2. 中国气象科学研究院, 北京 100081;
3. 中国环境监测总站, 北京 100012
2. Chinese Academy of Meteorological Sciences, Beijing 100081;
3. China National Environmental Monitoring Centre, Beijing 100012
近年来,我国各地以PM2.5为首要污染物的大气污染事件频发,已严重制约当地经济发展,并影响到城乡居民身体健康(谢扬等,2016;范元月等,2016;张莹等,2018;别同等,2018;武威等,2020)。污染物(大气气溶胶)可以成为凝结核,在水汽充分时,云滴会增多,云滴长大会加剧云中碰并增长,造成降水激增。所以,大气污染也是暴雨发生发展的环境因素之一。京津冀地区是我国重要的经济中心和综合性工业基地,也是我国空气污染最严重的区域之一(王跃思等,2014;张莹等,2018)。该地区空气污染的分布、传输特点及成因一直以来备受关注,已成为当前研究热点之一。已有研究指出,冬春季是京津冀地区出现持续性空气污染的高峰期(白鹤鸣,2013;周兆媛等,2014;王占山等,2015;付桂琴等,2016;荆俊山等,2008)。京津冀地区空气污染事件具有冬春季长时间维持高PM2.5浓度、夏季PM2.5浓度短期波动性较大的特点(周磊等,2016)。北京市冬季PM2.5浓度显著高于其他季节,春季次之,夏季最低(王嫣然等,2016);河北省全年53.4%的重污染事件发生在1月和2月,且冬季采暖期全省平均PM2.5浓度是非采暖期的1.8倍(赵凡,2016)。京津冀空气污染区域往往呈西南—东北向带状分布,其中PM2.5高浓度区主要分布在太行山前的华北平原(李珊珊等,2015;周磊等,2016)。
造成京津冀地区空气污染物的源排放包括工业排放、燃煤排放、机动车排放等(郎建垒等,2012;伯鑫等, 2015, 2017;徐钢等,2016)。除本地污染物排放外,其外来输入和扩散也会影响空气污染的强度和持续时间,其中气象条件起到关键作用(王跃思等,2014;王冠岚等,2016;别同等,2018)。例如,张小曳等(2013)指出,异常的静稳天气即中纬度经向环流较弱、南方暖湿气流增强、大气层结稳定、风力偏小,会造成污染过程加重和持续。张人禾等(2014)的研究也表明,表面风速和水平风垂直切变较小以及近地面层湿度增加、逆温加强等,将导致污染加重和持续。另有一些研究表明,在大尺度环流系统较弱时,京津冀地区局地环流将影响污染物的聚集和扩散(杨洋等,2015;李青春等,2019;曾佩生等,2019)。在山谷风环流中,当盛行谷风时,受太行山、燕山山体的阻挡,污染物易在山前积聚而产生明显的污染带(杨洋等,2015;曾佩生等,2019);在海陆风环流中,当温暖潮湿的海风吹入内陆,也会促使污染物浓度升高(李青春等,2019)。还有学者利用天气分型方法对海平面气压场进行分类来归纳冬季易发生严重污染的天气型,即当京津冀地区位于均压场、高压内部或高压后部时更易产生重污染天气(杨旭等,2017;张莹等,2018)。
上述研究主要关注的是污染形成的天气学成因,而从大尺度环流及其气候趋势方面对污染原因的研究相对较少。在气候变暖背景下,研究大尺度环流的调整对京津冀地区污染过程的作用对预测污染发生频次及趋势具有重要意义。2021年3月2—5日,京津冀地区(包括北京、天津、石家庄、保定、唐山等10座城市)发生了一次PM2.5重污染过程。本文以该地区持续4 d的PM2.5重污染过程为例,使用PM2.5质量浓度格点资料、城市空气质量指数(AQI)资料、NCEP再分析资料、海温资料及HYSPLIT轨迹追踪模式,重点分析北太平洋异常高压对京津冀地区PM2.5污染的影响,为该地区今后开展PM2.5污染监测预报提供参考依据。
1 资料与方法 1.1 资料说明本文使用的资料包括: (1) 2021年3月2—5日逐日全国PM2.5质量浓度格点资料,该资料来源于中国大气成分近实时追踪数据集(http://tapdata.org),该数据集融合了地面观测、卫星遥感、排放清单和模式模拟等多源数据(Xiao et al., 2021),空间分辨率为10 km× 10 km。(2) 中国环境监测总站2015—2021年3月1—31日经过质量控制的逐日城市AQI资料。(3) NCEP-DOE Reanalysis2再分析资料(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis2.html),空间分辨率为2.5° × 2.5°,垂直方向17层(Kanamitsu et al., 2002)。(4) 英国气象局Hadley中心1979—2021年逐月经质量控制的海表温度资料(Rayner et al., 2003),空间分辨率1°×1°。
1.2 研究方法首先,利用NCEP-DOE Reanalysis 2再分析资料中1991—2020年共30 a的3月份月平均资料,计算得到当月温度、位势高度、相对湿度、风速、海平面气压等大气变量气候平均值。然后,利用2021年3月逐日再分析资料与3月各大气变量气候平均得到逐日距平值,将其用于分析气象要素和环流形势异常。再次,运用HYSPLIT模型分析污染物的可能来源和传播路径(Stein et al., 2015)。HYSPLIT是NOAA空气资源实验室开发的供质点轨迹、扩散及沉降分析使用的综合模式系统,其平流和扩散计算采用拉格朗日方法,用于分析气流轨迹的思路是假想气块随风飘动,该模式详情见NOAA网站(https://www.ready.noaa.gov/hysplit.php)。
2 2021年3月2—5日京津冀地区空气污染事件分析 2.1 污染过程概述50 2021年3月2—5日京津冀地区出现一次持续4 d的污染过程,首要污染物为PM2.5。图 1是3月1—6日逐日平均PM2.5浓度分布图。从中可见: 3月1日(图 1a),京津冀地区空气质量整体较好,PM2.5浓度低于50 μg·m-3,空气质量级别为优良;3月2日(图 1b),北京南部、天津、唐山及河北南部地区PM2.5浓度升至50~ 75 μg·m-3,此时虽然京津冀大部地区空气质量保持优良级别,但石家庄、保定、唐山的局部PM2.5浓度已升至75 μg·m-3以上,达到轻度污染级别;3月3日(图 1c)京津冀PM2.5浓度持续升高,污染区域逐渐扩大,污染中心位于河北东北部、北京天津地区及河北西南部一线,北京、天津、唐山以及河北中南部的保定、石家庄等市均达到轻度至中度污染级别;3月4日(图 1d),京津冀PM2.5浓度达到最大,区域污染中心仍位于河北东北部、北京天津地区及河北西南部一线,部分地区PM2.5浓度高达150 μg·m-3以上,北京、石家庄等城市达到重度污染级别;3月5日(图 1e),京津冀PM2.5浓度开始下降,污染中心其浓度值降到150 μg·m-3以下,北京、天津等城市降至轻度污染级别;到3月6日(图 1f),京津冀PM2.5浓度快速下降至50 μg·m-3以下,该地区所有城市空气质量级别均转为优至良好。
为进一步揭示京津冀此次污染的时间变化特征,以受污染较重的北京、天津、石家庄、保定和唐山5市为代表,分析其空气质量指数(AQI)的日变化(图 2)。结果表明: AQI呈明显的单峰型变化特征,各代表城市均是3月1—4日逐渐升高,4日达到峰值,再迅速降低,并在3月6日污染过程结束,空气质量恢复优良级别。另外,各代表城市在这次污染过程中达到污染峰值浓度的等级不同: 北京和石家庄污染峰值达到了重度级别,而保定、唐山和天津则相对较低,仅达到中度级别。
综上所述,2021年3月2—5日京津冀污染过程的污染中心位于河北东北部、北京天津地区及河北南部一线,其中北京、石家庄等城市达到重度污染级别;各市AQI呈单锋型时间变化特征,峰值出现在3月4日。
2.2 天气形势分析从此次京津冀地区污染事件发生期间,3月2—5日500 hPa位势高度和温度距平场显示(图 3): 北太平洋存在异常高压系统,而西伯利亚地区存在异常低压冷,并自西向东快速移动。京津冀地区始终位于北太系统;异常高压系统表现为异常偏暖,且始终稳定维平洋高压西侧边缘,其环流形势较为稳定,维持较弱持在北太平洋,而西伯利亚异常低压系统则异常偏的位势高度正距平。
另外,从3月2—5日海平面气压和地面风场距平平洋异常高压西侧,其以东以南地区均受异常高压控图上可见(图 4): 地面上,3月2日,京津冀地区处于北太制,其西北侧存在低压中心(D)。京津冀位于高低压系统之间,受偏南风影响(图 4a)。从2—4日,500 hPa北太平洋异常暖高压经历了一次西伸加强的过程(图 3a—c),对应地面异常高压系统G1增强(图 4b)。3日,由于西北侧低压系统东移南压,G1北抬加强,位于二者之间的京津冀地区气压梯度显著增强,南风加大(图 4b)。至4日,上述G1和D继续东移,而京津冀地区西北侧有来自高纬度的高压系统(G2)南下,此时京津冀处于鞍型场低压槽中,其北侧的西北气流和南侧的偏南气流交汇于此,有利于污染物积聚,导致污染物浓度迅速增大,并达到最高值。5日后,随G2南下,京津冀地区受东北气流影响,空气质量逐渐转好。
为进一步分析此次京津冀地区污染事件期间及其前后整层热力、动力条件变化,图 5给出3月1—7日京津冀污染区域(115°—120°E,37.5°—42.5°N)平均温度距平和垂直速度时间垂直剖面图。从中看到,从3月2日起,对流层中层开始异常偏暖,而低层为温度负距平,有利于形成稳定层结,不利于污染物垂直扩散;2—4日,中低层温度正距平持续增大,并在4日850 hPa附近达到最大,偏高5 ℃以上。低层显著增温使低层至地面垂直温度梯度减小,垂直速度较弱,不利于污染物在垂直方向上扩散。5日后,700 hPa以下温度显著降低,伴随垂直速度增大,污染物逐渐扩散。
为进一步分析造成此次京津冀地区持续污染事件的气团的来源及运动轨迹,以其严重污染阶段为例,研究气团的输送特征。图 6是利用HYSPLIT模式所作的3月4日08时(北京时,下同)和6日00时北京、天津和石家庄48 h的气团后向轨迹。上文分析结果表明,3月4日是此次京津冀地区污染较重的一天,图 6a显示,当日08时影响北京、天津和石家庄的气团均来自其南部,且各城市的气团轨迹均位于距地面500 m以内低层大气。由于气团所经过的华北平原及我国中东部地区均属于人口密集、经济发展水平较高的地区,因此上述地区PM2.5排放量较大(Li et al., 2017),当低层气流携带高浓度PM2.5北上的过程中,其同时受到北部山脉地形和西北气流(图 4c)的阻挡,污染物在京津冀地区积聚,使局地PM2.5浓度升高,造成区域性重污染。而到3月6日此次污染事件已趋于结束,图 6b显示,当日00时,影响北京、天津和石家庄的气团均来自其东北部的中西伯利亚、蒙古高原和我国内蒙古东北部一带污染物排放量较低的地区,且气团均来自距地面1 000 m以上大气,外来清洁气团的输送作用使得京津冀地区污染物较快消散。
另外,从3月2—5日850 hPa相对湿度距平与流场距平合成图上可见(图 7a),此期间相对湿度持续偏高,京津冀地区位于北太平洋高压系统后侧,西南风引导来自西北太平洋的水汽输入到京津冀地区,导致该区域平均相对湿度较气候值偏高约7%。图 7b是沿此次京津冀污染区域(37.5°—42.5°N)的平均相对湿度距平和散度的纬向剖面图,从中可见,低层增湿明显,925 hPa以下相对湿度异常偏高20%以上,为PM2.5颗粒物吸湿增长提供了有利条件;同时,受西侧太行山脉阻挡,西南气流在山前辐合,导致污染物在山前不断积聚,致使污染进一步加剧。再从3月1—7日上述污染区域平均相对湿度距平和散度的时间垂直剖面图上看到(图 7c),3—5日,850 hPa以下相对湿度异常偏高15%以上,且对应气流辐合;5日以后,气流转为辐散,有助于污染物消散,与PM2.5浓度逐渐降低相一致。
上述分析表明,3月2—5日京津冀地区污染过程中,500 hPa层位于北太平洋的异常暖性高压系统的稳定维持为该地区提供了稳定的环流形势,使京津冀处于异常高压西侧弱的高度正距平控制下。地面上,京津冀地区处于异常高压后部,受偏南风控制,一方面在其北侧山脉地形和西北气流的共同阻挡下,污染物难以扩散;另一方面,有利于京津冀以南地区高浓度PM2.5输入。低层850 hPa,异常高压系统引导来自西北太平洋暖湿气流向京津冀地区输入,使低层增温增湿明显,不利于污染物垂直扩散,并促使污染物快速吸湿增长。
3 大尺度环流及海温背景分析为进一步验证北太平洋高压与京津冀地区污染事件发生发展的关系,本文统计了2015—2021年逐年3月该地区13个城市平均AQI>100的空气污染日数,共计102 d。其中,2015年3月污染日数最多,达23 d,2020年污染日数最少,仅4 d。
图 8a是2015—2021年3月京津冀地区发生污染时该区域平均AQI与北太平洋海域(110°E—150°W,30°—55°N) 500 hPa平均位势高度距平的散点图(其中,500 hPa位势高度进行了去趋势处理),从中看到,大约66%的污染日(AQI>100)、80%的重度污染日(AQI> 200)发生在北太平洋海域平均位势高度为正距平时,其中,污染最严重日(AQI>250),位势高度距平均超过50 dagpm。而在AQI>150的污染日中,75%的污染日对应地面为南风(图 8b)。可见,当北太平洋海域平均位势高度为正距平且京津冀地区地面为南风(经向风异常高压配合京津冀地面南风对该地区空气污染的速大于0)时,有利于该地区污染发生,表明北太平洋发生具有一定的指示意义。
从2021年3月2—5日京津冀污染过程500 hPa位区高压异常显著。1月1日—4月30日北太平洋地区势高度场及其距平分布图上看到(图 9a),北半球中纬(110°E—150°W,30°N—55°N,图 9a中红色矩形框)平度存在明显的罗斯贝波列,北大西洋和北太平洋地均位势高度距平逐日变化显示(图 9b),从当年1月下旬以来,北太平洋地区500 hPa位势高度场一直维持正距平。另从历年3月北太平洋地区平均位势高度距平逐年变化看(图 9c),自1979年以来,2021年3月北太平洋地区位势高度异常为近40 a来同期最大,且其位势高度场距平呈明显的增大趋势和显著的年际振荡。
上文分析揭示了北太平洋高压异常与京津冀地区污染的关系,而北太平洋地区高压与下垫面海温分布关系密切,因此通过1979—2021年3月北太平洋地区(图 9a中红色矩形框)去趋势后的位势高度距平与海温的相关系数分析(图 10a),可以探讨与北太平洋地区高压异常相关的海温年际以及年代际现象,揭示影响北太平洋高压异常的潜在气候因子。图 10a显示,北太平洋异常高压与北太平洋中西部海温呈正相关,与赤道中东太平洋海温呈现负相关,说明北太平洋中西部海温偏暖、赤道中东太平洋偏冷有利于北太平洋地区高压异常偏强,而太平洋这类海温分布往往对应北太平洋年代际振荡(PDO)负位相。另一方面,北大西洋地区相关系数由北向南呈“负-正-负”分布,其空间分布与北大西洋海温三极子正位相相联系。已有研究表明,冬季北大西洋涛动(NAO)能够促成春季北大西洋海温三极子(Hu et al., 2011),与之对应的波列可以造成其下游的北太平洋位势高度偏高(Liu and Zhu, 2019)。另外,从1979年以来海温场气候倾向率分布图上看到(图 10b),北太平洋和北大西洋30°N附近存在显著增温趋势,由于这两个区域海温与北太平洋位势高度异常呈显著正相关(图 10a),结合上述分析可知,PDO、NAO及海温趋势变化作为北太平洋异常高压的影响因子,可以通过影响北太平洋地区高压异常,进而影响京津冀地区污染发生的大尺度环流背景。
本文以2021年3月2—5日京津冀地区持续4 d的PM2.5重污染过程为例,使用PM2.5质量浓度格点资料、城市AQI资料、NCEP再分析资料、海温资料以及HYSPLIT轨迹追踪模式,重点分析了北太平洋异常高压对京津冀地区PM2.5污染的影响。主要结论如下:
(1) 500 hPa北太平洋异常暖性高压系统的稳定维持是京津冀地区污染发生的有利环流形势。当京津冀地区处于此异常高压后部并受偏南风控制时,在京津冀北侧山地和西北气流共同阻挡下,不利于该地区污染物扩散;同时,低层850 hPa异常高压系统引导来自西北太平洋暖湿气流向京津冀地区输入使低层增温增湿,不利于污染物垂直扩散,且会促使污染物快速吸湿增长。
(2) 多年统计结果显示,当北太平洋海域平均位势高度为正距平且京津冀地区地面为南风时,有利于该地区污染的发生。北太平洋异常高压配合京津冀地面南风对该地区空气污染的发生具有一定的指示意义。
(3) 北太平洋异常高压与北太平洋中西部海温呈正相关,与赤道中东太平洋海温呈现负相关。北太平洋高度距平与海温的相关系数表明,在PDO负位相和北大西洋海温三极子分布正位相时有利于北太平洋地区异常高压的形成。因此,气候系统内部的年际和年代际振荡以及趋势变化可以通过影响北太平洋地区高压异常,进而影响京津冀地区污染发生的大尺度环流背景。
需要指出的是,北太平洋异常高压系统的出现虽然有利于京津冀地区PM2.5污染的发生,但该系统只是引起污染的一种有利的天气形势,对污染天气的发生有一定的指示意义,但二者之间的关系仍有待更深入的研究,且污染最终是否形成还与污染源分布和排放量等因素有关。此外,本文仅对3月引起京津冀地区污染的异常天气形势进行了探讨,对于北太平洋异常高压形势是否对其他时段内污染过程的发生具有指示意义仍有待验证,后续将深入分析该地区不同季节污染事件对应的异常天气形势和气候特征,为京津冀地区开展PM2.5污染监测预报提供更有价值的参考。
白鹤鸣. 2013. 京津冀地区空气污染时空分布研究[D]. 南京: 南京信息工程大学
|
别同, 韩立建, 何亮, 等. 2018. 城市空气污染对周边区域空气质量的影响[J]. 生态学报, 38(12): 4268-4275. |
伯鑫, 王刚, 温柔, 等. 2015. 京津冀地区火电企业的大气污染影响[J]. 中国环境科学, 35(2): 364-373. |
伯鑫, 周北海, 徐峻, 等. 2017. 京津冀地区钢铁企业大气污染影响评估[J]. 中国环境科学, 37(5): 1684-1692. DOI:10.3969/j.issn.1000-6923.2017.05.011 |
范元月, 闵锦忠, 罗剑琴. 2016. 宜昌一次连续性严重污染过程成因分析[J]. 暴雨灾害, 35(1): 76-83. DOI:10.3969/j.issn.1004-9045.2016.01.011 |
付桂琴, 张杏敏, 尤凤春, 等. 2016. 气象条件对石家庄PM2.5浓度的影响分析[J]. 干旱气象, 34(2): 349-355. |
荆俊山, 傅刚, 陈栋. 2008. 北京市大气悬浮颗粒物TSP和PM10的季节变化特征[J]. 中国海洋大学学报(自然科学版), 38(4): 539-541. |
郎建垒, 程水源, 韩力慧, 等. 2012. 京津冀地区机动车大气污染物排放特征[J]. 北京工业大学学报, 38(11): 1716-1723. DOI:10.11936/bjutxb2012111716 |
李青春, 李炬, 郑祚芳, 等. 2019. 冬季山谷风和海陆风对京津冀地区大气污染分布的影响[J]. 环境科学, 40(2): 513-524. |
李珊珊, 程念亮, 徐峻, 等. 2015. 2014年京津冀地区PM2.5浓度时空分布及来源模拟[J]. 中国环境科学, 35(10): 2908-2916. DOI:10.3969/j.issn.1000-6923.2015.10.004 |
王冠岚, 薛建军, 张建忠. 2016. 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, 39(1): 34-42. |
王嫣然, 张学霞, 赵静瑶, 等. 2016. 2013—2014年北京地区PM2.5时空分布规律及其与植被覆盖度关系的研究[J]. 生态环境学报, 25(1): 103-111. |
王跃思, 张军科, 王莉莉, 等. 2014. 京津冀区域大气霾污染研究意义、现状及展望[J]. 地球科学进展, 29(3): 388-396. |
王占山, 李云婷, 陈添, 等. 2015. 2013年北京市PM2.5的时空分布[J]. 地理学报, 70(1): 110-120. |
武威, 顾佳佳, 鲍玉辉. 2020. 漯河一次持续性重污染过程成因及传输特征分析[J]. 暴雨灾害, 39(3): 259-268. DOI:10.3969/j.issn.1004-9045.2020.03.006 |
谢杨, 戴瀚程, 花岡達也, 等. 2016. PM2.5污染对京津冀地区人群健康影响和经济影响[J]. 中国人口·资源与环境, 26(11): 19-27. DOI:10.3969/j.issn.1002-2104.2016.11.003 |
徐钢, 王春兰, 许诚, 等. 2016. 京津冀地区散烧煤与电采暖大气污染物排放评估[J]. 环境科学研究, 29(12): 1735-1742. |
杨旭, 张小玲, 康延臻, 等. 2017. 京津冀地区冬半年空气污染天气分型研究[J]. 中国环境科学, 37(9): 3201-3209. DOI:10.3969/j.issn.1000-6923.2017.09.001 |
杨洋, 唐贵谦, 吉东生, 等. 2015. 夏季局地环流对京津冀区域大气污染影响[J]. 环境工程学报, 9(5): 2359-2367. |
曾佩生, 朱蓉, 范广洲, 等. 2019. 京津冀地区低层局地大气环流的气候特征研究[J]. 气象, 45(3): 381-394. |
张人禾, 李强, 张若楠. 2014. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学: 地球科学, 44(1): 27-36. |
张小曳, 孙俊英, 王亚强, 等. 2013. 我国雾-霾成因及其治理的思考[J]. 科学通报, 58(13): 1178-1187. |
张莹, 王式功, 贾旭伟, 等. 2018. 华北地区冬半年空气污染天气客观分型研究[J]. 环境科学学报, 38(10): 43-50. |
赵凡. 2016. 河北省重点城市PM2.5时空分布特征及影响因素分析[D]. 石家庄: 河北科技大学
|
周磊, 武建军, 贾瑞静, 等. 2016. 京津冀PM2.5时空分布特征及其污染风险因素[J]. 环境科学研究, 29(4): 483-493. |
周兆媛, 张时煌, 高庆先, 等. 2014. 京津冀地区气象要素对空气质量的影响及未来变化趋势分析[J]. 资源科学, 36(1): 191-199. |
Hu Z Z, Kumar A, Huang B, et al. 2011. Persistent atmospheric and oceanic anomalies in the North Atlantic from summer 2009 to summer 2010[J]. Journal of Climate, 24(22): 5812-5830. DOI:10.1175/2011JCLI4213.1 |
Kanamitsu M, Ebisuzaki W, Woollen J, et al. 2002. NCEP–DOE AMIP-Ⅱ Reanalysis (R-2)[J]. Bulletin of the American Meteorological Society, 83(11): 1631-1643. DOI:10.1175/BAMS-83-11-1631 |
Li M, Liu H, Geng G N, et al. 2017. Anthropogenic emission inventories in China: a review[J]. National Science Review, 4: 834-866. DOI:10.1093/nsr/nwx150 |
Liu B, Zhu C. 2019. Extremely late onset of the 2018 South China Sea summer monsoon following a La Niña event: Effects of triple SST anomaly mode in the North Atlantic and a weaker Mongolian cyclone[J]. Geophysical Research Letters, 46(5): 2956-2963. DOI:10.1029/2018GL081718 |
Rayner N A, ParkerDE, Horton E B, et al. 2003. Global analyses of sea surface temperature, sea ice, and night marine air temperature since the late nineteenth century[J]. Journal of Geophysical Research, 108(D14): 4407. DOI:10.1029/2002JD002670 |
Stein A F, Draxler R R, Rolph G D, et al. 2015. NOAA's HYSPLIT atmospheric transport and dispersion modeling system[J]. Bull Amer Meteor Soc, 96: 2059-2077. DOI:10.1175/BAMS-D-14-00110.1 |
Xiao Q Y, Geng G N, Cheng J, et al. 2021. Evaluation of gap-filling approaches in satellite-based daily PM2.5 prediction models[J]. Atmos Environ, 244: 117921. DOI:10.1016/j.atmosenv.2020.117921 |
Zuo J Q, Li W J, Ren H L, et al. 2012. Change ofthe Relationship Between the Spring NAO and East Asian Summer Monsoon and Its Possible Mechanism[J]. Chinese Journal ofGeophysics, 55(1): 23-34. DOI:10.1002/cjg2.1697 |