出版日期: 2019-01-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20197528
2019 | Volumn23 | Number 1
上一篇 | 下一篇

广东省和江苏省大气甲醛时空变化对比分析

朱松岩^1,3 , 李小英¹ , 程天海¹ , 余超^1,2 , 王新辉⁴ , 苗晶^1,3 , 侯灿⁵

1. 中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101

2. 清华大学环境学院环境模拟与污染控制国家重点联合实验室，北京 100084

3. 中国科学院大学，北京 100049

4. 北京市环境保护监测中心，北京 100048

5. 南京信息工程大学气象灾害教育部重点实验室，南京 210044

收稿日期: 2017-12-20

基金项目: 国家自然科学基金(编号：41571345，41501476)；高分共性技术(编号：32-Y20A18-9001-15-17-1)；遥感科学国家重点实验室自由探测项目(编号：Y1Y00202KZ)

第一作者简介: 朱松岩，1993年生，男，硕士研究生，研究方向为大气痕量气体反演、污染治理。E-mail：soonyenju@foxmail.com

通信作者简介: 李小英，1975年生，女，副研究员，研究方向为中高空大气临边探测。E-mail：lixy01@radi.ac.cn

摘要

利用Aura/OMI月均甲醛对流层垂直柱浓度数据对2005年—2016年中国广东省和江苏省的大气甲醛的时空变化规律、不同排放源的前体物的潜在贡献进行了分析。甲醛在广东省主要集中在珠三角地区，在江苏省分布则相对较为均匀。2005年—2010年，随着经济发展，在两省都发现了大面积的甲醛增加趋势；相应的，在2011年—2016年，由于减排等治理措施的实施，在两省都有大面积的甲醛减少现象。广东省的甲醛主要呈现出春季、秋季高于冬季再高于夏季的特征；而江苏地区夏季甲醛浓度远高于其他季节，并与光照强度的季节性特征较为一致。此外，由于广东省甲醛分布的均一性较差，因此区域性因素(如地形等)对广东省甲醛分布可能有着较大的影响。各个排放源中，工业源、交通源对珠三角潜在贡献可能较大；自然源对梅州等林地覆盖地区可能有相对较高的影响；在江苏省，各个排放源对甲醛的贡献相对均衡，但夏季较为频繁的生物质燃烧可能对夏季高值甲醛有着相对较高的贡献。

关键词

大气甲醛, OMI, VOC, 光化学反应, 人为源排放, 趋势分析

Comparative analysis of long-term (2005—2016) spatiotemporal variations in high-level tropospheric formaldehyde (HCHO) in Guangdong and Jiangsu Provinces in China

ZHU Songyan^1,3 , LI Xiaoying¹ , CHENG Tianhai¹ , YU Chao^1,2 , WANG Xinhui⁴ , MIAO Jing^1,3 , HOU Can⁵

1.State Key Laboratory of Remote Sensing Science, Jointly Sponsored by the Institute of Remote Sensing Applications of Chinese Academy of Sciences and Beijing Normal University, Beijing 100101, China

2.State Key Joint Laboratory of Environment Simulation and Pollution Control, School of Environment, Tsinghua University, Beijing 100084, China

3.University of Chinese Academy of Sciences, Beijing 100049, China

4.Beijing Municipal Environmental Monitoring Center, Beijing 100048, China

5.Key Laboratory of Meteorological Disaster, Ministry of Education, Nanjing University of Information Science &Technology, Nanjing 210044, China

Abstract

High-level tropospheric formaldehyde (HCHO) columns were observed in Guangdong and Jiangsu Provinces in China by using the long-term records (2005–2016) of Aura OMI measurements. Given the socioeconomic status of Guangdong and Jiangsu Provinces, research concerning the widespread air pollution issues throughout these regions was imperative. Hence, the spatiotemporal variations in HCHO and the potential contributors were analyzed accordingly. We evaluated the spatiotemporal characteristics of HCHO columns in province- and prefecture-level cites to investigate the region of interest in various spatial resolutions. Hence, administrative shapefiles were used to clip the HCHO distributions to represent various sample regions. The spatial resolution of the OMI monthly gridded HCHO columns was 0.25° × 0.25°, but some ancillary data have finer resolutions than that of the level-3 gridded HCHO columns. Accordingly, the inverse distance-weighted interpolation algorithm and KD-Tree method were adopted for re-sampling fine spatial resolutions into 0.25° × 0.25°. The linear least square regression adopted in this study was the approach used to infer the potential trends exhibited in the HCHO images. The trends were fitted pixel by pixel, and the regional trends were calculated via zonal averaging of the administrative regions selected in the previously mentioned shapefiles. The Spearman correlation coefficients were employed to evaluate the similarity of the HCHO distribution and multitude sources (e.g., isoprene and anthropogenic VOCs). In Guangdong Province, HCHO columns concentrated in the Pearl River Delta (PRD), but an increasingly widespread distribution was observed in Jiangsu Province. An upward trend was found in both provinces from 2005 to 2010 that may be closely related to the rapid economy development in that period. Meanwhile, from 2011 to 2016, an overall downward trend was observed in these two regions, given the enacted multitude controls. With regard to seasonality, the highest HCHO columns were observed in spring and autumn, whereas the HCHO during summertime had the lowest concentration in Guangdong. The HCHO seasonal patterns corresponded to the seasonal patterns of sunlight intensity. Among all source sectors, industrial and transportation may contribute the most in the PRD, but all sectors may also contribute in the same order of magnitude in Jiangsu. In addition, biogenic sources may have a comparatively large contribution in the Northeastern Guangdong, and the biomass burning in summertime possibly played a substantial role in the summertime HCHO concentration in Jiangsu Province. Although isoprene plays significant role in HCHO concentration in global scale, the anthropogenic impact cannot be neglected as well. According to previous studies, anthropogenic sources have more than 40% influence. In addition, in comparison with isoprene, the Spearman correlation coefficients were high for anthropogenic VOCs with HCHO columns. Given the relatively large amount of emissions, industrial sources may be influential for more than 40%. Biomass burning sources cannot be ignored in woodlands, such as in Northeastern Guangdong. Transportation sources exhibited the most similar Spearman correlation coefficients in Guangdong, especially in PRD. Therefore, even a downward trend of transportation emissions was observed in PRD. They may account for a large amount of HCHO concentration. After a comparison, power-based emissions only took a small fraction of approximately 1% for Guangdong and Jiangsu.

Key words

HCHO, OMI, VOC, photochemical reaction, anthropogenic emissions, trend analysis

1 引　言

中国地区近地面臭氧(O₃)浓度水平逐年增加，对人体健康和环境状况都有着极大的危害(Wang 等，2010)。近地面臭氧主要来自于挥发性有机物(VOC)和氮氧化物(NO_x)的光化学反应。由于目前已知的VOC种类众多且理化性质各不相同，因此对VOC的直接连续监测较为困难。大气甲醛(HCHO)是一种重要的、高产的、寿命较短的VOC光化学反应中间产物，且和VOC总量有着线性关系，因此可以通过对大气甲醛的观测来间接地反映VOC的积聚水平(Duncan 等，2010；Sillman，1995；Fu 等，2007)。甲醛是一种可以导致严重呼吸道疾病的致癌物，在VOC光化学反应中产量较高。此外，基于卫星平台观测得到的对流层甲醛柱浓度和二氧化氮(NO₂)柱浓度的比值对于近地面臭氧和二次有机气溶胶的治理有着重要的价值(Duncan 等，2010；Choi 等，2012)。

在背景地区，如太平洋等，对流层甲醛(~1 ppb)主要来自于甲烷的不完全氧化(González Abad 等，2015)。在大陆地区，生物源VOC(BVOC)，如异戊二烯等占大陆地区总VOC排放的1/3左右(Guenther 等，2012)。由于中国地形复杂、人口密集、经济活跃等诸多因素，VOC的种类构成十分复杂。其中，BVOC的排放占总的活跃性非甲烷VOC(NMVOC)排放的48%左右(Jin和Holloway，2015)。人为源VOC(AVOC)中，工业源占比相对较高，在中国多种工业AVOC源中，化石燃料所带来的排放占比42.2%，相比之下其他排放源所占的比例相对较小，如电厂源排放占3.7%，居民源排放占22.9%，交通源排放占比31.2%(高文康等，2016；Hao 等，2000)。因此，有关甲醛时空变化规律的研究对于中国空气污染现象的治理有着较大的现实意义。

广东省和江苏省是中国经济发展的重要地区，但伴随着经济高速发展而来的是日益严峻的空气质量问题。自2013年以来，由于空气质量持续恶化，中国各重点城市(直辖市、省会城市、计划单列市)以及经济相对发达的重点区域(如京津冀、长三角、珠三角)开展了对包括臭氧在内的6项污染物按照空气治理新标准的长时间连续监测，监测结果表明中国臭氧普遍超标(http://www.chndaqi.com/news/267439.html[2017-12])。根据中国环境保护部公布的中国环境质量状况公报显示，2015年第一批实施新标准的74个城市平均超标天数比例为28.8%，超标天数中以臭氧为首要污染物的占24.9%，臭氧已成为影响中国城市环境空气质量的首要污染物。为了应对VOC污染，中国陆续颁布了诸多相关的法规和治理政策，从2013年颁布的“大气十条”起，中国开始把VOC污染治理放在了重要的位置上。2010年5月—2016年6月，有12项VOC减排措施被正式实施，如2011年国务院颁布的《国家环境保护“十二五”规划》、2012年环境保护部发布的《重点区域大气污染防治“十二五”规划》、2013年环境保护部发布的《挥发性有机物(VOCs)污染防治技术政策》和2014年环境保护部颁布的《石化行业挥发性有机物综合整治方案》等都强调了VOC污染治理的重要性和迫切性。此外，在2015年全国人大常委会还对《大气污染防治法》进行了修订，修订版中首次将VOC纳入监管范围，提出推行区域大气污染联合防治，对VOCs等大气污染物和温室气体实施协同控制。

目前中国对VOC的分析方法主要是在实验室通过对针筒或气袋采样得到的样本使用气相色谱法或是气相色谱质谱联用法进行分析。通过传统离线方式难以对大范围内的VOC进行连续动态的监测。所以，VOC及臭氧的管控和和光化学烟雾的治理将很大程度上得益于甲醛的连续观测。但是，由于甲醛不属于空气治理新标准中规定的6项污染物，因此传统的地基观测手段(多轴差分吸收光谱(MAX-DOAS)等仪器)难以对甲醛进行大范围的连续监测。相比之下，卫星遥感手段具有明显的优势。例如，搭载在Aura卫星上的OMI(Ozone Monitoring Instrument)可以提供空间分辨率为13 km×24 km的每日大范围观测数据。其他载荷，如OMPS(Ozone Mapping Profiler Suite)、GOME(Global Ozone Monitoring Experiment)等也可以提供类似的数据产品(Zhu 等，2016；Barkley 等，2013；De Smedt 等，2008, 2015)。相比其他甲醛产品，OMI对流层甲醛柱浓度空间分辨率较高，目前已经被广泛地验证并应用到科学研究和社会生产当中(De Smedt 等，2010)。

本文在现有的研究基础上(Friedfeld 等，2002；Jin和Holloway，2015；Souri 等，2017)，利用OMI月均甲醛产品对中国广东省和江苏省的甲醛时空变化规律(2005年—2016年)进行了更加有针对性的、空间尺度更加细化的对比分析，并探讨了各个排放源对甲醛柱浓度的潜在贡献。

2 数据及研究区介绍

2.1 Aura/OMI甲醛数据及辅助数据

OMI甲醛对流层垂直柱浓度产品已经被广泛地应用在相关研究中，该数据和地基观测的对比验证结果较好(Zhang 等，2012)。甲醛柱浓度产品中的不确定性主要来自于和斜柱浓度计算、大气质量因子计算等因素有关的误差；甲醛对流层垂直柱浓度产品的不确定性为30%—40%(De Smedt 等，2008，2012)。

本文使用了由BIRA-IASB(Belgian Institute for Space Aeronomy)开发的月均全球格网甲醛对流层垂直柱浓度(VCD)产品(2005年—2016年)。目前，该产品(Level-3)已经更新至14版(v 14)。该产品在反演甲醛垂直柱浓度时使用了差分光学吸收光谱法(DOAS)，并利用IMAGES化学传输模式作为先验知识进行对流层甲醛的计算，产品空间分辨率为0.25°×0.25°(Kaczorowski和Perelli，2004)。在该版本中，使用了赤道地区太平洋的辐亮度来降低仪器老化带来的影响；同时在很多地区利用地基MAX-DOAS进行了验证工作，如在北京/香河站，OMI观测和MAX-DOAS结果之间的相关系数为0.9左右(De Smedt 等，2015)。

除此之外，本文还使用了其他辅助数据。在估计自然源贡献时，使用了MEGAN v 2.1(Model of Emissions of Gases and Aerosols from Nature version 2.1)模拟的月均异戊二烯数据。MEGAN v 2.1是一个用于模拟时序格网化生物源VOC排放的模型框架，需要如LAI、气象数据等输入参数以及中间模型去模拟生物源异戊二烯排放(Guenther 等，2006, 2012)。该模型计算的异戊二烯排放和卫星观测观测结果的一致性较好(Guenther 等，2012；Marais 等，2012)。本研究中使用的2005年—2010年异戊二烯排放由0.5°×0.5°的CRU-NCEP再分析资料驱动，再通过CLM/MEGANv2.1计算得到，该产品的空间分辨率为0.625°×0.47°。在估计生物质燃烧时使用了2005年—2016年基于MODIS(Moderate Resolution Imaging Spectrometer)空间分辨率为0.5°×0.5°的月均过火面积数据(Roy 等，2008；Giglio 等，2009)。此外，2008年、2010年和2012年0.25°×0.25°的格网化的人为源VOC排放清单MEIC(Multi-resolution Emission Inventory for China)也在本文中起到了重要的作用(Li 等，2014；Huo 等，2014)。MEIC中的人为VOC排放源被划分为5个部分：农业源、工业源、电厂源、居民源和交通源(He，2012)。模型中考虑到了一次污染物(PM_2.5，NO_x，NMVOC等)和温室气体CO₂以及多达700多种人为源(Li 等，2017)。在最新的版本中使用了诸多策略来提高电厂源、交通源等的空间分辨率和清单精度(Liu 等，2015；Zheng 等，2014；Li 等，2014)。目前来说，基于MEIC人为源排放清单的相关研究已经广泛开展了，例如集成了MEIC东亚模式比较计划(MICS-Asia)的亚洲排放清单产品MIX，用于支持东亚模式比较计划第三期(MICS-Asia Ⅲ)的模拟研究并被联合国半球大气污染传输计划(HTAP)采用(Li 等，2017)。

2.2 研究区介绍

本文所使用的研究区如图1所示。

图 1 两省土地利用类型(2008年)

Fig. 1 The land-use data in Guangdong Province and of Jiangsu Province, 2008

广东省(109°39′—117°19′E，20°13′—25°31′N)位于中国大陆南部，毗邻南海，与广西、福建、江西、湖南4省以及香港、澳门自治区接壤。全省陆地面积为17.98万km²，约占全国陆地面积的1.87%。广东省属于东亚季风气候，年平均气温22.3˚C。广东省历来是中国经济最为发达的地区，2016年国民生产总值(GDP)为79512.05亿元，常住人口10999万。自1989年起，广东省国内生产总值连续居中国第一位，成为中国第一经济大省，经济总量占中国的1/8。

江苏省(116°18′—121°57′E，30°45—35°20′N)位于长江下游，东濒黄海，与浙江、山东、安徽3省以及上海市接壤。江苏全省面积约10.72万km²，占中国的1.12%，其中平原面积7万多km²，占江苏省面积的70%以上。江苏属于温带向亚热带的过渡性气候，气候温和，雨量适中，平均气温约为14.5˚C。江苏省也是中国经济十分发达的地区，2016年，江苏地区生产总值76086.20亿元，常住人口7998.6万人。

伴随着广东省和江苏省较高的经济水平的是较为严重的大气污染现象。通过Aura/OMI发现在广东省珠三角地区常年具有较高的对流层甲醛垂直柱浓度水平，而在江苏地区夏季甲醛有着全省大面积分布的异常高值。如图1所示为广东省和江苏省2008年的土地利用类型图(张红旗等，2015)。广东省大部分地区主要为植被覆盖，农耕地占比较少，仅在湛江有较大比例的农耕用地；在包括广州、深圳等的珠三角地区，则主要是以建筑用地为主。与之相反的是，在江苏省则是以大面积的农耕用地为主。由于两省的经济地位突出、近地面臭氧污染逐渐占据主导等因素，对两省长时间序列的对流层甲醛垂直柱浓度时空变化规律的研究具有重大意义。在本次研究中，不同级别的行政区划矢量图被用于计算区域内的平均值，由于不同数据源的空间分辨率有所不同，因此本文使用了反距离加权的方法将不同尺度的数据统一插值成0.25°×0.25°。

3 结果与讨论

3.1 广东省和江苏省甲醛分布规律分析

尽管所使用的甲醛垂直柱浓度产品(BIRA-IASB v 14)相比之前的版本对产品的不确定性进行了很好的去除；并且和相应地基观测结果有着很好的一致性；但是在本次研究，潜在的系统偏差仍然不可完全忽略(De Smedt 等，2015)。因此，考虑到潜在的仪器误差等因素的影响，太平洋地区的甲醛对流层垂直柱浓度被引入到误差分析当中来提高结果的可信度。太平洋地区通常被视作大气甲醛的背景区，该地区的值被广泛用来验证卫星观测结果(Zhu 等，2017)。通过研究发现，甲醛在该地区并没有显著的趋势(Peters 等，2012)。利用线性最小二乘法可以拟合得到潜在的甲醛趋势信息，因此，热带太平洋地区(180°—160°W，0°—20°N)的甲醛垂直柱浓度和相应的趋势信息被考虑为潜在的误差。该地区甲醛的平均柱浓度为3.8±0.3×10¹⁵ molecules/cm²，从2005年—2016年的趋势约为2.70×10¹¹ molecules/cm²month^–1。因此，结合之前的研究结果，在后续的分析中将对应太平洋地区内甲醛的平均柱浓度、趋势作为本次研究中的背景值。

图2所示的是广东省和江苏省自2005年—2016年月均甲醛的平均值。可以明显看出，广东省和江苏省的甲醛分布趋势有着巨大的差异。在广东省，甲醛的平均柱浓度为10.2×10¹⁵ molecules/cm²，标准差为1.3×10¹⁵ molecules/cm²。高浓度甲醛主要集中在珠三角等城市地区(如广州：12.6±0.7×10¹⁵ molecules/cm²)和粤西等农业活动发达的地区(如在茂名南部至湛江北部的农业用地平均值为10.2±0.5×10¹⁵ molecules/cm²)。值得注意的是，对比图1中的广东省土地利用分布情况可以发现，高浓度的甲醛主要存在于人类活动密集的城建用地和耕地地区；在以梅州为主的东部林地地区甲醛浓度则相对较低(8.8±0.6×10¹⁵ molecules/cm²)。

图 2 甲醛2005年—2016年的平均值

Fig. 2 Twelve-year HCHO average columns distribution

相比于广东省，江苏省平均甲醛浓度则相对较低，全省平均浓度约为9.6±0.4×10¹⁵ molecules/cm²。在江苏省，高浓度甲醛的分布比在广东省更加均匀，全省并没有较大的差异。由图1可知，江苏全省的土地利用类型基本以农业用地为主，绝大多数地区都为耕地覆盖区；水体和林地的覆盖面积则相对要少很多。广东省和江苏省高浓度甲醛都主要集中在人类活动密集的区域，因此甲醛的这种空间分布特征暗示着人类活动可能对甲醛的积聚有着较大的贡献。

如图3(a)和图3(b)所示，广东省和江苏省甲醛2005年—2016年的变化较为平缓，但两省的变化率的分布趋势依然有着显著的区别。广东省的平均变化率为–2.36×10¹² molecules/cm² month^–1，对应的均方根误差(RMSE)为3.2×10¹⁵ molecules/cm²。广东省内，以广州(–6.84×10¹² molecules/cm² month^–1，RMSE为3.7×10¹⁵ molecules/cm²)为首的珠三角地区有较小的降低趋势，而在以肇庆、清远为代表的中部地区和以茂名、湛江为首的粤西地区有着一定的增加趋势，如在肇庆变化率为4.09×10¹² molecules/cm² month^–1，RMSE为3.4×10¹⁵ molecules/cm²。江苏省甲醛2005年—2016年以来没有明显的变化趋势，全省的平均变化率为5.35×10¹¹ molecules/cm² month^–1，对应的均方根误差(RMSE)为3.9×10¹⁵ molecules/cm²。由于变化过于微弱，因此不能排除该变化率是否为传感器等误差所导致的(即不明显大于2.70×10¹¹ molecules/cm² month ^–1)。在江苏省，2005年至2016年甲醛变化率的空间差异较为微弱，相较之下，在以苏州、无锡为代表的江苏南部部分地区有着相对稍高的增加趋势。

图 3 广东省和江苏省甲醛年际变化趋势

Fig. 3 Inter-annual variations in HCHO columns over Guangdong and Jiangsu

图3(c)和图3(d)所示的是两省自2005年—2010年的变化趋势。在广东省的中部和西部有着明显的增加趋势、而在东部的部分地区有着一定的减少趋势。例如，在中南部的江门市，2005年—2010年的增长率为2.82×10¹³ molecules/cm² month^–1，约为2005年—2016年广东全省变化率绝对值的10倍。在同时期的江苏地区，全省有着大面积的快速增加趋势，增长率约为1.97×10¹³ molecules/cm² month^–1，对应的RMSE为3.7×10¹⁵ molecules/cm²。江苏南部各市增加速率更快于中部和北部地区，例如在南京，增长率约为2.76×10¹³ molecules/cm² month^–1(RMSE为3.9×10¹⁵ molecules/cm²)，和广东省江门市的增长率相当。江苏省北部的甲醛增速略微小于南部，如淮安市的增速约为1.83×10¹³ molecules/cm² month^–1(RMSE为3.9×10¹⁵ molecules/cm²)。

在2011年—2016年广东省和江苏省甲醛都有明显下降趋势。图3(e)和图3(f)所示的是两省自2005年—2010年的变化趋势。在广东省，除了在肇庆为首的中部地区甲醛有增加外，在其他地区，如惠州(–2.05×10¹³ molecules/cm² month^–1)、韶关(–3.03×10¹³ molecules/cm² month^–1)等地甲醛相比2005年—2010年都有明显减少。同样的，在江苏省除了个别像元外，甲醛在该时期内呈现出整体的下降趋势，如常州为–1.11×10¹³ molecules/cm² month^–1。

如图4所示，广东省甲醛呈现出明显的四季特征。冬季全省甲醛柱浓度相对较低，约为9.0±0.96×10¹⁵ molecules/cm²，冬季甲醛主要集中在以广州为代表的珠三角和茂名、湛江为代表的广东西部等人为活动较强的地区。这可能跟冬季光照强度减弱、植被活动减少因而光化学反应减弱有关(张玉洁等，2009)。春季随着光照强度和植被活动的逐渐变强，广东省甲醛柱浓度相比于冬季有着明显的增加。春季全省的平均柱浓度为11.0±1.48×10¹⁵ molecules/cm²，相比于冬季，春季甲醛的标准差更高，因此偶然事件(如生物质燃烧等)可能有一定贡献。春季的甲醛主要集中在广东省的中西部大部分地区，梅州等东部地区柱浓度则相对较低。在夏季，甲醛主要集中在珠三角地区，全省的平均值为10.3±2.30×10¹⁵ molecules/cm²，而人类活动密集的广州市的柱浓度为14.4±1.73×10¹⁵ molecules/cm²。因此，人为活动对甲醛的影响是不可忽略的。由于该地区的生物质燃烧主要集中在春季，因此秋季甲醛柱浓度相较于春季甲醛更集中于珠三角地区。就全省平均而言，秋季广东省平均甲醛柱浓度约为10.5±1.67×10¹⁵ molecules/cm²。

图 4 广东省和江苏省2005年—2016四季平均甲醛柱浓度

Fig. 4 Twelve-year averaged seasonal HCHO columns over two regions

相比于广东省，江苏省甲醛的季节差异更加明显，但是各个季节的甲醛分布空间差异相比于广东省则较弱。各个季节的甲醛柱浓度的分布较为均一，但在夏季主要分布在以徐州(15.3±0.33×10¹⁵ molecules/cm²)为代表的江苏北部地区和以苏州(14.9±0.41×10¹⁵ molecules/cm²)为代表的江苏南部地区，盐城(14.1±0.72×10¹⁵ molecules/cm²)等中部地区甲醛柱浓度则相对较低。总体上，在江苏省甲醛呈现出夏季最高、春季和秋季次之、冬季最弱的特征，全省平均值分别为14.5±0.72×10¹⁵ molecules/cm²、8.2±0.44×10¹⁵ molecules/cm²、8.5±0.58×10¹⁵ molecules/cm²、7.0±0.43×10¹⁵ molecules/cm²。江苏省甲醛在四季的标准差相比于广东省更小。异戊二烯作为甲醛的重要前体物，对于温度的依赖性较高(Duncan 等，2009；Wang 等，2003)。由于广东省相比江苏省更加靠近赤道地区，因此春季和秋季，江苏省甲醛柱浓度明显低于广东省可能与之相关。

为了进一步对比广东省和江苏省甲醛时空变化规律的区别，分别选取广东茂名市(图5(a))和江苏盐城市(图5(b))进行分析。由于茂名和盐城相比于广州和苏州等大型城市更加能反映出当地的区域性特征，因为大型的、人口密集的城市在人为贡献上可能会有一定的共性(张玉洁等，2009)。为了保证本研究的完整性，表1则提供覆盖了两省的各个地区(广州、茂名和梅州分别对应广东省的中部、西部和东部；苏州、徐州和盐城分别对应了江苏省的南部、北部和中部)并包含了各个大型城市的6个地级市的相关统计信息。

图 5 广东省和江苏省典型城市年均、季均甲醛变化趋势

Fig. 5 Sampling cities’ yearly and seasonal HCHO variations in Guangdong and Jiangsu

表 1 2005年—2016年广东省和江苏省典型城市年均和季均甲醛柱浓度统计信息
Table 1 The yearly and seasonal HCHO columns in sampling cities from 2005 to 2016

下载CSV

/(10¹⁵ molecules/cm²)
	广东			江苏
	广州	茂名	梅州	苏州	徐州	盐城
年均	12.6±1.06	10.2±0.66	8.8±0.59	9.9±0.28	10.0±0.23	9.3±0.33
冬季	10.0±0.67	9.7±0.83	8.2±0.69	6.9±0.42	7.4±0.33	6.7±0.35
春季	12.3±1.08	12.5±0.99	9.1±0.81	8.5±0.39	8.6±0.36	8.0±0.38
夏季	14.4±1.72	8.8±0.57	8.8±0.95	14.9±0.41	15.3±0.33	14.1±0.72
秋季	13.5±1.58	10.0±0.79	9.3±0.74	9.3±0.45	8.6±0.36	8.2±0.45

就年平均而言，茂名市的甲醛柱浓度略高于盐城市。两者的主要差别体现在了季节特征上。结合表1中的数据可以看出，茂名市春季甲醛明显高于各个季节，夏季光照最强、光化学反应最剧烈的时期甲醛柱浓度反而低于秋季和冬季；这个特征同样体现在了各个季节的梅州市甲醛柱浓度上；在广州市虽然夏季甲醛柱浓度高于春季和秋季，再高于冬季，但是各个季节间的差异并不明显。相反，在盐城，夏季甲醛的柱浓度则明显高于其他季节，同时冬季的甲醛柱浓度最低。这个特征同样体现在了苏州和徐州两市，这与光照强度的季节性特征较为吻合。

总体而言，甲醛在中国经济发达的广东省和江苏省都有着明显高值分布。自2005年—2010年，中国经济快速发展，伴随而来的是严重的空气污染现象，在这段时间内两省的甲醛柱浓度水平明显抬升。随后，甲醛在2011年—2016年有着较快的下降趋势，这可能和中国自2013年开始提出的“大气十条”等诸多大气污染治理措施有关(Zhu 等，2018)。此外，广东和江苏两省的甲醛也有着较为明显的季节特征。广东省的甲醛主要呈现出春季、秋季高于冬季再高于夏季的特征。高浓度甲醛主要集中在珠三角和其他人类活动较为频繁的地区，然而广东地区的甲醛有着相对较高的标准差，说明地区内部差异、偶然事件等带来了一定的影响。同时，由于广东省纬度较低，因此春季和秋季可能存在较大的异戊二烯贡献。江苏省高浓度甲醛分布较为均一，没有特别明显的高值中心(Fu 等，2007)。江苏省甲醛的季节性变化特征与光照强度的季节性特征较为一致，且标准差较小。

3.2 广东省和江苏省甲醛分布规律分析

在非远洋的大陆地区，甲醛的主要来源分为3种，即生物源排放的异戊二烯的光解、人为源排放的VOC光化学反应以及生物质燃烧不完全氧化的释放(Pang和Mu，2006；Vrekoussis 等，2010)。因此，本节将利用MEGAN异戊二烯数据、MEIC模式工业源、电厂源、居民源和交通源的VOC数据以及过火面积数据来对广东省和江苏省甲醛的来源进行分析。

异戊二烯是极为重要的甲醛前体物，在全球尺度上对甲醛的浓度分布的贡献高达30%左右(Zhang 等，2000；Stavrakou 等，2013)。图6所示的是广东省(图6(a))和江苏省(图6(b))异戊二烯排放率平均值的分布。可以看出，广东省(11.89±4.87 kg/month/km²)异戊二烯的排放整体上明显高于江苏省(6.15±1.99 kg/month/km²)。表2给出的是两省各个典型城市的年均和季均异戊二烯排放率。结合图6和表2可以看出，在广东省异戊二烯排放主要集中在北部地区，江苏省则分布较为均匀。冬季的异戊二烯排放在两省都比较低，但广东省的排放率约是江苏省的10倍。在春季，广东省异戊二烯的排放相比冬季增加了3.27倍，江苏省增加了大约82.76倍。但广东省春季异戊二烯依然约是江苏省的2倍。夏季广东省和江苏省异戊二烯在大部分地区达到最高值，广东省夏季相比春季增加了约1.42倍，江苏省增加了约2.36倍。广东省夏季异戊二烯在以梅州(30.25±8.46 kg/month/km²)为首的人为活动较弱的地区最高。而江苏省在苏州(18.01±3.46 kg/month/km²)等较大型城市有最高的异戊二烯排放。但总体上，在夏季，广东省异戊二烯仍高于江苏省。

图 6 广东省和江苏省异戊二烯排放率平均分布

Fig. 6 Averaged isoprene emission rates in Guangdong and Jiangsu provinces

表 2 2005年—2016年广东省和江苏省典型城市的异戊二烯年均和季均排放率
Table 2 Yearly and seasonal isoprene emission rates in sampling cities from 2005 to 2016

下载CSV

/(kg/month/km²)
	广东			江苏
	广州	茂名	梅州	苏州	徐州	盐城
年均	9.75±4.99	7.74±1.48	14.60±4.04	6.51±1.26	5.81±2.05	5.86±1.16
冬季	1.82±0.87	1.65±0.30	2.57±0.84	0.08±0.01	0.03±0.01	0.05±0.01
春季	7.68±3.89	6.98±1.23	11.17±3.55	3.36±0.66	4.05±1.42	3.18±0.66
夏季	19.38±10.06	14.27±2.91	30.25±8.46	18.01±3.46	15.7±5.5	16.08±3.21
秋季	10.12±5.16	8.04±1.52	14.41±3.56	4.60±0.95	3.44±1.3	4.13±0.79

通过Spearman相关系数进行分析，广东省的空间Spearman系数为–0.13，p值为0.20。而在江苏省，空间Spearman系数为0.34而p值为2.32×10^–3。Spearman相关系数反应了两个变量(即甲醛和异戊二烯)空间分布的相似关系，若p值小于0.05则说明该假设检验达到了至少95%的置信度，结果可信度较高。对于广东省，空间Spearman系数较低，但p值较高。类似的，江苏省甲醛的分布和异戊二烯相关性处于[0.2, 0.4]，说明在江苏省异戊二烯具有一定的贡献。

生物质燃烧对于甲醛的积聚有一定贡献，但总体上相对贡献较低(Bauwens 等，2016)。图7表示了广东省和江苏省自2005年—2015年的平均过火面积分布情况。广东省主要集中在东部和北部的林地覆盖区，而在江苏省则主要分布在以苏州为代表的江苏省南部和以徐州为代表的北部区域，江苏省中部如扬州等地的过火面积则相对较少。表3给出了典型城市的年均和季均过火面积。可以看出在广东省，非大型城市地区冬季和春季有着较多的生物质燃烧，并且冬季多余夏季，例如在梅州冬季为7.77±3.94 ha，而在春季为5.26±2.4 ha，明显高于其他季节数倍。相反，在江苏省夏季则有普遍的生物质燃烧，如在苏州为14.85±7.25 ha，而在其他季节则明显较少。通过甲醛和过火面积的空间Spearman相关系数计算，发现广东省的空间Spearman系数为–0.25，p值为0.02，但生物质燃烧在广东省的东北部和西南部有着较大的差异。在江苏省，全省的空间Spearman系数为0.28，p值为0.01。

图 7 广东省和江苏省过火面积平均分布

Fig. 7 Averaged burned area data over Guangdong and Jiangsu provinces

表 3 广东省和江苏省典型城市的年均和季均过火面积
Table 3 Yearly and seasonal burned area data in sampling cities

下载CSV

/ha
	广东			江苏
	广州	茂名	梅州	苏州	徐州	盐城
年均	2.92±1.48	2.57±1.36	3.83±1.4	2.95±1.22	4.07±1.75	2.71±0.43
冬季	1.14±1.00	4.38±2.54	7.77±3.94	0.33±0.32	0.04±0.07	0.11±0.09
春季	2.79±1.63	2.93±1.17	5.26±2.4	3.26±0.94	0.73±0.47	1.98±0.75
夏季	5.41±3.16	0.31±0.17	0.99±0.93	6.75±1.59	14.85±7.25	7.94±1.64
秋季	2.49±1.48	2.93±2.07	2.03±0.63	1.47±2.31	0.65±0.63	0.82±0.68

就目前而言，基于物种的人为源排放清单资料相对缺失(Wei 等，2008)。因此，MEIC所提供的产品具有重要的意义。图8分别给出了广东省和江苏省4种人为源释放VOC的排放率，即工业源、电厂源、居民源和交通源排放率。表4和表5则分别给出了两省典型城市人为排放VOC排放率的年均值。广东省全省工业源VOC排放为28.94±96.79 kg/month/km²，主要集中在珠三角地区，如在广州为146.71±188.89 kg/month/km²。江苏省工业源VOC排放主要集中在苏州(170.93±184.71 kg/month/km²)为首的南部地区，全省平均值为63.63±129.58 kg/month/km²。可以看出，相比于广东省，江苏省工业排放分布面积广且排放量较大。值得注意的是，工业源排放的排放率自2008年—2012年一直保持着增加的趋势，如广东省增加了41.03%，江苏省增加了54.38%。同时，工业源排放的VOC量较大；广东省工业源VOC排放是异戊二烯的2.43倍；江苏省工业源VOC排放则是异戊二烯的10.35倍。此外，广东省甲醛和工业源排放VOC的Spearman相关系数为0.53，p值为1.57×10^–8，意味着广东省的甲醛和工业源VOC有着较强的相关性；江苏省甲醛和工业源排放VOC的Spearman相关系数为0.28，p值为0.01，相关性比在广东省稍弱。电厂源的排放率较小，在两省分布较少，仅在广东省珠三角地区和江苏省南部有着零星的分布，其Spearman相关系数分别为0.38(p值为9.47×10^–5)和0.28(p值为0.01)。

图 8 广东省和江苏省人为源VOC排放率年均分布

Fig. 8 Averaged anthropogenic VOC emission rates in Guangdong and Jiangsu provinces

广东省居民源排放率相对较少且分布类似于电厂源，比较稀疏。广东全省平均值约为5.16±5.16 kg/month/km²，在珠三角、广东省西部、东部有较少的集中区。广东省甲醛和居民源的Spearman相关系数分别为0.19(p值为0.06)。与之相反的是，在江苏省有着大面积较高排放率的居民源分布，江苏全省平均值约12.19±9.77 kg/month/km²，大致为广东省的2.36倍。但和广东省一样，江苏省居民源排放没有明显的规律。江苏省甲醛和居民源的Spearman相关系数为0.38(p值为5.37×10^–4)，相比于广东省，居民源在江苏省和甲醛柱浓度分布相关性较高。交通源在广东省的分布主要集中在珠三角地区(如广州为29.35±34.79 kg/month/km²)，全省平均值为5.34±16.21 kg/month/km²。在江苏省，交通源主要集中在以苏州(19.77±13.69 kg/month/km²)为首的南部地区，全省平均值为8.53±10.12 kg/month/km²。交通源排放的VOC的排放率在两省差距不大，但是不同于工业源，交通源在两省有着明显的减少趋势，如在广州，2012年交通源排放相比于2008年减少了41.08%；在苏州减少了42.72%。交通源在两省的Spearman相关系数分别为0.52(p值为2.80×10^–8)和0.35(p值为1.49×10^–3)。

表 4 广东省典型城市人为排放VOC排放率年均值
Table 4 Yearly and seasonal anthropogenic VOC emission rates in sampling cities in Guangdong

下载CSV

/kg/month/km²
年份	广州	茂名	梅州	类型
2008	122.31±151.59	10.89±21.02	11.71±22.27
2010	154.56±193.35	12.06±21.5	14.74±28.41	工业源
2012	163.25±221.72	14.98±27.09	16.12±28.86
2008	0.39±0.6	0.07±0.22	0.07±0.19
2010	0.35±0.6	0.05±0.18	0.06±0.19	电厂源
2012	0.36±0.63	0.08±0.3	0.05±0.17
2008	7.4±6.63	6.82±3.53	6.36±6.12
2010	7.91±7.53	6.76±3.57	6.34±6.21	居民源
2012	8.1±7.89	6.74±3.64	6.31±6.3
2008	38.34±45.26	2.41±1.8	3.42±5.8
2010	27.11±32.24	1.66±1.09	2.37±4.05	交通源
2012	22.59±26.87	1.44±0.96	2±3.4

表 5 江苏典型城市人为排放VOC排放率年均值
Table 5 Yearly and seasonal anthropogenic VOC emission rates in sampling cities in Jiangsu

下载CSV

/kg/month/km²
年份	苏州	徐州	盐城	类型
2008	137.46±152.9	19.91±36.89	16.17±16.87
2010	174.97±189.01	26.46±47.74	21.67±23.89	工业源
2012	200.35±212.23	35.12±70.56	25.96±28.89
2008	0.63±0.85	0.2±0.43	0.03±0.08
2010	0.67±0.87	0.22±0.49	0.03±0.08	电厂源
2012	0.75±0.89	0.27±0.73	0.05±0.15
2008	20.42±10.91	17.46±6.64	13.67±5.26
2010	20.41±12.29	18.05±7.18	14.18±5.56	居民源
2012	21.6±13.01	16.33±8.04	14.93±6.04
2008	26.73±19.5	4.78±3.66	3.37±2
2010	17.26±11.41	4.8±2.34	3.13±1.38	交通源
2012	15.31±10.17	4.25±2.22	2.82±1.26

虽然异戊二烯是一种极为重要的甲醛前体物，但是在不同地区其分布特征和排放率也不尽相同。对于广东省和江苏省来说，异戊二烯可能并不是唯一一个起主导作用的甲醛前体物。首先，甲醛主要分布在广东和江苏两省人为活动相对密集的地区，如土地利用类型为城市用地或耕地的地区。因此，甲醛的这种分布特征暗示了人类活动具有一定的影响。此外，在广东省甲醛的分布和异戊二烯分布的空间相关性较低，而在江苏省仅仅相对较高。因此，其他前体物的贡献不能忽略。尽管如此，虽然异戊二烯的排放量相对较低，但其化学活性比人为源更高，甲醛的产率也较高(Wei 等，2007；Müller 等，2007)。生物质燃烧从整体角度来看对两省高浓度甲醛的贡献可能较低，但是针对局部地区，如广东省梅州为代表的粤北地区，生物质燃烧和异戊二烯可能有相对较高的贡献。

在人为源中，工业源排放率较大且有快速增加的趋势(2008年—2012年增加了40%—50%左右)，因此在制定相关政策的时候需要予以重视，尤其是在广东省，工业源和甲醛的相关系数较高，能达到0.53；相比之下，在江苏省工业源对甲醛的潜在贡献则相对可能会低一些。电厂源由于其零星分布的特征且排放量最低，因此可能的贡献相对较小。对比广东省，居民源在江苏省的分布较广且排放率较大，同时其相关系数也比较高，约为0.38。因此居民源在江苏省的贡献不可忽视。除此之外的是交通源，交通源在广东省的相关系数达到了0.52；在江苏省也达到了0.35。虽然不同于工业源，交通源VOC的排放率在两省自2008年到2012年有大致40%的降低，但是仍然值得重视。本文的结果和其他相关研究结果较为类似，如Jin和Holloway(2015)提出在中国地区人为源的贡献至少高于40%，异戊二烯贡献占比约为50%，而生物质燃烧的贡献则相对较低，约为6%左右。

总体来说，对于广东省来说，工业源和交通源可能对珠三角地区的高浓度甲醛有着较大的贡献，异戊二烯和生物质燃烧对于广东省北部林地的甲醛有一定贡献；然而对于江苏省来说，各个类型的排放源中对甲醛的贡献并没有极为突出的主导。因此，虽然异戊二烯是众所周知的甲醛主要前体物，人为活动所导致的前体物排放是不可忽略的(Souri 等，2017；Bo 等，2008)。此外，各个城市、地区的区域性因素(如城市大小、工业类型等)同样可能会起到重要的作用。因此在未来的分析中还需要考虑到上述因素来对广东省和江苏省各个区域进行更加详细地、定量的分析和研究。

4 结　论

本文通过利用2005年—2016年空间分辨率为0.25°×0.25°的月均BIRA-IASB的对流层甲醛垂直柱浓度对中国广东省和江苏省的大气甲醛时空变化特性进行了研究。广东省和江苏省一直是中国经济十分发达的省份，但大气污染现象也比较严重。由于甲醛是NMVOC重要的指示剂和近地面臭氧及二次有机气溶胶的前体物，因此对中国广东省和江苏省大气甲醛进行研究具有重要的社会经济价值。

传统主流的甲醛监测方式是通过地基MAX-DOAS等站点进行观测。与之相比，卫星遥感手段可以提供大面积、高时频的连续观测。目前利用卫星手段对大气甲醛进行监测的方法较为成熟，也有较多的研究成果。但是针对中国广东省和江苏省进行重点对比分析的研究还不够充分，因此本文具有一定的价值和意义，可以为后来的相关学者提供一定的参考。本研究的内容可以分为两个部分，对两省12年的年均甲醛趋势、季节性变化特征进行分析；以及从自然源、生物质燃烧源和人为源3个主要的甲醛源入手，探讨各个源对大气甲醛积聚的潜在贡献。

在广东省，甲醛主要集中在珠三角等地区，而在江苏省则分布更加均一；但总体上结合土地利用类型数据可以发现高浓度甲醛主要集中在人类活动较为密集的地区。从趋势的角度进行分析，广东省和江苏省的高浓度甲醛都整体上呈现出了先增加后减少的趋势。从2005年—2010年，随着中国的快速经济发展，两省的甲醛柱浓度水平都出现了不同程度的抬升，但具有一定的地区差异性。甲醛在广东省西部、中部和北部大部分地区都有着明显增加；而在东部地区变化则相对微弱，部分地区甚至出现了一定程度的下降。在江苏全省都有大面积的增加趋势，且以苏州为首的江苏南部地区增加趋势快于中部和北部地区。从2011年—2016年，由于各个地区陆续出台多项有关VOC的治理政策，相应的，在广东省和江苏省都发现了较快的甲醛柱浓度下降趋势。虽然在两省的中部地区仍有极少数地区呈现出了增加的趋势，但总体上甲醛的污染现象有所好转。

此外，广东和江苏两省的甲醛也有着较为明显的季节特征。江苏省甲醛的季节变化特征与光照强度的季节变化特征较为符合；不同的是，广东省甲醛春季、秋季的垂直柱浓度高于冬季再高于夏季。这个规律在广东省西部如梅州等林地覆盖的地区更加明显；在广州等大型城市，季节间的差异相对较小。由于广东省的纬度相比江苏省更加靠近赤道，因此异戊二烯等对温度有较大依赖的前体物可能会产生不可忽略的贡献。此外，广东地区的甲醛有着相对较高的标准差，说明地区内部差异、偶然事件等很可能带来了一定的影响。

由于在广东省和江苏省高浓度甲醛主要集中在人为活动较为密集的城市地区和耕地覆盖的地区。因此，人类活动可能具有较大的贡献。虽然异戊二烯、生物质燃烧(过火面积)在广东省和甲醛的相关性低于在江苏的相关性，但是在局部地区，如广东北部地区，生物质燃烧和异戊二烯可能有相对较高的贡献。人为源中，工业源和交通源可能对珠三角地区的高浓度甲醛有着较大的贡献，异戊二烯和生物质燃烧对于广东省北部林地的甲醛有一定贡献；各个类型的排放源在江苏省和甲醛的相关性较为平衡。因此，虽然异戊二烯是甲醛极为主要的源，但是人类活动所带来的影响是不可忽略的。然而，各个地区具有一定的地区差异性，因此在不同地区需要针对地区特性进行具体分析。

总体来说，卫星平台可以提供大尺度、高时频的大气甲醛对流层垂直柱浓度观测数据，是对甲醛以及后续的臭氧和气溶胶污染进行监测的一种重要手段。相比于传统的地基观测方式，卫星平台可以提供连续稳定的观测。甲醛并不属于中国环境监测站的常规监测对象，虽然目前卫星观测还有许多问题亟待解决，但是星载平台的甲醛数据仍然具有重要的科学价值和实践意义。

志谢此次研究的对流层甲醛垂直柱浓度产品来自于比利时空间高层大气研究所(BIRA-IASB)；MEIC人为源排放清单由清华大学张强教授团队提供；MEGAN模式数据由华盛顿州立大型的Gunther教授提供，在此表示衷心的感谢！同时也感谢来自国家统计局、环境保护部、广东省人民政府、广东省省情数据库、江苏省统计局、江苏省情数据库、全球变化科学研究数据出版系统(DOI：10.3974/geodb.2016.01.12.V1)等提供的重要辅助数据。

参考文献(References)

Barkley M P, Smedt I D, Van Roozendael M, Kurosu T P, Chance K, Arneth A, Hagberg D, Guenther A, Paulot F, Marais E and Mao J Q. 2013. Top-down isoprene emissions over tropical South America inferred from SCIAMACHY and OMI formaldehyde columns. Journal of Geophysical Research: Atmospheres, 118 (12): 6849–6868. [DOI: 10.1002/jgrd.50552]

Bauwens M, Stavrakou T, Müller J F, De Smedt I, Van Roozendael M, Van Der Werf G R, Wiedinmyer C, Kaiser J W, Sindelarova K and Guenther A. 2016. Nine years of global hydrocarbon emissions based on source inversion of OMI formaldehyde observations. Atmospheric Chemistry and Physics, 16 (15): 10133–10158. [DOI: 10.5194/acp-16-10133-2016]

Bo Y, Cai H and Xie S D. 2008. Spatial and temporal variation of historical anthropogenic NMVOCs emission inventories in China. Atmospheric Chemistry and Physics, 8 (23): 7297–7316. [DOI: 10.5194/acp-8-7297-2008]

Choi Y, Kim H, Tong D and Lee P. 2012. Summertime weekly cycles of observed and modeled NO_x and O₃ concentrations as a function of satellite-derived ozone production sensitivity and land use types over the Continental United States . Atmospheric Chemistry and Physics, 12 (14): 6291–6307. [DOI: 10.5194/acp-12-6291-2012]

De Smedt I, Müller J F, Stavrakou T, Van Der A R, Eskes H and Van Roozendael M. 2008. Twelve years of global observations of formaldehyde in the troposphere using GOME and SCIAMACHY sensors. Atmospheric Chemistry and Physics, 8 (16): 4947–4963. [DOI: 10.5194/acp-8-4947-2008]

De Smedt I, Roozendael M V, Stavrakou T, Müller J F, Lerot C, Theys N, Valks P, Hao N and Van Der A R. 2012. Improved retrieval of global tropospheric formaldehyde columns from GOME-2/MetOp-A addressing noise reduction and instrumental degradation issues. Atmospheric Measurement Techniques, 5 (11): 2933–2949. [DOI: 10.5194/amt-5-2933-2012]

De Smedt I, Stavrakou T, Hendrick F, Danckaert T, Vlemmix T, Pinardi G, Theys N, Lerot C, Gielen C, Vigouroux C, Hermans C, Fayt C, Veefkind P, Müller J F and Van Roozendael M. 2015. Diurnal, seasonal and long-term variations of global formaldehyde columns inferred from combined OMI and GOME-2 observations. Atmospheric Chemistry and Physics Discussions, 15 (8): 12241–12300. [DOI: 10.5194/acp-15-12519-2015]

De Smedt I, Stavrakou T, Müller J F, Van Der A R J and Van Roozendael M. 2010. Trend detection in satellite observations of formaldehyde tropospheric columns. Geophysical Research Letters, 37 (18): L18808 [DOI: 10.1029/2010GL044245]

Duncan B N, Yoshida Y, Damon M R, Douglass A R and Witte J C. 2009. Temperature dependence of factors controlling isoprene emissions. Geophysical Research Letters, 36 (5): L05813 [DOI: 10.1029/2008GL037090]

Duncan B N, Yoshida Y, Olson J R, Sillman S, Martin R V, Lamsal L, Hu Y T, Pickering K E, Retscher C, Allen D J and Crawford J H. 2010. Application of OMI observations to a space-based indicator of NO_x and VOC controls on surface ozone formation . Atmospheric Environment, 44 (18): 2213–2223. [DOI: 10.1016/j.atmosenv.2010.03.010]

Friedfeld S, Fraser M, Ensor K, Tribble S, Rehle D, Leleux D and Tittel F. 2002. Statistical analysis of primary and secondary atmospheric formaldehyde. Atmospheric Environment, 36 (30): 4767–4775. [DOI: 10.1016/S1352-2310(02)00558-7]

Fu T M, Jacob D J, Palmer P I, Chance K, Wang Y X, Barletta B. Blake D R, Stanton J C and Pilling M J. 2007. Space‐based formaldehyde measurements as constraints on volatile organic compound emissions in east and south Asia and implications for ozone. Journal of Geophysical Research: Atmospheres, 112 (D6): D06312 [DOI: 10.1029/2006JD007853]

Gao W K, Tang G Q, Xin J Y, Wang L L and Wang Y S. 2016. Spatial-temporal variations of ozone during severe photochemical pollution over the Beijing-Tianjin-Hebei region. Research of Environmental Sciences, 29 (5): 654–663. [DOI: 10.13198/j.issn.1001-6929.2016.05.06] ( 高文康, 唐贵谦, 辛金元, 王莉莉, 王跃思. 2016. 京津冀地区严重光化学污染时段O₃的时空分布特征 . 环境科学研究, 29 (5): 654–663. [DOI: 10.13198/j.issn.1001-6929.2016.05.06] )

Giglio L, Loboda T, Roy D P, Quayle B and Justiceb C O. 2009. An active-fire based burned area mapping algorithm for the MODIS sensor. Remote Sensing of Environment, 113 (2): 408–420. [DOI: 10.1016/j.rse.2008.10.006]

González Abad G, Liu X, Chance K, H. Wang1, Kurosu T P and Suleiman R. 2015. Updated smithsonian astrophysical observatory ozone monitoring instrument (SAO OMI) formaldehyde retrieval. Atmospheric Measurement Techniques, 8 (1): 19–32. [DOI: 10.5194/amt-8-19-2015]

Guenther A, Karl T, Harley P, Wiedinmyer C, Palmer P I and Geron C. 2006. Estimates of global terrestrial isoprene emissions using MEGAN (model of emissions of gases and aerosols from nature). Atmospheric Chemistry and Physics, 6 (11): 3181–3210. [DOI: 10.5194/acp-6-3181-2006]

Guenther A B, Jiang X, Heald C L, Sakulyanontvittaya T, Duhl T, Emmons L K and Wang X. 2012. The model of emissions of gases and aerosols from nature version 2.1 (MEGAN2.1): an extended and updated framework for modeling biogenic emissions. Geoscientific Model Development, 5 (6): 1471–1492. [DOI: 10.5194/gmd-5-1471-2012]

Hao J M, He D Q, Wu Y, Fu L X and He K B. 2000. A study of the emission and concentration distribution of vehicular pollutants in the urban area of Beijing. Atmospheric Environment, 34 (3): 453–465. [DOI: 10.1016/S1352-2310(99)00324-6]

He K. 2012. Multi-resolution Emission Inventory for China (MEIC): model framework and 1990-2010 anthropogenic emissions[C]//Proceedings of 2012 AGU Fall Meeting. Beijing, China: School of Environment, Tsinghua University

Huo H, Zhang Q, Guan D B, Su X, Zhao H Y and He K B. 2014. Examining air pollution in China using production- and consumption-based emissions accounting approaches. Environmental Science and Technology, 48 (24): 14139–14147. [DOI: 10.1021/es503959t]

Jin X M and Holloway T. 2015. Spatial and temporal variability of ozone sensitivity over China observed from the Ozone Monitoring Instrument. Journal of Geophysical Research: Atmospheres, 120 (14): 7229–7246. [DOI: 10.1002/2015JD023250]

Kaczorowski J and Perelli A. 2004. Inversion of CO and NO_x emissions using the adjoint of the IMAGES model . Atmospheric Chemistry and Physics Discussions, 4 (6): 7985–8068.

Li M, Zhang Q, Kurokawa J I, Woo J H, He K B, Lu Z F, Ohara T, Song Y, Streets D G, Carmichael G R, Cheng Y F, Hong C P, Huo H, Jiang X J, Kang S C, Liu F, Su H and Zheng B. 2017. MIX: a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP. Atmospheric Chemistry and Physics, 17 (2): 935–963. [DOI: 10.5194/acp-17-935-2017]

Li M, Zhang Q, Streets D G, He K B, Cheng Y F, Emmons L K, Huo H, Kang S C, Lu Z, Shao M, Su H, Yu X and Zhang Y. 2014. Mapping Asian anthropogenic emissions of non-methane volatile organic compounds to multiple chemical mechanisms. Atmospheric Chemistry and Physics, 14 (11): 5617–5638. [DOI: 10.5194/acp-14-5617-2014]

Liu F, Zhang Q, Tong D, Zheng B, Li M, Huo H and He K B. 2015. High-resolution inventory of technologies, activities, and emissions of coal-fired power plants in China from 1990 to 2010. Atmospheric Chemistry and Physics, 15 (23): 13299–13317. [DOI: 10.5194/acp-15-13299-2015]

Marais E A, Jacob D J, Kurosu T P, Chance K V, Murphy J G, Reeves C, Mills G, Casadio S, Millet D B, Barkley M P, Paulot F and Mao J Q. 2012. Isoprene emissions in Africa inferred from OMI observations of formaldehyde columns. Atmospheric Chemistry and Physics Discussions, 12 (3): 7475–7520. [DOI: 10.5194/acpd-12-6219-2012]

Müller J F, Stavrakou T, Wallens S, De Smedt I, Van Roozendael M, Potosnak M J, Rinne J, Munger B, Goldstein A and Guenther A B. 2007. Global isoprene emissions estimated using MEGAN, ECMWF analyses and a detailed canopy environment model. Atmospheric Chemistry and Physics, 8 (5): 1329–1341. [DOI: 10.5194/acp-8-1329-2008]

Pang X B and Mu Y J. 2006. Seasonal and diurnal variations of carbonyl compounds in Beijing ambient air. Atmospheric Environment, 40 (33): 6313–6320. [DOI: 10.1016/j.atmosenv.2006.05.044]

Peters E, Wittrock F, K. Großmann, Frieß U, Richter A and Burrows J P. 2012. Formaldehyde and nitrogen dioxide over the remote western Pacific Ocean: SCIAMACHY and GOME-2 validation using ship-based MAX-DOAS observations. Atmospheric Chemistry and Physics, 12 (22): 11179–11197. [DOI: 10.5194/acp-12-11179-2012]

Roy D P, Boschetti L, Justice C O and Ju J. 2008. The collection 5 MODIS burned area product — Global evaluation by comparison with the MODIS active fire product. Remote Sensing of Environment, 112 (9): 3690–3707. [DOI: 10.1016/j.rse.2008.05.013]

Sillman S. 1995. The use of NO_y, H₂O₂, and HNO₃ as indicators for ozone‐NO_x‐hydrocarbon sensitivity in urban locations . Journal of Geophysical Research: Atmospheres, 100 (D7): 14175–14188. [DOI: 10.1029/94JD02953]

Souri A H, Choi Y, Jeon W, Woo J H and Zhang Q. 2017. Remote sensing evidence of decadal changes in major tropospheric ozone precursors over East Asia. Journal of Geophysical Research: Atmospheres, 122 (4): 2474–2492. [DOI: 10.1002/2016JD025663]

Stavrakou T, Müller J F, Bauwens M, De Smedt I, Van Roozendael M, Guenther A, Wild M and Xia, X. 2013. Isoprene emissions over Asia 1979-2012: impact of climate and land-use changes. Atmospheric Chemistry and Physics Discussions, 13 (11): 29551–29592. [DOI: 10.5194/acpd-14-4587-2014]

Vrekoussis M, Wittrock F, Richter A and Burrows J P. 2010. GOME-2 observations of oxygenated VOCs: what can we learn from the ratio glyoxal to formaldehyde on a global scale?. Atmospheric Chemistry and Physics Discussions, 10 (8): 19031–19069. [DOI: 10.5194/acpd-10-19031-2010]

Wang Y, Zhang Y, Hao J and Luo M. 2010. Seasonal and spatial variability of surface ozone over China: contributions from background and domestic pollution. Atmospheric Chemistry and Physics, 11 (7): 3511–3525. [DOI: 10.5194/acp-11-3511-2011]

Wang Z H, Bai Y H and Zhang S Y. 2003. A biogenic volatile organic compounds emission inventory for Beijing. Atmospheric Environment, 37 (27): 3771–3782. [DOI: 10.1016/S1352-2310(03)00462-X]

Wei W, Wang S X, Chatani S, Klimont Z, Cofala J and Hao J M. 2008. Emission and speciation of non-methane volatile organic compounds from anthropogenic sources in China. Atmospheric Environment, 42 (20): 4976–4988. [DOI: 10.1016/j.atmosenv.2008.02.044]

Wei X L, Li Y S, Lam K S, Wang A Y and Wang T J. 2007. Impact of biogenic VOC emissions on a tropical cyclone-related ozone episode in the Pearl River Delta region, China. Atmospheric Environment, 41 (36): 7851–7864. [DOI: 10.1016/j.atmosenv.2007.06.012]

Zhang H Q, Xu E Q and Zhu H Y. 2015. An ecological-living-industrial land classification system and its spatial distribution in China. Resources Science, 37 (7): 1332–1338. ( 张红旗, 许尔琪, 朱会义. 2015. 中国" 三生用地”分类及其空间格局. 资源科学, 37 (7): 1332–1338. )

Zhang Q, Shao M, Li Y, Lu S H, Yuan B and Chen W T. 2012. Increase of ambient formaldehyde in Beijing and its implication for VOC reactivity. Chinese Chemical Letters, 23 (9): 1059–1062. [DOI: 10.1016/j.cclet.2012.06.015]

Zhang Q, Streets D G, Carmichael G R, He K B, Huo H, Kannari A, Klimont Z, Park I S, Reddy S, Fu J S, Chen D, Duan L, Lei Y, Wang L T and Yao Z L. 2009. Asian emissions in 2006 for the NASA INTEX-B mission. Atmospheric Chemistry and Physics, 9 (14): 5131–5153. [DOI: 10.5194/acp-9-5131-2009]

Zhang X S, Mu Y J, Song W Z and Zhang Y H. 2000. Seasonal variations of isoprene emissions from deciduous trees. Atmospheric Environment, 34 (18): 3027–3032. [DOI: 10.1016/S1352-2310(99)00311-8]

Zhang Y J, Pang X B and Mu Y J. 2009. Contribution of isoprene emitted from vegetable to atmospheric formaldehyde in the ambient air of Beijing city. Environmental Science, 30 (4): 976–981. [DOI: 10.3321/j.issn:0250-3301.2009.04.006] ( 张玉洁, 庞小兵, 牟玉静. 2009. 北京市植物排放的异戊二烯对大气中甲醛的贡献. 环境科学, 30 (4): 976–981. [DOI: 10.3321/j.issn:0250-3301.2009.04.006] )

Zheng B, Huo H, Zhang Q, Yao Z L, Wang X T, Yang X F, Liu H and He K B. 2014. High-resolution mapping of vehicle emissions in China in 2008. Atmospheric Chemistry and Physics, 14 (18): 9787–9805. [DOI: 10.5194/acp-14-9787-2014]

Zhu L, Jacob D J, Kim P S, Fisher J A, Yu K, Travis K R, Mickley L J, Yantosca R M, Sulprizio M P, De Smedt I, Abad G G, Chance K, Li C, Ferrare R, Fried A, Hair J W, Hanisco T F, Richter D, Scarino A J, Walega J, Weibring P and Wolfe G M. 2016. Observing atmospheric formaldehyde (HCHO) from space: validation and intercomparison of six retrievals from four satellites (OMI, GOME2A, GOME2B, OMPS) with SEAC4RS aircraft observations over the Southeast US. Atmospheric Chemistry and Physics, 16 (21): 13477–13490. [DOI: 10.5194/acp-16-13477-2016]

Zhu L, Mickley L J, Jacob D J, Marais E A, Sheng J X, Hu L, González Abad G and Chance K. 2017. Long‐term (2005-2014) trends in formaldehyde (HCHO) columns across North America as seen by the OMI satellite instrument: evidence of changing emissions of volatile organic compounds. Geophysical Research Letters, 44 (13): 7079–7086. [DOI: 10.1002/2017GL073859]

Zhu S Y, Li X Y, Yu C, Wang H, Wang Y and Miao J. 2018. Spatiotemporal variations in satellite-based formaldehyde (HCHO) in the Beijing-Tianjin-Hebei region in China from 2005 to 2015. Atmosphere, 9 (1): 5 [DOI: 10.3390/atmos9010005]

摘要

关键词

Abstract

Key words

1 引 言

2 数据及研究区介绍

2.1 Aura/OMI甲醛数据及辅助数据

2.2 研究区介绍

3 结果与讨论

3.1 广东省和江苏省甲醛分布规律分析

3.2 广东省和江苏省甲醛分布规律分析

4 结 论

参考文献(References)

1 引　言

4 结　论