太湖北岸气溶胶光学特性长期变化特征

韩亚芳,吴立新,白 杨,秦 凯(.中国矿业大学环境与测绘学院,江苏 徐州 008；.中南大学地球科学与信息物理学院,湖南 长沙 40083)

太湖北岸气溶胶光学特性长期变化特征

韩亚芳1,吴立新2*,白 杨2,秦 凯1(1.中国矿业大学环境与测绘学院,江苏 徐州 221008；2.中南大学地球科学与信息物理学院,湖南 长沙 410083)

利用太湖北岸地基太阳光度计(CE-318)2005年9月～2016年4月的观测数据,以及多年气象观测资料,对太湖北岸气溶胶年际尺度、季节尺度及逐月的光学特性、变化特征及影响因素进行了系统分析.揭示太湖北岸:1)AOD年均值呈逐渐降低趋势,但累年(2005～2016)均值高达0.776,2005～2012年累年均值为0.842,较全国同一时期AOD均值高63%;2)AOD四季变化分明,夏季(0.920)最高、冬季(0.689)最低、春季(0.788)与秋季(0.788)相近;3)气溶胶α指数逐年增大,年增幅约 0.013,表明太湖地区大气污染物颗粒平均粒径逐年减小,非自然源比重持续增加;4)气溶胶α指数季均值为秋季＞冬季＞夏季＞春季,依次为1.320、1.232、1.164、1.098;5)体积谱四季均呈双峰结构,夏冬两季积聚模态粒子与粗模态粒子的体积浓度接近,春季以粗模态粒子为主,秋季以积聚模态粒子为主,6)气溶胶SSA季均值各年四季变化特征相似,累年总体季均值为秋季＞夏季＞春季＞冬季,依次为0.933、0.917、0.900、0.882,但年均值自2007年起呈逐年缓增趋势,年增幅约0.006,表明太湖地区气溶胶粒子的散射能力在逐年增大.

气溶胶；光学厚度；Angstrom波长指数；体积谱；单次散射反照率；变化特征；太湖

气溶胶作为大气成分的重要组成部分,是环境空气质量、灰霾天气及全球气候变化的重要因子,其来源多样、生成过程复杂、影响因素众多,定量研究与精细刻画困难[1-9].基于长期观测数据的气溶胶年际、季际、月际变化特征分析和基本规律研究,以及特殊事件下气溶胶参数日变化特征与逐小时分析等,已成为多学科关注的热点[10-17].我国气溶胶污染严重区主要集中在京津冀、长江三角洲、华中、成渝等人口密集和经济发达地区,位于长三角的太湖是我国第三大淡水湖泊,属于典型的亚热带东南季风气候区,夏季高温多雨,冬季温和少雨.苏南及长三角经济快速发展导致太湖环境问题日益突出,如大气水平能见度降低、空气质量下降等.近年不少学者对该地区气溶胶进行了研究,包括气溶胶光学厚度(AOD)遥感反演[18-19]、气溶胶粒子谱分布[20]、气溶胶辐射强迫[21-22]、AOD时空分布[23-24]等方面,但多以MODIS卫星气溶胶产品和短时间序列的地基观测数据为主.虽然从MODISAOD能直观反映长三角上空有高浓度气溶胶存在,但受卫星过境时次限制和云雾影响,无法进行全天候连续观测,难以得到完整的 AOD动态信息,不足以分析气溶胶光学特性的长期变化现象[25-26].

作为AERONET全球气溶胶观测站点之一的太湖CE-318站点,自2005年以来积累了大量地基实测数据.有学者利用该数据对太湖地区气溶胶短期变化规律进行研究[27-28],也有学者进行了5年尺度的气溶胶变化规律研究[29];但尚缺少更长时间序列的规律分析.本文基于该站点2005年9月～2016年4月近11年的观测数据,对太湖北岸的气溶胶变化特性进行深入分析与规律挖掘,旨在为该地区大气污染研究与控制提供更为完整可靠的参考依据.

1 数据及方法

太湖站位于中国科学院太湖湖泊生态系统野外观测站内(31.42100°N,120.21533°E,H= 20.0m)(图 1).该站临湖建于北岸,视野开阔,空气流通顺畅[27],安装有包括 CE-318太阳光度计、WXT520自动气象传感器在内的多种传感器[26].CE-318是法国CIMEL公司生产的可自动追踪太阳的多波段扫描太阳光度计,安装于2005年9月,每年由 NASA定标一次;其视场角 1.5°,每3min钟获取一次1640、1020、936、870、675、500、440、380、340nm通道的太阳直射辐射和天空辐射值.本研究所用数据为 2005年 9月～2012年9月的level 2.0数据,以及2012年10月～2016年4月的level 1.5 数据,均从AERONET网站直接获取(AERONET网站提供的level 2.0数据截止到2012年10月4日).利用CE-318实时观测数据,由Bouguer定律、Dubovik算法等[30-31],可获得多个气溶胶光学特性参数.本文重点分析反映气溶胶光学特性的4个基本参数:代表消光程度的AOD、判断气溶胶粒径平均分布状况的Angstrom指数(α指数)、表征气溶胶散射性能的单次散射反照率(SSA)、代表粒子粒径分布的体积谱(dv/dlnr).

以日观测数据不少于3个的观测日为有效观测日(简称有效日),取有效观测日的日均值进行分析.该站因定标、中断、天气情况等导致 2008年7～8月、2009年6～9月、2010年10月～2011年3月、2013年7～8月、2013年11月～2014年9月、2015年 6～8月观测数据严重缺失.作者从AERONET网站整理出截至2016年4月30日的有效观测日为 1595d.此外,从气象共享服务网站(https://www.wunderground.com)整理出观测期间距离太湖地区最近的上海虹桥历史气象参数的月均值,从无锡天气网(http://rp5.ru)下载了2012年10月～2016年4月METAR上海虹桥(机场)历年湿度与风速的月均值(无锡天气网仅提供了2012年10月以后的数据),将同期两套数据进行统计比较与相关性分析,发现湿度均值仅相差 0.34%,风速均值约相差6.50%,两套湿度、风速的相关系数均超过 0.92;表明来自气象共享服务网数据可用.据此两套数据,综合分析AOD、α指数、SSA和dv/dlnr的变化特征及其气象影响因素.为贴近气候响应规律,本文依中国农历年为年度划分,并依照节气时间点近似将当年2～4月、5～7月、8～10月、11、12月及来年1月分别划为春夏秋冬4季,分别统计各年、各季、各月的有效日(见表1).

图1 太湖及周边AERONET站点位置Fig.1 Locations of AERONET observation stations at Tai Lake and its adjacent area

表1 观测期间AOD有效观测日Table 1 The number of valid AOD observation days

2 结果与分析

2.1 AOD变化特征分析

总体分析表明,观测期间8个波段的AOD变化趋势一致,波长越短、AOD值越大.故本文选择能代表气溶胶粒子在整个短波谱段消光水平均状况的 500 nm处的 AOD观测值为分析对象[32-35].

2.1.1 AOD年际、季际变化特征 基于有效日,将年度内至少有7个月观测值、且其各季至少有1个月观测值的年度视为有效观测年.据此生成观测期间 AOD年、季变化综合图(图 2).可见: 1)AOD年均值呈逐年降低趋势,最大值 0.957 (2007年)是最小值 0.542(2015年)的 1.8倍;2) 2006年冬季和2008年夏、秋季AOD值明显偏高,而2015年夏季AOD值明显偏低.

结合气象因素(图3)分析其原因为:a)2006年冬季湿度偏大,利于气溶胶的吸湿增长,且其风速为历年最低,不利于气溶胶扩散,故其 AOD值偏高;b)2008年夏季湿度偏大,降雨日偏少,应是其AOD值偏高的主要原因;而秋季AOD值偏高的原因应是其湿度为历年秋季之最大,风速为历年秋季之最小;c)2015年夏季只有3d观测数据(5月12、13、14日),不足以代表其真实夏季AOD值.

图2 2005～2016年太湖500nmAOD年均值、季均值变化Fig.2 Variation of annual and seasonal 500nm AOD averages from 2005 to 2016 at Tai Lake

图3 2005～2016年太湖风速、湿度、降雨日的年均值与季均值变化Fig.3 Variation of annual and seasonal averages of wind speed, humidity and total rainy days from 2005 to 2016 at Tai Lake

因地基观测有效年不连续,作者采用 Terra和Aqua MODIS Level2 C6 AOD产品,分辨率10×10km,补充分析了太湖地区 2006～2015年的MODIS AOD年均值空间分布情况(图4),可见:1)太湖及周边地区 10a尺度气溶胶分布格局基本稳定;2)相对于周边而言,湖区内AOD偏高(大于1.0),且出现多个超过 1.6 的高值中心;3) MODISAOD年均值呈波动变化特征,与地基监测的年际变化基本一致.提取太湖站点像元的MODIS AOD年均值与地基观测年均值进行比较(图5),可见MODIS AOD值均大于地基监测值.分析其原因为:MODIS AOD采用DT/DB融合算法生成,一方面因算法采用的气溶胶模式存在误差, AOD反演中严重低估了SSA,造成了AOD高估;另一方面因太湖站点像元下垫面复杂,其中的污染水体使站点所在混合像元的表观反射率上升, 导致卫星接收到的表观反射率显著提升,污染水体对表观反射率的贡献量被误认为是气溶胶的贡献,使 MODIS反演结果进一步偏高[26,36-37].

图4 2006～2015年太湖MODIS AOD年均值空间分布变化Fig.4 Variation of yearly MODIS AOD averagesfrom 2006 to 2015 at Tai Lake

图5 2006～2015年太湖站地基AOD与MODIS AOD的年均值对照Fig.5 Contrast to the annual averagesof AERONET AOD and MODIS AOD from 2005 to 2016 at Tai Lake

2.1.2 AOD月际变化特征 图6为500nmAOD观测值的月均值变化.可知:1)AOD最大值一般出现在6、7月,最小值一般出现在12月或次年1月(2012年除外,其AOD最小值出现在7月,原因待分析);2)观测期间月均值最低为0.295(2006年7月),最高为1.874(2008年6月),相差6.4倍;3)月间最大变幅发生于 2008年 5月(0.950)～6月(1.873),变幅达 0.923;月间最小变幅发生于 2011年11月(0.758)～12月(0.670),变幅仅0.088;4)月均值差异最大者为7月,2006、2007年7月分别为0.295、1.370,相差4.6倍.

2.1.3 AOD累年总体变化特征 图7为2005～2016年太湖北岸AOD季均值、月均值的综合对照.可见:2005～2016年太湖北岸:1)AOD各季差异不显著,夏春秋冬依次为 0.920±0.246、0.788± 0.053、0.788±0.052、0.689±0.076,春秋季几乎一致;2)1～4月AOD值逐渐增加,5月回落、6月急剧升至 1.2,7月大幅回落后逐渐降低,12月达到最小值.

对照图 3,分析认为:a) 夏季湿度最大,为(71.96±5.71)%,气溶胶吸湿增长充分;同时夏季温度高、光照强,有利于二次气溶胶生成,故夏季AOD值最大;尤其6月份空气湿度最高,加之周边地区存在秸秆焚烧现象,所引发的空气污染对太湖AOD增大有重要贡献[29,38];b)秋季湿度也很大,达(71.24±2.94)%,但相对于夏季而言秋季气温走低,二次气溶胶生成量相对减少[39-40],故AOD值逐渐走低;c)冬季湿度较小(68.30%±2.33%),且冬季温度低、光照时间短,二次气溶胶生成少,故冬季AOD最低;尤其12月份湿度最小,故AOD值最小; d)春季虽然湿度最小,为(67.99±3.01)%,但相对于冬季而言春季温度走高,二次气溶胶生成量相对增多[39-40],故AOD值逐渐走高.

图6 2006～2015年太湖500nmAOD月均值变化Fig.6 Variation of monthly 500nm AOD averages from 2005 to 2016 at Tai Lake

图7 2005～2016年太湖500nm AOD季均、月均AOD变化Fig.7 Variation of quarterly and monthly 500nm AOD averages from 2005 to 2016 at Tai Lake

2.1.4 讨论 有研究表明,受排放差异、气象条件、地理环境等综合影响,大气气溶胶时空变化异常复杂,不同气象条件下的气溶胶分布特征差异显著[41],同一气象条件下气溶胶变化也差异较大[42],不同地区气溶胶光学特性差异大

[43-45],同一地区气溶胶变化也相差较大[46-47].同为 CE318地基观测,同属中国东部地区南北季风交汇地带[32],太湖AOD夏季最大(0.920)、冬季最小(0.688)的特征与徐州、南信大、千岛湖相同,却与浙江林学院有所不同(后者 AOD为春季最大,冬季最小)[32,48].分析认为,太湖站点位于太湖北岸,徐州站点位于云龙湖畔,南京南信大站点紧邻长江、玄武湖,杭州千岛湖站点毗邻千岛湖,这些站点均邻近大面积水域,应是其 AOD季节变化特征不同于浙江林学院站的主要原因.

此外,将太湖北岸2005～2012有效观测年的AOD观测值与同期中国AOD空间分布[49]对照,太湖北岸AOD均值(0.842)其比全国AOD均值(0.517)高63%,比京津冀AOD均值(0.623)高35%,比长三角均值(0.750)高 12%,略高于江苏省均值(0.820).但是,2015年AOD年均值显著降低,应归功于2013年9月国务院正式颁布的《大气污染防治行动计划》以及2015年3月无锡环保局公布的《2015年大气污染防治年度实施计划》,在实践中渐见成效.

2.2 α指数变化特征分析

2.2.1 α指数年际、季际变化特征 由观测期间α指数年季变化综合图(图 8)可知:1)α指数年变化幅度较小,最大值 1.269(2011年)与最小值1.177(2007年)仅相差0.092,变幅低于10%;2)α指数值呈逐年缓增趋势,年增幅约 0.013,表明太湖地区污染物颗粒粒径逐年减小,非自然源比重持续增加;3)各年α指数季均值变化特征基本相似,唯2015年夏季α指数值显著偏小,是因该季只有3个有效日,有失代表性.

图8 2005～2016年太湖气溶胶α指数年均值、季均值变化Fig.8 Variation of annual and seasonal aerosol Angstrom-α from 2005 to 2016at Tai Lake

2.2.2 α指数月际变化特征 由 2005年 9月～2016年4月α指数值的月均值变化(图9)可知:1)观测期间α指数最低值、最高值分别为 0.765 (2010年4月)、1.652(2015年9月),二者相差2.16倍; 2)除2011年(12月)之外,最大值均出现在8、 9月(因2006年7月、2008年9月分别仅有2d、3d观测值,故这两个的月均值应剔除);3)除 2007年(5月)之外,最小值均出现在 3、4月(因 2007年7月、2009年2月、2015年5月分别仅有3d、6d、3d观测值,故这3个月的月均值应剔除).

图9 2005～2016年太湖气溶胶α指数月均值变化Fig.9 Variation of monthly aerosol Angstrom-α from 2005 to 2016 at Tai Lake

2.2.3 α指数累年总体变化特征 由2005～2016年太湖气溶胶α指数累年季均值与月均值变化图(图 10)可知:1) α指数季均值秋冬夏春依次为1.320±0.031、1.232±0.045、1.164±0.049、1.098 ±0.083,表明太湖地区秋季以细模态的城市-工业气溶胶为主控粒子,而春季气溶胶粒子以粗模态的自然源大颗粒为主控粒子;3)各季差异不显著,季间最大差异约为 20%;2)1～4月α指数值逐渐减小,4～9月逐渐上升(7月略有回落,应与高湿条件下吸湿增长有关),9～12月逐渐回落;3)9月最大值(1.356)与 4月最小值(1.030)相差约 1.3倍;4)7月的离差显著偏大,主要因为 7月的观测值较少,只有5个年度(2006、2007、2010、2011、2012)的7月有观测值.

图10 2005～2016年太湖气溶胶α指数季、月均值总体情况Fig.10 General states of seasonal and monthly Angstrom-α from 2005 to 2016 at Tai Lake

2.3 粒子体积谱变化特征分析

与α指数相同,反映单位面积上垂直大气柱内气溶胶粒子体积(v)随粒径(r)(0.05～15)变化的气溶胶粒子体积谱 dv/dlnr(μm3/μm2),同是表征气溶胶粒子粒径分布的重要参数.本文结合观测期间累年气溶胶α指数(图 10)与其体积谱分布(图 11),进一步分析气溶胶粒子粒径分布的季节变化特征.

图11 2005～2016年太湖气溶胶粒子四季体积谱均值分布Fig.11 Seasonal volume size spectrum of aerosol particulates from 2005 to 2016 at Tai Lake

可知:1)体积谱四季均呈明显的双峰结构,积聚模态(r＜1)与粗模态(r＞1)各有一处峰值;2)积聚模态峰值位置春冬季相近且偏左、夏秋季相近且偏右;粗模态峰值位置春夏秋相近,冬季向右偏移;3)春季α指数月均值均小于1.2,但粗模态体积浓度(峰值0.092)明显高于积聚模态(峰值0.066),相差近55%;3)夏、冬两季α指数月均值接近1.2,积聚模态和粗模态体积浓度、体积谱峰值均相当;4)秋季α指数月均值均大于1.2,积聚模态体积浓度(峰值0.101)显著高于粗模态(峰值0.042),相差140%.

2.4 SSA变化特征分析

2.4.1 SSA年际、季际变化特征 由观测期间SSA年季变化综合图(图12)可知:1)SSA的年变幅较小,最大值 0.925(2012年)与最小值0.895(2007年)仅相差 0.03,变幅低于 5%;2)自2007年开始,SSA值有逐年增大趋势(年增幅约0.006),表明太湖地区气溶胶粒子的散射能力逐年增大;3)SSA的各年季均值变化特征基本为夏秋大、冬春小,唯2007年夏季SSA值小于春季,其原因为该季7、8两个月仅有8个有效日,不足以代表真值.

图12 2005～2016年太湖气溶胶SSA年均值、季均值变化Fig.12 Variation of annual and seasonal aerosol SSA from 2005 to 2016 at Tai Lake

2.4.2 SSA月际变化特征 图13为2005年9月-2016年4月SSA值的月均值变化.分析可知:1)观测期间SSA值月间变化幅度较小,基本稳定在0.85-0.95之间,唯有2013年10月～2015年10月间的6个月的观测值明显偏小,或是因期间仪器调试(这6个月分别仅有7d、1d、6d、9d、1d、5d观测值);2)除2007年9月之外,最大值一般出现在8月,最小值一般出现在12月(因2007年7月仅有1d观测值,故该月的月均值应剔除).

图13 2005～2016年太湖气溶胶SSA月均值变化Fig.13 Variation of monthly aerosol SSA from 2005 to 2016 at Tai Lake

2.4.3 SSA 累年总体变化特征 图 14为2005～2016年太湖气溶胶 SSA累年季均值与月均值变化图.分析可知:1)SSA季均值秋夏春冬依次为 0.933±0.018、0.917±0.026、0.900± 0.016、0.882± 0.015,各季差异不大(季间最大差异约为 6%),总体为秋、夏季弱吸收粒子偏多,春、冬季则为中等吸收粒子偏多;2)1～8月SSA值逐渐增大,8月达到峰值后逐渐回落,8月最大值(0.955)与12月最小值(0.863)相差约1.1倍.

图14 2005～2016年太湖气溶胶SSA季、月均值总体情况Fig.14 Generalsituations of seasonal and monthly SSA from 2005 to 2016 at Tai Lake

3 结论

3.1 太湖北岸气溶胶的年际变化特征:1)尽管AOD 呈逐渐降低趋势,但累年均值仍高达0.776;2)气溶胶α指数呈逐年增大趋势,年增幅约0.013,表明太湖地区大气污染物的非自然源比重在持续增加;3)自2007年起,气溶胶SSA值呈逐年增大趋势,年增幅约 0.006,表明太湖地区气溶胶粒子的散射能力逐年增大.

3.2 太湖北岸气溶胶总体上以弱吸收和中度吸收粒子为主,其光学特性的季节性变化特征为:1)AOD四季变化分明,夏季最高、冬季最低、春秋季相似,6、7月呈现最大值,1、12月呈现最小值;2) α指数季均值为秋季＞冬季＞夏季＞春季,最大、最小值分别出现在8～9月、3～4月;3)体积谱四季均呈双峰结构,春季以粗模态粒子为主,秋季以积聚模态粒子为主,夏冬两季积聚模态粒子与粗模态粒子的体积浓度相当;4)SSA季均值为秋季＞夏季＞春季＞冬季,最大、最小值分别出现在8月、12月.

[1] Che H, Zhang X, 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 & Physics, 2015,15(8):7619-7652.

[2] Wang X, Ding X, Fu X, et al. Aerosol scattering coefficients and major chemical compositions of fine particles observed at a rural site in the central Pearl River Delta, South China [J]. Journal of Environmental Sciences, 2012,24(1):72-77.

[3] 蔡子颖,韩素芹,黄 鹤,等.天津夏季黑碳气溶胶及其吸收特性的观测研究 [J]. 中国环境科学, 2011,31(5):719-723.

[4] 郝增周,龚 芳,潘德炉,等.沙尘气溶胶粒子群的散射和偏振特性 [J]. 光学学报, 2012,(1):14-22.

[5] 王家成,朱成杰,朱 勇,等.北京地区多气溶胶遥感参量与PM2.5相关性研究 [J]. 中国环境科学, 2015,35(7):1947-1956.

[6] 吕 睿,于兴娜,沈 丽,等.北京春季大气气溶胶光学特性研究[J]. 中国环境科学, 2016,36(6):1660-1668.

[7] 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.

[8] 谭浩波,吴 兑,邓雪娇,等.珠江三角洲气溶胶光学厚度的观测研究 [J]. 环境科学学报, 2009,29(6):1146-1155.

[9] 吴 兑,毛节泰,邓雪娇,等.珠江三角洲黑碳气溶胶及其辐射特性的观测研究 [J]. 中国科学(D辑:地球科学), 2009,(11):1542-1553.

[10] Jantarach T, Masiri I, Janja S. Comparison of MODIS aerosol optical dzepth retrievals with ground-based measurements in the tropics [J]. ProcediaEngineering, 2012,32:392-398.

[11] Lin J, Donkelaar A V, Xin J, et al. Clear-sky aerosol optical depth over East China estimated from visibility measurements and chemical transport modeling [J]. Atmospheric Environment, 2014, 95(1):258-267.

[12] 王 朔,赵卫雄,徐学哲,等.北京一次严重雾霾过程气溶胶光学特性与气象条件 [J]. 中国环境科学, 2016,36(5):1305-1312.

[13] 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.

[14] 徐 政,李卫军,于阳春,等.济南秋季霾与非霾天气下气溶胶光学性质的观测 [J]. 中国环境科学, 2011,31(4):546-552.

[15] 王 静,牛生杰,许 丹,等.南京一次典型雾霾天气气溶胶光学特性 [J]. 中国环境科学, 2013,33(2):201-208.

[16] 吴立新,吕 鑫,秦 凯,等.秸秆焚烧期间徐州市空气污染物时空分布特征分析 [J]. 地理与地理信息科学, 2014,30(1):18-22.

[17] Che H, 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 sunphotometermeasurements [J]. Atmospheric Chemistry & Physics, 2014,14(4):2125-2138.

[18] 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,(S1):108-117.

[19] 罗宇翔,陈 娟,郑小波,等.近10年中国大陆MODIS遥感气溶胶光学厚度特征 [J]. 生态环境学报, 2012,21(5):876-883.

[20] 尚 倩,李子华,杨 军,等.南京冬季大气气溶胶粒子谱分布及其对能见度的影响 [J]. 环境科学, 2011,(9):2750-2760.

[21] 刘建军.长三角太湖地区云和气溶胶辐射特性的地基遥感研究[D]. 南京:南京信息工程大学, 2012.

[22] 董自鹏.长江三角洲地区气溶胶光学特性及其辐射强迫 [D].南京信息工程大学, 2010.

[23] 翟天勇.长江三角洲地区大气气溶胶光学厚度长时间序列时空特征分析 [D]. 上海:华东师范大学, 2014.

[24] 段 婧,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,(4):537-543.

[25] 王宏斌,张 镭,刘瑞金,等.中国地区两种MODIS气溶胶产品的比较分析 [J]. 高原气象, 2011,(3):772-783.

[26] 郑有飞,董自鹏,吴荣军,等. MODIS气溶胶光学厚度在长江三角洲地区适用性分析 [J]. 地球科学进展, 2011,(2):224-234.

[27] 郑有飞,范进进,刘建军,等.基于地基遥感数据的太湖地区气溶胶光学厚度和粒子谱变化规律研究 [J]. 环境科学学报, 2013,(6):1672-1681.

[28] 饶加旺,马荣华,段洪涛.基于实测数据的太湖上空气溶胶单次散射反照率特征分析 [J]. 中国科学院大学学报, 2014,2: 284-287.

[29] 饶加旺,马荣华,段洪涛,等.太湖上空大气气溶胶光学厚度及其特征分析 [J]. 环境科学, 2012,(7):2158-2164.

[30] Biggar S F, D I Gellman, P N Slater. Improved evaluation of optical depth components from Langley plot data [J]. Remote Sensing of Environment, 1990,32:91-101.

[31] Dubovik O, M D King. A flexible inversion algorithm for retrieval of aerosol optical properties from sun and sky radiancemeasurements [J]. Journal of Geophysical Research, 2000,105:20673–20696.

[32] 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, 2016,20:2287-2298.

[33] 卞 良.基于地基网络的大气气溶胶高精度光学遥感监测研究[D]. 合肥工业大学, 2012.

[34] He J L, Zha Y, Zhang J H, et al. Aerosol Indices Derived from MODIS Data for Indicating Aerosol-Induced Air Pollution. Remote Sensing, 2014,6:1587-1604.

[35] 陈良富,李莘莘,陶金花,等.气溶胶遥感定量反演研究与应用[M]. 北京:科学出版社, 2011.

[36] 王宏斌.基于AERONET观测资料对MODIS气溶胶产品的验证 [A]. 大气成分委员会、中国气象科学研究院.第31届中国气象学会年会 S6大气成分与天气、气候变化 [C]. 大气成分委员会、中国气象科学研究院, 2014:13.

[37] Levy R C, Mattoo S, Munchak L A, et al. The Collection 6 MODIS aerosol products over land and ocean [J]. Atmospheric Measurement Techniques, 2013,6(1):159-259.

[38] 杨 欣,陈义珍,刘厚凤,等.北京2013年1月连续强霾过程的污染特征及成因分析 [J]. 中国环境科学, 2014,34(2):282-288.

[39] Jeffrey R. Whiteaker, David T. Suess, Kimberly A. Prather. Effects of Meteorological Conditions on Aerosol Composition and Mixing State in Bakersfield, CA [J]. Environmental Science & Technology, 2002,36(11):2345-2353.

[40] Hu M, He L Y, Zhang Y H, et al. Seasonal variation of ionic species in fine particles at Qingdao, China [J]. Atmospheric Environment, 2002,36(38):5853-5859.

[41] 郝立生,闵锦忠,段 英,等.衡水湖湿地气溶胶分布的飞机观测[J]. 南京气象学院学报, 2008,(1):109-115.

[42] 邱明燕,盛立芳,房岩松,等.气象条件对青岛地区气溶胶光学特性的影响 [J]. 中国海洋大学学报(自然科学版), 2004,(6):925-930.

[43] 张志薇,王宏斌,张 镭,等.中国3个AERONET 站点气溶胶微物理特性分析及比较 [J]. 中国环境科学, 2014,34(8):1927-1937.

[44] 刘芮伶,李 礼,余家燕,等.重庆市城区大气气溶胶光学厚度的在线测量及特征研究 [J]. 环境科学学报, 2014,34(4):819-825.

[45] Che H, 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 & Physics], 2015,15(8):7619-7652.

[46] Zhao H J, Che H Z, Zhang X Y, et al. Aerosol optical properties over urban and industrial region of Northeast China by using ground-based sun-photometer measurement. Atmospheric Environment. 2013,75:270-278.

[47] 肖钟湧,江 洪,陈 健,等.杭州市大气气溶胶光学厚度研究[J]. 环境科学学报, 2011,31(8):158-1767.

[48] 周 寅.长三角地区大气气溶胶光学厚度遥感及时空变化规律研究 [D]. 南京信息工程大学, 2014.

[49] 薛文博,武卫玲,王金南,等.中国气溶胶光学厚度时空演变特征分析 [J]. 环境与可持续发展, 2013,4:17-20.

致谢：本研究得到了江苏省高层次创新创业人才引进计划和江苏省高校优势学科(PADA)支持.对于AERONET网提供的观测数据、LADSWEB 网 提 供 的 MODIS 数 据 以 及 WEATHER UNDERGROUND提供的气象数据,在此一并致谢.

Long-term variation of aerosol optical properties at Tai Lake’s north bank.

HAN Ya-fang1, WU Li-xin2*, BAI Yang2, QIN Kai1(1.School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221008, China；2.School of Geoscience and Info-Physics, Central South University, Changsha 410083, China). China Environmental Science, 2017,37(7)：2492～2503

Using the sun photometer (CE-318) ground observationsat the north bank of Tai Lake together with in-situ meteorological observations from September 2005 to April 2016, this paper analyzed systematically the long-term variation of aerosol optical properties at Tai Lake including annual, seasonal and monthly features as well as its influence factors. It was revealed that:1) the annual average of AOD (aerosol optical depth)from 2005 to 2016 reached 0.776, while that from 2005 to 2012 was 0.842 and 63% higher than the national average during the same time; 2) the seasonal variations of AOD were obviously featured with the highest value in summer (0.920), the lowest value in winter (0.689) and similar in spring (0.788) and autumn (0.788); 3) the Angstrom factor displayed an gradually increasing trend and the annual increment reached 0.013, which indicates that the average size of air pollutantparticulatesat Tai Lake was decreasing along with the increasing of non-natural source; 4) the seasonal Angstrom value decreased from autumn to winter, summer and spring in order, followed by 1.320, 1.232, 1.164, and 1.098; 5) the aerosol volume spectra showed a double-peak-structure in four seasons, and the volume concentrations of accumulation mode and coarse mode particulates were close in summer and winter, and the mainparticulatesinspring and autumn were coarse mode and accumulation mode, respectively;6) the annual seasonal variations of single scattering albedo (SSA) were similar, and the seasonal SSA value decreased from autumn to summer, springand winterin order, followed by 0.933, 0.917, 0.900, and 0.882, but the annual SSA averages displayed an increasing trend with annual increment being 0.006 since 2007, which indicated that the scattering ability of aerosolparticulatesat Tai Lake was increasing gradually.

aerosol；aerosol optical depth；Angstrom exponent；volume spectrum；single scattering albedo；variation features；Tai Lake

X513

A

1000-6923(2017)07-2492-12

韩亚芳(1991-),女,山东菏泽人,硕士,主要从事大气环境遥感研究.

2016-11-15

2014年江苏双创团队基金资助项目(06014)

* 责任作者, 教授, awulixin@263.net