刘璇，朱彬，关学锋，刘慧敏，袁亮

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002；2.中亚大气科学研究中心，新疆 乌鲁木齐 830002；3.南京信息工程大学气象灾害教育部重点实验室，气候与环境变化国际合作联合实验室，气象灾害预报预警与评估协同创新中心，中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044；4.白银市气象局，甘肃 白银 730900）

华东地区气溶胶分布和变化特征研究

刘璇1，2，朱彬3，关学锋1，2，刘慧敏4，袁亮3

（1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002；2.中亚大气科学研究中心，新疆 乌鲁木齐 830002；3.南京信息工程大学气象灾害教育部重点实验室，气候与环境变化国际合作联合实验室，气象灾害预报预警与评估协同创新中心，中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044；4.白银市气象局，甘肃 白银 730900）

利用中分辨率光谱仪（MODIS）获得的气溶胶光学厚度（AOD）、细粒子比例（FMF）和臭氧检测仪（OMI）获得的气溶胶指数（AI）统计分析了2005—2014年我国华东地区气溶胶光学性质的时空分布特征，同时利用潜在源分析（PSCF）模型对我国华东地区AOD和AI的潜在源区进行分析。研究结果表明：华东地区的AOD、FMF和AI时空分布存在较大的差异，2005—2014年AOD和AI的平均值高值主要分布在华东地区北部，FMF的高值区则分布在华东南部地区；10 a间华东地区AOD呈现出先升高后降低的趋势，FMF波动幅度不明显，AI值有所上升；整个华东地区AOD的季节变化较为明显，春夏两季AOD明显高于秋冬两季。华东北部和中部地区夏季由于较高的相对湿度，AOD最大可达0.8以上。而在华东南部地区，夏季受到降水的影响，AOD维持在0.2～0.4之间。FMF季节变化趋势与AOD不同，夏季最大达到0.58，春季最小仅为0.26。AI平均值在冬季最大高达0.63，夏季最小，为0.27。PSCF分析显示华东地区AOD主要源区以局地排放为主，同时也存在由河南、湖北和湖南等周边省市近距离输送影响；AI以局地和北方远距离输送为主，同时也受到河南、湖北等周边省市近距离输送的影响。

气溶胶光学厚度（AOD）；细粒子比例（FMF）；气溶胶指数（AI）；潜在源分析（PSCF）

大气气溶胶是由大气介质和混合于其中的固体或液体颗粒物组成的多相体系，其可以通过直接或间接地改变地—气系统的辐射收支来影响气候和环境[1-2]。此外，随着经济的不断发展、全球工业化程度的不断提高，雾霾问题日益严重，由其引起的环境及人类健康问题引起了越来越多的关注[3]。由于气溶胶理化性质具有时空多变性，气溶胶对气候与环境影响在很大程度上依赖于对其时空分布状况的了解和光学特性的准确估算[4-5]。目前针对气溶胶观测主要有地基和卫星两大类，地基观测方面，由美国和中国分别建立的气溶胶自动观测网（AERONET）[6]和气溶胶远程遥感观测网络（CARSNET）[7]已被广泛应用于气溶胶光学性质的长期观测，以便准确评估全球气溶胶辐射强迫。尤其是目前正不断完善的CARSNET观测网络，为广大学者研究中国不同地区气溶胶光学性质及其辐射性质的评估提供了统一的数据来源和科学有力的支持[7-8]。然而，尽管地基大气气溶胶观测精度高，但其站点分布相对稀疏，无法获取到大范围气溶胶空间分布特征。相较于此，卫星遥感覆盖范围广，反演信息更全面，能够有效的弥补地面监测站点空间上的不足。因此，利用卫星遥感资料来分析大气成分的区域分布和变化逐渐成为目前重要的探测手段。其中中分辨率光谱仪（MODIS）不仅能用于大气水汽的反演[9-10]，而且其气溶胶数据产品常被用于全球气溶胶光学性质的研究，例如，Chu等[11]利用2000年7—9月AERONET的30个站点和对应的MODIS气溶胶产品评估了MODIS陆地气溶胶光学厚度产品的误差。毛节泰、李成才等[12-15]在香港、北京和长江三角洲等地区，利用光度计观测资料验证了MODIS气溶胶产品的可靠性。该产品同样也被用于对我国四川盆地、长江三角洲地区和中国东部地区气溶胶的时空分布特征进行分析[16-20]。此外，研究还指出MODIS的气溶胶光学厚度在定量评估空气质量等级、监测大气污染及区域尺度的空气质量监测方面都有着重要的应用潜力[11，21-22]。Hsu等[23]和Herman等[24]利用TOMS两个短波波段的辐射比定义了气溶胶指数（Aerosol Index，AI），该指数能够表征气溶胶吸收能力的强弱，同时也能够用于识别气溶胶源和传输类型。Hsu等[23，25]指出AI和地面太阳光度计观测的气溶胶光学厚度在非洲沙尘期间、生物质燃烧期间及夏季有很好的线性相关关系。Torres等[26]研究发现AI不仅与AOD有关，而且还与气溶胶其他光学特性、单次散射反照率、气溶胶高度以及仪器的观测角度等因素有关。

作为中国综合技术水平较高的经济区，近年来华东地区受到汽车尾气排放、化石燃料燃烧等影响，大气中气溶胶含量显著增加，不仅使得城市空气质量受到较大的威胁，而且对区域环境和气候也造成巨大的影响[27]。有研究表明各城市间存在大气污染的相互影响和输送问题[28-29]，因此气溶胶的分布特征与污染物来源有着密切关系。源贡献因子分析法（Potential source contribution function，PSCF）是目前应用较为广泛的源地统计方法，例如王爱平等[30]和张磊等[31]利用PSCF分析了黄山顶气溶胶的潜在源地，但此类分析都是与地面站点观测资料相结合，本文旨在利用卫星遥感长时间观测的多种数据对华东地区气溶胶分布和变化进行统计分析，同时结合潜在源贡献因子分析法（PSCF）分析华东地区气溶胶的潜在源地。以期为卫星遥感在区域环境监测的适用性和在空气污染过程中的应用以及在空气质量预报和控制方面提供科学性参考。

1 资料与方法

使用2005—2014年的MODIS气溶胶光学厚度产品以及OMI的气溶胶指数数据集，包括气溶胶光学厚度（AOD）、细粒子比例（FMF）和气溶胶指数（AI），分析了我国华东地区大陆上空气溶胶光学性质近10 a的区域和季节分布特征及其变化趋势，季节划分标准为：3—5月为春季，6—8月为夏季，9—11月为秋季，12—2月为冬季。此外，还利用潜在源贡献因子分析法（PSCF）分析了2005—2014年的AOD和AI的潜在源地。

1.1 MODIS数据集

利用2005年1月—2014年12月MODIS产品的气溶胶日、月数据集（MOD08，MODIS Level，版本C051）：（1）550 nm波段的AOD（Aerosol Optical Depth at 0.55 microns for both Ocean(best)and Land（corrected）：Mean）；（2）细粒子比例FMF,即细粒子模式对光学厚度的贡献百分比（Ratio of fine mode aerosol optical depth at 0.55 micron for both land and ocean：Mean），空间分辨率为1°×1°经纬度网格。

1.2 OMI数据集

利用2005年1月1日—2014年12月31日OMI的气溶胶日数据集（Level3，版本V003）:气溶胶指数（Aerosol Index，AI），其可以表征气溶胶在紫外波段的吸收能力，AI越高，其吸收性越强，该指数定义为331 nm和360 nm通道光谱的辐射通量之比（公式（1）），该波段与臭氧吸收没有关系，空间分辨率为1°×1°经纬度网格。

式中：Imeas是给定波长后向散射辐射通量；Icalc是利用完全瑞利（Rayleigh）大气辐射传输模式计算的辐射通量。从本质上讲，AI表示了气溶胶吸收瑞利散射辐射通量相对于完全瑞利辐射通量的大小量度[24]。对于吸收性气溶胶如沙尘、烟灰、生物质燃烧等，AI值为正，对于云和非吸收性的气溶胶如海盐粒子、硫化物等，AI近似等于0。

1.3 潜在源贡献因子分析法（PSCF）

使用TrajStat软件[32]，利用美国国家海洋和大气管理局（NOAA）的Hybrid Single Particle Lagrangian Integrated Trajectory（Hysplit）模式的轨迹计算模块和美国国家环境预报中心（NCEP）和国家大气研究中心（NCAR）的全球再分析资料，计算了2005—2014年每日14:00 LT到达受点的72 h后向轨迹，轨迹计算的起始点高度为海拔100 m[33]。

PSCF[34-38]（Potential source contribution function）、CWT[39]（Concentration-weighted field）和QTBA[40]（Quantative transport bias analysis）是目前应用较为广泛的几种源地统计方法。其中PSCF是基于条件概率函数发展而来的一种判断污染源可能方位的方法，该方法基于Hysplit后向轨迹模型所计算的气团后向轨迹，结合某要素值（本文指AOD和AI）来计算出其潜在排放源。本研究将气团轨迹所经过的区域划分为0.25°×0.25°经纬度网格，对研究的要素（AOD和AI）设定一个阈值，PSCF函数即被定义为经过某一网格的气团到达受点时对应的某要素值超过设定阈值的条件概率。当轨迹所对应的要素值高于所设定的阈值时，认为该轨迹是污染轨迹。若经过网格（i，j）的污染轨迹端点数为mij（气团传输越慢，单位时间内轨迹端点数越多），而经过该网格（i，j）内的所有轨迹端点数为nij，PSCF则可由公式（2）计算。然而，PSCF是一种条件概率，PSCF的误差会随着网格与采样点的距离增加而增加，即当nij较小时，将会存在较大的不确定性，因此引入权重函数W（nij）来减小PSCF的不确定性。当某一网格内的nij小于研究区内每个网格的平均轨迹端点数的3倍时，就要使用W（nij）来减小PSCF的不确定性。

PSCF的值越大，表明该网格点对受体的要素值贡献越大。高PSCF值所对应网格组成的区域就是AOD和AI的潜在源区，经过该区域的轨迹就是对AOD和AI有影响的输送路径。

2 结果与讨论

2.1 华东地区气溶胶光学厚度、细粒子比例及气溶胶指数的分布特征

图1 是由2005—2014年MODIS月平均AOD资料、月平均FMF资料和OMI日平均AI资料，计算得到我国华东地区气溶胶平均分布状况。就AOD而言，从图1a可以明显看到，华东地区气溶胶主要集中在华东北部地区山东北部和西部、安徽北部、江苏、上海及鄱阳湖一带，最大值可达0.8以上，长江三角洲地区的大值中心多分布在长江以南，而华东南部及山区（武夷山脉）的AOD值较低，在0.3以下。AOD的分布受人口密度、地形和工业分布的影响，大多数气溶胶在产生源附近都有较高的值[41]。在山东，由于山脉的作用，西部的气溶胶气团在西风带的作用下向东传输时受到阻挡，不易扩散，只能沿山脉以西向南输送而进入华东地区，因此这条狭长的地带也是内陆气溶胶进入华东地区的传输通道。此外，由于铜陵、马鞍山、淮南等地都有大型的工业产地，会排放出大量的气溶胶，进而形成了安徽北部、山东南部及江苏北部地区的气溶胶大值区。而江苏南部、上海为长三角地区重要的经济发展中心，人口密度大，这些地区的人类活动和工业排放都会产生大量的气溶胶，从而形成了长三角地区的气溶胶大值区，也是华东地区气溶胶最大值所在区域。

从FMF分布（图1b）可以看到，FMF分布与AOD分布相反，在华东北部，尤其是黄淮地区，FMF为低值，而AOD却很高，说明该地区有大量的粗粒子气溶胶源或受其影响最严重。在华东南部AOD值较低，为清洁区域，但FMF比例相对较高，则该区域以细粒子气溶胶为主。

图1c为AI分布图，可以看到AI与AOD分布形势类似，华东北部整体高于南部地区，AI由北至南逐渐降低，以山东北部和西部为最高值，说明整个华东地区由北至南吸收性气溶胶逐渐减少。可能是受北方沙尘及北方冬季采暖的影响，致使华东地区北部吸收性气溶胶高于南部。

图1 华东地区2005—2014年AOD（a）、FMF（b）及AI（c）平均分布特征

图2 为华东地区2005—2014年AOD、FMF及AI的年均值序列，可以看出该区域三者在这10 a的变化趋势并不同，AOD有下降趋势，但幅度并不明显（拟合公式斜率b=-0.01），FMF无明显变化，仅有小的波动。AOD变化范围在0.4～0.7之间，FMF变化范围在0.3～0.5之间。在2007年之前AOD和FMF有较明显的增加趋势，并在2007年二者分别达到最高值0.62和0.46。He等[42]对华东地区AOD进行统计分析，得出结论为华东地区的气溶胶在2000—2007年间有不断增加的趋势。2007年之后AOD和FMF又逐渐下降，并分别于2012年、2013年达到最低值，AOD均值小于0.5，FMF均值小于0.4，说明2007年之后，随着能源结构的改革，该区域的气溶胶粒子有所减少，气溶胶污染有所改善，但粗粒子气溶胶比例有所增加。另外，AI变化范围在0.3～0.5之间，10 a间有先降低后增加的趋势，在2008年达到最低值0.382，在2010年达到最高值0.50。说明该区域吸收性气溶胶在这10 a有增加的趋势，主要是由于冬季AI指数的逐年增加而造成总体均值的增加。

图2 华东地区2005—2014年AOD、FMF及AI年际变化

2.2 华东地区气溶胶光学厚度、细粒子比例及气溶胶指数的季节变化特征

图3 华东地区2005—2014年AOD季节分布

图3显示了2005—2014年华东地区10 a的平均AOD季节分布，总体来讲该地区春夏两季AOD明显高于秋冬两季。春季，华东地区AOD平均为0.64，受中国北方沙尘暴的影响，山东除中部地区以外的大部分区域、安徽北部、江苏和上海及其周边地区的AOD基本大于0.7，鄱阳湖平原的AOD出现全年最大值，高达0.8以上。上海及其周边地区AOD高达1以上，是整个华东地区AOD最高值所在区域。在夏季，华东地区AOD平均为0.64，与春季相当。与春季相比，夏季华东地区北部和中部AOD明显增高，基本都达到0.8以上，山东西部和北部、江苏南部、上海及其周边地区AOD超过1的区域明显扩大，长江三角洲近70%的区域都在0.9以上。该区域AOD夏季高于春季可能是由于夏季湿度较高，吸湿性气溶胶粒子吸湿增长会使AOD增大，另外夏季光化学作用也会导致AOD增加[41]。相反，华东南部地区夏季较春季AOD有所下降，可能由于南部地区夏季受季风影响，降水较多，导致AOD在南部地区的低值，仅在0.2～0.4之间。秋冬季华东地区在盛行的西风作用下使气溶胶迅速扩散，从而AOD迅速回落。秋季华东地区AOD平均值为0.48，在冬季，由于华东区域不断的受到清洁大陆性气团的影响，冬季AOD值略低于秋季达到全年最小值，冬季平均值为0.43，只有江苏东部、上海及其周边地区的AOD高于0.7，明显高于其他地区。

图4为2005—2014年华东地区平均FMF季节分布，可以明显看出，华东地区春季小于夏季，尤其是华东南部地区的FMF在春季为全年最小值，整个华东地区春季FMF平均值仅为0.26，说明春季气溶胶粒子尺度较大，这是受沙尘天气影响的结果。夏季华东地区的FMF为全年最大，平均值达到0.58，这一方面是由于夏季的光化学作用强，气粒转换生成的粒子尺度较小，另一方面夏季的水溶性粒子增多，也会是大气中的细粒子比例增加。值得注意的是，华东北部地区的FMF值在冬季是最小的，尤其是长三角一带的FMF值为整个华东地区的最小值，说明在冬季，华东北部地区的气溶胶粒子尺度很大，这可能是受到海洋性环流的影响，海洋性气溶胶的比例增多而造成的[42]。

图4 华东地区2005—2014年FMF季节分布

图5为华东地区2005—2014年的平均AI季节分布，可以看出，华东地区春秋冬三季都大于夏季，夏季华东整个地区的AI值都为全年最小值，AI平均值约为0.27，说明夏季该地区吸收性气溶胶很少。春季略高于秋季，平均值为0.47，且华东北部地区高于南部，说明春季华东北部地区的吸收性气溶胶较多，这也是受沙尘天气影响的结果。秋冬两季的AI高值是由于北方采暖产生的黑炭为吸收性气溶胶而造成的，可以明显看出该区域冬季AI值为全年最高，平均值高达0.63，尤其是山东北部和西部，部分地区AI高达1以上。

图5 华东地区2005—2014年AI季节分布

为了进一步分析AOD、FMF及AI的季节变化，图6 给出了华东地区三者季节平均的时间序列，图中可以发现，AOD春夏两季大于秋冬两季，且在2007年之后AOD略有下降的趋势。FMF夏秋两季大于冬春两季，该值在四个季节的年际变化并无明显趋势，但AOD和FMF在夏季的变化相较于其他三个季节波动较明显，这可能与不同年份，夏季温度，湿度的多变有关。此外，AI值冬季>春季>秋季>夏季，说明该地区冬季吸收性气溶胶最多，夏季含量最少，且夏季AI基本无变化，而在冬季有逐渐升高的趋势，这也造成了AI年际变化逐年升高的趋势。结合图5分析可知，冬季AI的增加主要是由于华东地区北部吸收性气溶胶增加所致，这些特征与上文结论相一致。

图6 华东地区2005—2014年AOD、FMF及AI季节平均时间序列

2.3 华东地区气溶胶潜在源分析

为了分析华东地区气溶胶潜在来源，本研究通过提取华东地区8个代表城市（济南、徐州、南京、合肥、上海、杭州、南昌和福州）每日AOD及AI数据，将其与每日14时后向轨迹结合，并设定2005—2014年华东地区AOD和AI的平均值0.55和0.44为PSFC分析阈值，得到这8个城市AOD（图7）和AI（图8）的潜在污染源分布。图中颜色越红，表示该网格区域对所研究城市的AOD和AI贡献越大。

图7 8个代表城市AOD的潜在源贡献因子（PSCF）分布（白色空心圆圈代表相应的城市）

从图7 中可以看出，整个华东地区AOD潜在源区主要集中在该区域内。此外，华东地区自北向南，源区存在明显的变化，华东地区北部（济南和徐州）AOD贡献区域主要为华东中部地区，其中主要包括安徽东部、江苏西部以及长江三角洲地区，此外河南、湖北和湖南部分地区也具有较大PSCF值，有的甚至接近1，说明影响华东地区北部的污染物主要来自于上述几个区域。此外，我国东北部分地区对华东地区北部AOD也有一定贡献。华东地区中部（南京、合肥、上海和杭州）AOD主要来源于局地，并受华东地区南部影响，相对华东地区北部，AOD源区分布更向南部扩散，面积更大，但贡献程度相对有所降低。相对于以上两个区域，华东地区南部（南昌和福州）AOD潜在源区的贡献值相对较小，一般在0.7以下，尤其是福州地区PSCF值基本都在0.3以下。主要原因可能在于华东地区南部AOD值原本较低（图1 ），因此该区域及附近对华东地区南部AOD贡献较小。综上所述，整个华东地区南方地区对北方地区AOD贡献较大，且主要以华东地区中部的安徽、江苏以及长江三角洲地区的贡献为主，说明华东地区AOD以本地排放为主，同时也存在由河南、湖北和湖南等周边省市近距离输送影响。

图8 8个代表城市AI的潜在源贡献因子（PSCF）分布（上述各幅图中白色空心圆圈代表相应的城市）

图8给出了华东地区8个代表城市AI的PSCF分布图，其分布与AOD有着明显的差异。总体上，华东地区AI的PSCF值由北向南逐渐减少，蒙古国和我国内蒙古东部，辽宁西南部以及华北地区对华东地区北部（济南和徐州）AI的贡献相对较大，这可能是受北方沙尘和北方城市冬季采暖产生吸收性气溶胶的影响。这也导致了AI在华东地区北部的相对高值（图1 ）。此外河南和湖北也对该区域AI有所贡献。上述区域对华东地区中部（南京、合肥、上海和杭州）AI的影响相对北部有所减小，主要贡献源分布向南部和西部移动，以山东、安徽和江苏三省以及华东地区以西，我国中部以河南、湖北东部为主。华东地区南部（南昌和福州）AI贡献源地相对其他城市分布更靠南部，在内陆地区（南昌）PSCF高值区域主要分布在偏北的河南和湖北东部。而各地区对靠近沿海地区（福州）AI贡献都相对较弱，主要原因在于南部沿海地区受内陆影响较小。由此可见，华东北部地区AI主要由北向南输送，这与沙尘的输送路径一致，同时冬季采暖对华东地区北部也有重要影响。此外，华东地区中部和南部的AI主要贡献源地为整个华东地区及河南、湖北两省，因此，华东地区AI以局地和北方远距离输送为主，同时也受到河南、湖北等周边省市近距离输送的影响。图9显示AOD与AI的分布有很大的不同，AOD的高值区主要分布在我国中东部地区，而AI的高值区除了在塔克拉玛干沙漠外主要分布在我国北方地区，这也是造成AOD与AI的潜在源贡献区不同的重要原因。

图9 中国地区2005—2014年AOD（a）及AI（b）平均分布特征

3 结论

（1）华东地区的AOD、FMF和AI在时空分布上存在较大的差异。2005—2014年AOD和AI的平均值高值主要分布在华东地区北部，FMF的高值区则分布在华东地区南部。10 a间华东地区AOD呈现出先升高后降低的趋势，FMF波动幅度不明显，AI值有所上升。

（2）AOD的季节变化较为明显，春夏两季AOD明显高于秋冬两季。华东北部和中部地区夏季由于较高的相对湿度，AOD最大可达0.8以上。而在华东南部地区，夏季受到降水的影响，AOD维持在0.2～ 0.4之间。FMF季节变化趋势与AOD不同，夏季最大达到0.58，春季最小仅为0.26。AI平均值在冬季最大高达0.63，夏季最小，为0.27。

（3）华东地区AOD和AI的华东地区AOD以本地排放为主，同时也存在由河南、湖北和湖南等周边省市污染物的近距离输送影响；AI以局地和北方远距离输送为主，同时也受到河南、湖北等周边省市污染物的近距离输送的影响。

本研究使用的是MODIS、OMI三级数据，分辨率较低。期望今后能使用更高时空分辨率的数据进行分析，以得到更加精确的时空分布特征。此外，由于PSCF反映的是某网格中污染轨迹所占的比例，该方法存在一定的缺陷：不能区分相同PSCF值的网格对观测点污染程度贡献的大小，即无法确定经过该网格内的轨迹对应的某要素值是略高于还是很高于设定的阈值。后期希望利用浓度权重轨迹分析（CWT）方法计算轨迹的权重浓度，以反映不同轨迹的污染程度。

[1] 唐孝炎，张远航，邵敏.大气环境化学[M] .北京：高等教育出版社，2006.

[2] 费烨，夏祥鳌.1980—2009年中国大陆中东部气溶胶—云—辐射变化及其关系[J] .气象与环境科学，2016，39（2）：1-9.

[3] 刘思瑶，濮江平，周毓荃，等.河北气溶胶浓度垂直分布特性研究[J] .气象与环境科学，2016，39（2）：41-45.

[4] 王冠岚，薛建军，张建忠.2014年京津冀空气污染时空分布特征及主要成因分析[J] .气象与环境科学，2016，39（1）：34-42.

[5] 刘桂青，李成才，朱爱华，等.长江三角洲地区大气气溶胶光学厚度研究[J] .上海环境科学，2003（8）：50-54.

[6] Holben B N,Eck T F,Slutsker I,et al.AERONET-A federated instrument network and data archive for aerosol characterization[J] .Remote Sensing of Environment,，1998，66：1-16.

[7] Che H Z,Zhang X Y,Xia X,et al.Ground-based aerosol climatology of China:aerosol optical depths from the China Aerosol Remote Sensing Network（CARSNET）2002-2013 [J] .Atmospheric Chemistry and Physics，2015，15：7619-7652.

[8] Che H Z,Xia X,Zhu J,et al.Column aerosol optical properties and aerosol radiative forcing during a serious haze-fog month over North China Plain in 2013 based on ground-based sunphotometer measurements[J] . Atmospheric Chemistry and Physics，2014，14：2125-2138.

[9] 崔彩霞，杨青，赵玲，等.MODIS近红外大气可降水含量与乌鲁木齐地基GPS水汽数据的对比分析[J] .沙漠与绿洲气象，2008，2（1）：1-4.

[10] 李艳永，崔彩霞，赵玲，等.基于MODIS的近红外大气水汽含量的反演及其与地基GPS水汽的对比分析[J] .沙漠与绿洲气象，2010，4（6）：30-33.

[11] 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，2003，108（D21）：4661.

[12] 毛节泰，李成才，张军华，等.MODIS卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比[J] .应用气象学报，2002，13（1）：127-135.

[13] 李成才，毛节泰，刘启汉.利用MODIS遥感大气气溶胶及气溶胶产品的应用[J] .北京大学学报（自然科学版），2003，39（21）：105-117.

[14] 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）：869-880.

[15] 刘桂青，李成才，朱爱华，等.长江三角洲地区大气气溶胶光学厚度研究[J] .环境保护，2003，（8）：50-54.

[16] 李成才，毛节泰，刘启汉.用MODIS遥感资料分析四川盆地气溶胶光学厚度时空分布特征[J] .应用气象学报，2003，14（1）：1-7.

[17] 李成才，毛节泰，刘启汉，等.利用MODIS研究中国东部地区气溶胶光学厚度的分布和季节变化特征[J] .科学通报，2003，48（19）：2094-2100.

[18] 王雨，傅云飞.利用MODIS卫星资料对中国中东部和印度次大陆气溶胶特性的分析[J] .气候与环境研究，2007，12（2）：137-146.

[19] 段靖，毛节泰.长江三角洲大气气溶胶光学厚度分布和变化趋势研究[J] .环境科学学报，2007，27（4）：537-543.

[20] 晏利斌，刘晓东.京津冀地区气溶胶季节变化及与云量的关系[J] .环境科学研究，2009，22（8）：924-931.

[21] Wang J,Christopher S A.Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass:Implications for air quality studies[J] .Geophysical Research Letters，2003，30（21）.doi：10.1029/2003GL018 174.

[22] Vidot J,Santer R,Ramon D.Atmospheric particulate matter（PM）estimation from Sea WiFS imagery[J] . Remote Sensing of Environment，2007，111（1）：1-10.

[23] Hsu N C,Herman J R,Bhartia P K,et al.Detection of biomass burning smoke from TOMS measurement[J] . Geophsical Research Letters,1996，23（7）：745-748.

[24] Herman J R,Bhartia P K,Torres O,et al.Global distribution of UV-absorbing aerosols from Nimbus 7/ TOMS data[J] .Journal of Geophysical Research：Atmospheres，1997，102（D14）：16911-16922.

[25] Hsu N C,Herman J R,Torres O,et al.Comparisons of the TOMS aerosol index with Sunphotometer aerosol optical thickness:Results and applications[J] .Journal of Geophysical Research，1999，104（D6）：6269-6279.

[26] Torres O,Bhartia P K,Herman J R.et al.Derivation of aerosol properties from satellite measurements of backscattered ultraviolet radiation:Theoretical basis[J] . Journal of Geophysical Research:Atmospheres，1998，103（D14）：17099-17110.

[27] 石广玉，王标，张华，等.大气气溶胶的辐射与气候效应[J] .大气科学，2008，32（4）：826-840.

[28] 刘璇，朱彬，侯雪伟，等.基于卫星遥感和地面观测资料的霾过程分析——以长江三角洲地区一次严重霾污染过程为例[J] .中国环境科学，2015（3）：641-651.

[29] 高晋徽，朱彬，王东东，等.南京北郊O3、NO2和SO2浓度变化及长/近距离输送的影响[J] .环境科学学报，2012，32（5）：1149-1159.

[30] 王爱平，朱彬，银燕，等.黄山顶夏季气溶胶数浓度特征及其输送潜在源区[J] .中国环境科学，2014，34（04）：852-861.

[31] 张磊，金莲姬，朱彬，等.2011年6—8月平流输送对黄山顶污染物浓度的影响[J] .中国环境科学，2013，33（06）：969-978.

[32] Wang Y Q,Zhang X Y,Draxler R R.TrajStat:GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J] .Environmental Modelling &Software，2009，24（8）：938-939.

[33] Draxler R R,Hess G D.An overview of the HYSPLIT_ 4modeling system for trajectories[J] .Australian Meteorological Magazine，1998，47：295-308.

[34] Poirot R L,Wishinshi P R,Hopke P K,et al. Comparative application of multiple receptor methods to identify aerosol sources in northern Vermont[J] . Environmental Science&Technology，2001，35（23）：4622-4636.

[35] Zeng Y,Hopke P K.A study on the sources of acid precipitation in Qntario,Canada[J] .Atmospheric Environment（1967），1989，23（7）：1499-1509.

[36] Biegalski S R,Hopke P K.Total potential source contribution function analysis of trace elements determined in aerosol samples collected near lake huron [J] .Environmental Science&Technology，2004，38（16）：4276-4284.

[37] Begum B A,Kim E,Jeong C H,et al.Evaluation of the potential source contribution function using the 2002 Que-bec forest fire episode[J] .Atmospheric Environment，2005，39（20）：3719-3724.

[38] Stohl A.Trajectory statistics-a new method to establish source-receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe[J] .Atmospheric Environment，1996，30（4）：579-587.

[39] Seibert P,Kromp-Kolb H,Baltensperger U,et al. Transport and Transformation of Pollutants in the Troposphere[J] .Academic Publishing,Den Haag，1994：689-693.

[40] Keeler G,Samson P.Spatial Representativeness of Trace Element Ratios[J] .Environmental Science and Technology，1989，23（11）：1358-1364.

[41] 贺千山，杨引明，耿福海，等.中国东部陆地上空气溶胶分布特征研究[C] //第五届长三角气象科技论坛论.上海，2008.

[42] He Q,Li C,Geng F,et al.Study on long-term aerosol distribution over the land of East China using MODIS data[J] .Aerosol and Air Quality Research，2012，12（3）：304-319.

[43] 孙强，范学花，夏祥鳌.华北地区气溶胶垂直分布特征的观测与分析[J] .气象与环境科学，2016，39（1）：26-33.

A Study of the Characteristics of Aerosol Distribution and Variation in Eastern China

LIU Xuan1，2，ZHU Bin3，GUAN Xuefeng1，2，LIU Huimin4，YUAN Liang3
（1.Institute of Desert Meteorology，China Meteorological Administration，Urumqi 830002，China；2.Center for Central Asian Atmosphere Science Research，Urumqi 830002，China；3.Key Laboratory of Meteorological Disaster，Ministry of Education，Joint International Research Laboratory of Climate and Environment Change，Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration，Nanjing University of Information Science&Technology，Nanjing 210044，China；4.Baiyin Meteorological Bureau，Baiyin 730900，China）

The characteristics of spatial and temporal distributions of aerosol optical depth（AOD）, fine mode fraction（FMF）and aerosol index（AI）during 2005-2014 in Eastern China were analyzed based on the aerosol products of Moderate Resolution Imaging Spectroradiometer（MODIS）and Ozone Monitoring Instrument（OMI）.The method of potential source contribution function（PSCF）was applied to find the possible sources of AOD and AI in this region under different air mass conditions.The results showed that there was a relative large discrepancy existing in the spatial and temporal distributions of AOD,FMF and AI.The high value of the average AOD and AI during 2005-2014 distributed in the northern area of Eastern China.However,the high value of the average FMF spread across the southern part of Eastern China.AOD in this period firstly increased and then decreased,and the fluctuation of FMF was not obvious while AI presented a rising trend. There was a significant seasonal variation in AOD in eastern China.The average values of AOD in spring and summer were obviously higher than that in autumn and winter.In the northern and central regions of Eastern China,AOD reached the maximum of above 0.8 in summer due to the high relative humidity.However,AOD value of the southern region of Eastern China was between 0.2 and 0.4 because of the high-frequency precipitation in summer.Different from AOD seasonal variation,FMF of 0.58 was highest in summer,and its lowest value of 0.26 appeared in spring. While the average value of AI（0.63）was the largest in winter,and the lowest value of 0.27 appeared in summer.The result of PSCF showed that local emission was the dominate source of AOD,and the short distance transport of aerosols from Henan,Hubei,Hunan and so on could also affect AOD in Eastern China.Local emission and long-range transport from the north were the main sources of AI,and there was also influence coming from short distance transport of aerosols from Henan,Hubei and the surrounding provinces and cities.

aerosol optical depth（AOD）；fine mode fraction（FMF）；aerosol index（AI）；source contribution function（PSCF）

P402

A

1002-0799（2017）01-0011-11

10.12057/j.issn.1002-0799.2017.01.002

2016-08-10；

2016-09-08

中亚大气科学研究基金项目（CASS201708）；自治区区域协同创新项目（2016e02104）；国家自然科学基金项目（91544229）资助。

刘璇（1989-），女，助理工程师，从事大气环境研究。E-mail：15005168066@163.com

刘璇，朱彬，关学锋，等.华东地区气溶胶分布和变化特征研究[J] .沙漠与绿洲气象，2017，11（1）：11-21.