2018, Vol. 38
[PDF全文]
2. 北京市环境保护监测中心, 北京 100048
2. Beijing Municipal Environmental Monitoring Center, Beijing 100048
近年来, 随着公众对大气污染的重视程度逐渐加深, 大气污染特征的研究工作取得了丰硕成果.研究发现, 除去本地排放外, 大气污染跨区域传输已成为区域空气质量超标的一个重要原因(施晓晖等, 2012；Liu et al., 2018).其中, PM2.5粒径较小, 在大气环流作用下, 传输距离远、影响范围大, 异地输送特征显著, 已成为我国大型城市重污染频发的重要原因(薛文博, 2014；王晓琪等, 2016；Timmermans et al., 2017).已有研究通过建立高分辨率的京津冀空气污染物排放清单, 得出北京、天津、石家庄、唐山和邯郸是空气污染物的主要来源(Qi et al., 2017).京津冀空气污染物排放中心集中在太行山、燕山山前区域(孟凯等, 2014；高愈霄等, 2016).北京市燃煤锅炉排放的PM2.5浓度南部显著高于中北部(Xue et al., 2016), 2015年北京各村居民家庭供暖PM2.5排放量达到34.7×103 t, 市区被污染的郊区所包围(Cai et al., 2018).不同的污染源之间存在污染物相互输送特征(王燕丽等, 2017; Zhang et al., 2018).陈云波等(2016)利用CAMx模型对北京市连续两年的PM2.5来源进行解析, 结果表明, 随着空气质量等级由优升至严重污染, 外地PM2.5贡献率从42.9%升至67.4%.此外, 传输条件是造成京津冀重污染天气的主要成因之一(He et al., 2017), 地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集(张恒德等, 2016).北京市秋、冬季污染与气象条件密切相关(Tian et al., 2014).
现有的大气污染来源和传输过程分析多是通过空气质量预测模型和气象数据分析得到.早期研究通过气象塔不同高度的颗粒物及气象数据揭示了北京城区颗粒物的垂直结构及其动力特征(丁国安等, 2005).近年来, 已有研究利用WRF-CAMx模型对北京市PM2.5的主要来源及传输进行模拟(刘晓宇等, 2017).通过轨迹聚类和潜在源分析的研究结果表明, 北京、天津和石家庄重污染主要来自偏南路径(花丛等, 2017).但排放清单的多样化导致不同清单模拟结果缺乏可比性.随着雷达技术的不断成熟, 雷达已逐步作为常规监测手段对气溶胶进行长时间观测研究(Chen et al., 2012; Liu et al., 2017; Zhang et al., 2017).Himawari-8号卫星作为新一代静止卫星, 其优越的性能使其十分适用于气溶胶观测研究(Yumimoto et al., 2016; Wang et al, 2017; Yan et al., 2018).但将卫星遥感与地基遥感二者结合对污染过程进行立体监测的研究较少, Himawari-8号卫星遥感影像能够清晰识别出污染覆盖区域和污染传输路径, 在长期的业务工作中已经得到验证.激光雷达网络能够得到气溶胶的传输路径及污染输送层结, 二者结合能够有效揭示北京市的污染来源及传输特征.因此, 本文利用Himawari-8卫星遥感影像和地基雷达形成立体监测网络, 对北京市冬半年大气污染的传输特征进行研究, 以期为区域污染的联防联控提供依据.
2 数据与方法(Data and methods)AQI和PM2.5小时数据来自于中国空气质量在线监测分析平台(https://www.aqistudy.cn/), 时间为2016年10月1日—2017年3月31日共182 d, 4368 h, 其中, AQI小时值缺失7 h, 缺失率仅为0.16%.利用小时AQI进行污染过程判定, 统计发现, 在少数污染过程中间存在短时AQI≤100的情况, 短时的空气质量好转过后污染仍然持续, 因此, 可将其判定为同一污染过程.污染过程判定方法如下:①AQI>100的持续时间≥8 h即判定形成污染过程；②两次污染过程中间出现AQI≤100的时间持续 < 5 h认为是同一污染过程.根据以上判定方法, 2016年10月—2017年3月共存在44次污染过程.每日的垂直气象探测数据(风向风速、相对湿度及温度)来自于美国怀俄明大学网站(http://weather.uwyo.edu/upperair/sounding.html).
Himawari-8号卫星是日本第3代静止系列气象卫星, 于2014年10月7日发射升空, 经过轨道性能测试后于2015年7月7日正式使用.星上搭载了AHI(Advanced Himawari Imager)成像仪, AHI成像仪全圆盘数据的时间分辨率为10 min, 具有可见光至热红外波段的16个通道, 空间分辨率高达0.5~2.0 km.本文使用AHI多通道合成真彩色图像, 影像时间分辨率为1 h, 时段为每日9:00—16:00, 监测范围北至内蒙古, 南至安徽、江苏, 西至陕西, 东至辽宁、渤海、黄海海域.激光雷达数据来自于北京怡孚和融科技有限公司生产的EV-LIDAR微脉冲激光雷达.3台同样的激光雷达分别安装于车公庄站、定陵站及琉璃河站, 激光雷达站点分布如图 1所示.该雷达由激光发射器、光学收发系统、探测器和数据采集及处理装置组成, 探测工作波长为532 nm, 空间垂直分辨率为15 m, 时间分辨率为1 min, 单脉冲输出能量10 μJ, 探测高度选定2.0 km, 进行反演前经背景噪声订正、重叠因子订正及距离订正等预处理过程, 由Fernald算法(Ji et al., 2017)来求解激光雷达方程, 进行气溶胶消光系数反演, 本文使用消光系数作为气溶胶的特征参数.本文中使用的遥感影像和激光雷达数据数据分布如图 2所示, 其中包括激光雷达数据1991 h, 遥感影像602张.
 |
| 图 1 北京市激光雷达监测站点分布 Fig. 1 The location of monitoring sites in Beijing |
 |
| 图 2 2016年10月—2017年3月遥感影像及激光雷达数据分布 Fig. 2 Data distribution of remote sensing image and LIDAR from October 1, 2016 to March 31, 2017 |
通过对2016年10月—2017年3月小时AQI的统计分析, 得出2016年冬半年北京市的大气污染特征.冬半年的空气质量以优-良为主, 占比达到54.3%, 但与2016年61.5%的平均水平相比仍存在差距.由图 3可知, 轻度污染在2016年11月发生频率最高, 占比超过20%, 12月发生频率最低, 仅为9.6%.中度污染的发生频率最低, 仅在2016年10—12月超过10%.重污染各月平均时长达到162 h, 污染主要集中在2016年12月和2017年1月, 发生频率均超过30%, 11月也达到24%.此外, 通过对不同空气质量等级下的首要污染物进行统计分析发现, 冬半年的首要污染物均为颗粒物, 其中，PM2.5为首要污染物的时间高达2613 h, 占总时长的86.8%, PM10为首要污染物的时间为361 h, 二者同为首要污染物的时长为37 h.以颗粒物气溶胶为主的污染过程能够通过卫星遥感影像和激光雷达得到其清晰的变化过程.
 |
| 图 3 2016年10月—2017年3月不同空气质量等级持续时间 Fig. 3 The duration of different air quality levels from October 1, 2016 to March 31, 2017 |
通过对2016—2017年冬半年的监测数据分析, 发现冬半年大气污染形势依然严峻.根据污染过程的划分依据, 2016—2017年冬半年共存在44次污染过程.通过对所有污染过程中AQI与PM2.5的浓度变化趋势进行分析, 发现二者的变化趋势极其相似, 同时在研究中发现同一污染等级下的污染物变化趋势也存在差异, 因此, 按照污染物浓度的变化规律将污染过程重新进行划分, 从而研究不同类型污染过程的污染传输规律.如图 4所示, 可将污染过程分为以下3种类型:平缓型、单峰型和多峰型, 该类方法在本文中为首次提出.平缓型污染颗粒物浓度变化幅度较小, 不超过30 μg·m-3, 变化曲线如图 4a所示, 统计时段内共有6次平缓型污染过程, 均为持续时间小于16 h的轻度污染.单峰型污染变化如图 4b所示, 污染过程中仅存在一个浓度峰值, 冬半年共发生13次, 涵盖轻度污染到重度污染的各个污染等级, 时长均小于32 h, PM2.5浓度变化较大, 最大浓度达到647 μg·m-3.多峰型污染发生时污染物浓度出现多个峰值, 发生次数为25次, 达到污染总次数的56.8%, 污染物浓度时间变化曲线如图 4c所示, 时长在15~224 h间变化, 污染的持续时间变化较大, 其中, 超过90%的污染过程为重度污染, PM2.5均值浓度达到179 μg·m-3.
 |
| 图 4 2016年10月—2017年3月污染类型划分 (a.平缓型, b.单峰型, c.多峰型) Fig. 4 The classification of air pollution types (a.gentle type, b.single peak, c.multi peak) |
| 表 1 2016年10月—2017年3月污染过程统计 Table 1 The statistics of the pollution process from October 1, 2016 to March 31, 2017 |
 |
污染来源包括本地排放和外来传输, 本地污染可通过激光雷达网络得到其分布区域, 外来传输层高度和近地面向上的污染延伸高度也可以通过雷达图中消光系数高值区的分布得到.外来传输方向和清洁方向可通过遥感影像得出.对冬半年44次污染过程的遥感影像与激光雷达数据进行统计分析, 结果见表 2.
| 表 2 2016年10月—2017年3月不同污染类型来源及传输特征 Table 2 The source and transport of different types of air pollution from October 1, 2016 to March 31, 2017 |
|
图 5为2017年1月31日0:00—11:00一次典型平缓型污染过程的遥感影像和激光雷达监测图.与本次污染过程相同, 全部的平缓型污染过程中均存在本地污染和外来传输, 超过80%的污染过程以本地污染为主, 污染主要集中在中南部, 北部空气质量较好.由图 5a的遥感影像能够直观得到北京南部的污染程度高于北部, 图 5e也能够得出位于南部的琉璃河站和位于中部的车公庄站在近地面处的消光系数显著高于北部的定陵站.由每小时的遥感影像能够得到污染传输轨迹, 统计发现, 全部过程中污染均是自西南方向传输至北京.几乎全部污染过程是在西北气流影响下空气质量逐渐转好, 并且超过50%的污染过程伴有污染物的高空扩散, 混合层高度升高有利于污染的垂直扩散(李梦等, 2015).通过激光雷达图能够对污染的传输高度及垂直延伸高度进行分析, 发现50%的污染过程传输高度在0.3~0.5 km间变化, 加重了本地污染, 超过1.0 km高度的污染层在整个污染过程中对近地面的污染影响较小.近地面的消光系数升高主要是由本地污染引起, 高度主要集中在0.5 km下, 如图 5e所示, 在中南部上空存在污染程度较轻的低空传输.
 |
| 图 5 平缓型污染过程的遥感影像(a~d)及激光雷达消光系数(e)变化 (a.31日9:00, b.31日10:00, c.31日11:00, d.31日12:00, e.1月30日23:00—1月31日13:00) Fig. 5 The remote sensing image (a~d) and extinction coefficient (e) of the gentle pollution process (a.9:00, b.10:00, c.11:00, d.12:00 on 31 January, e. from 23:00 on 30 to 13:00 on 31 January) |
全部单峰型污染过程均存在污染传输, 为污染传输与本地污染共同导致, 本地污染主要发生在北京中南部.图 6为2017年2月18日10:00—2月19日14:00的一次典型单峰型污染过程, 由图 6e可知, 北京中南部近地面消光系数持续高于北部.污染传输除西南方向外, 超过20%的污染过程存在东南传输.70%的污染过程仅存在1次传输过程, 但在单次传输过程中存在同时出现2个传输层的情况.由图 6a和图 6b可知, 在2月18日15:00相比10:00的污染范围扩大, 污染程度加深, 期间存在西南污染传输, 图 6e中高空的消光系数显著升高也能够验证存在污染传输.超过70%的污染过程在0.3~0.6 km高度间存在污染层, 超过40%的污染过程在1.0~1.5 km高度间存在污染层, 在图 6e中能够观察到2月19日凌晨存在一次明显的高空传输.历次污染的垂直延伸高度变化较大, 传输高度较低时污染垂直延伸高度多低于0.7 km, 存在高空传输时消光系数高值集中在1.0~1.5 km高度.
 |
| 图 6 单峰型污染过程的遥感影像(a~d)及激光雷达消光系数(e)变化 (a.18日10:00, b.18日15:00, c.19日11:00, d.19日14:00, e.2月18日8:00—2月9日16:00) Fig. 6 The remote sensing image (a~d) and extinction coefficient (e) of the single peak pollution process (a.10:00, b.15:00 on 18 February, c.11:00, d.14:00 on 19 February, e. from 8:00 on 18 to 16:00 on 19 February) |
对多峰型污染来源进行分析, 发现在全部污染过程中均存在污染传输和本地污染, 多峰型污染是由二者共同导致.图 7为2017年2月13日20:00—2月16日10:00一次典型的多峰型污染过程, 由图 7e可知, 在污染过程中均存在长时间持续污染传输, 高空的消光系数显著高于近地面.本地污染范围和强度明显增强, 近70%的污染过程在全市范围内出现局地污染, 图 7a~7d中污染的范围和污染程度较平缓型和单峰型均显著提升.多峰型污染传输来源仍以西南方向为主, 但超过40%的污染过程中存在东南传输.清洁方向主要为西北, 近30%的污染过程中也存在东北方向的清洁过程.多峰型污染过程中均存在2次及以上污染传输, 传输持续时间长, 传输层高度差异较大, 在2.0 km下均有分布, 在同一次污染过程中也存在相差超过0.5 km的传输层.超过70%的污染过程在0.3~0.7 km高度间存在污染层, 导致近地面污染加重；此外, 60%的污染过程在0.8~1.6 km高度间存在污染层, 在图 7e中污染过程存在低空和高空两个传输层, 且传输在整个污染过程中一直持续.近80%的污染过程延伸高度在0.5~1.0 km间变化.当出现高空传输时, 在1.2~1.6 km高度处也会出现消光系数显著升高的情况.与其他类型污染不同, 80%的多峰型污染过程中在近地面处出现多个清洁时段, 可见多峰型污染是由多次污染-清洁过程构成.已有研究对2016年12月京津冀地区的一次重污染过程进行分析(尹晓梅等, 2017), 结果发现, 污染由本地排放和区域传输共同导致, 并且污染过程的影响范围自河北中南部向北逐渐延伸加重, 与本文的研究结果相一致.
 |
| 图 7 多峰型污染过程的遥感影像(a~d)及激光雷达消光系数(e)变化 (a.13日15:00, b.14日15:00, c.15日10:00, d.16日10:00, e.2月13日18:00—2月16日12:00) Fig. 7 The remote sensing image(a~d) and extinction coefficient(e) of the multi peak pollution process (a.15:00 on 13 February, b.15:00 on 14 February, c.10:00 on 15 February, d.10:00 on 16 February, e. from 18:00 on 13 to 12:00 on 16 February) |
北京市秋冬季的污染水平与气象条件密切相关, 因此, 在本节中讨论风向风速、相对湿度和逆温对污染物的传输、积累和扩散的影响.
3.3.1 风向风速的影响通过3.2节的研究发现, 各污染类型均在0.3~0.5 km高度存在传输层, 因此, 对2016—2017年冬半年0.3~0.5 km高度的风向风速进行统计, 研究其对污染传输的影响.研究表明, 北京市颗粒物浓度夜间高于日间(Zhao et al., 2009; Chen et al., 2015), 并且通过对44次污染过程的起始时间进行统计, 发现冬半年污染过程的发生多始于夜间, 因此, 20:00的玫瑰图更能体现污染的初始传输特征.由图 8b可知, 20:00空气质量优-良时主要以西北风为主, 其次为西南风.平缓型污染时西南风频率高达75%, 单峰型和多峰型污染时风向均以西南风为主, 发生频率均高于60%(表 3), 根据京津冀的污染分布情况, 西南风易导致周围区域污染向北京传输；此外, 东南风频率也高于15%, 这与污染发生时存在东南方向的污染传输相一致.对各污染类型发生时的风速进行分析发现, 污染发生时风速低于6.0 m·s-1的频率达到76.34%, 与空气质量优-良时的风速相比明显偏低.风速较低的南风能够导致污染积累, 该结论与已有研究成果相一致(Guo et al., 2017).8:00的风向玫瑰图与20:00差异较大, 单峰型污染以偏东风为主, 风速均低于6.0 m·s-1, 多峰型污染以东北风和西南风为主, 超过88%的多峰型污染风速低于6.0 m·s-1.
 |
| 图 8 不同污染类型下的风向玫瑰图 (a. 8:00, b. 20:00) Fig. 8 Wind roses under different pollution type |
| 表 3 不同风向条件下的不同污染类型发生频率 Table 3 The frequency of different pollution type under different wind conditions |
|
颗粒物可以根据其化学组成和环境中的相对湿度吸收水分并改变尺寸(Chen et al., 2012), 从而对气溶胶的消光特征产生影响.当相对湿度超过60%时, 吸湿增长成为影响气溶胶光学特性的决定性因素(Kuang et al., 2016).在本文中根据激光雷达特性, 选择0.1~0.2 km高度的相对湿度及其对应消光系数进行相关分析.由图 9可知, 空气质量优-良时相对湿度集中在50%以下, 8:00和20:00的频率分别为66.06%和86.52%(表 4), 相对湿度对气溶胶消光特性影响较小, 消光系数集中在0.6 km-1下.平缓型污染的相对湿度在20%~70%间变化, 消光系数主要集中在1.0 km-1下, 二者的相关性不明显.单峰型污染发生时相对湿度集中在70%以下, 消光系数与相对湿度呈正比例关系.多峰型污染发生时相对湿度明显增大, 8:00相对湿度高于70%的频率达到56.46%, 20:00也达到29.88%.相对湿度低于70%时, 两个时刻消光系数低于2.0 km-1的频率分别为95.24%和82.35%.相对湿度高于70%时, 水分占到细颗粒物质量的50%以上(McMurry, 2000; Kuang et al., 2016), 导致消光系数显著升高, 8:00和20:00消光系数在2.0~7.0 km-1间的比例分比为63.33%和35.29%.
 |
| 图 9 不同相对湿度下消光系数分布特征 (a. 8:00, b. 20:00) Fig. 9 The distribution of extinction coefficient under different relative humidity |
| 表 4 不同相对湿度条件下的不同污染类型发生频率 Table 4 The frequency of different pollution type under different relative humidity |
|
对冬半年的贴地逆温层厚度和逆温频率进行统计, 8:00的逆温频率高达64.3%, 高于20:00的57.7%.空气质量优-良时的逆温频率最低, 20:00仅为38.20%.单峰型和多峰型污染的逆温频率均高于75%, 秋冬季节高频率的逆温制约污染物在垂直方向上的扩散, 导致本地污染积累.8:00的各类型逆温层厚度规律性较差, 在0.8 km下均有分布.20:00时平缓型污染逆温层厚度主要集中在0.1 km下, 这与平缓型污染多来自本地污染积累相一致.单峰型污染时逆温层厚度延伸至0.2 km, 多峰型污染逆温层厚度在0.8 km下均有分布.逆温强度与逆温层厚度成反比, 高强度的贴地逆温层会限制近地面层强烈对流运动的发生, 阻止近地面空气中的水汽和污染物向高层扩散(郑庆锋等, 2011；龙时磊等, 2013), 由图 10可知, 20:00污染时的逆温强度显著高于空气质量优-良时, 因此, 高强度的贴地逆温是造成本地污染的原因之一.
 |
| 图 10 不同污染类型下的逆温层厚度 (a. 8:00, b. 20:00) Fig. 10 The distribution of ground inversion layer under different pollution type |
1) 北京市冬半年空气质量以优良为主, 但污染状况仍较重, 重污染发生频率最高, 2016年12月和2017年1月发生频率均超过30%.根据AQI与PM2.5浓度的变化趋势将污染过程分为平缓型、单峰型和多峰型.
2) 平缓型污染以本地污染为主, 单峰型和多峰型污染为本地污染与传输共同导致.平缓型和单峰型本地污染集中在北京中南部, 多峰型扩散至全市范围.传输方向均以西南为主, 清洁方向主要为西北, 单峰型和多峰型存在东南传输.平缓型污染过程中存在1次轻微传输, 单峰型以1次传输为主, 多峰型均为多次传输.传输层的高度差异较大, 但均在0.3~0.5 km高度存在低空传输层, 并且存在高于1.0 km的高空传输.污染的延伸高度逐渐升高, 单峰型集中在0.5 km下, 单峰型低于0.7 km, 多峰型延伸至1.0 km.
3) 污染发生时风向均以西南风为主, 其次为东南风.平缓型污染时相对湿度低于70%, 单峰型污染时相对湿度在20%~70%间变化, 多峰型污染时相对湿度明显升高, 8:00相对湿度高于70%的频率达到56.46%, 并且随着相对湿度增大消光系数显著升高.单峰型和多峰型污染时逆温频率均高于75%, 高强度的贴地逆温是造成本地污染的原因之一.
Cai S Y, Li Q, Wang S X, et al. 2018. Pollutant emissions from residential combustion and reduction strategies estimated via a village-based emission inventory in Beijing[J]. Environmental Pollution, 238: 230–237.
DOI:10.1016/j.envpol.2018.03.036
|
Chen W, Tang H Z, Zhao H M. 2015. Diurnal, weekly and monthly spatial variations of air pollutants and air quality of Beijing[J]. Atmospheric Environment, 119: 21–34.
DOI:10.1016/j.atmosenv.2015.08.040
|
陈云波, 徐峻, 何友江, 等. 2016. 北京市冬季典型重污染时段PM2.5污染来源模式解析[J]. 环境科学研究, 2016, 29(5): 627–636.
|
Chen Y H, Liu Q, Geng F H, et al. 2012. Vertical distribution of optical and micro-physical properties of ambient aerosols during dry haze periods in Shanghai[J]. Atmospheric Environment, 50: 50–59.
DOI:10.1016/j.atmosenv.2012.01.002
|
丁国安, 陈尊裕, 高志球, 等. 2005. 北京城区低层大气PM10和PM2.5垂直结构及其动力特征[J]. 中国科学D辑地球科学, 2005, 35(增刊Ⅰ): 31–44.
|
高愈霄, 霍晓芹, 闫慧, 等. 2016. 京津冀区域大气重污染过程特征初步分析[J]. 中国环境监测, 2016, 32(6): 26–35.
|
Guo H, Wang Y G, Zhang H L, et al. 2017. Characterization of criteria air pollutants in Beijing during 2014-2015[J]. Environmental Research, 154: 334–344.
DOI:10.1016/j.envres.2017.01.029
|
花丛, 刘超, 张恒德, 等. 2017. 京津冀地区冬半年污染传输特征及传输指数的改进[J]. 气象, 2017, 43(7): 813–822.
|
He J J, Gong S L, Yu Y, et al. 2017. Air pollution characteristics and their relation to meteorological conditions during 2014~2015 in major Chinese cities[J]. Environmental Pollution, 223: 484–496.
|
Ji H Z, Chen S Y, Zhang Y C, et al. 2017. Calibration method for the reference parameter in Fernald and Klett inversion combining Raman and Elastic return[J]. Journal of Quantitative Spectroscopy & Radiative Transfer, 188: 71–78.
|
Kuang Y, Zhao C S, Tao J C, et al. 2016. Impact of aerosol hygroscopic growth on the direct aerosol radiative effect in summer on North China Plain[J]. Atmospheric Environment, 147: 224–233.
|
李梦, 唐贵谦, 黄俊, 等. 2015. 京津冀冬季大气混合层高度与大气污染的关系[J]. 环境科学, 2015, 36(6): 1935–1943.
|
龙时磊, 曾建荣, 刘可, 等. 2013. 逆温层在上海市空气颗粒物积聚过程中的作用[J]. 环境科学与技术, 2013, 36(6L): 104–109.
|
Liu H J, Wu B B, Liu S H, et al. 2018. A regional high-resolution emission inventory of primary air pollutants in 2012 for Beijing and the surrounding five provinces of north China[J]. Atmospheric Environment, 181: 20–33.
DOI:10.1016/j.atmosenv.2018.03.013
|
Liu Q, He Q S, Fang S H, et al. 2017. 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, 574: 1502–1511.
DOI:10.1016/j.scitotenv.2016.08.152
|
刘晓宇, 郎建垒, 程水源, 等. 2017. 北京市冬季PM2.5污染特征与区域传输影响研究[J]. 安全与环境学报, 2017, 17(3): 1200–1205.
|
孟凯, 程兴宏, 徐祥德, 等. 2014. 基于CMAQ源同化反演方法的京津冀局地污染源动态变化特征模拟研究[J]. 环境科学学报, 2014, 37(1): 52–60.
|
McMurry P H. 2000. A review of atmospheric aerosol measurements[J]. Atmospheric Environment, 34: 1959–1999.
|
Qi J, Zheng B, Li M, et al. 2017. A high-resolution air pollutants emission inventory in 2013 for the Beijing-Tianjin-Hebei region, China[J]. Atmospheric Environment, 170: 156–168.
|
施晓晖, 徐祥德. 2012. 北京及周边气溶胶区域影响与大雾相关特征的研究进展[J]. 地球物理学报, 2012, 55(10): 3230–3239.
DOI:10.6038/j.issn.0001-5733.2012.10.005 |
Tian G J, Qiao Z, Xu X L. 2014. Characteristics of particulate matter(PM10) and its relationship with meteorological factors during 2001-2012 in Beijing[J]. Environmental Pollution, 192: 266–274.
DOI:10.1016/j.envpol.2014.04.036
|
Timmermans R, Kranenburg R, Manders A, et al. 2017. Source apportionment of PM2.5 across China using LOTOS-EUROS[J]. Environmental Research, 164: 370–386.
|
王家成, 朱成杰, 朱勇, 等. 2015. 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.
DOI:10.3969/j.issn.1000-6923.2015.07.005 |
Wang W, Mao F Y, Du L, et al. 2017. Deriving hourly PM2.5 concentrations from Himawari-8 AODs over Beijing-Tianjin-Hebei in China[J]. Remote Sensing, 9(8): 858.
|
王晓琦, 郎建垒, 程水源, 等. 2016. 京津冀及周边地区PM2.5传输规律研究[J]. 中国环境科学, 2016, 36(11): 3211–3217.
DOI:10.3969/j.issn.1000-6923.2016.11.002 |
王燕丽, 薛文博, 雷宇, 等. 2017. 京津冀地区PM2.5污染相互输送特征[J]. 环境科学, 2017, 38(12): 4897–4904.
|
Xue Y F, Tian H Z, Yan J, et al. 2014. Temporal trends and spatial variation characteristics of primary air pollutants emissions from coal-fired industrial boilers in Beijing, China[J]. Environmental Pollution, 213: 717–726.
|
薛文博, 付飞, 王金南, 等. 2014. 中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 2014, 34(6): 1361–1368.
|
Yan X, Li Z Q, Luo N N, et al. 2018. A minimum albedo aerosol retrieval method for the new-generation geostationary meteorological satellite Himawari-8[J]. Atmospheric Research, 207: 14–27.
|
Yumimoto K, Nagao T M, Kikuchi M, et al. 2016. Aerosol data assimilation using data from Himawari-8, a next-generation geostationary meteorological satellite[J]. Geophysical Research Letters, 43(11): 5886–5894.
DOI:10.1002/2016GL069298
|
尹晓梅, 孙兆彬, 郭淳薇, 等. 2017. 2016年12月京津冀一次重污染天气过程分析[J]. 生态环境学报, 2017, 26(12): 2071–2083.
|
张恒德, 吕梦瑶, 张碧辉, 等. 2016. 2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016, 36(12): 4340–4351.
|
Zhang J S, Chen Z Y, Lu Y H, et al. 2017. Characteristics of aerosol size distribution and vertical backscattering coefficient profile during 2014 APEC in Beijing[J]. Atmospheric Environment, 148: 30–41.
|
张世乔, 江洪, 王祎鑫, 等. 2017. 京津唐地区PM2.5遥感估算与区域传输[J]. 遥感信息, 2017, 32(4): 11–23.
DOI:10.3969/j.issn.1000-3177.2017.04.003 |
Zhang X L, Shi M J, Li Y J, et al. 2018. Correlating PM2.5 concentration with air pollutant emissions:A longitudinal study of the Beijing-Tianjin-Hebei region[J]. Journal of Cleaner Production, 179: 103–113.
|
Zhao X J, Zhang X L, Xu X F, et al. 2009. Seasonal and diurnal variations of ambient PM2.5 concentration in urban and rural environments in Beijing[J]. Atmospheric Environment, 43(18): 2893–2900.
DOI:10.1016/j.atmosenv.2009.03.009
|
郑庆锋, 史军. 2011. 上海地区大气贴地逆温的气候特征[J]. 干旱气象, 2011, 29(2): 195–200.
DOI:10.3969/j.issn.1006-7639.2011.02.011 |