孙文文 江 洪，2，# 陈洪滨 陈晓峰 舒海燕 马锦丽

(1.浙江农林大学林业与生物技术学院，浙江省森林生态系统碳循环与固碳减排重点实验室，浙江 杭州 311300；2.南京大学国际地球系统科学研究所，江苏 南京 210093；3.西南大学生命科学学院，三峡库区生态环境教育部重点实验室，重庆 400715；4.中国科学院大气物理研究所，北京 100029)

大气气溶胶是指长时间悬浮在空气中能被观察或测量的液体或固体颗粒[1]，它是构成地球辐射平衡和云属性的重要组成部分。近年来，因气候效应和环境效应，气溶胶的研究已成为科学界广泛关注的一个重要领域，其中气溶胶光学厚度(AOD)可以用来表现大气浑浊度，对于评价大气污染、研究气溶胶的辐射与气候效应具有重要意义，并在一定程度上能反映区域大气的污染程度[2-4]。普遍认为，AOD是表征大气浑浊度和气溶胶含量的一个重要物理参量，如通过AOD与波长的关系得到两个重要的Ångström参数(即波长指数(α)和浑浊系数(β))。α为气溶胶粒子尺度分布的重要指标，其值越小，气溶胶平均粒径越大；β为大气气溶胶沉降的量度指标，也是气候模型及气候变化中的一个重要因素，可以粗略地估计气溶胶类型，在一定程度上可反映大气的污染状况。另外，根据α的计算结果来说明粒子谱分布，而粒子谱的分布又可反映大气气溶胶模式(如城市工业型气溶胶)，从而对了解监测大气污染的空间分布、来源和区域输送有很大帮助[5]9。世界许多国家已投入了大量研究经费用于气溶胶地面及空间的监测和模拟研究。MIKHALEV等[6]利用法国CEMEL公司制造的自动跟踪扫描太阳光度计(CE-318)获得观测数据，研究了西伯利亚地区2004—2008年大气气溶胶逐日变化规律和季节变化规律。SAKERIN等[7]利用CE-318对西伯利亚平原东南部的托木斯克以及俄罗斯的亚洲地区进行观测，研究了该区域Ångström参数的季节变化特征。近年来，我国CHEN等[8]、肖忠湧[9]也在不同领域进行了许多利用CE-318遥感监测大气气溶胶的研究工作。地基气溶胶观测网络的建立为气溶胶光学特性的认识提供了较精确的地面观测数据，是目前研究AOD遥感监测较准确的方法，具有常规地面采样无法比拟的优势，它不但可以连续地获取大气气溶胶的整体光学特性，而且其得到的数据精度较高，还可用来验证和校正卫星遥感的精度。

随着经济的迅速发展，北京地区人口和机动车辆急剧增加，环境问题日益严重，可吸入颗粒物已成为北京地区的首要空气污染物，它是气溶胶的重要组成部分。大气气溶胶颗粒物的来源众多且复杂，因此研究北京地区大气气溶胶的来源及其特征，对科学预测以及有效控制北京地区大气颗粒物污染有着重要意义。针对北京地区大气污染监测和环境治理的需求，本研究开展了北京地区大气气溶胶观测研究工作，结合前人的成果取得了基本的研究进展。然而，气溶胶产品在时间和空间上的变化对于估测一个地区气溶胶辐射效应对空气质量的影响以及全球气候效应是一个难点[10]，本研究利用CE-318获取北京地区2013年1月至2014年11月气溶胶数据，并结合MODIS遥感数据以及美国国家海洋和大气管理局(NOAA)的气象资料进行后向轨迹分析，探讨了污染物来源与其雾霾事件的相关性。

1 实验与方法

1.1 Ångström参数计算方法

假设气溶胶粒子的谱分布满足Junge分布(仅适用于描述洁净大气中半径为0.1～2.0 μm的气溶胶粒子分布)的情况下，AOD跟波长之间的关系可用式(1)表示。

τa(λ)=βλ-α

(1)

式中：τa(λ)为AOD；λ为波长，nm。

假设波长λ1、λ2没有水汽影响(通常利用440、870 nm进行计算)，则可得式(2)和式(3)，从而得到任何波长的AOD。

(2)

(3)

1.2 试验场地及数据来源

试验场地位于北京市朝阳区北辰西路的中国科学院大气物理研究所。该所地处39.977°N、116.381°E，属于暖温带大陆性季风气候区。

气溶胶数据主要由CE-318直接观测得来，经过CE-318软件ASTPWin反演获得4个波长(440、675、870、1 020 nm)的AOD，然后根据式(2)和式(3)计算Ångström参数。由于MODIS只能反演550 nm处的AOD，因此通过埃斯屈朗方程进行插值，求得550 nm的AOD，再对其进行垂直校正和湿度校正，对PM10与AOD进行相关性分析。PM10数据来源于中国环境监测总站的实时数据。其余数据来源于北京市环境保护局。

2 结果与讨论

2.1 AOD反演结果与分析

图1和图2描述了北京地区2013—2014年4个波长的AOD月变化和季节变化特征，4个波长AOD变化基本一致。由于CE-318软件ASTPWin反演获得4个波长的AOD基本一致，且440 nm的AOD最接近MODIS反演所得550 nm的AOD，因此本研究主要讨论了440 nm的AOD。由图1(a)可知，2013年北京地区AOD月均值呈双峰曲线，具有明显的月变化特征。以440 nm为例，AOD月均值在0.18～0.91波动，最高值分别出现在3、6月，其次是1月，尤其是6月达到了0.91，原因是由于生物质的燃烧在夏季尤为明显[11]，且夏季垂直方向湍流发展强盛，有更多的颗粒物被送到高空，另外根据北京气象局气象资料显示，2013年6月大多是多云或有雨的天气，风向为偏南风，风力为3～4级，颗粒物主要来源于北京南部以及西南部的区域性传输[12]869。而且，随着雨季的到来，空气中的水汽较多，使得整层大气AOD增大，并且影响着气溶胶颗粒物的形状和辐射效应，最终影响AOD以及α[13]。3月的AOD达到了0.61，跟前人结果一致，主要原因是由于两大污染源：交通和煤炭燃烧[14]，且北京3—4月沙尘较多也是造成AOD偏高的原因之一。1月的AOD为0.41，而BI等[15]对北京地区2013年1月严重空气污染事件的相关研究表明，雾霾发生期间，PM2.5浓度迅速升高，为这时段气溶胶的主要成分，440 nm的AOD≥1.0。

图1 北京地区2013—2014年AOD月变化Fig.1 Monthly variation of aerosol optical depth in Beijing in 2013 and 2014

图2 北京地区2013—2014年AOD季节变化Fig.2 Seasonal variation of aerosol optical depth in Beijing in 2013 and 2014

由图1(b)可知，2014年北京AOD月均值呈现单峰曲线。以440 nm为例，AOD月均值在0.11～0.83波动，最高值出现在4月。分析原因，主要还是由于北京春天的沙尘暴天气频繁，沙尘地区中低层较强上升运动将当地沙尘垂直送到高空[16]。申彦波等[17]利用CE-318测得的结果分析了2001年春季我国北方大气AOD的时空分布特征，结果表明，在观测期间内各站点每月都有500 nm的AOD>1.04的现象出现，与我国北方春季发生沙尘天气时气溶胶的时空分布特征基本一致，同时春季北京风速大、干燥、低湿度，城市建筑工地以及裸露地表的扬尘、汽车尾气和工业废气的排放也严重影响着空气质量[12]874。

由图2可知，北京地区AOD具有春夏季大、秋冬季小的特点。较2013年，2014年AOD波动变化较小，总体趋势除春季变化较明显以外，夏、秋、冬季变化趋于平缓。北京地区2013—2014年AOD最高值均出现在春季(2013、2014年440 nm的AOD分别为0.52、0.64)，夏、秋季有明显的下降过程，但是冬季有上升的趋势。李放等[18]利用1997—1985年北京地区太阳直接辐射资料分析了该地区AOD特性得出，该地区AOD有春夏季大、秋冬季小的统计规律。

2.2 α、β的计算

根据式(2)和式(3)计算得到北京地区2013—2014年的α和β月变化和季节变化特征，见图3和图4。2013、2014年α分别在0.82～1.33、0.89～1.64波动。一般认为，α较小时，表明大粒径气溶胶为主控粒子，α较大时，表明小粒径气溶胶为主控粒子；α<0.4，归为沙尘粒子或海盐粒子；α为1.1～1.5，归为城市工业型气溶胶；α为1.55～1.95，归为生物质燃烧的气溶胶[5]10-11。由图3可知，2013年北京地区6—9月α达到最大，说明此时城市工业型气溶胶为气溶胶的主要成分[19-20]，较小的气溶胶主要来源于人为污染，尤其是汽车尾气、工业废气等排放。由图3和图4可以看出，α<0.4的情况没有，说明北京地区受沙尘天气影响不明显，气溶胶主要来自城市工业型气溶胶或生物质燃烧的气溶胶。研究结果与许多科学研究者得出的结论不相符，主要原因是图3和图4分别说明的是该地区2013—2014年Ångström参数的月平均与季节平均，并不能代表各月或各季节的实测变化。

比较图2和图4可以看出，α的季节变化与AOD的季节变化呈负相关，当春季AOD达到最大值时，α最小，说明AOD对于估算α具有很高的精确性。2014年α最大值出现在10月，明显高于6—9月，根据北京市环境保护局和气象部门以及MODIS搭载的Terra卫星资料显示，华北地区2014年10月20—25日以及10月30日出现严重的雾霾天气导致α迅速上升[21]。从图4可以看出，北京2013—2014年春季空气的β最大，夏季次之，秋、冬季最小，原因由于春季，尤其是4月北京多沙尘天气[22]，根据北京市环境保护局公布的空气质量报告可以看出，北京春季PM2.5浓度也达到了最高值。

2.3 与雾霾事件相关性分析

霾天气表征了大气污染状况[23]。由于受各种因素的影响，如云和降水等，连续获取一周的数据较困难，因此选取北京地区2013年6月12、13、15日以及2014年4月14日雾霾发生期间、天气较好观测的气溶胶光学特性变化来分析其日变化特征。从图5可以看出，440 nm的AOD日变化较明显，但没有明显的规律性。另外，440 nm的AOD变化不是连续逐变的，一般在天黑和第2天早上出现跳跃，这主要是夜间气溶胶状况发生了改变，而CE-318夜间不能观测。2013年6月13、15日AOD日变化较平稳，一直保持在较高水平，利用NOAA的HYSPLIT模型对北京地区颗粒物进行溯源和追踪分析可知，较高的AOD一般出现在颗粒物移动较慢以及水汽较多的天气[24-25]。于近地面100～1 500 m高空有3支气流(见图6(a))，其中100、500 m高空气流经过港口城市大连，经渤海湾、山东烟台、黄海，再经山东到达北京，此时由2013年6月13、15日AOD计算所得α也在1.03～1.69，说明该气流所携带的气溶胶成分主要由城市工业型气溶胶组成，其次为海盐成分。另一支1 500 m高空气流由安徽经过江苏等地途经东海，又经江苏、山东、河北直流而上到达北京，因此造成较高值的AOD。6月12日变化较特殊，一直呈现上升趋势，查询当天天气，该日为阴天，偏南风，符合气流轨迹方向，造成AOD持续上升的原因是由于该气流所携带的颗粒物在此处聚集，不易扩散。2014年4月14日440 nm的AOD在1.09～2.82波动，8：00和12：00—13：00时达到最高值，分析其原因可能是地面交通的影响，查询该天天气情况，当天有霾出现并且持续时间较长，致使水平能见度小于10 km的空气出现普遍浑浊现象，能见度的恶化主要与地面细颗粒物的浓度有较大关系[26]。在此之前，京津翼等地区在2013年1—3月已出现多次大范围雾霾天气且发生频率高、持续时间长、污染强度大[27]。近地面100、500 m高空有来自黄海及东海海域的两支气流经过山东、河北、天津等地聚集之后到达北京；另外一支1 500 m高空气流由内蒙地区经过山西到达北京(见图6(b))。因此，4月14日AOD波动范围较大，且日变化没有明显的规律性。此外，根据中国环境监测总站查询的空气质量，对雾霾期间PM10与MODIS反演所得550 nm的AOD进行相关性分析，结果见图7。北京地区2013年6月以及2014年4月PM10与AOD的相关系数(R2)分别为0.418和0.599，说明雾霾发生期间PM10与AOD的相关性较高，与符传博等[28]的研究结果相吻合。

图3 北京地区2013—2014年的α和β月变化Fig.3 Monthly variation of wavelength exponent and turbidity coefficient in Beijing in 2013 and 2014

图4 北京地区2013—2014年的α和β季节变化Fig.4 Seasonal variation of wavelength exponent and turbidity coefficient in Beijing in 2013 and 2014

图5 北京地区2013年6月和2014年4月440 nm的AOD日变化Fig.5 Daily variation of aerosol optical depth of 440 nm in Beijing in June 2013 and April 2014

图6 北京市2013—2014年雾霾发生期间大气颗粒物搬运轨迹追踪Fig.6 Tracing of atmospheric particulates in typical sand and dust days in 2013-2014，Beijing

综合而言，在空间上，北京地区气溶胶颗粒物在大尺度上主要来源于内蒙地区的沙尘以及近海海域的海盐颗粒，小范围内的气溶胶颗粒主要来自人为污染尤其是汽车尾气、工业废气等排放。

3 结 语

(1) 在时间上，北京地区AOD具有春夏季大、秋冬季小的特点。

(2) 在空间上，北京地区气溶胶颗粒物在大尺度上主要来源于内蒙地区的沙尘以及近海海域的海盐颗粒，小范围内的气溶胶颗粒主要来自人为污染尤其是汽车尾气、工业废气等排放。

图7 北京地区2013年6月和2014年4月雾霾发生期间PM10与550 nm的AOD相关性分析Fig.7 The correlation analysis of PM10 and AOD of 550 nm during the haze occurred in June 2013 and April 2014，Beijing

(3) 北京地区2013年6月以及2014年4月PM10与AOD的R2分别为0.418和0.599，说明雾霾发生期间PM10与AOD的相关性较高。

(4) 由于AOD表征的是数十千米的大气平均环境质量状况，加上地基遥感监测范围的局限性，本研究所得出的AOD月变化与季节变化特征只能代表该月或该季节的大气平均环境质量情况，并不能说明某些特殊天气状况。

[1] BARON P A，WILLEKE K.气溶胶测量原理、技术及应用[M].白志鹏，张灿，译.北京：化学工业出版社，2007.

[2] KAUFMAN Y J，FRASER R S，FERRARE R A.Satellite remote sensing of large scale air pollution method[J].Geophys. Res.，1990，95(7)：9895-9909.

[3] CHARLSON R J，SCHWARTZ S E，HALES J M，et al.Climate forcing by anthropogenic aerosol[J].Science，1992，255(5043)：423-430.

[4] AL SAADI J，SZYKMAN J，PIERCE R B，et al.Improving national air quality forecasts with satellite aerosol observation[J].Bull. Amer. Meteorol. Soc.，2005，86(9)：1249-1261.

[6] MIKHALEV A V，TASHCHILIN M A.Aerosol optical depth and its variations in the Eastern Siberia Region (Tunka Valley) in 2008[J].Atmospheric and Oceanic Optics，2009，22(4)：457-460.

[7] SAKERIN S M，BERESNEV S A，GORDAB S Y，et al.Characteistics of the annual behavior of the spectral aerosol optical depth of the atmosphere under conditions of Siberia[J].Atmospheric and Oceanic Optics，2009，22(4)：446-456.

[8] CHEN Jian，JIANG Hong，WANG Bin，et al.Aerosol optical properties from sun photometric measurements in Hangzhou district，China[J].International Journal of Remote Sensing，2012，33(8)：1-11.

[9] 肖忠湧.长江三角洲气溶胶光学特性及其辐射强迫对区域碳收支的影响[D].南京：南京大学国际地球系统科学研究所，2012.

[10] WANG Han，SUN Xiaobing，SUN Bin，et al.Retrieval of aerosol optical properties over a vegetation surface using multi-angular，multi-spectral，and polarized data[J].Advances Atmospheric Sciences，2014，31(1)：879-887.

[11] CHENG Yuan，ENGLING G，HE Kebin，et al.The characteristics of Beijing aerosol during two distinct episodes：impacts of biomass burning and fireworks[J].Environmental Pollution，2014，185(1)：149-157.

[12] 李成才，毛节泰，刘启汉，等.利用MODIS光学厚度遥感产品研究北京及周边地区的大气污染[J].大气科学，2003，27(5).

[13] 许黎，冈田菊夫，张鹏，等.北京地区春末—秋初气溶胶理化特性的观测研究[J].大气科学，2002，26(3)：402-411.

[14] SCHLEICHER N，CEN Kuang，NORRA S.Daily variations of black carbon and element concentrations of atmospheric particles in the Beijing megacity - Part 1：general temporal course and source identification[J].Chemie der Erde - Geochemistry，2013，73(1)：51-60.

[15] BI Jianrong，HUANG Jianping，HU Zhiyuan，et al.Investigating the aerosol optical and radiative characteristics of heavy haze episodes in Beijing during January of 2013[J].Journal of Geophysical Research，2014，119(16)：9884-9900.

[16] 申红喜，李秀连，石步鸠.北京地区两次沙尘(暴)天气过程对比分析[J].气象，2004，30(2)：12-16.

[17] 申彦波，沈志宝，汪万福.2001年春季中国北方大气气溶胶光学厚度与沙尘天气[J].高原气象，2003，22(2)：185-190.

[18] 李放，吕达仁.北京地区气溶胶光学厚度中长期变化特征[J].大气科学，1996，20(4)：386-394.

参考文献:

[19] 李正强，赵凤生，赵崴，等.黄海海域气溶胶光学厚度研究测量研究[J].量子电子学报，2003，20(5)：635-640.

[20] MASMOUDI M，CHAABANE M，MEDHIOUB K，et al.Variability of aerosol optical thickness and atmospheric turbidity in Tunisa[J].Atmospheric Research，2003，66(3)：175-188.

[21] TAO Minghui，CHEN Liangfu，XIONG Xiaozhen，et al.Formation process of the widespread extreme haze pollution over northern China in January 2013：implications for regional air quality and climate[J].Atmospheric Environment，2014，98(1)：417-425.

[22] SUN Jianhua，ZHAO Linna.Numerical simulation of two East Asian dust storms in spring 2006[J].Earth Surface Processes and Landforms，2008，33(12)：1892-1911.

[23] 杜荣光，齐冰，洪胜茂，等.杭州地区霾日指标构建及应用初步研究[J].环境污染与防治，2014，36(3)：40-51.

[24] 陈媛，岑况，NORRA S，等.北京市区大气气溶胶PM2.5污染特征及颗粒物溯源与追踪分析[J].现代地质，2010，24(2)：345-354.

[25] XIA X，CHEN H，ZHANG W.Analysis of the dependence of column-integrated aerosol properties on long-range transport of air masses in Beijing[J].Atmospheric Environment，2007，41(36)：7739-7750.

[26] 余锡刚，吴建，郦颖，等.灰霾天气与大气颗粒物的相关性研究综述[J].环境污染与防治，2010，32(2)：86-94.

[27] 刘勇洪.基于NOAA/AVHRR卫星资料的北京地区霾识别研究[J].气象，2014，40(5)：619-627.

[28] 符传博，丹利.重污染下我国中东部地区1960—2010年霾日数的时空变化特征[J].气候与环境研究，2014，19(2)：219-226.