程良曉,范 萌,陳良富,江 濤,蘇 林

秋季秸稈焚燒對京津冀地區(qū)霾污染過程的影響分析

程良曉1,2,范 萌2*,陳良富2,江 濤1,蘇 林2

(1.山東科技大學測繪科學與工程學院,山東青島 266590；2.中國科學院遙感與數字地球研究所,遙感科學國家重點實驗室,北京 100101)

以2016年10月份京津冀地區(qū)一次持續(xù)5d(10月12~16日)的嚴重污染過程為例,綜合衛(wèi)星數據、污染物地面監(jiān)測站點數據、氣溶膠地基觀測數據以及氣象數據,分析山東、河南、山西等周邊地區(qū)的秸稈焚燒對京津冀霾天氣的影響.研究表明,京津冀地區(qū)污染時期的CALIPSO(Cloud-Aerosols Lidar and Infrared Pathfinder Satellite Observations,云-氣溶膠激光雷達和紅外探測衛(wèi)星)氣溶膠組分含有大量煤煙型氣溶膠,AERONET(AEROsol robotic NETwork)Beijing站觀測數據顯示13日氣溶膠體積數濃度譜呈現雙峰分布,細粒子峰值半徑為0.33μm,峰值體積濃度為0.145μm3/μm2.14日氣溶膠譜基本呈現單峰分布,細粒子占主導地位,體積濃度達到0.34μm3/μm2.污染物地面監(jiān)測站點數據顯示PM2.5、CO和SO2濃度均顯著增加,峰值濃度分別為339μg/m3、2mg/m3、20μg/m3;CO、PM10、PM2.5與秸稈焚燒火點數量之間的相關系數分別為0.65、0.79和0.68,說明本次污染與周邊地區(qū)的秸稈焚燒的污染物傳輸有關.HYPLIST(Hybrid Single Particle Lagrangian Integrated Trajectory Model,拉格朗日混合單粒子軌道模型)后向軌跡分析表明,14日到達京津冀地區(qū)的氣團均經過秸稈焚燒地區(qū),氣團中會攜帶大量秸稈焚燒產生的污染氣體和顆粒物,加重京津冀地區(qū)地區(qū)霾污染過程.此外,污染過程中地面風場較弱,以靜小風為主,平均風速1m/s,不利于污染物擴散和稀釋;底層大氣濕度較大,平均相對濕度77.8%,高濕的大氣環(huán)境促進了氣溶膠吸濕增長和污染物聚集,導致污染加劇;大氣穩(wěn)定度高,對流運動較弱,穩(wěn)定的大氣條件不利于污染物擴散,使得污染過程延長.因此,本次重污染天氣歸因于自然和人為因素共同作用的結果,即人為秸稈焚燒導致的本地污染源排放和傳輸、機動車尾氣等本地污染物、京津冀地區(qū)的靜穩(wěn)大氣和近地面豐富的大氣水汽共同作用的結果.

秸稈焚燒；霾；京津冀

根據國際氣象組織的明確規(guī)定:霾被定義為日均能見度小于10km,日均相對濕度小于80%,并排除降水等其他能導致低能見度時的大氣灰霾的日子(WMO,2005).近些年,隨著我國經濟社會發(fā)展,城市化水平的提高,工業(yè)污染排放加劇;汽車保有量提高,汽車尾氣的排放增多.大量的污染物排放到大氣中,導致我國部分地區(qū)霾天氣日不斷增加,特別是長江三角洲、珠江三角洲以及京津冀地區(qū)等經濟發(fā)達區(qū)域[1-3].但是,由于不同區(qū)域的經濟發(fā)展水平不同,所處的地理位置、氣候和環(huán)境也有差異,使得導致這些區(qū)域霾天氣發(fā)生的污染物種類和來源也不盡相同[4-7].

秸稈焚燒等露天生物質燃燒會產生大量氣態(tài)污染物(如CO、SO2、NO等)以及顆粒物,這些污染物會對大氣環(huán)境、氣候以及生態(tài)系統(tǒng)產生重要影響[8-9].近幾年,對秸稈焚燒導致霾天氣的研究也已經開展.朱彬等[10]分析了2008年10月發(fā)生在南京及其周邊地區(qū)的一次嚴重的空氣污染事件,認為蘇中和蘇北地區(qū)秸稈焚燒污染物的輸送和不利于污染物擴散的氣象條件是導致這次大氣污染事件的主要原因.周悅等[11]研究了2014年6月發(fā)生在湖北省中東部地區(qū)的重度霾天氣,認為安徽省北部大面積秸稈焚燒所形成污染氣團的輸送是導致此次霾天氣的主要原因.然而,對秸稈焚燒導致霾天氣的研究區(qū)域主要集中在華東[10-13]和華中[11]地區(qū),對華北地區(qū)特別是對京津冀地區(qū)的研究還比較有限.目前,已有學者對京津冀地區(qū)的霾污染過程進行分析,著重分析各種污染物濃度的變化特征[14-15].程念亮等[16]針對北京市2014年秋季4次重污染過程進行了分析,研究表明來自河北、山西、河南的外來污染物輸送對北京市的污染貢獻較大.

我國北方地區(qū)秸稈焚燒主要集中在夏秋季節(jié)[9],由秸稈焚燒導致或加重的污染過程也主要發(fā)生在秋季.本研究針對2016年10月京津冀地區(qū)一次持續(xù)5d(12~16日)的嚴重污染過程,綜合衛(wèi)星數據、地面監(jiān)測站點污染物觀測數據以及氣象數據,分析山東、河南、山西等周邊地區(qū)的秸稈焚燒對京津冀地區(qū)霾天氣的影響.

1 資料與方法

根據圖1衛(wèi)星真彩圖和圖2北京市能見度數據,本文選取了2016年10月12~16日這一重污染過程進行研究,分析了秸稈焚燒對京津冀及其周邊地區(qū)空氣質量的影響.熱異常點數據使用的是NOAA發(fā)布的分辨率為375m的VIIRS (Visible Infrared Imaging Radiometer Suite,可見光紅外成像輻射儀)熱異常產品(本產品在反演過程中剔除了云覆蓋的影響)[6],通過疊加土地利用類型數據得到秸稈焚燒點的經緯度等信息.作為接替MODIS(MODerate-resolution Imaging Spectroradiometer中分辨率成像光譜儀)的新一代傳感器,VIIRS具備更高的空間分辨率,對面積較小的熱源也更為敏感,因此,VIIRS也更適合于秸稈焚燒點的監(jiān)測.

為了分析重污染過程中京津冀及周邊地區(qū)顆粒物、污染氣體和氣象條件的變化,本文還獲取了同時段的由中國環(huán)境監(jiān)測總站發(fā)布的PM10、PM2.5、CO、NO2、SO2和O3等6種標準污染物的地面站點監(jiān)測數據(http://www.cnemc. cn/),CALIPSO(Cloud-Aerosols Lidar and Infrared Pathfinder Satellite Observations,云-氣溶膠激光雷達和紅外探測衛(wèi)星)標準氣溶膠垂直廓線產品,AERONET beijing站氣溶膠觀測數據(http://aeronet.gsfc.nasa.gov/),中國氣象數據網發(fā)布的全球地面氣象站定時觀測地風速風向資料(http://data.cma.cn/),以及俄懷明大學發(fā)布的地面氣象站獲取的探空氣象資料(http://weather. uwyo.edu/surface/meteorogram/).同時,使用了NOAA的HYSPLIT后向軌跡重點分析了污染成因及其傳輸過程.

2 污染過程概況

2.1 秸稈焚燒時空分布特征

由圖1可以看出,2016年10月12~16日整個污染過程中,霾基本覆蓋了北京市和天津市,以及山西省大部分、河南省北部、山東省西部、河北省中部和南部等地區(qū).圖2為由美國俄懷明大學官網獲取的2016年10月北京地區(qū)能見度變化,可以看出本次重污染過程具有一定的突發(fā)性,能見度在10月12日顯著降低,且在整個霾污染過程中一直處于非常低的水平.整個重污染過程中,北京市能見度均不足10km,特別是13~15日,能見度均小于5km,平均能見度僅為2.2km.

本文統(tǒng)計了山東、山西、河南、河北、北京和天津6個省市2016年10月12~16日每天的秸稈焚燒數量(圖1中部分省份秸稈焚燒數量為0主要由云覆蓋所致).結合圖3可以看出秸稈焚燒最多的是河北省,其次是山西省,然后是山東省.從秸稈焚燒點分布情況(如圖1所示)看,山東省秸稈焚燒點均勻的分散在中部地區(qū),東部沿海城市基本沒有發(fā)現秸稈焚燒點;河北省秸稈焚燒點主要集中在邯鄲、邢臺和唐山等地區(qū);河南省秸稈焚燒點主要集中在中部地區(qū)和北部省界邊緣;山西省秸稈焚燒點主要集中在中部太原盆地,南部臨汾盆地以及東南部長治盆地.

2.2 氣溶膠成分分析

國外一些學者利用CALIPSO衛(wèi)星數據開展了大量生物質燃燒時氣溶膠特性的研究[17-20],相關結果均說明CALIPSO數據在確定氣溶膠散射特性和氣溶膠類型方面的適用性和重要作用.2016年10月12、13日京津冀地區(qū)的CALIPSO觀測結果如圖4所示,其中圖4(a)、(c)和(e)為CALIPSO激光雷達532nm后向散射系數.后向散射系數用于衡量大氣中的氣溶膠粒子對光的散射能力,通過不同的取值判斷粒子的種類,其值越大則表明大氣中顆粒物的散射能力越強,反之則越弱[21].從圖4(a)和(c)可以看出,相較于2016年8月26日晴天的后向散射(圖4(e)),京津冀地區(qū)(36.2°N~42.7°N,113°E~119°E) 2km~3km高度處后向散射大,表明這個高度范圍內的大氣中顆粒物散射能力強.雖然秸稈焚燒排放的黑碳氣溶膠具有較強的吸收性,但圖4(a)和(c)紅色方框中卻表現出氣溶膠較強的散射特性,這主要是由于秸稈焚燒排放的黑碳粒子與長距離傳輸至京津冀地區(qū)上空且散射較強的沙塵粒子混合所導致的[22-23].圖4(b)、(d)和(f)為CALIPSO探測得到的氣溶膠組分.如圖4(b)和(d)所示,在霾污染覆蓋區(qū)的底層和中層大氣中CALIPSO監(jiān)測到的氣溶膠類型為煤煙型氣溶膠,這說明了10月12至13日期間該地區(qū)存在有大量人為秸稈焚燒活動,且在秸稈焚燒過程中向大氣中排放的大量吸收性較強的黑碳氣溶膠粒子,被垂直輸送到了5km大氣層處,進一步加重了大氣污染.

AERONET是美國國家航空航天局在全球建立的對氣溶膠光學特性進行連續(xù)觀測的觀測網.本文獲取北京地區(qū)Beijing(39.977°N, 116.381°E) AERONET站點的數據,由于觀測條件的限制,只有10月13日和10月14日的數據可用,另外選擇2016年10月31日晴朗天氣作為對比,數據質量均為Level1.5級.圖5為3個日期的氣溶膠粒子體積數濃度譜.從圖上可以看出,13日污染期間氣溶膠譜均呈現雙峰分布,細粒子峰值半徑為0.33μm,峰值數濃度為0.145μm3/μm2,粗粒子峰值半徑為2.94μm.到了污染最嚴重的14日,濃度譜基本呈現單峰分布,細粒子占主導地位,細粒子峰值半徑依然是0.33μm,但是其數濃度卻達到0.34μm3/μm2,是13日的2倍多.對比10月31日非污染天氣的譜分布,不僅呈現出粗粒子占主導的趨勢,而且無論是細粒子還是粗粒子,其數濃度均不超過0.025μm3/μm2.可見,北京周邊地區(qū)秸稈焚燒過程產生的大量細粒子會通過傳輸到達北京地區(qū),加重北京地區(qū)的大氣污染狀況.

3 污染過程分析

3.1 污染物變化特征分析

在本次重污染過程中,以北京市為例(圖6),PM2.5濃度變化與能見度呈反相關關系.北京市10月12日白天PM2.5濃度低于100μg/m3,19:00后,濃度開始超過100μg/m3并逐漸上升,到13日15:00,濃度開始大于環(huán)保部規(guī)定的空氣質量PM2.5分指數濃度限值150μg/m3,已經達到中度污染的水平[24].14日污染狀況繼續(xù)惡化,PM2.5濃度持續(xù)升高,最終在20:00達到整個污染過程的峰值濃度339μg/m3.CO的變化趨勢與PM2.5的變化趨勢比較類似,二者相關系數為0.57.這是因為CO是秸稈焚燒過程中排放量最多的污染氣體[25-26],其排放量僅次于PM10和PM2.5[11]. SO2與其他4種污染物的變化趨勢不同,主要是因為華北平原秋季秸稈焚燒的主要秸稈為玉米秸稈,李建峰等[25]、彭立群等[26]研究表明,玉米秸稈焚燒的SO2排放因子為0.44g/kg,排放量較少.此外,可以看到SO2濃度在本次重污染過程中顯著增加,且在5d內有4次峰值,峰值濃度都在15~ 20μg/m3之間,但是隨著其在傳輸和擴散的過程中參加多相化學反應,不斷轉化為硫酸鹽[11],所以濃度不斷減小且變化趨向平穩(wěn).NO2的質量濃度變化趨勢存在明顯的日變化,這是由于NO2濃度主要受本地汽車尾氣排放和光照影響,受外來傳輸影響并不大.說明本地污染物排放對這次污染過程也有較大貢獻.

3.2 污染傳輸過程分析

利用HYSPLIT軌跡模型對2016年10月12~16日嚴重污染過程的污染物輸送過程進行24h后向模擬,氣團高度分別設定為100m、500m和1000m,分別代表底層、中層和高層氣團的走向.選取北京市、天津市、河北省石家莊市行政區(qū)所在經緯度為后向軌跡終點,模擬結果如圖7所示,圖中還疊加了過去24h的秸稈焚燒火點.

圖7結果表明,10月12日的氣團都來自于東北方向,到達北京的中低氣團快速從渤海上空穿過,帶來大量水汽,增加了底層大氣濕度.13日的氣團主要來自于西南方向,多數起源于山西境內,跨過太行山脈進入京津冀地區(qū).14日,石家莊和天津市1000m氣團均來自安徽省東部,期間向西北方向快速通過河南省,然后向東北方向轉折進入河北省;北京市和石家莊市的500m氣團均來自山東與河南交界處.15日氣團主要來自南部山東和河南,氣團軌跡路程較短,說明運動較緩慢,也說明大氣條件比較穩(wěn)定,不利于污染物擴散.16日到達北京和石家莊的氣團主要來自內蒙古中部地區(qū),且有明顯的下沉運動.

后向軌跡分析表明,14日到達京津冀地區(qū)的氣團均經過秸稈焚燒地區(qū),特別是到達北京市和石家莊市的氣團,主要來自于秸稈焚燒密集區(qū),這些氣團中攜帶大量秸稈焚燒產生的污染氣體和顆粒物,進一步加重了這一地區(qū)的污染水平,這也就是北京市PM2.5濃度在14日達到峰值的主要原因之一.16日氣團主要來自西北地區(qū),且運動速度較快,有利于污染物擴散,同時,由于15日秸稈焚燒點較少,污染物傳輸較少,所以16日污染逐漸好轉.

3.3 火點數與污染物相關分析

根據PM2.5濃度日均值是否大于75μg/m3,將10月份分為污染天氣和非污染天氣,其中污染天氣15d,非污染天氣16d.分別統(tǒng)計兩種天氣情況下當日秸稈焚燒火點數量與當日CO、PM10和PM2.5濃度日均值之間的相關性.結果如圖8所示,可以看出無論是污染天氣還是非污染天氣,秸稈焚燒火點數與污染物濃度之間的相關性都較差.然而,考慮到秸稈焚燒產生的污染物隨著氣團傳輸到北京地區(qū)需要一定的時間,將當日的污染物濃度對應于前一日的秸稈焚燒火點數,再次進行統(tǒng)計分析,結果如圖9所示,從圖上可以看出,無論是污染天氣還是非污染天氣,秸稈焚燒火點數與污染物濃度之間的相關性都呈現明顯的正相關關系,其中,在非污染天氣的情況下,秸稈焚燒火點數與CO、PM10和PM2.5之間的相關性分別為0.39、0.48和0.41;在污染天氣的情況下,火點數與3種污染物之間的相關性顯著增加,分別能達到0.65、0.79和0.68.這說明北京地區(qū)空氣質量狀況受周邊地區(qū)秸稈焚燒的影響很嚴重,當周邊地區(qū)秸稈焚燒嚴重的時候,北京地區(qū)由于污染物的傳輸過程不可避免會受到影響.

4 氣象條件影響分析

4.1 地表風場情況

近地面風場情況對大氣中污染物的稀釋和擴散具有重要作用[27],當地面風速較大時,如果風向為污染源方向,不僅不會改善污染狀態(tài),還有可能加劇污染;如果風向為污染源的反方向,則對污染物的擴散和稀釋起到較好的效果.風速風向數據來源于中國氣象數據網,為基于地面氣象站定時觀測的風速風向資料,從圖10可以看出, 12~15日平均風速均為1m/s,16日平均風速為1.5m/s,最大風速為4m/s,霾污染期間北京市風力較弱,以靜小風為主,風速大多不足2m/s,大于2m/s的頻率不足10%.其中,西南風占38%,東北風占35%.但是大風速一般來自西南方向,是秸稈焚燒密集的污染源方向,這不僅對改善污染沒有太大作用,還會加劇污染物向北京地區(qū)的輸送.

4.2 近地面濕度情況

大氣水汽是影響氣溶膠顆粒形態(tài)及光學性質變化的重要因素之一[28],氣溶膠粒子的吸濕增長,直接導致能見度迅速下降[29].濕度數據來源于俄懷明大學大氣科學部網站,為全球地面站探空數據.從圖11可以看出,10月12日00:00近地面相對濕度約為70%,12:00稍有降低.而13~15日12:00相對濕度均高于80%,0時的相對濕度則均達到90%以上.一般正午太陽照射最為充分,大氣濕度應該降低,然而污染過程中5d 12:00的平均相對濕度為77.8%,高濕的環(huán)境有利于顆粒物特別是黑碳顆粒吸濕增長.可見,除了外來污染物輸送,大氣底層持續(xù)較高的相對濕度也是加重本次重污染過程的重要原因之一.

4.3 大氣穩(wěn)定度

大氣穩(wěn)定度在研究污染物在大氣中的遷移轉化規(guī)律中起到重要的作用,大氣是否穩(wěn)定直接影響污染物的擴散過程,大氣層結越穩(wěn)定,污染物越不容易擴散[30].基于俄懷明大學發(fā)布的地面氣象站獲取的探空氣象資料,本文選取了反映大氣層結穩(wěn)定度的三個參數(沙氏指數、抬升指數、K指數),對2016年10月12~16日污染物擴散條件進行分析.溫度露點差是溫度與露點溫度的差值,其值越小表示濕度越大,從圖12可以看出,近地面露點溫度差普遍較小,反映出近地面濕度較大.此外,污染過程中低層大氣中都出現了逆溫層,逆溫層的存在使得大氣處于穩(wěn)定狀態(tài),不利于污染物擴散[31].同時可以看出在近地面溫度露點差很小,空氣濕度大,顆粒物吸濕增長,有助于霾天氣的形成.圖13可以看到,10月14日沙氏指數最大(9.71),抬升指數(2.31)也較高,同時K指數(9.7)較低,說明當天大氣層結穩(wěn)定,不利于污染物擴散.因此,在外來污染物傳輸和本地污染物排放的作用下,加上不利的氣象條件,最終導致本次嚴重的污染過程.

5 結論

5.1 2016年10月12~16日京津冀地區(qū)重污染過程中秸稈焚燒火點主要集中于山西中部和南部地區(qū)、河北大部分地區(qū)和山東中部地區(qū),以及河南中部和北部地區(qū),北京和天津地區(qū)并未監(jiān)測到大量秸稈焚燒點.10月12~16日檢測到的秸稈焚燒火點個數從高到低分別為:河北(970個),山西(588個),山東(235個),河南(93個),天津(43個),北京(7個).

5.2 2016年10月13~15日,北京地區(qū)能見度均小于5km,平均能見度僅為2.2km.同時,PM2.5濃度均高于100μg/m3.14日PM2.5濃度達到整個重污染過程的峰值339μg/m3.通過對污染時期的氣溶膠組分進行分析,發(fā)現京津冀地區(qū)含有大量煤煙型氣溶膠,秸稈焚燒過程中向大氣中排放的大量吸收性較強的黑碳氣溶膠粒子被垂直輸送到了對流層大氣中,進一步加重了大氣污染.

5.3 通過對各種污染物的變化過程和進行分析,發(fā)現PM2.5、SO2、CO等污染物均在重污染過程中有顯著增加.CO、PM10和PM2.5與火點數量之間的相關系數分別為0.65、0.79和0.68.除本地污染物積聚影響外,通過使用模式模擬后向軌跡對污染物的傳輸進行分析,發(fā)現14日到達京津冀地區(qū)的氣團均經過秸稈焚燒地區(qū),特別是到達北京市和石家莊市的氣團,主要來自于秸稈焚燒密集區(qū),這些氣團中會攜帶大量秸稈焚燒產生的污染氣體和顆粒物.

5.4 通過對污染物的擴散條件分析,發(fā)現北京地區(qū)霾污染期間地面風場較弱,以靜小風為主,不利于污染物擴散和稀釋;底層大氣濕度較大,高濕的大氣環(huán)境有利于氣溶膠顆粒物吸濕增長和污染物聚集,導致污染加劇;大氣穩(wěn)定度高,對流運動較弱,穩(wěn)定的大氣條件不利于污染物擴散,使得污染過程延長.

5.5 可將本次重污染天氣歸因于自然和人為因素共同作用的結果,即人為秸稈焚燒導致的本地污染源排放和傳輸、機動車尾氣等本地污染物、京津冀地區(qū)的靜穩(wěn)大氣和近地面豐富的大氣水汽共同作用的結果.

[1] 區(qū)宇波,岳玎利,張 濤,等.珠三角秋冬季節(jié)長時間灰霾污染特性與成因[J]. 中國環(huán)境監(jiān)測, 2014,30(5):16-20.

[2] 朱佳雷,王體健,鄧君俊,等.長三角地區(qū)秸稈焚燒污染物排放清單及其在重霾污染天氣模擬中的應用[J]. 環(huán)境科學學報, 2012,32(12):3045-3055.

[3] 趙普生,徐曉峰,孟 偉,等.京津冀區(qū)域霾天氣特征[J]. 中國環(huán)境科學, 2012,32(1):31-36.

[4] 陳燁鑫,朱 彬,尹 聰,等.基于衛(wèi)星遙感和地面觀測資料分析蘇皖兩省一次空氣污染過程[J]. 中國環(huán)境科學, 2014,34(4): 827-836.

[5] 高星星,陳 艷,張 武.2006~2015年中國華北地區(qū)氣溶膠的垂直分布特征[J]. 中國環(huán)境科學, 2016,36(8):2241-2250.

[6] 王 朔,趙衛(wèi)雄,徐學哲,等.北京一次嚴重霧霾過程氣溶膠光學特性與氣象條件[J]. 中國環(huán)境科學, 2016,36(5):1305-1312.

[7] 王新輝,蘇 林,陶明輝,等.基于星地同步觀測的華北平原中部背景地區(qū)冬季霾污染過程[J]. 中國環(huán)境科學, 2016,36(6): 1610-1620.

[8] 陸 炳,孔少飛,韓 斌,等.2007年中國大陸地區(qū)生物質燃燒排放污染物清單[J]. 中國環(huán)境科學, 2011,31(2):186-194.

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

[10] 朱 彬,蘇繼鋒,韓志偉,等.秸稈焚燒導致南京及周邊地區(qū)一次嚴重空氣污染過程的分析[J]. 中國環(huán)境科學, 2010,30(5): 585-592.

[11] 周 悅,岳巖裕,李 蘭,等.秸稈焚燒導致湖北中東部一次嚴重霾天氣過程的分析[J]. 氣候與環(huán)境研究, 2016,21(2):141-152.

[12] 宋京京,吳序鵬,夏祥鰲.華東農田秸稈燃燒對常州大氣環(huán)境的影響[J]. 氣象與環(huán)境科學, 2016,39(2):18-25.

[13] 嚴文蓮,劉端陽,孫 燕,等.秸稈焚燒導致的江蘇持續(xù)霧霾天氣過程分析[J]. 氣候與環(huán)境研究, 2014,19(2):237-247.

[14] 劉慶陽,劉艷菊,楊 崢,等.北京城郊冬季一次大氣重污染過程顆粒物的污染特征[J]. 環(huán)境科學學報, 2014,34(1):12-18.

[15] 田 偉,唐貴謙,王莉莉,等.北京秋季一次典型大氣污染過程多站點分析[J]. 氣候與環(huán)境研究, 2013,18(5):595-606.

[16] 程念亮,李云婷,張大偉,等.2014年10月北京市4次典型空氣重污染過程成因分析[J]. 環(huán)境科學研究, 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] 劉 聰,蘇 林,張朝陽,等.星載激光雷達對氣溶膠垂直分布的對比分析[J]. 中國激光, 2015,42(4):280-289.

[24] GB 3095-2012 環(huán)境空氣質量標準 [S].

[25] 李建峰,宋 宇,李蒙蒙,等.江漢平原秸稈焚燒污染物排放的估算[J]. 北京大學學報(自然科學版), 2015,61(4):647-656.

[26] 彭立群,張 強,賀克斌.基于調查的中國秸稈露天焚燒污染物排放清單[J]. 環(huán)境科學研究, 2016,29(8):1109-1118.

[27] 郭 蕊,段 浩,馬翠平,等.河北中南部連續(xù)12d重霾污染天氣過程特征及影響因素分析[J]. 氣象, 2016,42(5):589-597.

[28] 陶金花,王子峰,徐 謙,等.北京地區(qū)顆粒物質量消光吸濕增長模型研究[J]. 遙感學報, 2015,19(1):12-24.

[29] 葉興南,陳建民.灰霾與顆粒物吸濕增長[J]. 自然雜志, 2013, 36(5):337-341.

[30] 周淑貞,張如一,張 超.氣象學與氣候學(第三版) [M]. 北京:高等教育出版社, 1997:15-17.

[31] 張人禾,李 強,張若楠.2013年1月中國東部持續(xù)性強霧霾天氣產生的氣象條件分析[J]. 中國科學:地球科學, 2014,65(1): 27-36.

致謝：感謝Chen和Goloub等對于AERONET北京站所做的貢獻.

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

程良曉(1991-),男,山東泰安人,山東科技大學碩士研究生,主要從事大氣遙感方向的研究.

2017-01-09

國家自然科學基金(41501373);北京市科技計劃(Z161100001116013);中國科學院遙感與數字地球研究所所長基金(Y5SJ0700CX)

* 責任作者, 助理研究員, fanmeng@radi.ac.cn