2019, Vol. 38
2. 兰州大学 资源环境学院, 甘肃 兰州 730000
气溶胶是指固体或液体微粒悬浮于空气中形成的多相体系。通过吸收和散射太阳辐射, 气溶胶可直接影响地气系统的辐射平衡, 即气溶胶的直接辐射效应, 其辐射强迫为-0. 35 W·m-2(-0. 85~0. 15 W·m-2)(IPCC, 2013)。气溶胶还可以作为云凝结核或冰核改变云的微物理特性、云量以及云的寿命, 产生间接效应, 其辐射强迫为-0. 45 W·m-2 (-1. 2~0. 0 W·m-2)(IPCC, 2013)。吸收性气溶胶(黑碳)通过半直接效应可以使大气变暖, 部分云蒸发, 其辐射强迫为-0. 45 W·m-2 (-0. 95~0. 05 W·m-2)(IPCC, 2013)。此外Rosenfeld et al(2008)提出一种气溶胶的激励效应。气溶胶的气候效应极为复杂, 不仅与气溶胶的化学组成、混合状态有关, 还与下垫面的性质、云和气溶胶的垂直分布有关, 被认为是气候辐射平衡中最不确定的因素之一。由于不同类型的气溶胶其气候效应并不相同, 因此将气溶胶进行分类研究是非常必要的。
目前, 国内外大气气溶胶的研究主要集中在其物理化学组成、时空分布规律、污染源解析、流行病学、气溶胶-云-辐射-降水相互作用以及气溶胶-季风的相互作用, 还有一系列诸如臭氧层的破坏、酸雨的形成、城市光化学烟雾事件等环境问题上(Cao et al, 2013; Wu et al, 2016; Dong et al, 2018)。气溶胶光学厚度是描述气溶胶基本光学特征的基本参数之一, 不仅可以计算气溶胶的含量, 还可以确定气溶胶的尺度, 在一定程度上反映了区域大气的污染程度和污染类型(杨志峰等, 2008; 冷亮等, 2011)。关于研究气溶胶光学厚度时空分布方面, 国内学者做了大量研究。蔡惠文等(2012)利用2000年3月至2011年2月中分辨率光谱成像仪MODIS Level3日平均气溶胶光学厚度(Aerosol Optical Depth, AOD)数据, 分析了全球AOD的空间分布, 结果表明全球气溶胶光学厚度稳定高值区位于亚洲东部及其临近太平洋海区、印度半岛及其临近印度洋海区、非洲北部和中部及其临近大西洋海区, 这与李晓静等(2015)的研究结果类似。刘状(2018)利用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)MOD08M3遥感反演气溶胶光学厚度产品, 对中国北方AOD的时空分布进行了分析, 结果表明, 其变化趋势的空间分布与大尺度地形因素有关, 受小平原小山脉的影响并不显著; 2007-2017年, 中国AOD的变化趋势为逐年减少; 多年均值高值区出现在胡焕庸线以东, 中极高值区域主要分布在华北平原、华东丘陵、长江中下游平原、四川盆地, 多年平均低值出现在胡焕庸线以西的广大地区, 但在塔里木盆地边缘存在弧形的异常高值区, 这与张亮林等(2018)的研究结果类似。余海洋等(2018)利用Terra卫星搭载的MODIS数据, 对北京及周边地区的AOD时空变化特征进行了研究, 结果表明, AOD的高值出现在春夏, 坝上地区的AOD年际变化小于其他地区, 平原地区与沿海地区的年际变化基本一致。张洋等(2014)利用MODIS光学厚度产品, 研究了四川省气溶胶光学厚度时空分布特征, 结果表明四川盆地及周边区域有较大的AOD, 春季偏高, 夏季有所下降但仍维持较高的水平, 秋冬季节整体下降, 总体呈双峰波动式的循环。杨杰等(2018)利用中国极轨气象卫星FY3C的AOD产品, 研究了重庆市AOD的时空分布特征, 结果表明重庆地区AOD空间特征呈现东低西高的趋势, 而季节变化特征与上述地区有所差异, 表现为冬季大于秋季大于春季大于夏季。张明明等(2014)利用AERONET(Aerosol Robotic Network)地面观测数据和地球观测系统MODIS 1B数据, 研究了2010年江苏省AOD的时空分布, 结果表明, 2010年夏半年AOD高值区出现在研究区各城市中心区, 总体分布随着城市规模的增大而增高, 苏南地区AOD夏季明显低于春季, 苏北地区AOD呈升高趋势, 而苏中地区变化相对不明显。方炜(2017)利用MODIS陆地气溶胶V5. 2算法, 研究了15年来广东省AOD的时空分布特征, 结果表明其季节变化与四川盆地类似, 呈现春季大于夏季大于秋季大于冬季的季节变化特征。
与地面太阳光度计实测值相比, MERRA-2(Modern-Era Retrospective Analysis for Research and Applications, Version 2)再分析资料对AOD的日变化、季节变化趋势以及空间变化趋势有很好的模拟效果, 但其数据略低于实测值。另外MERRA-2对PM2. 5浓度也会低估, 这主要是因为MERRA-2忽略了硝酸盐的贡献(Song et al, 2018)。除此之外, 基于卫星遥感的AOD观测常常会受到云层的限制, 导致大量数据不可用, 且较窄的卫星扫描宽度不能保证固定区域较高的时间分辨率(李晓静等, 2015)。而MERRA-2资料具有数据丰富、容易获取、时间序列长、覆盖全球和均匀分布的特点。与ECMWF(European Centre for Medium-Range Weather Forecasts)提供的MACC(Monitoring Atmospheric Composition and Climate)资料相比, MERRA-2数据产品与AERONET地面观测资料的相关性更高(Mukkavilli et al, 2019)。因此, 本文利用MERRA-2再分析资料研究了不同类型气溶胶类型光学厚度的时空分布特征。相比于其他资料, 再分析资料具有数据丰富、容易获取、时间序列长、覆盖全球和均匀分布等特点。
为了定量研究每种不同类型气溶胶光学厚度的时空分布特征, 本文采用1980—2017年MERRA-2再分析资料研究了全球不同类型气溶胶类型光学厚度在不同季节的空间分布, 然后给出了6个典型区域在不同季节每种类型气溶胶对总气溶胶AOD的贡献率及每种类型气溶胶AOD的时间序列。气溶胶的时空分布对准确评估气溶胶的气候效应具有重要意义。
2 数据及资料来源MERRA-2是由美国国家航空航天局全球模式和同化办公室(Gelaro et al, 2017)提供的现代卫星时代(1980年以后)包括基本气象要素和气溶胶等在内的一套大气实时再分析资料。在迈向综合地球系统分析的重要一步中, MERRA-2首次提供了通过辐射耦合到大气中的气溶胶分析场。MERRA2是在将气象场和气溶胶的观测同时同化到全球同化系统中的第一批多年代的再分析资料。在校正光学厚度的误差时, MERRA2在同化过程中包含了搭载在Terra和Aqua上的MODIS(Moderate Resolution Imaging Spectrora diometer)(Buchard et al, 2015, 2016)、AVHRR(Advanced Very High Resolution Radiometer)(Heidinger et al, 2014)、MIRS(MultiangleImaging SpectroRadiometer)(Kahn et al, 2005)和地基AERONET(Aerosol Robotic Network)的观测资料(Holben et al, 2012)。继最初MERRA再分析资料(Rienecker et al, 2011)的成功之后, MERRA-2系统结合了MERRA缺乏的观测资料, 减少了与气象观测系统变化相关的虚假趋势和跳跃(McCarty et al, 2016)。
MERRA-2的所有数据均在同一水平网格上。该网格纵向有576个点, 纬向有361个点, 分辨率为0. 625°×0. 5°。MERRA-2数据可通过戈达德地球科学数据和信息服务中心在线获得。MERRA-2提供的分析气溶胶场具有广泛的应用(Bocquet et al, 2015)。这些场可以作为区域模式和空气质量预报的初始条件(Zhang et al, 2012; Giordano et al, 2015; Buchard et al, 2016), 也可以作为研究气溶胶与天气、气候相互作用的工具(Reale et al, 2014; Bellouin et al, 2013), 还可以用作卫星反演其他大气成分中的先验廓线(Kessner et al, 2013; Inness et al, 2013)。本文所使用的数据为1980年到2017年全球范围内硫酸盐(SUlfate, SU)、黑碳(Black Carbon, BC)、有机碳(Organic Carbon, OC)、海盐(Sea Salt, SS)、沙尘(DUst, DU)和总气溶胶(TOTal aerosol, TOT)光学厚度的月数据。
3 结果分析硫酸盐气溶胶不仅受火山活动的影响, 还受人类工业活动的影响。受降水和气温因素的共同影响, SO42-柱浓度具有明显的季节变化特征。图 1至图 5给出了全球5种类型气溶胶(硫酸盐、黑碳、有机碳、海盐和沙尘)光学厚度的空间分布。从全球硫酸盐气溶胶光学厚度在不同季节的空间分布(图 1)来看, 冬季硫酸盐气溶胶的光学厚度最大(0. 0523), 夏季次之(0. 0522), 然后是春季(0. 0507), 秋季最小(0. 0492)。就中国东部而言, 夏季硫酸盐气溶胶的光学厚度最大, 这与前人(吴涧等, 2005; 王东东等, 2014; 李剑东等, 2015)的结果一致。从空间分布来看, 硫酸盐主要分布于中国东部、印度、欧洲西部及北美(Verma et al, 2006; Wang et al, 2010)。1月浓度高值中心出现在四川及中国东部, 由于受西南季风的影响, 7月高值中心北移, 出现在华北地区, 这与前人的研究结果基本一致(吴涧等, 2005; 王东东等, 2014; 李剑东等, 2015)。
|
图 1 全球硫酸盐气溶胶光学厚度在不同季节的空间分布 Fig. 1 Global distribution of aerosol optical depth for sulfate in different seasons |
|
图 2 全球黑碳气溶胶光学厚度在不同季节的空间分布 Fig. 2 Global distribution of aerosol optical depth for black carbon in different seasons |
|
图 3 全球有机碳气溶胶光学厚度在不同季节的空间分布 Fig. 3 Global distribution of aerosol optical depth for organic carbon in different seasons |
|
图 4 全球海盐气溶胶光学厚度在不同季节的空间分布 Fig. 4 Global distribution of aerosol optical depth for sea salt in different seasons |
|
图 5 全球沙尘气溶胶光学厚度在不同季节的空间分布 Fig. 5 Global distribution of aerosol optical depth for dust in different seasons |
碳气溶胶包括黑碳和有机碳两种。BC是黑色的, 通常被称为烟黑, 它是复杂的混合物, 主要来源于各种不完全燃烧过程。OC也是复杂的混合物, 其来源比较复杂, 按形成过程可以分为一次有机碳和二次有机碳。一次有机碳主要来自各种燃烧过程的直接排放, 且多以细颗粒的形式存在(Chow, 1995)。黑碳和有机碳二者有许多共同的排放源, 例如煤、石油等化石燃料和生物质的燃烧(Cao et al, 2011)。黑碳的分布具有明显的季节差异(图 2); 从全球的区域平均值来看, 秋季最大(0. 0052), 夏季次之(0. 0046), 然后是冬季(0. 0038), 春季最小(0. 0037)。从空间分布来看, 最大值出现在夏季南非的北部, 然后是冬季北非的南部和秋季南美的中部。另外, 在南非, 秋季黑碳也出现了一小部分, 这主要是因为非洲地区农业以刀耕火种的传统耕作方式为主(孙雨辰, 2014)。此外中国的东部地区和印度地区全年都有分布, 但是中国东部地区黑碳的AOD整体大于印度的, 这与前人(Chung et al, 2002; Roberts et al, 2004; 张华等, 2008; 宿兴涛等, 2009)给出的空间分布一致。吴丹等(2016)指出不同城市间BC的污染水平差异很大, 总体上看, 国内污染浓度基本高于国外, 在所有城市中美国亚特兰大地区的EC浓度最低, 而西安冬季的EC污染总体上高于其他对比城市。
有机碳的分布具有明显的季节差异(图 3); 从全球的区域平均值来看, 夏季最大(0. 022), 秋季次之(0. 020), 然后是春天(0. 015), 冬季最小(0. 013)。从空间分布来看, 高值中心出现在夏季南非的北部以及冬季北非的南部, 然后是南美中部。另外, 秋季在南非也有一定含量的有机碳。此外, 中国全年都有少量有机碳的分布。有机碳气溶胶主要分布在我国黄河以南、青藏高原以东的广大区域, 且由南向北递减; 最大值出现在华南、中南、云贵、四川和西藏东南部, 这与宿兴涛等(2010)和Wang et al(2010)的研究结果一致。吴丹等(2016)指出在所有城市中, 日本横滨地区的OC污染浓度最低, 西安地区的OC浓度最高, 两者相差近16倍。总体上看, 不同城市间OC的污染水平差异很大, 国内污染浓度基本高于国外, 而北方城市OC污染程度基本高于南方地方。宿兴涛等(2010)指出我国有机碳气溶胶柱含量呈季节性变化的原因除受各排放源的影响之外, 还受季风、副热带高压、天气形势、雨量等天气因素的影响。
崔振雷(2008)组建了CAM3-MATCH模式系统, 模式结果表明上述三种人为气溶胶浓度的高值区主要分布在北美东部、欧洲和亚洲东部等工业发达地区。对于自然源气溶胶, 海盐的分布具有明显的季节差异(图 4), 从全球的区域平均值来看, 冬季最大(0. 0341), 夏季次之(0. 0334), 然后是秋季(0. 0327), 春天最小(0. 0321)。从空间分布来看, 南半球海域硫酸盐气溶胶的出现概率大于北半球海域, 大洋深处出现的概率大于沿海地区。最大值出现在夏季的南大洋、阿拉伯海、孟加拉湾、印度洋、南中国海、菲律宾海和珊瑚海, 此外还有西半球的赤道太平洋及加勒比海, 这与前人(Erickson et al, 1986; Dobbie et al, 2003; Ma et al, 2008; 张颖等, 2014)的结果一致。
沙尘气溶胶不仅有自然源, 还有人为源, 包括城市逸散性粉尘(没有充分燃烧的煤烟尘、道路开挖、未覆盖、建筑工程工地和水泥等工业活动产生的矿物气溶胶等)和农业活动等人为活动产生的人为沙尘(张小曳, 2014; Huang et al, 2015)。对比沙尘在不同季节的分布(图 5)可知, 沙尘的分布具有明显的季节差异, 从全球的区域平均值来看, 春天最大(0. 029), 夏季次之(0. 024), 然后是秋季(0. 016), 冬季最小(0. 015)。从空间分布来看, 沙尘AOD的高值中心为北非的撒哈拉沙漠地区和中国新疆的塔克拉玛干沙漠地区, 其中北非的撒哈拉沙漠贡献了全球三分之二的沙尘气溶胶(刘建慧等, 2013)。孙雨辰(2014)利用激光雷达数据发现沙尘气溶胶也具有类似的空间分布。除此之外, 在澳大利亚、美国东部以及阿根廷境内也出现沙尘高值点, 这主要与其境内的维多利亚大沙漠、内华达州沙漠、巴塔哥尼亚沙漠有很大的影响(孙雨辰, 2014)。从季节变化来看, 南非地区夏季的沙尘最多, 然后是春季, 秋季次之, 冬季最少。东亚沙尘的排放量在春季达到最大, 占全年排放总量的三分之二, 夏季下降, 秋季小幅度回升, 冬季最小(熊洁等, 2013)。
综合以上结果可知, 不同类型气溶胶其时空分布特征并不相同, 因此根据总气溶胶光学厚度的空间分布(图 6)在北美、北非、南非、印度、中国和印度洋选取了6个典型区域, 研究区域如图 6中的方框所示。
|
图 6 1980—2017年6个典型区域总气溶胶光学厚度的年平均值 Fig. 6 Annual mean of total aerosol optical depth averagedat six typical regions from 1980 to 2017 |
由6个典型区域在不同季节总气溶胶光学厚度的区域平均值(图 7, 不同的颜色对应不同的季节)可知, 6个地区AOD的年平均值在北非地区最大, 为0. 43;其次是中国的东部地区, 为0. 41;然后是南非地区、印度中部地区、北美地区和印度洋地区, 其AOD分别为0. 35, 0. 30, 0. 20和0. 12。在印度洋地区, 总气溶胶的AOD从大到小依次为秋季、夏季、春季和冬季; 在北美地区和印度中部地区, 其顺序为夏季、春季、秋季和冬季; 在南非地区, 其顺序为夏季、冬季、秋季和春天; 在北非地区, 其顺序为夏季、春季、秋季和冬季; 在中国东部地区, 其顺序为春季、冬季、夏季和秋季。
|
图 7 不同季节6个典型区域总气溶胶光学厚度的区域平均值 Fig. 7 Mean total aerosol optical depth in different seasonsfor six typical regions in different seasons |
为了了解每个典型区域主导的气溶胶类型, 通过6个典型区域5种类型气溶胶AOD年平均值对总气溶胶的贡献率(图 8)可知, 在印度洋地区, 海盐和硫酸盐是主导的气溶胶类型, 分别贡献了65 %和22 %; 在北美地区, 硫酸盐和有机碳是主导的气溶胶类型, 分别贡献了66 %和17 %; 在印度中部地区, 硫酸盐、沙尘和有机碳是主导的气溶胶类型, 分别贡献了42 %, 31 %和15 %; 在南非地区, 有机碳、硫酸盐和沙尘是主导的气溶胶类型, 分别贡献了51 %, 19 %和17 %; 在北非地区, 沙尘和硫酸盐是主导的气溶胶类型, 分别贡献了82 %和11 %; 在中国东部, 硫酸盐是最主要的气溶胶类型, 贡献了63 %, 沙尘、有机碳和黑碳分别贡献了15 %, 14 %和7 %, 这与中国复合污染的现状相符。
|
图 8 6个典型区域每种气溶胶在总气溶胶光学厚度中的贡献率 Fig. 8 Contribution of each kind of aerosol to total aerosol optical depth for six typical regions |
从不同季节下每个典型区域5种类型气溶胶AOD的区域平均值(图 9)中可以看出(具体数值参见表 1), 在印度洋地区, 硫酸盐是最主要的气溶胶类型, 而且其对印度洋地区总气溶胶AOD的贡献率随季节而变化, 其在春、夏、秋、冬四个季节的贡献率依次为67. 2 %, 70. 3 %, 60. 2 %和60. 5 %; 在北美地区, 硫酸盐是最主要的气溶胶类型, 而且其对北美地区总气溶胶AOD的贡献率也随季节而变化, 其在春、夏、秋、冬四个季节的贡献率依次为58. 7 %, 66. 9 %, 69. 6 %和71. 7 %; 在印度中部地区, 沙尘和硫酸盐是最主要的两种气溶胶类型, 其对总气溶胶AOD的贡献率也随季节而变化, 但沙尘的贡献率受季节变化的影响更为明显, 沙尘在春、夏、秋、冬四个季节的贡献率依次为48. 5 %, 35. 7 %, 18. 2 %和15. 5 %, 而硫酸盐则为28. 2 %, 39. 2 %, 52. 9 %和50. 9 %; 在南非地区, 有机碳是最主要的气溶胶类型, 其贡献率随季节而变化, 且在夏季达到最大, 其在春、夏、秋、冬四个季节的贡献率依次为30. 1 %, 65. 3 %, 51. 5 %和46. 1 %; 在北非地区, 沙尘是最主要的气溶胶类型, 其对总气溶胶AOD的贡献率在春、夏季大于秋冬季, 其在春、夏、秋、冬四个季节的贡献率依次为87. 6 %, 80. 6 %, 78. 6 %和78. 8 %; 在中国东部地区, 硫酸盐是最主要的气溶胶类型, 其对总气溶胶AOD的贡献率随季节有明显的变化, 其在春、夏、秋、冬四个季节的贡献率依次为53. 3 %, 68. 9 %, 68. 8 %和64. 2 %, 沙尘是第二主要的气溶胶类型, 其对总气溶胶AOD的贡献率随季节有明显的变化, 其在春、夏、秋、冬四个季节的贡献率依次为23. 0 %, 12. 5 %, 12. 0 %和11. 4 %。
|
图 9 6个典型区域五种类型气溶胶光学厚度在不同季节的区域平均值 Fig. 9 Aerosol optical depth for different kind of aerosol in six typical regions in different seasons |
|
表 1 6个典型区域在不同季节总气溶胶的光学厚度及每种类型气溶胶的贡献率 Table 1 AOD for each kind of aerosol and its contribution in total AOD in six typical regions for four seasons |
为了研究每种类型气溶胶的年际变化, 图 10给出了5种类型气溶胶及总气溶胶AOD在每个典型区域中的时间序列。图 10 (a)~(f)分别对应硫酸盐气溶胶、黑碳气溶胶、有机碳气溶胶、海盐气溶胶、沙尘气溶胶和总气溶胶, 不同的区域用不同的颜色区分。6个地区硫酸盐的AOD在1982年和1991年出现过两次峰值[图 10(a)], 这与1982年和1991年分别发生在墨西哥东南部的埃尔奇琼火山喷发和菲律宾群岛的皮纳图博火山爆发对应; 在中国东部和印度中部地区, 2000—2010年硫酸盐的AOD呈现较为明显的增长趋势, 2010年以后, 中国东部硫酸盐的AOD在快速地下降, 而印度中部地区其AOD则维持在2010年的水平。在中国东部地区和印度中部地区黑碳气溶胶[图 10(b)]的AOD随时间呈明显的增长, 其线性增长率均为0. 006 a-1; 在2017年南非地区、中国东部地区和印度中部地区黑碳的AOD相当, 并且明显高于其他3个地区。南非地区有机碳[图 10(c)]的AOD有较大的波动, 但没有明显的增加或减少趋势; 而且南非地区有机碳的AOD明显大于其他5个地区。6个地区海盐[图 10(d)]的AOD均没有明显的年际变化; 而且印度洋地区海盐的AOD明显高于其他五个地区。从图 10(e)中可以看出, 印度中部地区和南非地区在2000年以后沙尘的AOD出现较为明显的增加, 中国东部地区有轻微的减少, 其他地区都没有明显的年际变化; 北非地区沙尘的AOD明显高于其他五个地区。从图 10(f)中可以看出, 印度洋地区和北美地区总气溶胶的AOD相对较低, 其他4个地区总气溶胶的AOD都相对较高; 由于受硫酸盐和黑碳气溶胶的影响, 中国东部地区和印度中部地区总气溶胶的AOD有较为明显的增加趋势, 其增长率分别为0. 007 a-1和0. 0056 a-1。
|
图 10 1980—2017年不同区域气溶胶光学厚度的时间序列 Fig. 10 Time series of aerosol optical depth in six typical regions for sulfate (a), black carbon (b), organic carbon (c), sea salt (d), dust (e) and total aerosol (f) at different regions from 1980 to 2017 |
在5种气溶胶类型中, 黑碳由于其对大气加热率极为显著的改变而成为气候研究中的热点之一。王戎(2013)根据全球高分辨黑碳排放清单得出2007年全球64种燃料源向大气中排放的黑碳总量为8895 Gg, 其中亚洲排放3700 Gg·a-1, 占全球排放比例为42 %, 非洲、南美、欧洲、北美和大洋洲分别贡献了全球总排放的24 %, 13. 2 %, 8. 5 %, 6. 3 %和2. 0 %。中国、巴西、印度的排放量排名第一、第二和第三, 排放量分别为1992, 805和630 Gg·a-1, 美国排名第四, 排放量为330 Gg·a-1。中国是全球最重要的黑碳排放国, 民用煤和生物质燃烧是最主要的黑碳排放源, 贡献了中国排放总量的50 %, 其次是工业活动、交通运输, 分别贡献了33 %和10 %。在空间分布上, 东部的排放高于西部, 排放密度较高的地区包括北方大部分地区及四川盆地及贵州高原。在动态趋势上, 20世纪90年代中期之前是中国黑碳排放高速增长的阶段, 随后由于国家调整能源结构、提高工业除尘效率、积极控制工业土焦, 中国黑碳排放已经处于稳定和略有下降的阶段。
沙尘作为中国北方重要的气溶胶类型被广泛地研究。利用气溶胶激光雷达资料反演得到邢台市2017年5月3—5日沙尘天气过程前后的消光系数、退偏比等的光学特性的变化, 结果发现在高空2 km附近集聚的沙尘气溶胶可以形成消光系数的大值区, 且退偏比的平均值为0. 252(郝巨飞等, 2018)。利用2006—2012年兰州大学半干旱气候与环境观测站太阳光度计资料, 分析了沙尘气溶胶的光学和微物理特性。结果表明, 沙尘气溶胶光学厚度主要分布在0. 3~0. 8, 且在春季最大, 秋季最小(史莹莹等, 2018)。针对兰州大学半干旱气候与环境观测站在敦煌地区的沙尘气溶胶加强观测试验的结果, 发现以4月26日为代表的自然沙尘, 粒子退偏比垂直廓线均大于30 %, 质量浓度呈现单峰结构, 1. 5 km出现最大值(1070 μg·m-3); 以4月6日为代表的污染沙尘, 有明显的气溶胶分层现象, 粒子退偏比介于5 % ~20 %, 沙尘质量浓度介于2~45 μg·m-3; 由于局地污染的影响, 污染沙尘的质量消光系数(0. 79 m2·g-1)明显大于自然沙尘(0. 48 m2·g-1)(华雯丽等, 2018)。
在6个典型区域里, 中国东部区域面临的污染情况最为复杂, 因此引发了许多学者的关注。张小曳(2014)评估了中国不同城市大气气溶胶化学组分的质量浓度并进行了源解析。结果表明中国东部及四川盆地是气溶胶污染最严重的区域。沙尘气溶胶、硫酸盐、有机碳是PM10中三个主要的组分, 其所占的百分数分别为20 % ~38 %, 14 % ~24 %和11 % ~18 %。燃煤、机动车、城市逸散性粉尘是三个最需要关注的人为污染源。中国城市多数区域能源结构中煤所占比例超过70 %, 因此导致大气中硫酸盐浓度较高。燃煤是人为硫酸盐气溶胶的主要来源, 也是区域性雾霾天气形成、空气污染和影响天气气候的一个主要贡献者(Zhang et al, 2009; Cao et al, 2011)。燃煤、机动车尾气排放和生物质燃烧是中国含碳气溶胶的主要排放源(吴丹等, 2016), 其中燃煤对OC的贡献超过50 % (Zhang et al, 2009; Cao et al, 2011)。
随着机动车保有量的不断增加, 机动车尾气排放已成为中国大、中城市空气污染的重要来源之一。汽车是机动车污染的主要贡献者, 其排放的颗粒物超过90 %。2009年新生产的轻型汽车, 与20世纪初相比, 其单车污染物排放量下降了九成以上。2011年轻型汽油车采用国四标准, 并且开始实施非道路移动机械排放标准, 积极推进车用燃油低硫化。尽管汽车保有量在快速增长, 但通过升级油品、油改气及快速升级排放标准, 机动车尾气排放总量的增加却变得缓慢。2012年, 中央财政大力补助支持《重点区域大气污染防治“十二五”规划》中15个重点城市, 实施燃煤、锅炉等综合整治工程, 有效减少了散煤的燃烧。2013年国家发布并开始实施《大气十条》, 直到2017年, 在全国300多个城市中, 有约30 %的城市环境空气质量达标, 颗粒物和气体污染物的年均浓度均逐年下降, 总体来说, 全国城市环境的空气质量在不断改善(http://www.zhb.gov.cn/hjzl/)
5 结论(1) 5种类型气溶胶在全球的空间分布均呈现非均匀分布和明显的季节变化。全球多年平均总气溶胶的AOD在夏季最大, 为0. 137;春季次之, 为0. 130;然后是秋季, 为0. 123;冬季最小, 为0. 118。
(2) 在6个典型区域里, 多年区域平均总气溶胶的AOD在北非地区最大, 其次是中国的东部地区。每个典型区域多年区域平均总气溶胶的AOD具有季节差异。在6个典型区域里, 每种气溶胶类型对总气溶胶AOD的贡献率也不相同, 并且呈现季节变化。对于不同的季节, 每个区域主要气溶胶的类型基本不变, 但其贡献率会发生变化。
(3) 6种类型气溶胶在6个典型区域的时间序列显示, 对于黑碳、硫酸盐和总气溶胶, 中国东部地区和印度中部地区有较为明显的增长趋势, 但在2010年以后, 中国东部地区出现明显的下降。
致谢: 感谢兰州大学大气科学学院闭建荣老师、黄悦同学的指导和帮助, 感谢美国航空航天局Earthdata提供的气溶胶光学厚度数据资料和帮助。
Bellouin N, Quaas J, Morcrette J J, et al. 2013. Estimates of aerosol radiative forcing from the MACC re-analysis[J]. Atmospheric Chemistry & Physics, 13(4): 2045–2062.
|
|
Bocquet M, Elbern H, Eskes H, et al. 2015. Data assimilation in atmospheric chemistry models:current status and future prospects for coupled chemistry meteorology models[J]. Atmospheric Chemistry & Physics, 15(10): 5325–5358.
|
|
Buchard V, Silva A M D, Colarco P R, et al. 2015. Using the OMI aerosol index and absorption aerosol optical depth to evaluate the NASA MERRA Aerosol Reanalysis[J]. Atmospheric Chemistry & Physics Discussions, 15(23): 5743–5760.
|
|
Buchard V, Silva A M D, Randles C A, et al. 2016. Evaluation of the surface PM2.5, in version 1 of the NASA MERRA aerosol reanalysis over the United States[J]. Atmospheric Environment, 125: 100–111.
DOI:10.1016/j.atmosenv.2015.11.004 |
|
Cao G L, Zhang X Y, Gong S L, et al. 2011. Emission inventories of primary particles and pollutant gases for China[J]. Science Bulletin, 56(8): 781–788.
DOI:10.1007/s11434-011-4373-7 |
|
Cao J J, Chow J C. 2013. Recent advances for aerosol and environment study in Asia[J]. Particuology, 11(1): 3–4.
DOI:10.1016/j.partic.2012.12.002 |
|
Chow J C. 1995. Measurement methods to determine compliance with ambient air quality standards for suspended particles[J]. Air Repair, 45(5): 320–382.
|
|
Chung S H, Seinfeld J H. 2002. Global distribution and climate forcing of carbonaceous aerosols[J]. Journal of Geophysical Research Atmospheres, 107(D19): 14–33.
|
|
Dobbie S, Li J, Harvey R, et al. 2003. Sea-salt optical properties and GCM forcing at solar wavelengths[J]. Atmospheric Research, 65(3): 211–233.
|
|
Dong X Q. 2018. Preface to the special issue:Aerosols, clouds, radiation, precipitation, and their interactions[J]. Advances in Atmospheric Sciences, 35(2): 133–134.
|
|
Erickson D J, Merrill J T, Duce R A. 1986. Seasonal estimates of global atmospheric sea-salt distributions[J]. Journal of Geophysical Research Atmospheres, 91(D1): 1067–1072.
DOI:10.1029/JD091iD01p01067 |
|
Gelaro R, Mccarty W, Suárez M J, et al. 2017. The Modern-Era Retrospective Analysis for Research and Applications, Version 2 (MERRA-2)[J]. Journal of Climate, 30(14): 5419–5454.
DOI:10.1175/JCLI-D-16-0758.1 |
|
Giordano L, Brunner D, Flemming J, et al. 2015. Assessment of the MACC reanalysis and its influence as chemical boundary conditions for regional air quality modeling in AQMEⅡ-2[J]. Atmospheric Environment, 115(3): 371–388.
|
|
Heidinger A K, Foster M J, Walther A, et al. 2014. The pathfinder atmospheres-extended AVHRR climate dataset[J]. Bulletin of the American Meteorological Society, 95(6): 909–922.
DOI:10.1175/BAMS-D-12-00246.1 |
|
Holben B N, Eck T F, Slutsker I, et al. 2012. AERONET-A federated instrument network and data archive for aerosol characterization[J]. Remote Sensing of Environment, 66(1): 1–16.
|
|
Huang J P, Liu J J, Chen B, et al. 2015. Detection of anthropogenic dust using CALIPSO lidar measurements[J]. Atmospheric Chemistry & Physics, 15(7): 10163–10198.
|
|
Inness A, Baier F, Benedetti A, et al. 2013. The MACC reanalysis:an 8 yr data set of atmospheric composition[J]. Atmospheric Chemistry & Physics, 13(8): 4073–4109.
|
|
IPCC, 2013.Clouds and Aerosols: The Physical Science Basis[C]//Boucher O, Randall D, Artaxo P, et al, eds.Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge: Cambridge University Press.
|
|
Kahn R A, Gaitley B J, Martonchik J V, et al. 2005. Multiangle Imaging Spectroradiometer (MISR) global aerosol optical depth validation based on 2 years of coincident Aerosol Robotic Network (AERONET) observations[J]. Journal of Geophysical Research Atmospheres, 110: D10S04.
DOI:10.1029/2004JD004706 |
|
Kessner A L, Wang J, Levy R C, et al. 2013. Remote sensing of surface visibility from space:A look at the United States East Coast[J]. Atmospheric Environment, 81(2): 136–147.
|
|
Ma X, vonSalzen K, Li J. 2008. Modeling sea salt aerosol and its direct and indirect effects on climate[J]. Atmospheric Chemistry and Physics, 8(5): 1311–1327.
DOI:10.5194/acp-8-1311-2008 |
|
McCarty W, Coy L, GelaroR, et al, 2016.MERRA-2 input observations: Summary and assessment[R/OL].NASA TM-2016-104606, Vol.46, NASA Global Modeling and Assimilation Office.[2018-08-08].https: //ntrs.nasa.gov/archive/nasa/casi.ntrs.nasa.gov/20160014544.pdf.
|
|
Mukkavilli S K, Prasad A A, Taylor R A, et al. 2019. Assessment of atmospheric aerosols from two reanalysis products over Australia[J]. Atmospheric Research, 215: 149–164.
DOI:10.1016/j.atmosres.2018.08.026 |
|
Reale O, Lau K M, Silva A D, et al. 2014. Impact of assimilated and interactive aerosol on tropical cyclogenesis[J]. Geophysical Research Letters, 41(9): 3282–3288.
DOI:10.1002/2014GL059918 |
|
Rienecker M M, Suarez M J, Gelaro R, et al. 2011. MERRA:NASA's modern-era retrospective analysis for research and applications[J]. Journal of Climate, 24(14): 3624–3648.
DOI:10.1175/JCLI-D-11-00015.1 |
|
Roberts D L, Jones A. 2004. Climate sensitivity to black carbon aerosol from fossil fuel combustion[J]. Journal of Geophysical Research Atmospheres, 109: D16202.
DOI:10.1029/2004JD004676 |
|
Rosenfeld D, Lohmann U, Raga G B, et al. 2008. Flood or drought:how do aerosols affect precipitation?[J]. Science, 321(5894): 1309–1313.
DOI:10.1126/science.1160606 |
|
Song Z, Fu D, Z X, et al. 2018. Diurnal and seasonal variability of PM 2.5, and AOD in North China plain:Comparison of MERRA-2 products and ground measurements[J]. Atmospheric Environment, 191: 70–78.
DOI:10.1016/j.atmosenv.2018.08.012 |
|
Verma S, Boucher O, Upadhyaya H C, et al. 2006. Sulfate aerosols forcing:An estimate using a three-dimensional interactive chemistry scheme[J]. Atmospheric Environment, 40(40): 7953–7962.
DOI:10.1016/j.atmosenv.2006.07.010 |
|
Wang Z, Zhang H, Shen X, et al. 2010. Modeling study of aerosol indirect effects on global climate with an AGCM[J]. Advances in Atmospheric Sciences, 27(5): 1064–1077.
DOI:10.1007/s00376-010-9120-5 |
|
Wu G X, Li Z Q, Fu C B, et al. 2016. Advances in studying interactions between aerosols and monsoon in China[J]. Science China Earth Sciences, 59(1): 1–16.
|
|
Zhang Q, Streets D G, Carmichael G R, et al. 2009. Asian emissions in 2006 for the NASA INTEX-Bmission[J]. Atmospheric Chemistry & Physics, 9(14): 5131–5153.
|
|
Zhang Y, Bocquet M, Mallet V, et al. 2012. Real-time air quality forecasting, part I:History, techniques, and current status[J]. Atmospheric Environment, 60(32): 632–655.
|
|
蔡惠文, 2012.Terra时代全球气溶胶光学厚度变化特征研究[D].南京: 南京信息工程大学.
|
|
崔振雷, 2008.中国地区和全球大气气溶胶浓度及光学厚度的数值模拟研究[D].南京: 南京信息工程大学.
http://cdmd.cnki.com.cn/Article/CDMD-10300-2008092188.htm |
|
方炜, 2017.广州市气溶胶光学厚度及PM2.5浓度的时空特征及其影响因素[D].广州: 中山大学.
http://cdmd.cnki.com.cn/Article/CDMD-10558-1017852554.htm |
|
郝巨飞, 袁雷武, 李芷霞, 等. 2018. 激光雷达和微波辐射计对邢台市一次沙尘天气的探测分析[J]. 高原气象, 37(4): 1110–1119.
DOI:10.7522/j.issn.1000-0534.2018.00009 |
|
华雯丽, 韩颖, 乔瀚洋, 等. 2018. 敦煌沙尘气溶胶质量浓度垂直特征个例分析[J]. 高原气象, 37(5): 1428–1439.
DOI:10.7522/j.issn.1000-0534.2018.00017 |
|
冷亮. 2011. 基于VC++与MATLAB太阳光度计直射数据处理软件设计[J]. 安徽农业科学, 39(22): 13600–13602.
DOI:10.3969/j.issn.0517-6611.2011.22.127 |
|
李剑东, 毛江玉, 王维强. 2015. 大气模式估算的东亚区域人为硫酸盐和黑碳气溶胶辐射强迫及其时间变化特征[J]. 地球物理学报, 58(4): 1103–1120.
|
|
李晓静, 高玲, 张兴赢, 等. 2015. 卫星遥感监测全球大气气溶胶光学厚度变化[J]. 科技导报, 33(17): 30–40.
DOI:10.3981/j.issn.1000-7857.2015.17.003 |
|
刘建慧, 赵天良, 韩永翔, 等. 2013. 全球沙尘气溶胶源汇分布及其变化特征的模拟分析[J]. 中国环境科学, 33(10): 1741–1750.
|
|
刘状, 孙曦亮, 刘丹, 等. 2018. 2001-2017年北方省份气溶胶光学厚度的时空特征[J]. 环境科学学报, 38(8): 3177–3184.
|
|
史莹莹, 张镭, 田鹏飞, 等. 2018. 黄土高原半干旱区沙尘气溶胶光学和微物理特性[J]. 高原气象, 37(1): 286–295.
DOI:10.7522/j.issn.1000-0534.2017.00024 |
|
孙雨辰, 2014.基于星载激光雷达的全球气溶胶光学特性研究[D].青岛: 中国海洋大学.
http://cdmd.cnki.com.cn/Article/CDMD-10423-1014368304.htm |
|
王东东, 朱彬, 江志红, 等. 2014. 硫酸盐气溶胶直接辐射效应对东亚副热带季风进程的影响[J]. 大气科学, 38(5): 897–908.
DOI:10.3878/j.issn.1006-9895.1403.13193 |
|
王戎, 2013.黑炭的全球排放和大气迁移及其暴露风险和辐射强迫评估[D].北京: 北京大学.
http://d.wanfangdata.com.cn/Thesis_D318168.aspx |
|
吴丹, 左芬, 夏俊荣, 等. 2016. 中国大气气溶胶中有机碳和元素碳的污染特征综述[J]. 环境科学与技术, 39(增刊): 23–32.
|
|
吴涧, 罗燕, 王卫国. 2005. 东亚地区人为硫酸盐气溶胶辐射气候效应不同模拟方法的对比[J]. 云南大学学报(自然科学版), 27(4): 323–331.
DOI:10.3321/j.issn:0258-7971.2005.04.010 |
|
熊洁, 赵天良, 韩永翔, 等. 2013. 1995-2004年东亚沙尘气溶胶的模拟源汇分布及垂直结构[J]. 中国环境科学, 33(6): 961–968.
DOI:10.3969/j.issn.1000-6923.2013.06.001 |
|
宿兴涛, 王汉杰. 2009. 中国黑碳气溶胶分布特征与辐射强迫的模拟研究[J]. 大气科学学报, 32(6): 798–806.
DOI:10.3969/j.issn.1674-7097.2009.06.009 |
|
宿兴涛, 王汉杰, 周林. 2010. 中国有机碳气溶胶时空分布与辐射强迫的模拟研究[J]. 热带气象学报, 26(6): 765–772.
DOI:10.3969/j.issn.1004-4965.2010.06.016 |
|
杨杰, 王永前, 杨世琦, 等. 2018. 基于FY3C/MERSI资料分析重庆市气溶胶光学厚度分布[J]. 重庆师范大学学报(自然科学版), 35(6): 49–55.
|
|
杨志峰, 车慧正, 张小曳, 等, 2008.北京地区气溶胶光学特性及其与大气可吸入颗粒物的关系[C]//湖北: 鄂港澳城市群气候与环境研讨会.
|
|
俞海洋, 张杰, 李婷, 等. 2018. 2000-2013年北京及周边地区大气气溶胶光学厚度时空变化特征及气象影响因素分析[J]. 气象科学, 2018(4): 512–522.
|
|
张华, 马井会, 郑有飞. 2008. 黑碳气溶胶辐射强迫全球分布的模拟研究[J]. 大气科学, 32(5): 1147–1158.
DOI:10.3878/j.issn.1006-9895.2008.05.13 |
|
张亮林, 潘竟虎, 张大弘. 2018. 基于MODIS数据的中国气溶胶光学厚度时空分布特征[J]. 环境科学学报, 38(11): 4431–4439.
|
|
张明明, 刘振波, 葛云健. 2014. 江苏省大气气溶胶光学厚度时空分布研究[J]. 长江流域资源与环境, 23(12): 1775–1782.
DOI:10.11870/cjlyzyyhj201412019 |
|
张小曳. 2014. 中国不同区域大气气溶胶化学成分浓度、组成与来源特征[J]. 气象学报, 72(6): 1108–1117.
|
|
张洋, 刘志红, 于明洋, 等. 2014. 四川省气溶胶光学厚度时空分布特征[J]. 四川环境, 33(3): 48–53.
|
|
张颖, 王体健, 庄炳亮, 等. 2014. 东亚海盐气溶胶时空分布及其直接气候效应研究[J]. 高原气象, 33(6): 1551–1561.
DOI:10.7522/j.issn.1000-0534.2013.00106 |
2. College of Earth environment Sciences, Lanzhou University, Lanzhou 730000, Gansu, China