樊文智,秦 凯,韩 旭,邹家恒,李一蜚



基于移动激光雷达观测的徐州市区气溶胶分布特征

樊文智,秦 凯*,韩 旭,邹家恒,李一蜚

(中国矿业大学环境与测绘学院,江苏 徐州 221116)

将微脉冲激光雷达与GPS等仪器集成在车辆上组成移动观测系统,以徐州市为研究区域,开展大气环境立体走航式观测获取了2015年1月11日(重度污染)、12日(空气质量良好)、17日(轻度污染)3d的市区不同路线的1.5km以下的气溶胶消光廓线信号.结果表明,空气质量良好和轻度污染情况时,徐州市近地面气溶胶消光系数相对高值点主要位于商业区域和工业区域.商业区域的污染物主要来自车辆尾气的排放,车流量的大小决定了消光系数值的高低;工业区域的污染物主要来自火电厂的排放,占比达到70%以上.重度污染天气情况下,近地面气溶胶消光系数主要受污染过程的时间演变控制.气溶胶的垂直分布与边界层的演变密切相关,下午的边界层高度比上午普遍要高,晴朗且空气质量良好的情况下,边界层最高,达到1km以上.气溶胶消光系数高值基本出现在250m以下的近地面.工业区域火电厂排放的烟尘主要出现在1km左右.使用不同的仪器测量得到的气溶胶光学厚度趋势大致相同,激光雷达反演的气溶胶光学厚度波动最大.微脉冲激光雷达与GPS等仪器组成的移动观测平台能够有效地探测城市小范围的气溶胶时空分布,而且便捷有效,具有灵活机动性和推广应用价值.

微脉冲激光雷达(MPL)；主动遥感；气溶胶；时空分布；徐州

现有的大气气溶胶观测主要依靠有限的固定地面站点和卫星遥感图像,缺乏对气溶胶分布的移动立体观测,对于城市近地面小范围污染的形成、来源等研究分析,无法提供强有效的观测数据.激光雷达作为主动遥感探测气溶胶垂直分布和时空演变特征的重要手段,已经被广泛使用.早在1976年,我国研究人员就开始利用激光雷达来探测大气环境[1].随着技术的成熟,越来越多的研究相继展开[2-3],并和卫星数据相结合[4].激光雷达是根据大气对激光的散射、吸收等物理原理,通过分析激光束在大气传输过程中与大气相互作用的回波信号,获得大气环境的信息.由于激光具有单色性、方向性强、亮度高、脉宽窄等特点,使得激光雷达可以对几公里以至几十公里大范围大气环境进行高时空分辨能力的实时观测,成为研究大气边界层[7-8]、气溶胶[9-14](飘尘)、云结构[15]、大气成分[16-17]、风场[18]、温度廓线[19]等大气特性的新一代高技术手段.在大气观测领域,一般需要长时间的连续观测,这与传统的雷达应用有很大的区别,1992年NASA的Goddard空间飞行中心(GSFC)研制开发了微脉冲激光雷达(Micro Pulse Lidar, MPL),克服了传统雷达使用持续时间较短的缺点[20].

将传感器搭载在移动平台上,可用于探测复杂城市环境下的小范围气溶胶时空分布特征. Westerdahl等[21]利用多种大气观测仪器组成移动观测平台,探究了美国洛杉矶高速公路、主干道、住宅街道污染物浓度,发现超细颗粒物(UFP)和NO、黑炭(BC)之间有很好的相关性,高速公路的UFP、NO、BC和CO浓度高于住宅街道.Hu等[22]利用移动平台观测了洛杉矶住宅区域的UFP、NO、BC浓度,发现污染物主要来自于周边高速公路的车流. Elen等[23]用自行车作为载体,用黑碳仪、UFP、GPS等组成的移动平台绘制了比利时安特卫普不同街道空气质量地图,证明移动平台是绘制空气质量地图的有效工具.白杨等[24]、胡明玉等[25]使用便携式黑炭仪和GPS接收机同时搭载到汽车平台上组成移动观测系统,分别测量了徐州、石家庄市区主干道路的黑炭浓度,结果表明黑炭浓度与交通密度和街道特点直接相关.

目前国内还鲜有用激光雷达组成移动观测平台开展大气气溶胶三维时空分布的精细遥感制图分析.本实验利用激光雷达分析揭示徐州市不同空气质量条件下的气溶胶分布特征,为国内其他城市气溶胶研究及大气污染控制提供参考.

1 研究方法

1.1 研究区域与观测方案

徐州市位于江苏省北部(116°22′E~118°40′E、33°43′N~34°58′N),是淮海经济区中心城市,年产原煤1885.17万t,发电量达497.22亿kW·h[26].徐州属温带季风气候,周边有兖州、枣庄、大屯、皖北、淮北等大型煤炭或煤电基地,以及大量橡胶轮胎、机械制造、纺织化工等企业,燃煤烟气与燃油废气排放量大,空气污染成分复杂,常年能见度低[27],冬季灰霾时段大气中细颗粒物为主控粒子[28].

本文利用微脉冲激光雷达和GPS接收机组成移动观测系统,于2015年1月11日(重度污染),1月12日(空气质量良好),1月17日(轻度污染)3种不同空气质量天气,沿徐州市区主干道路进行了气溶胶垂直廓线移动观测.微脉冲激光雷达型号为SigmaSpace公司生产的miniMPL型,观测波段为532nm,时间分辨率设置为30s;GPS接收机型号为中海达Hi-Q7型,单点定位精度为m;车辆以50km/h左右的时速近似匀速行驶.同时,在徐州市云龙湖南边的中国矿业大学环境与测绘学院楼顶(34.217°N,117.142°E)的大气观测站,安装有CE-318全自动太阳光度计等大气观测仪器开展固定观测.为了对比,使用MICROTOPS Ⅱ手持式太阳光度计,在华美电厂附近开展人工测量.

图1 观测区域

表1 观测时间、天气情况及路线

本次观测时间约为上午9:30~11:30,下午15:00~ 17:30(表1).观测区域如图1所示,主要分为3个典型区域:云龙湖及其附近区域为生态区域,云龙湖是国家5A级生态景区,车流稀少、树木众多;云龙湖以北至北二环路为商业区域,此区域内高楼大厦林立,分布着众多商场,车流量大,交通时常出现拥堵;北二环路以北为工业区域,此区域工厂众多,尤其是火电厂,有华美电厂、华润电厂、茅村电厂3个较大的火电厂,车流量大,且以运煤的大型货车居多.对应的天气情况如表1所示.

1.2 数据处理

为了得到气溶胶的消光系数,需要求解雷达方程.相应的雷达参数需要在处理前进行修正[29].修正后的雷达方程如下:

式中:()为激光雷达在高度处返回的回波信号,为激光雷达输出的信号强度,为雷达系统常数,和分别为总的大气散射系数和消光系数.因为散射系数和消光系数都为未知数,所以需要采用一定的反演方法.本文使用Fernald[30]方法.Fernald方法考虑了气溶胶和空气分子:

式中:a是气溶胶消光后向散射比,也就是激光雷达比,一般为20~70,根据本文研究区域和时间,选择60[31];m是空气分子消光后向散射比,为8p/3.

气溶胶光学厚度(AOD)值越大,表明大气污染越严重.计算公式如下:

PM2.5数据来自江苏省城市空气质量监测数据发布平台(http://218.94.78.75:20001/sjzx/airquality. html),取徐州市鼓楼区政府站点,此站点邻近中山路.

2 结果与讨论

2.1 近地面气溶胶消光系数时空分布特征

由于激光雷达存在探测盲区,本实验采用的miniMPL盲区约为150m,所以取近地面150m处的消光系数值,将其与同时刻的GPS坐标对应,得到徐州市主干道近地面消光系数时空分布(图2).

由图2可知,大多数消光系数相对高值点分布在商业区域和工业区域,生态区域是大多数消光系数相对低值点的所在地.11日为重度污染,PM2.5高达200μg/m3以上(图3),消光系数值范围为1~3.5km-1;12日空气质量良好,消光系数值范围为0.33~0.9km-1;17日轻度污染,消光系数值范围为0.35~1.2km-1.

工业区域的高值点最多,这和工业区域工厂众多,污染物排放量大有关.以12日和17日为例,空气质量分别为良好和轻度污染.统计三大火电厂3km范围[33]内的高值点个数占工业区域高值点个数的比例.12日上午,工业区域的高值点有4个,全部集中在华美电厂附近(图2c),占比达到100%;12日下午由于火电厂烟囱排放不明显,所以不予考虑;17日上午和下午的占比分别达到73.4%和76.5%.由此可知,火电厂的排放是工业区域主要的污染来源,排放与否是影响消光系数值的关键因素,高值点聚集在三大火电厂周围:华美电厂(图2a、图2b、图2c)、华润电厂(图2a、图2e、图2f)、茅村电厂(图2e、图2f).

除了火电厂的排放,工业区域的另一个污染源是运煤车辆本身的尾气排放和行驶在路上的扬尘以及车辆运输过程中产生的煤灰,由图2a、图2d、图2e、图2f可知,在工业区域的道路上分布着零星的高值点,此时观测车辆附近有大量的运煤车辆.

商业区域的高值点较多,主要由汽车尾气的排放造成.在奔腾大道与中山路的交汇点附近,出现了高值点的聚集情况(图2a、图2b、图2c、图2d),此处为交通要道,车流量大,容易出现拥堵状况.17日在商业区域没有明显的高值点(图2e、图2f),一是因为这一天气象条件较好,车流尾气很快消散;二是因为下午商业区域的路线选择了中山路右边的道路,车辆较少.

值得注意的是,12日下午(图2d),在奔腾大道与中山路的交汇点上方右侧出现了较多的高值点,此处是徐州市的北二环路,观测期间,车流量非常大,且出现了一定程度的拥堵,所以造成了这种现象.

生态区域的消光系数值最小,这是因为生态区域没有明显的排放源,且树木众多,大多数时间车辆稀少.如图2a、图2c、图2e、图2f所示,对比相对应的工业区域和商业区域,生态区域几乎没有出现高值点.

11日下午(图2b)生态区域出现了明显的消光系数高值,这主要与当天的重度污染过程有关.由图3可知,13:00点以后PM2.5浓度持续升高,达250μg/m3以上.当天是星期日,云龙湖附近游客众多,车流量大,这可能是次要原因;12日下午(图2d)生态区域的消光系数值较高,这应该与观测时段车流量大,交通拥堵,车辆排放尾气有关.

图3 观测时段的PM2.5质量浓度变化

综上所述,在空气质量良好和轻度污染情况下,徐州市近地面气溶胶消光高值点主要位于商业区域和工业区域,商业区域的污染物主要来自车辆尾气的排放,车流量的大小决定了消光系数值的大小,总体值小于工业区域;工业区域70%以上的高值点位于火电厂附近.此外,运煤车辆在运输过程中产生的煤灰和道路扬尘也是重要的污染源;重度污染天气情况下,近地面气溶胶消光系数主要受污染过程的时间演变控制.

2.2 气溶胶消光系数垂直分布特征

气溶胶的垂直分布特征是研究其辐射强迫和气候环境影响的关键不确定因素[34-37].本文利用反演得到的气溶胶消光系数,绘制0.15~1.5km的气溶胶消光系数垂直分布 (图4).

图4 11日上午(a)、下午(b),12日上午(c)、下午(d),17日上午(e)、下午(f)的激光雷达反演的消光系数垂直分布

分析图4可知:11日气溶胶消光系数值最大,在1.5km-1以上;17日较小,在0.5~1.5km-1之间;12日最小,在1km-1以下,这是因为相对应的日期的空气质量为重度污染、轻度污染和良好.消光系数相对高值主要分布在250m以下,这说明徐州市主干道的污染物主要集中在近地面.一般情况下,大气边界层反映在雷达信号上,就是回波信号的快速衰减[38].因此,图4中的绿色(气溶胶)和蓝色背景的交界处就是大气边界层,根据目视解译,对比上午、下午可知[39-41],上午边界层较低,污染物更容易聚集,下午由于气温升高,边界层抬升,污染物扩散.

分析图4a和图4b可知,11日:10:43以前,气溶胶集中在250m以下,在10:43分出现明显的高值点,此时观测车辆行驶在奔腾大道与中山路的交汇点附近,车流的汇聚导致了消光系数值增大;10:43以后,观测车辆进入工业区域,气溶胶在500m以下都有分布,一方面与边界层的抬升有关,另外也与工业区域污染物排放量大有关;下午,随着边界层的抬升气溶胶的垂直分布范围继续扩大至800m.250m以下的近地面气溶胶消光系数达2~3.5km-1,这与11日下午重度污染过程中地面PM2.5浓度持续升高有关.

分析图4c和图4d可知,12日:上午气溶胶集中在250m以下,消光系数值在1km-1以下,在10:09附近出现消光系数高值点聚集,此时观测车辆行驶在奔腾大道与中山路的交汇点附近,是由于车辆排放的尾气造成.另一个高值聚集点在10:39附近,此时观测车辆行驶在华美电厂附近;下午,气溶胶开始扩散,生态区域和商业区域250~700m的高空出现了消光系数值为0.5km-1左右的气溶胶,可能是这两个区域的车流量大,排放尾气扩散到高空; 16:50~17:36期间,从图4d可以看到,在550~700m高度有一层气溶胶.此时观测车辆正从北二环路驶向在华美电厂,北二环路出现交通拥堵现象,行驶路段运煤车辆较多,不时激起路面扬尘,同时运煤车辆在运输过程中产生煤灰,这些污染物经过扩散到达高空,造成了高空气溶胶层;下午近地面有两个高值聚集点:16:21和16:50左右,此时车辆分别行驶在奔腾大道与中山路交汇点和北二环路,具体原因不再赘述.

分析图4e和图4f可知,17日:上午边界层维持在600m左右,生态区域和商业区域的气溶胶在400m以下分布,无明显高值.工业区域由于火电厂的排放,污染物更多,气溶胶在700m以下都有分布,消光系数值在0.5km-1以上.高值依然在250m以下,10:35附近有高值点聚集,此时车辆行驶在华润电厂附近;下午由于太阳辐射加强,气溶胶进一步扩散,在1.15km以下均有分布,相比上午,近地面气溶胶浓度减小,消光系数值在0.5km-1以下;16:06以后,观测车辆进入工业区域,高空中出现了分散的气溶胶.16:26左右,400m~1000m的高空观测到气溶胶,此时观测车辆行驶在茅村电厂附近,推测这些气溶胶为电厂排放的烟尘.在16:46~16:56期间,1km的高空出现了一层羽状的气溶胶,此时观测车辆经过一家较小的火电厂附近——垞城电厂,推测此羽状气溶胶是火电厂烟囱排出的烟尘扩散至高空.

综上所述,气溶胶的垂直分布与边界层的演变密切相关,下午的边界层高度比上午普遍要高.气溶胶高值基本出现在250m以下的近地面,12日下午,在商业区域和工业区域500~700m高空出现的气溶胶层可能是来自地面扬尘和车辆排放尾气的垂直扩散.工业区域火电厂排放的烟尘主要出现在1km左右.

2.3 气溶胶光学厚度对比

利用MPL反演的AOD是由0.15~1.5km垂直方向上的大气消光系数积分得到,CE-318全自动太阳光度计和MICROTOPS Ⅱ手持式太阳光度计测量范围为地面到大气层顶.

MICROTOPS Ⅱ手持式太阳光度计的有效观测时段为11日上午和17日全天.CE-318全自动太阳光度计的有效观测时段为11日、17日全天.

分析图5可知,使用不同的仪器测量得到的AOD趋势大致相同,MPL反演的AOD和CE-318测量的AOD直接相关性系数2达到0.860(图6),说明MPL反演的AOD的数据的有效性.三者之间数值差距较大,MICROTOP Ⅱ手持太阳光度计测得的AOD最大,这是因为测量位置处于华美电厂附近,附近污染物浓度较高;CE-318由于天气的原因,在多云和阴天情况下,太阳辐射量较小,数据量稀少,只做参考之用;MPL反演得到的AOD最小,这和计算的垂直范围较小(0.15~1.5km)有关.

11日为重度污染,AOD较大.上午AOD呈上升趋势,MPL反演和手持太阳光度计测得的AOD数值范围分别为0.15~0.75、0.9~1.5;下午AOD也呈上升趋势,MPL反演的AOD数值范围为0.6~1.05.全天AOD呈现上升趋势,且变化较大,这和PM2.5浓度持续升高有关.虽然MPL反演的AOD整体比CE-318的小,但是变化趋势基本一致.

图6 MPL和CE-318得到的AOD数据相关性

17日为轻度污染,AOD比11日小.上午,MPL反演和手持太阳光度计测得的AOD数值范围分别为0.1~0.4、0.4~0.55,MPL反演的AOD呈上升趋势,这和观测路线有关;下午,MPL反演和手持太阳光度计测得的AOD数值范围分别为0.2~0.35、0.45~0.55,17点以前,MPL反演的AOD呈上升趋势,17点以后,略有下降,这是因为此时观测车辆开始远离工业区域.

MPL反演的AOD较其它2种波动最大,因为观测车辆时刻在移动,周围的环境不断发生变化.如图5b所示,从10:25开始,MPL反演的AOD急剧上升,此时观测车辆经过华润电厂附近,污染物不但有火电厂排放的烟尘,而且有许多运煤车辆排放的尾气,所以AOD大幅升高,10:40驶离这片区域以后,AOD又大幅下降,说明MPL可以实时、准确地观测到污染物浓度的变化;16:00左右,MPL反演和手持太阳光度计测得的AOD都突然上升,结合图4f分析,原因为此区域上空存在烟尘.

2.4 讨论

本文研究表明微脉冲激光雷达和GPS接收机组成的移动观测平台能够有效地探测城市小范围的气溶胶时空分布,具有推广价值;不足之处在于观测次数、观测线路有限,无法得到徐州市完整的气溶胶时空分布特征.

3 结论

3.1 空气质量良好和轻度污染情况时,徐州市近地面气溶胶消光高值点主要位于商业区域和工业区域,商业区域的污染物主要来自车辆尾气的排放,车流量的大小决定了消光系数值的大小,总体值小于工业区域;工业区域的污染物主要来自工业排放,火电厂的排放是最主要的来源,占比达到70%以上,其次,运煤车辆在运输过程中产生的煤灰和道路扬尘也是重要的污染源;重度污染天气情况下,近地面气溶胶消光系数主要受污染过程的时间演变控制.

3.2 气溶胶的垂直分布与边界层的演变密切相关,下午的边界层高度比上午普遍要高,晴朗且空气质量良好的情况下,边界层最高,达到1km以上.气溶胶消光系数高值基本出现在250m以下的近地面,工业区域火电厂排放的烟尘主要出现在1km左右.

3.3 MPL反演的AOD和CE-318全自动太阳光度计以及MICROTOPS Ⅱ手持式太阳光度计测得的AOD三者之间变化趋势大致相同,绝对值不同.MPL反演的AOD较其它两种波动最大,时间分辨率最高,可以实时、准确地观测到污染物浓度的变化.

[1] 吕达仁,魏 重,林 海,等.低层大气消光系数分布的激光探测 [J]. 大气科学, 1977,1(3):199-205.

[2] 邱金桓,赵燕曾,汪宏七.激光探测沙暴过程中的气溶胶消光系数分布 [J]. 大气科学, 1984,8(2):205-210.

[3] 周 碧,张 镭,曹贤洁,等.利用激光雷达资料分析兰州远郊气溶胶光学特性 [J]. 高原气象, 2011,30(4):1011-1017.

[4] Qin K, Wu L, Man S W, et al. Trans-boundary aerosol transport during a winter haze episode in China revealed by ground-based Lidar and CALIPSO satellite [J]. Atmospheric Environment, 2016,141:20-29.

[5] 王占永,蔡 铭,彭仲仁,等.基于移动观测的路边PM2.5和CO浓度的时空分布 [J]. 中国环境科学, 2017,37(12):4428-4434.

[6] 安俊岭,向伟玲,韩志伟,等.突发性大气污染监测与预报技术集成移动平台 [J]. 中国环境科学, 2011,31(8):1241-1247.

[7] 张婉春,张 莹,吕 阳,等.利用激光雷达探测灰霾天气大气边界层高度 [J]. 遥感学报, 2013,17(4):981-992.

[8] 滕继峣,秦 凯,汪云甲,等.基于激光雷达观测的大气边界层自动识别局部最优点算法 [J]. 光谱学与光谱分析, 2017,37(2):361-367.

[9] 王 苑,耿福海,陈勇航,等.基于微脉冲激光雷达的上海浦东地区不同强度霾研究[J]. 中国环境科学, 2013,33(1):21-29.

[10] 李 俊,龚 威,毛飞跃,等.探测武汉上空大气气溶胶的双视场激光雷达 [J]. 光学学报, 2013,33(12):1-7.

[11] 马盈盈,龚 威,朱忠敏.中国东南部地区气溶胶光学特性激光雷达探测 [J]. 遥感学报, 2009,13(4):707-722.

[12] 吕 阳,李正强,谢剑锋,等.基于激光雷达扫描观测的散布点污染源监测 [J]. 中国环境科学, 2017,37(11):4078-4084.

[13] 王耀庭,苗世光,张小玲.基于激光雷达的北京市气溶胶光学参数季节特征 [J]. 中国环境科学, 2016,36(4):970-978.

[14] 严国梁,韩永翔,张祥志,等.南京地区一次灰霾天气的微脉冲激光雷达观测分析 [J]. 中国环境科学, 2014,34(7):1667-1672.

[15] 刘瑞金,张 镭,王宏斌,等.半干旱地区卷云特征的激光雷达探测 [J]. 大气科学, 2011,35(5):863-870.

[16] 曹念文,颜 鹏.基于激光雷达探测的气溶胶分类方法研究 [J]. 光学学报, 2014,(11):20-26.

[17] 刘文彬,刘 涛,黄祖照,等.利用偏振-米散射激光雷达研究广州一次浮尘天气过程 [J]. 中国环境科学, 2013,33(10):1751-1757.

[18] 王国成,孙东松,段连飞,等.多普勒测风激光雷达风场数据影响因素分析 [J]. 光学学报, 2015,35(9):10-16.

[19] 王玉峰,高 飞,朱承炫,等.对流层高度大气温度、湿度和气溶胶的拉曼激光雷达系统 [J]. 光学学报, 2015,35(3):370-379.

[20] Spinhirne J D. Micro pulse lidar [J]. IEEE Transactions on Geoscience & Remote Sensing, 1993,31(1):48-55.

[21] Westerdahl D, Fruin S, Sax T, et al. Mobile platform measurements of ultrafine particles and associated pollutant concentrations on freeways and residential streets in Los Angeles [J]. Atmospheric Environment, 2005,39(20):3597-3610.

[22] Hu S, Paulson S E, Fruin S, et al. Observation of Elevated Air Pollutant Concentrations in a Residential Neighborhood of Los Angeles California Using a Mobile Platform [J]. Atmospheric Environment, 2012,51(5):311.

[23] Elen B, Peters J, Poppel M V, et al. The Aeroflex: A Bicycle for Mobile Air Quality Measurements [J]. Sensors, 2012,13(1):221.

[24] 白 杨,秦 凯,吴立新,等.徐州市区主干道路黑炭气溶胶浓度移动观测实验 [J]. 地理与地理信息科学, 2014,30(1):45-49.

[25] 胡明玉,秦 凯,白 杨,等.2013年12月石家庄一次霾天气过程中的黑炭浓度特征 [J]. 中国环境科学, 2015,35(9):2585-2593.

[26] 徐州市统计局.2015年徐州市国民经济和社会发展统计公报 [R]. 2016.

[27] 吴立新,吕 鑫,秦 凯,等.基于太阳光度计地基观测的徐州气溶胶光学特性变化分析 [J]. 科学通报, 2016,61(20):2287-2298.

[28] 郎红梅,秦 凯,袁丽梅,等.徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征 [J]. 中国环境科学, 2016,36(8):2260-2269.

[29] Liu Q, He Q, Fang S, et al. Vertical distribution of ambient aerosol extinctive properties during haze and haze-free periods based on the Micro-Pulse Lidar observation in Shanghai [J]. Science of the Total Environment, 2016,574:1502.

[30] Fernald F G. Analysis of atmospheric lidar observations: some comments [J]. Applied Optics, 1984,23(5):652.

[31] 张朝阳,苏 林,陈良富.中国典型地区气溶胶激光雷达比反演与分析 [J]. 中国激光, 2013,(5):222-227.

[32] 陈 晨,左天逸,陈世勋.基于高斯烟羽模型对工业气体污染物扩散的研究 [J]. 决策与信息旬刊, 2015,(8):271-272.

[33] 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.

[34] 贺千山,毛节泰.北京城市大气混合层与气溶胶垂直分布观测研究 [J]. 气象学报, 2005,63(3):374-384.

[35] 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.

[36] 高星星,陈 艳,张 武.2006~2015年中国华北地区气溶胶的垂直分布特征 [J]. 中国环境科学, 2016,36(8):2241-2250.

[37] 滕继峣,秦 凯,汪云甲,等.基于激光雷达观测的大气边界层自动识别局部最优点算法 [J]. 光谱学与光谱分析, 2017,37(2):361-367.

[38] 王英俭.激光雷达大气参数测量 [M]. 北京:科学出版社, 2014.

[39] Guo J, Miao Y, Zhang Y, et al. The climatology of planetary boundary layer height in China derived from radiosonde and reanalysis data [J]. Atmospheric Chemistry & Physics, 2016,16(20):13309-13319.

[40] Zang Z, Wang W, Cheng X, et al. Effects of Boundary Layer Height on the Model of Ground-Level PM2.5Concentrations from AOD: Comparison of Stable and Convective Boundary Layer Heights from Different Methods [J]. Atmosphere, 2017,8(6):104.

致谢：感谢德国宇航中心遥感技术研究所的许健博士对文章的建议和修改,感谢北京世纪浅海海洋气象仪器有限公司提供激光雷达设备.

Aerosol distribution characteristics in Xuzhou based on mobile lidar observation.

FAN Wen-zhi, QIN Kai*, HAN Xu, ZOU Jia-heng, LI Yi-fei

(School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)., 2018,38(8)：2857~2864

A mobile multi-sensor observing system consisting of a ground-based Micro Pulse Lidar and a GPS was introduced in this paper, which was used to analyze aerosol extinction coefficient profiles measurements that lower than 1.5km, over Xuzhou observed on 11January (heavy pollution), 12January (low pollution), 17January (moderate) in 2015. The results showed that during low and moderate pollution days, high values of the near-surface aerosol extinction coefficient were observed in the commercial and industrial areas, resulting from vehicle exhaust and thermal power plant emissions, respectively. During high pollution days, the near-surface aerosol extinction coefficient was mainly governed by the evolution of the pollution. The vertical distribution of aerosols was associated with the changing planetary boundary layer. The altitude of the planetary boundary layer in the afternoon was generally higher than the one in the morning, and reached the highest level (~1km) when the weather was fine and the air quality was fair. High values of the aerosol extinction coefficient were mostly found below 250m. Fly ash emissions by coal-fired thermal power plants over industrial areas were detected around 1km. The aerosol optical depth trends measured by different instruments were roughly the same, and the fluctuation of aerosol optical depth of Lidar was the most. The mobile multi-sensor observing system was proven to reliably observe the spatio-temporal distribution of aerosols over a city in a small regional scale, which had high flexibility and can be widely applied.

Micro Pulse Lidar (MPL)；active remote sensing；aerosols；spatial and temporal distribution；Xuzhou

X513

A

1000-6923(2018)08-2857-08

樊文智(1995-),男,甘肃临洮人,中国矿业大学环境与测绘学院硕士研究生,主要从事大气环境遥感研究.

2018-01-08

中央高校基本科研业务费专项资金资助项目(2015XKMS049)

* 责任作者, 副教授, qinkai@cumt.edu.cn