郑凯端， 陈 健， 周 杰， 高绍鑫

(南京信息工程大学地理与遥感学院,南京 210044)

0 引言

雾和霾总称为雾霾，其主要成分是悬浮在空气中、肉眼无法分辨的大量微小的固态或液态气溶胶粒子[1]。国内外对气溶胶的研究随着不同类型地基传感器和卫星传感器的发展而日益广泛。地基遥感观测技术能够有效探测大气气溶胶的垂直结构及其演变过程，但只能进行单点测量而无法获取气溶胶的区域性变化，这限制了其在大尺度范围的应用。被动遥感的卫星观测数据，如中等分辨率成像光谱仪(moderate-resolution imaging spectroradiometer，MODIS)、多角度成像光谱仪(multi-angle imaging spectroradiometer，MISR)和臭氧监测仪(ozone monitoring instrument，OMI)数据可以提供大范围气溶胶的面状分布信息，但观测获取到的数据只是大气层顶到地面的气溶胶柱的平均状况，无法反映气溶胶的垂直分布状况。云—气溶胶激光雷达和红外探路者卫星(cloud-aerosol LiDAR and infrared pathfinder satellite observations，CALIPSO)的出现克服了这一局限性，其搭载的云—气溶胶正交极化激光雷达(cloud-aerosol LiDAR with orthogonal polarization，CALIOP)能够探测到气溶胶在垂直方向上的变化，使得采用多源遥感数据分析大范围内气溶胶的空间分布特性成为可能。

目前国内外已有不少学者利用CALIPSO/CALIOP(下文简称“CALIOP”)卫星数据对气溶胶开展了一系列研究。如陈勇航等[2]利用CALIOP数据分析了一次沙尘污染传输过程中，沙尘气溶胶光学特性在垂直方向上的分布特征以及沙尘气溶胶粒子的大小和不规则性随高度的变化特征； 王静等[3]利用CALIOP后向散射数据深入研究了2010年3—4月份北京地区春季沙尘天气大气分布状况； 蔡宏珂等[4]利用CALIOP数据研究了秸秆焚烧源气溶胶光学特性的垂直分布特征； Yu等[5]利用2006—2007 年CALIOP数据统计了全球12个代表区域气溶胶的垂直分布状况，发现气溶胶消光系数的垂直分布存在明显的季节变化。近几年来，随着我国部分地区空气污染问题日趋严重，不少学者也开始结合多源数据对污染天气下、尤其是雾霾发生时气溶胶的垂直分布以及光学特性展开研究，如徐婷婷等[6]、刘琼等[7]和马骁骏等[8]都深入研究了上海地区干霾期间气溶胶光学特性的垂直分布特征； 毛晓琴等[9]利用CALIOP数据研究了长江三角洲(简称“长三角”)地区灰霾气溶胶的光学特性及垂直分布特征，发现灰霾天气发生时气溶胶主要是小粒径气溶胶且集中在2 km高度以下的区域； 刘璇等[10]和孙强等[11]也利用CALIOP数据分别分析了长三角地区和华北地区的雾霾事件。上述研究均表明，单一的遥感数据在监测气溶胶特性时存在一定的局限性，CALIOP数据可以提供气溶胶的垂直分布信息，但限于其数据获取方式，无法提供覆盖整个研究区的数据。若要更全面地认识污染过程中气溶胶的水平、垂直和时间分布特性，必须利用CALIOP 数据、被动光学遥感卫星数据和地基遥感数据综合分析。

本文选取长三角为研究区，以2013年12月1—9日长三角地区发生的严重雾霾污染过程中的气溶胶为研究对象，基于CALIOP数据，结合海洋与气象学多功能卫星(communication ocean and meteorological satellite，COMS)搭载的地球同步海洋水色成像仪(geostationary ocean color imager，GOCI)数据和CE318全自动型跟踪扫描太阳光度计(简称“CE318太阳光度计”)数据，研究了该雾霾污染过程中气溶胶的时空分布特征，并利用混合单粒子拉格朗日综合轨迹(hybrid single particle Lagrangian integrated trajectory，HYSPLIT)模式进一步探讨该污染的来源，为利用多源遥感数据监测和控制空气污染的过程提供科学参考。

1 研究区概况及数据源

1.1 研究区概况

广义的长三角地区(E116°～123°，N26°～35°)位于中国大陆东部沿海，地属亚热带季风气候带，区域面积21.07万km2，包括上海市、江苏省和浙江省。江苏省以太湖为中心呈周围高、中间低地貌，太湖周边地区多为平原； 浙江省整体地势由西南向东北倾斜，多以山地丘陵为主。长三角地区的植被主要是亚热带常绿阔叶林和落叶阔叶混交林。

近些年来，长三角地区经济飞速发展，已成为中国最大的外贸出口基地，但同时，其环境污染也日益严重。在2013年12月初中国东部的一次严重空气污染过程中，长三角地区的污染尤为严重，首要污染物PM2.5浓度日平均值超过150 μg/m3，部分地区达到300～500 μg/m3。此次雾霾污染最为严重的区域位于江苏中南部，其中南京市空气质量持续7 d都在重度污染以上，并且连续4 d严重污染，非常适合本文进行严重雾霾事件多源遥感监测的研究。

1.2 数据源

1.2.1 CALIPSO/CALIOP数据

CALIPSO卫星于2006年4月28日由美国国家航空航天局(National Aeronautics and Space Administration，NASA)联合法国Fibertek公司发射[12]。该卫星是A-Train系列的太阳同步极轨卫星，其搭载的CALIOP发射532 nm和1 064 nm这2种脉冲波，并通过3个通道获取白天和夜间2个波长的后向散射系数[13]。根据获取的后向散射系数，可分别计算体积退偏比和颜色比。体积退偏比为532 nm垂直衰减后向散射系数与532 nm平行衰减后向散射系数的比值，通过体积退偏比能够区分球型气溶胶粒子和非球型气溶胶粒子，体积退偏比越大，粒子越不规则； 颜色比为1 064 nm衰减后向散射系数与532 nm总衰减后向散射系数的比值，根据颜色比能够识别粒子的大小，颜色比越大，粒子越大[13-14]。

由于气溶胶粒子对太阳辐射的散射直接影响了大气能见度[15]，因此分析气溶胶的粒径大小和形状对研究气溶胶光学特性具有重要的意义[16]。本文利用CALIOP数据产品，分析了此次长三角雾霾污染下气溶胶的后向散射强度、粒径大小和形状的垂直分布特征。由于白天数据的噪声比较大，对观测影响较大[17]，所以选取雾霾污染期间过境长三角地区的夜间数据。通过筛选，选取了2013年12月2日和12月9日2 d的数据。本文所使用的CALIOP数据均从网站http: //www-calipso.larc.nasa.gov/about/下载得到。

1.2.2 COMS/GOCI数据

COMS是2009年韩国发射的第一颗地球静止卫星，主要用于气象服务和海洋监测研究，其搭载的GOCI可获取从可见光到近红外共8个波段的遥感信息，其星下点分辨率为500 m，时间分辨率为1 h，可提供目标区域8个时段的观测数据，实时监测以韩国为中心(E130°，N36°)，包括韩国、朝鲜、日本、俄罗斯及中国约2 500 km×2 500 km的目标区域[18]。COMS/GOCI(下文简称“GOCI”)对目标区域的连续观测(09：00—16：00)增加了数据获取的机会，减少了由于云层干扰产生的误差，降低了数据缺失的概率[19]，另外GOCI数据在一定程度上弥补了MODIS数据在部分地区和时间上的缺失。本文所使用的GOCI数据均从自网站http: //kosc.kiost.ac/eng/下载得到。GOCI的波段及参数如表1所示。

表1 GOCI波段及参数Tab.1 Bands and parameters of GOCI

1.2.3 CE318太阳光度计数据

CE318太阳光度计有8个光谱通道，中心波长分别为1 640 nm，1 020 nm，870 nm，670 nm，500 nm，440 nm，380 nm和340 nm。其测得的数据可用于计算大气透过率和Angstrom大气波长指数，反演气溶胶光学厚度(aerosol optical thickness，AOT)、消光光学厚度以及相函数等[20]。本文设置的CE318太阳光度计位于南京信息工程大学北辰楼顶(E118.72°，N32.21°)，选取的数据为2013年11月30日—12月10日1.5级产品中的500 nm AOT以及440～870 nm Angstrom指数2种数据。

1.2.4 HYSPLIT模式

HYSPLIT模式是美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration，NOAA)空气资源实验室联合澳大利亚气象局开发的污染扩散传输模式[21]，该模式采用了美国气象环境预报中心(National Centers for Environmental Prediction，NCEP)的全球数据同化系统(global data assimilation system，GDAS)1°×1°气象场资料，能够计算不同类型污染物的前向或后向轨迹，模拟污染物的输送、扩散或沉降过程，以确定其来源或发展方向[10,22]。HYSPLIT模式结果可以从网站http: //ready.arl.noaa.gov/HYSPLIT_traj.php在线获取。

2 结果与讨论

2.1 污染过程分析

2013年12月1—9日，长三角地区遭遇了大范围的严重空气污染[23]。图1示出了2013年12月2—10日期间6个代表城市(南京、徐州、上海、杭州、合肥和南通)的空气质量指数(air quality index，AQI)值(图1(a))及PM2.5浓度(图1(b))日平均值变化图。

(a) AQI值 (b) PM2.5浓度

图16个代表城市AQI和PM2.5质量浓度日平均值变化图

Fig.1DailymeanvariationofAQIvaluesandPM2.5massconcentrationinsixtypicalcities

根据《环境空气质量指数(AQI)技术规定(试行)》[24]，空气质量指数分为0～50,51～100,101～150,151～200,201～300和>300共6个级别，分别对应的空气质量级别为： 优、良、轻度污染、中度污染、重度污染和严重污染。从图1(a)可以看出，污染期间6个城市的AQI日均值都超过了100，空气质量有7 d达到了中度污染以上，大部分时间是重度污染和严重污染，其中污染最严重的城市是南京与合肥，有4 d连续处于严重污染。根据《环境空气质量指数(AQI)技术规定(试行)》中对AQI的定义以及计算方法，PM2.5浓度曲线(图1(b))与AQI指数曲线的相似度最高，因此，可以认定此次雾霾污染过程的首要污染物为PM2.5。

图2是2013年11月30日—12月10日南京信息工程大学北辰楼顶CE318太阳光度计所采500 nm AOT和440～870 nm Angstrom指数的时间序列图。

图2 AOT和Angstrom指数时间序列Fig.2 Time series of AOT and Angstrom exponent

从图2中可以看出，AOT和Angstrom指数均呈振荡式展布，AOT整体呈先上升、后下降的趋势，Angstrom指数整体与AOT的变化趋势相似，说明在雾霾期间气溶胶粒子是粗、细模态的混合，并且大气中粗粒径气溶胶的比例增加，说明此次雾霾事件可能有外来粗粒径气溶胶的输入。

2.2 气溶胶空间变化

为了更好地展示这次污染过程的空间分布和变化，本文获取了2013年11月30日—12月10日的GOCI数据(图3)。图3(a)—(k)为GOCI数据B8(R)B5(G)B4(B)合成的2013年11月30日—12月10日的假彩色图像。其中B8为近红外波段，能够反映出气溶胶的空间信息； B5为红光波段； B4为绿光波段。

(a) 2013年11月30日(b) 2013年12月1日 (c) 2013年12月2日 (d) 2013年12月3日

(e) 2013年12月4日(f) 2013年12月5日(g) 2013年12月6日 (h) 2013年12月7日

(i) 2013年12月8日 (j) 2013年12月9日 (k) 2013年12月10日

图32013年11月30日—12月10日GOCI数据B8(R)B5(G)B4(B)假彩色合成图像

Fig.3GOCIfalsecolorcompositeimage(B8(R)B5(G)B4(B))during30thNovember—10thDecember，2013

从图3可以看出，11月30日整个长三角地区图像清晰，说明天气基本晴朗，气溶胶浓度较小，且分布较为均匀(图3(a))。到了12月1日—2日，由于受到雾霾的影响，长三角地区中部和北部地区气溶胶浓度明显增大，散射增强，图像色彩变亮(图3(b)和(c))。从图3(a)—(c)可以看出，本次雾霾可能主要来源于当地气溶胶等污染物的释放。12月3—9日，长三角地区北部出现的云团，受到来自北方气流的影响向东南方向推进并扩散，受云团的影响云下气溶胶的情况无法准确得知，但是从无云的地区可以看出，气溶胶在中部和北部地区呈聚集的趋势，浓度较大，污染严重； 而南部地区因山地较多，植被覆盖度高，气溶胶浓度与中北部城市地区相比较小，在图像中的多为雾(图3(d)—(j))。而到了12月10日，雾霾现象明显消退，气溶胶浓度明显降低(图3(k))，与11月30日的情况(图3(a))相似，污染过程结束。

2.3 气溶胶垂直特征

图4分别给出了长三角地区2013年12月2日(N28.3°～34.3°，图4(a))和2013年12月9日(N33.6°～34.6°，图4(b))的0～10 km高度内的532 nm总衰减后向散射垂直剖面图。图4中红框为CALIPSO卫星经过长三角地区时的扫描区域。(图4(a)中有2个红框区域是因为当天扫描路径中间部分不属于长三角地区)。一般来说，空气分子的后向散射系数小于8×10-4km-1sr-1(图4中蓝色色标)，气溶胶粒子的后向散射系数在8×10-4～4.5×10-3km-1sr-1(图4中色标为绿色到红色的部分，大部分为黄色)之间，而云的后向散射系数则大于4.5×10-3km-1sr-1(图4中色标由粉色到白色)。

(a) 2013年12月2日(N28.3°～34.3°) (b) 2013年12月9日(N33.6°～34.6°)

图42013年12月2日及12月9日532nm处总衰减后向散射系数垂直剖面图

Fig.4Altitude-orbitcross-sectionoftotal532nmattenuatedbackscatteringcoefficienton2ndand9thDecember，2013

由图4可以看出，在发生雾霾期间，2 km高度以下存在明显的黄色气溶胶层； 1 km高度以下还出现红色的气溶胶层，气溶胶浓度最大，散射最强。排除CALIOP Level 2气溶胶廓线产品中的非气溶胶特征值、云以及其他无效值，对532 nm气溶胶消光系数进行平均，得到2013年12月2日和12月9日的532 nm平均消光系数廓线图(图5)。

(a) 2013年12月2日(N28.3°～34.3°) (b) 2013年12月9日(N33.6°～34.6°)

图52013年12月2日和12月9日532nm平均消光系数廓线

Fig.5Theaverageverticalprofilesof532nmextinctioncoefficienton2ndand9thDecember，2013

从图5可以看出，平均消光系数与总衰减后向散射系数一样，在2 km以下平均消光系数的值随着高度增加而不断减小，说明雾霾期间2 km高度以下的大气层内存在明显的气溶胶层，1 km高度以下的气溶胶浓度较大。

综上所述，污染期间气溶胶主要分布在地面到2 km高度内，因此对CALIOP获取的2 km高度以下的532 nm总衰减后向散射系数、体积退偏比及颜色比进行统计分析。532 nm总衰减后向散射系数在0～8×10-4km-1sr-1，0.8～4.5×10-3km-1sr-1，4.5×10-3～1×10-2km-1sr-1这3个区间内出现的频率分别为9.9%、81.4%和8.7%，而气溶胶的衰减后向散射系数主要在0.8～4.5×10-3km-1sr-1范围内，可以看出污染期间在0～2 km高度内聚集了大量的气溶胶。

将污染期间0～2 km高度按[0，500) m、[500，1 000) m和[1 000，2 000] m分为3个高度层，统计各高度层内体积退偏比和颜色比频率分布(图6)。

(a) 体积退偏比 (b) 颜色比

图63个高度层内体积退偏比和颜色比频率分布图

Fig.6Frequencydistributionofvolumedepolarizationratioandcolorratiowithinthreeheightlevels

从图6(a)可知，在整体上体积退偏比频率随着体积退偏比的增大而降低。体积退偏比在[0,0.3)范围内的通常是规则球形气溶胶，在[0.3,0.6)范围内的为较规则的、近似球形气溶胶，而在[0.6,1]范围内则为不规则的非球形气溶胶[25]。体积退偏比在[0,0.3)的比例为83.48%，说明在雾霾发生时，2 km高度大气层内球形气溶胶与非球形气溶胶共存，且球形气溶胶出现的频率更大。

从图6(b)可以看出，颜色比频率随着色比值的增大而先增大后减小，在[0.4,0.5)区间出现频率最大值。颜色比在[0,1)所占的比例为80.78%，[1,2]所占的比例为19.22%，说明在雾霾污染期间，细粒径气溶胶出现的频率高于粗粒径气溶胶出现的频率，气溶胶主要以小粒径气溶胶为主。从各高度层的情况来看，各高度层均以细粒径气溶胶为主，[0，500) m高度层主要是球形气溶胶和近似球形气溶胶并存，表明[0，500) m高度层受周边地区人为排放气溶胶的影响较大； 而[500，1 000) m和[1 000，2 000] m这2个高度层内主要是球形气溶胶，这表明了周边地区人为排放的气溶胶对这2个高度层的气溶胶影响不大，影响这2个高度层的主要是外来气溶胶。

2.4 HYSPLIT模式及气象条件分析

为更好地分析污染物的来源，选取南京(E118°46′，N32°03′)为参考点，分别计算500 m，1 000 m和2 000 m这3个高度在2013年11月30日和12月1日雾霾发生前、后HYSPLIT 72 h后向轨迹(图7)。

(a) 雾霾发生前72 h (b) 雾霾发生后72 h

图72013年11月30日和12月1日雾霾发生前、后HYSPLIT72h后向轨迹示意图

Fig.7HYSPLIT72-hourbackwardtrajectoryof30thNovemberand1stDecember，2013

从图7可以看出，雾霾发生前(11月30日)3个高度的气流均经过蒙古国、我国内蒙古和华北中部地区，到达长三角地区后气流在垂直高度上变化幅度逐渐减小并趋于稳定(图7(a))； 雾霾开始时(12月1日)，2 000 m高度气流主要受到来自蒙古国、我国内蒙古、山西方向气团的影响，而1 000 m和500 m高度的气流主要受到来自内蒙古、陕西、河南、安徽等省气团的影响，并且3个高度的气流到达长三角地区后在垂直高度上变化趋于稳定(图7(b))。根据徐婷婷等[6]和孙强等[11]的研究，在2 km以下，气流在垂直高度上变化幅度不大，是近地面层大量不规则气溶胶的重要输送来源，这说明本次雾霾事件不仅受周边排放气溶胶的影响，还受到来自北方地区外来气溶胶输入的影响。

表2为徐州、南京、合肥、上海、南通和杭州6个城市2013年12月1日—12月9日的日平均风速统计表。

表2 6个代表城市2013年12月1日—12月9日每日平均风速统计表Tab.2 Daily mean wind velocity in six typical cities during 1st December to 9th December，2013 (m/s)

从表2中可知，雾霾污染期间长三角地区风力等级较小，多为微风或微风以下，风速小而不利于污染物的扩散，使得污染物累积。表3为6个代表城市2013年12月1日—12月9日的平均相对湿度。

表3 6个代表城市2013年12月1日—12月9日的平均相对湿度Tab.3 Daily mean relative humidity in six typical cities during 1st December to 9th December, 2013 (%)

从表3可以看出，在污染期间6城市的平均相对湿度都在70%以上，较高的相对湿度与较低的风速不利于气溶胶的扩散与清除，同时雾霾期间没有降水，这些都导致了雾霾污染大范围长时间的滞留不散。

3 结论

本文利用COMS/GOCI数据、CALIPSO/CALIOP卫星数据、CE318太阳光度计数据及地面气象站点数据，结合后向轨迹HYSPLIT模式，分析了2013年12月1—9日长三角地区的一次严重雾霾事件，得出下列结论：

1)雾霾发生期间,长三角地区代表城市的AQI值和PM2.5浓度值明显偏高，AQI日均值超过了100，各代表城市空气质量在雾霾污染期间基本处在重度污染和严重污染。此次雾霾污染的首要污染物为PM2.5。

2)雾霾发生期间，长三角中部和北部地区的气溶胶浓度很大，雾霾主要出现在中部和北部地区，并且向南部扩散。在垂直方向上，从地面0～2 km高度的大气层内存在大量气溶胶，其中1 km以下的气溶胶浓度较大。大气气溶胶层内球形气溶胶所占的比例高于非球形气溶胶，细粒径气溶胶所占的比例高于于粗粒径气溶胶，雾霾污染期间主要以细粒径气溶胶为主。

3)雾霾发生期间，南京地区AOT值增加而Angstrom指数降低，说明此次雾霾污染伴随着外来粗粒子气溶胶； HYSPLIT模式模拟的结果也表明此次污染不仅受到来自周边地区气溶胶的影响，也受到外来源气溶胶的影响。地面站点气象数据表明，雾霾污染期间长三角地区处于弱风、高相对湿度和无降水的状态，污染物难以扩散而积聚在当地，是造成本次长时间大范围严重雾霾污染的主要原因。

志谢： 美国NASA兰利研究中心(Langley Research Center，LaRC)大气科学数据中心(Atmospheric Sciences Data Center，ASDC)为本文提供了CALIPSO/CALIOP数据，在此表示衷心感谢。

[1] 吴 兑.霾与雾的识别和资料分析处理[J].环境化学,2008,27(3):327-330.

Wu D.Discussion on the distinction between haze and fog and analysis and processing of data[J].Environmental Chemistry,2008,27(3):327-330.

[2] 陈勇航,毛晓琴,黄建平,等.一次强沙尘输送过程中气溶胶垂直分布特征研究[J].中国环境科学,2009,29(5):449-454.

Chen Y H,Mao X Q,Huang J P,et al.Vertical distribution characteristics of aerosol during a long-distance transport of heavy dust pollution[J].China Environmental Science,2009,29(5):449-454.

[3] 王 静,江月松,路小梅,等.基于CALIOP星载激光雷达探测数据的北京沙尘天气大气状况分析[J].遥感技术与应用,2011,26(5):647-654.

Wang J,Jiang Y S,Lu X M,et al.Study of atmospheric condition of dust weather in Beijing based on the data of CALIOP[J].Remote Sensing Technology and Application,2011,26(5):647-654.

[4] 蔡宏珂,周任君,傅云飞,等.CALIOP对一次秸秆焚烧后气溶胶光学特性的探测分析[J].气候与环境研究,2011,16(4):469-478.

Cai H K,Zhou R J,Fu Y F,et al.Cloud-aerosol Lidar with orthogonal polarization detection of aerosol optical properties after a crop burning case[J].Climatic and Environmental Research,2011,16(4):469-478.

[5] Yu H B,Chin M,Winker D M,et al.Global view of aerosol vertical distributions from CALIPSO lidar measurements and GOCART simulations:Regional and seasonal variations[J].Journal of Geophysical Research:Atmospheres(1984-2012),2010,115(D4):D00H30.

[6] 徐婷婷,秦 艳,耿福海,等.环上海地区干霾气溶胶垂直分布的季节变化特征[J].环境科学,2012,33(7):2165-2171.

Xu T T,Qin Y,Geng F H,et al.Seasonal variations in the vertical distribution of aerosols during dry haze periods in regions around Shanghai[J].Environmental Science,2012,33(7):2165-2171.

[7] 刘 琼,耿福海,陈勇航,等.上海不同强度干霾期间气溶胶垂直分布特征[J].中国环境科学,2012,32(2):207-213.

Liu Q,Geng F H,Chen Y H,et al.Vertical distribution of aerosols during different intense dry haze periods around Shanghai[J].China Environmental Science,2012,32(2):207-213.

[8] 马骁骏,秦 艳,陈勇航,等.上海地区霾时气溶胶类型垂直分布的季节变化[J].中国环境科学,2015,35(4):961-969.

Ma X J,Qin Y,Chen Y H,et al.Seasonal variation of vertical distribution of aerosol types around Shanghai during haze periods[J].China Environmental Science,2015,35(4):961-969.

[9] 毛晓琴,陈勇航,耿福海,等.应用CALIPSO卫星资料研究长三角地区灰霾天气特征[C]//第26届中国气象学会年会论文集.杭州:中国气象学会,2009.

Mao X Q,Chen Y H,Geng F H,et al.Study of atmospheric condition of haze weather in Yangtze River Delta region based on the data of CALIPSO[C]//Annual Meeting of China Meteorological Society and the field of Climate Change.Hangzhou,China:Chinese Meteorological Society,2009.

[10] 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,2015,35(3):641-651.

Liu X,Zhu B,Hou X W,et al.Analysis of haze events based on satellite remote sensing and field observations:A case study of severe haze pollution over the Yangtze River Delta[J].China Environmental Science,2015,35(3):641-651.

[11] 孙 强,范学花,李艳伟.2013年1月华北灰霾气溶胶光学特性的垂直分布[J].遥感学报,2015,19(3):520-529.

Sun Q,Fan X H,Li Y W.Vertical distribution of aerosol optical properties during hazy days in North China Plain in January 2013[J].Journal of Remote Sensing,2015,19(3):520-529.

[12] Vaughan M A,Young S A,Winker D M,et al.Fully automated analysis of space-based Lidar data:An overview of the CALIPSO retrieval algorithms and data products[C]//Proceedings of the SPIE 5575,Laser Radar Techniques for Atmospheric Sensing. Maspalomas,Canary Islands,Spain:SPIE,2004,5575:16-30.

[13] Winker D,Vaughan M,Hunt B.The CALIPSO mission and initial results from CALIOP[C]//Proceedings of the SPIE 6409,Lidar Remote Sensing for Environmental Monitoring VII.Goa,India:SPIE,2006,6409:69-79.

[14] Winker D M,Vaughan M A,Omar A,et al.Overview of the CALIPSO Mission and CALIOP data processing algorithms[J].Journal of Atmospheric and Oceanic Technology,2009,26(11):2310-2323.

[15] 程雅芳,张远航,胡 敏.珠江三角洲大气气溶胶辐射特性:基于观测的模型方法及应用[M].北京:科学出版社,2008:2-16.

Cheng Y F,Zhang Y H,Hu M.Observation-Based Method for Investigating the Atmospheric Aerosol Radiative Properties in Pearl River Delta of China[M].Beijing:Science Press,2008:2-16.

[16] 毛节泰,张军华,王美华.中国大气气溶胶研究综述[J].气象学报,2002,60(5):625-634.

Mao J T,Zhang J H,Wang M H.Summary comment on research of atmospheric aerosol in China[J].Acta Meteorologica Sinica,2002,60(5):625-634.

[17] 赵一鸣,江月松,张绪国,等.利用CALIPSO卫星数据对大气气溶胶的去偏振度特性分析研究[J].光学学报,2009,29(11):2943-2951.

Zhao Y M,Jiang Y S,Zhang X G,et al.Research on the depoalrization ratio characteristic of the aerosol in the atmosphere with the CALIPSO satellite data[J].Acta Optica Sinica,2009,29(11):2943-2951.

[18] Ryu J H,Han T H.GOCI(Geostationary Ocean Color Imager)[EB/OL].(2014-03-05)[2016-07-30].http://www.Ioccg.org/sensors/GOCI.html.

[19] 李冠男,王 林,王 祥,等.静止水色卫星GOCI及其应用进展[J].海洋环境科学,2014,33(6):966-971.

Li G N,Wang L,Wang X,et al.Geostationary ocean color imager and application progress[J].Marine Environmental Science,2014,33(6):966-971.

[20] 徐 丹,邓孺孺,陈启东,等.基于CE318观测的广州市气溶胶光学特性[J].热带地理,2015,35(1):21-28.

Xu D,Deng R R,Chen Q D,et al.Aerosol optical properties in Guangzhou based on the CE318 data[J].Tropical Geography,2015,35(1):21-28.

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

[22] 孙 强.华北地区大气气溶胶光学特性的垂直分布研究[D].南京:南京信息工程大学,2014.

Sun Q.Vertical Distribution of Atmospheric Aerosol Optical Properties on the North China Plain[D].Nanjing:Nanjing University of Information Science and Technology,2014.

[23] 郑 炜,田鹏飞,周 彬,等.泰州地区一次连续重度霾天气特征分析[J].科技创新导报,2014,11(29):113-116.

Zheng W,Tian P F,Zhou B,et al.The analysis of characteristics of a continuous severe haze weather in Taizhou area[J].Science and Technology Innovation Herald,2014,11(29):113-116.

[24] 环境保护部.HJ 633-2012环境空气质量指数(AQI)技术规定(试行)[S].北京:中国环境科学出版社,2016.

Ministry of Environmental Protection.HJ 633-2012 Technical Regulation on Ambient Air Quality Index(on trial)[S].Beijing:China Environmental Press,2016.

[25] Liu Z Y,Omar A,Vaughan M,et al.CALIPSO lidar observations of the optical properties of Saharan dust:A case study of long-range transport[J].Journal of Geophysical Research:Atmospheres(1984-2012),2008,113(D7):D07207.