì)粒子比例RFMF超過0.7,并且高FMF出現(xiàn)的概率高達(dá) 74.8%,高概率、高細(xì)粒子比例的特征證明此次污染過程的主要污染物為細(xì)粒子氣溶膠,且高濃度的氣溶膠粒子造成了能見度的大幅下降.

3.2 南京市氣溶膠數(shù)濃度譜的分析結(jié)果表明,污染期間,積聚模態(tài)氣溶膠數(shù)濃度的增加對總數(shù)濃度的增加貢獻(xiàn)最大,愛根核模態(tài)貢獻(xiàn)次之,粗模態(tài)、核膜態(tài)的氣溶膠粒子的數(shù)濃度增加不明顯,對總的氣溶膠數(shù)濃度的變化影響最小.

3.3 從天氣形勢上看,蘇皖2省6月8～11日處于弱低壓和均壓場控制,不利于本地以及外來污染物輸送擴(kuò)散出去,造成局地污染物的累積,形成污染.

3.4 火點及后向軌跡模式模擬結(jié)果表明,蘇北、蘇中、皖北以及山東河南等地區(qū)出現(xiàn)秸稈焚燒,污染期間AOD、FMF值較高,積聚模態(tài)氣溶膠粒子增加明顯,進(jìn)一步確認(rèn)秸稈焚燒是此次霾污染事件的主要原因.

[1]王琳琳,王淑蘭,王新鋒,等.北京市2009年8月大氣顆粒物污染特征 [J].中國環(huán)境科學(xué), 2011,31(4):553-560.

[2]劉愛軍,杜堯東,王惠英.廣州灰霾天氣的氣候特征分析 [J].氣象, 2004,30(12):68-71.

[3]劉曉慧,朱 彬,王紅磊,等.長江三角洲地區(qū) 1980～2009年灰霾分布特征及影響因子 [J].中國環(huán)境科學(xué), 2013,33(11):1929-1936.

[4]吳 蒙,范紹佳,吳 兌.臺風(fēng)過程珠江三角洲邊界層特征及其對空氣質(zhì)量的影響 [J].中國環(huán)境科學(xué), 2013,33(9):1569-1576.

[5]程興宏,許祥德,陳尊裕,等.北京地區(qū) PM10濃度空間分布特征的綜合變分分析 [J].應(yīng)用氣象學(xué)報, 2007,18(2):165-172.

[6]李 莉,陳長虹,黃 成,等.長江三角洲地區(qū)大氣 O3和 PM10的區(qū)域污染特征模擬 [J].環(huán)境科學(xué), 2008,29(1):237-245.

[7]童堯青,銀 燕,錢 凌,等.南京地區(qū)霾天氣特征分析 [J].中國環(huán)境科學(xué), 2007,27(5):584-588.

[8]Crutzen P J, Heidt L E, Krasnec J P, et al.Biomass burning as a source of atmospheric gases CO, H2, N2O, NO, CH3Cl and COS[J].Nature, 1979,282:253-256.

[9]Li LingJun, WANG Ying, ZHANG Qiang, et al.Wheat straw burning and its associated impacts on Beijing air quality [J].Science in China Series D: Earth Sciences, 2008,51(3):403-414.

[10]Li Hongyu, Han Zhiwei, Cheng Tiantao, et al.Agricultural fire impacts on the air quality of Shanghai during summer harvesttime[J].Aerosol and Air Quality Research, 2010,10(2):95-101.

[11]朱 彬,蘇繼鋒,韓志偉,等.秸稈焚燒導(dǎo)致南京及周邊地區(qū)一次嚴(yán)重污染天氣過程的分析 [J].中國環(huán)境科學(xué), 2010,30(5):585-592.

[12]趙 越,潘 鈞,張紅遠(yuǎn),等.北京地區(qū)大氣中可吸入顆粒物的污染現(xiàn)狀分析 [J].環(huán)境科學(xué)研究, 2004,17(1):67-69.

[13]張 菊,苗 鴻,歐陽志云,等.近20年北京城近郊區(qū)環(huán)境空氣質(zhì)量變化及其影響因素分析 [J].環(huán)境科學(xué)學(xué)報, 2006,26(11):1886-1892.

[14]張秋晨,朱 彬,蘇繼峰,等.南京 3類不同大氣污染過程下氣溶膠水溶性無機(jī)離子的特征研究 [J].環(huán)境科學(xué), 2012,33(6):1944-1951.

[15]Chu D A, Kaufman Y J, Zibordi G, et al.Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer (MODIS) [J].Journal of Geophysical Research: Atmospheres (1984–2012),2003,108(D21).

[16]Wang J, Christopher S A.Inter comparison between satellitederived aerosol optical thickness and PM2.5 mass: Implications for air quality studies [J].Geophysical Research Letters, 2003,30(21):2095.

[17]Liu Y, Sarnat J A, Kilaru V, et al.Estimating ground-level PM2.5 in the eastern United States using satellite remote sensing [J].Environmental science and technology, 2005,39(9):3269-3278.

[18]李成才.MODIS遙感氣溶膠光學(xué)厚度及應(yīng)用于區(qū)域環(huán)境大氣污染研究 [D].北京:北京大學(xué)物理學(xué)院大氣科學(xué)系, 2002.

[19]李成才,毛節(jié)泰,劉啟漢.用MODIS遙感資料分析四川盆地氣溶膠光學(xué)厚度時空分布特征 [J].應(yīng)用氣象學(xué)報, 2003,14(1):1-7.

[20]李成才,毛節(jié)泰,劉啟漢,等.利用 MODIS光學(xué)厚度遙感產(chǎn)品研究北京及周邊地區(qū)的大氣污染 [J].大氣科學(xué), 2003,27(5):869-880.

[21]Engel-Cox J A, Holloman C H, Coutant B W,et al.Quanlitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality [J].Atmospheric Environment,2004,38(16):2495-2509.

[22]羅宇翔,陳 娟,鄭小波.近 10年中國大陸 MODIS遙感氣溶膠光學(xué)厚度特征 [J].生態(tài)環(huán)境學(xué)報, 2012,21(5):876-883.

[23]劉 勇.MODIS氣溶膠光學(xué)厚度與南京主城區(qū)空氣污染指數(shù)的關(guān)系研究 [D].南京:南京師范大學(xué), 2007.

[24]王 釗,彭 艷,張樹譽(yù).MODIS資料反演 AOD及其在區(qū)域大氣污染監(jiān)測中的應(yīng)用 [J].高原氣象, 2008,27(4):911-917.

[25]李令軍,王 英,張 強(qiáng),等.麥秸焚燒對北京市空氣質(zhì)量影響探討 [J].中國科學(xué):D輯, 2008,38(2):232-242.

[26]Susheel K Mittal, Nirankar S, Ravinder A, et al.Ambient air quality during wheat and rice crop stubble burning episodes in Patiala [J].Atmospheric Environment, 2009,43:238-244.

[27]Yang S, He H, Lu S, et al.Quantification of crop residue burning in the field and its influence on ambient air quality in Suqian,China [J].Atmospheric Environment, 2008,42(9):1961-1969.

[28]尹 聰,朱 彬,曹云昌,等.秸稈焚燒影響南京空氣質(zhì)量的成因探討 [J].中國環(huán)境科學(xué), 2011,31(2):207-213.

[29]Wang H, Zhu B, Shen L, et al.Size distributions of aerosol and water-soluble ions in Nanjing during a crop residual burning event [J].J Environ.Sci.(China), 2012;24(8):1457-65.

[30]朱佳雷,王體健,邢 莉,等.江蘇省一次重霾污染天氣的特征和機(jī)理分析 [J].中國環(huán)境科學(xué), 2011,31(12):1943-1950.

[31]陳歡歡,吳 兌,譚浩波,等.珠江三角洲 2001-2008年灰霾天氣過程特征分析 [J].熱帶氣象學(xué)報, 2010,26(2):147-155.

[32]楊珊榮,李 虎,余 濤,等.基于 MODIS的秸稈焚燒火點識別原理及算法IDL實現(xiàn) [J].遙感應(yīng)用, 2009,2:91-97.

[33]王 飛,朱 彬,康漢清,等.APS-SMPS-WPS 對南京夏季氣溶膠數(shù)濃度的對比觀測 [J].中國環(huán)境科學(xué), 2011,31(9):1416-1423.

[34]邱玉珺,牛生杰,岳 平,等.半干旱區(qū)春季沙塵氣溶膠譜分布的觀測研究 [J].中國環(huán)境科學(xué), 2009,29(10):1021-1028.

[35]Anderson T L, Wu Y, Chu D A, et al.Testing the MODIS satellite retrieval of aerosol fine mode fraction [J].Journal of Geophysical Research: Atmospheres (1984–2012), 2005,110(D18).

[36]Draxler R R, Hess G D.An overview of the HYSPLIT_4 modelling system for trajectories [J].Australian Meteorological Magazine, 1998,47(4):295-308.

[37]黃 健,顏 鵬,Roland R D.利用HYSPLIT_4模式分析珠海地面 SO2濃度的變化規(guī)律 [J].熱帶氣象學(xué)報, 2002,18(4):407-414.

[38]QX/T 113-2010,霾的觀測和等級預(yù)報 [S].

[39]Redemann J, Vaughan M A, Zhang Q, et al.The comparison of MODIS-Aqua (C5) and CALIOP (V2 & V3) aerosol optical depth [J].Atmospheric Chemistry and Physics, 2012,12(6),3025-3043.

[40]Kaufman Y J, Smirnov A, Holben B N, et al.Baseline maritime aerosol: Methodology to derive the optical thickness and scattering properties [J].Geophysical Research Letters, 2001,28(17):3251-3254.

[41]郎鳳玲,閆偉奇,張 泉,等.北京大氣顆粒物數(shù)濃度粒徑分布特征及與氣象條件的相關(guān)性 [J].中國環(huán)境科學(xué), 2013,33(7):1153-1159.

[42]王 飛.不同污染類型下南京氣溶膠譜分布特征的觀測研究[D].南京:南京信息工程大學(xué), 2012