基于OMI数据的中国中东部城市近地面臭氧时空分布特征研究

利用OMI卫星反演数据分析了2005—2014年中国中东部地区对流层臭氧变化趋势.结果表明,近10年来对流层臭氧总柱浓度混合比例较稳定,但近地面浓度明显增加,特别是在冬季臭氧上升速度达40%.同时分析了京津冀、长三角、珠三角地区10个重点城市的臭氧数据,发现京津冀地区的臭氧涨幅超过其他两个地区,其中,长三角地区臭氧混合比例最高,而珠三角地区相对较稳定.利用臭氧激光雷达和地面臭氧监测数据对卫星反演结果进行比较显示了较好的一致性,证明使用卫星反演的数据来研究长时间范围内近地层的臭氧变化是一种可行的方法.     

基于环流分型法的地面臭氧预测模型

利用2011~2016年地面臭氧观测数据和同期地面气象要素观测及大尺度再分析资料,选取日最大8h臭氧浓度指标,分析臭氧浓度,局地气象要素以及大尺度环流因子的关系,并将Lamb-Jenkinson客观环流分析方法与逐步回归模型结合,建立臭氧浓度逐日预报模型.结果表明,杭州地面臭氧浓度呈季节性变化特征,春夏两季杭州臭氧平均浓度较高,为臭氧超标易发时段,其中5月臭氧浓度超标频次最高.地面臭氧浓度受局地气象要素影响显著,其中总辐射和日最高气温与臭氧浓度呈显著正相关,相对湿度和降水则呈负相关.在客观分型得到的10种环流型中,杭州全年受反气旋环流控制的概率最高,占26.5%,受西北气流环流控制的概率最低,仅占0.6%.在南风型环流形势下,杭州臭氧浓度超标频率最高,达23.8%,北风型环流形势下的臭氧浓度超标频率最低,为3.7%.基于季节环流分型的地面臭氧预报模型对预报效果改进明显,2016年模型预报值与观测臭氧浓度值相关系数达到0.87.模型尤其提高了高浓度臭氧事件预报准确性,2016年共24次臭氧超标事件,模型成功预报15次,TS评分达到52%.     

京津唐地区臭氧时空分布特征与气象因子的关联性研究

京津唐地区随着经济的快速发展和城市化的不断推进,臭氧污染呈现加重的趋势,深入了解臭氧浓度时空变化特征及其变化驱动机制是采取科学有效防控措施的前提和基础.本研究针对京津唐地区近地面臭氧浓度快速增加的2016年,利用卫星遥感反演数据、地面每小时监测数据及气象观测资料,分析探讨了近地面臭氧浓度时空分布及与温度、压强、蒸发量、风（风速和风向）等气象要素的耦合关联关系.结果表明：京津唐地区近地面臭氧浓度每日7：00左右最低,午后达到最高;夏季臭氧浓度最高,且略有分区差异（北京呈现单峰型,6月臭氧浓度最高,天津和唐山呈双峰型,峰值分别出现在6月和9月）,冬季浓度最低,12月达到最低值.全区各季节浓度空间分布趋势较为一致,均呈现从西北向东南逐渐降低的趋势.影响京津唐地区近地面臭氧浓度的首要气象要素为温度,二者呈较大的正相关性,臭氧浓度与近地面压强存在一定的负相关性,而与蒸发量具有较小的正相关性,与风速、风向的相关性较为复杂,表现出明显的地区和风向差异性（在偏南风和强风条件下较易出现高浓度臭氧）,全年臭氧浓度与风速相关系数极低,呈不相关.全区分区（建成区与非建成区）近地面臭氧浓度与温度、压强、蒸发量、风速等的关联相关特性,虽然北京、天津和唐山各略有差异但基本一致.在不同气象要素分级组合协同条件下,臭氧浓度与温度、风速的相关性明显显著于其与蒸发量、压强的相关性,且存在在高压、较低蒸发量的气象条件下,臭氧浓度与温度的相关性随风速的增强（或减弱）而降低（或增强）,与风速的相关性随温度的升高（或降低）而减弱（或增强）的普遍现象;对于压强和蒸发量而言,臭氧浓度与二者的相关性普遍相对较低,且趋势特征不明显.     

中国CO时空分布的遥感诊断分析

利用2010年9月AIRS(Atmospheric InfraRed Sounder)传感器的CO柱密度数据及地面CO小时浓度监测资料进行对比分析,结果表明,二者具有时间同步特征,相关系数为0.63(显著性水平95%),AIRS观测数据反映了地面CO的污染.通过2004-2010年CO柱密度数据,研究了中国C0的时空分...     

利用SAGE Ⅱ卫星资料分析青藏高原上空臭氧垂直廓线

利用1985-2002年SAGE Ⅱ卫星资料获取青藏高原地区上空大气臭氧垂直廓线,分析其变化规律.结果表明:①卫星资料与地面臭氧探空资料有很好的一致性;②青藏高原上空大气臭氧垂直廓线存在南北间的差异和季节变化,夏秋季臭氧廓线极大值出现的位置比冬春季高出1～2 km(高原南部)和2～3 km(高原北部);③臭氧数浓度在10～20 km的高度存在明显季节和南北区域差异;④与同纬度其他地区的平均值相比,夏季(6-9月)臭氧低值主要出现在15～20 km的高原对流层顶附近,最低值出现在18 km附近,而冬季这种差异相对较小.      

基于OMI数据的东南沿海大气臭氧浓度时空分布特征研究

基于臭氧监测仪(OMI)卫星反演数据,对2005—2018年东南沿海5省区域大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明:①在时间变化上,14年间,该区域大气臭氧柱浓度整体呈先上升后下降的趋势,2005—2013年臭氧柱浓度持续升高,最高值为324.52 DU,高值区不断向南部区域扩大;2013—2018年臭氧柱浓度呈下降趋势,最低值为228.27 DU,但在2017、2018年略有上升.②在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在江苏及浙江省北部;低值区集中于福建省南部及广东省大部分地区.③在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,秋季略高于冬季,但差异不明显.④稳定性分析表明:研究区臭氧柱浓度整体呈现中部分散、南北部集聚、差异较显著的分布格局.⑤自然因素中,风向、气温均呈现显著正相关,江淮地区的梅雨季节(降水)及华南地区的台风和暴雨也起到显著作用.⑥人文因素中,臭氧柱浓度与地区生产总值、各产业生产总值及机动车保有量均表现出正相关,其中,臭氧柱浓度与第二产业的相关度最高.另外,臭氧柱浓度与NO_x排放量表现出显著相关性.VOC_s对臭氧柱浓度的影响中,工业源是主控因素,交通源和居民源次之,电厂源对臭氧柱浓度的影响最弱.这进一步说明臭氧浓度的变化受到了诸多因素的综合影响,但气温、NO_x及VOC_s的排放是臭氧浓度变化的主导因素.     

基于OMI数据的新疆地区臭氧柱浓度研究

利用臭氧监测仪（OMI）卫星反演数据,对2005~2018年新疆地区大气臭氧柱浓度数据进行提取及分析,探讨其时空分布格局及影响因素.结果表明：在时间变化上,2005~2018年,新疆地区大气臭氧柱浓度整体呈现逐渐上升趋势.在空间分布上,臭氧柱浓度自北向南逐渐降低,高值区集中分布在阿尔泰、塔城北部以及昌吉北部等区域;低值区集中于和田、巴音郭楞蒙古自治州和喀什的南部大部分地区.在季节变化上,大体呈现出春夏季高于秋冬季,高值区在春夏季交替出现,冬季略高于秋季,但四季的臭氧柱浓度值呈现逐渐上升的趋势.稳定性分析表明：研究区域臭氧柱浓度整体呈现中部及南北部分散、东西部集聚的分布格局.自然因素中,气候因素、风场以及海拔均呈现显著正相关（P<0.01）;通过后向轨迹追踪发现,该区域西北和西部气流是臭氧外来的最主要输送路径,分别占总气流轨迹的78.59%、57.29%.人为因素中,臭氧柱浓度值与地区生产总值、煤炭消耗量、工业废气排放量及机动车保有量均表现出显著的正相关关系（P<0.05）.其中,挥发性有机物（VOC_s）主要来源于工业源,其次是交通源和居民源.总体来看,臭氧浓度的变化受到了诸多因素的综合影响,但气温、VOC_s的排放及吸收性气溶胶是大气臭氧浓度变化的主导因素.     

2017年春夏期间南京地区臭氧污染输送影响及潜在源区

基于南京市空气质量数据与NCEP全球再分析资料,利用后向轨迹模式计算了2017年春夏（4~10月）到达南京城区逐时的24 h近地面气团后向轨迹,并将后向轨迹数据与臭氧质量浓度数据结合,进行轨迹聚类与潜在源区分析.结果表明,2017年南京市臭氧日最大8 h滑动平均浓度在12~261 μg·m^-3,超标共58 d,主要集中在春夏季.臭氧月变化呈现单峰状,其中6月臭氧浓度与超标天数最高,臭氧日变化总体呈单峰状,峰值浓度出现在14：00左右;模拟获得5136条轨迹,其中超标轨迹约占10%,超标轨迹月度分布差异较为明显,5、6两月合计占比约60%,经聚类分析得到气团输送路径共有6条,分别来自东北偏北、西北、西南、东南偏南、东南及东北方向,其中东南与东南偏南方向两类气团出现频率最高,分别为23.33%和20.76%,且对应的臭氧浓度较高,对南京臭氧污染贡献较大;潜在源区分析WPSCF与WCWT的高值区一致性较好,均揭示臭氧污染潜在源区主要分布在常州、无锡、苏州与湖州等环太湖城市,同时周边城市泰州、马鞍山、芜湖、滁州、南通与连云港等地是次要的潜在源区.臭氧污染区域输送贡献明显,需要强化长三角区域联防联控.     

中国地表臭氧浓度估算及健康影响评估

在PM2.5浓度逐年下降的背景下,臭氧浓度不降反升,臭氧已成为中国暖季的主要污染物之一.基于大数据关联分析思路,构建并开发了极限梯度提升(XGBoost)臭氧浓度估算模型,用以估算2019年中国每日最大8 h平均臭氧浓度(O3_8h),用于人类暴露评估.该模型输入地面监测站点数据、高分辨率遥感卫星数据、气象数据、排放清...     

2015年中国近地面臭氧浓度特征分析

根据2015年全国189个城市的近地面臭氧浓度数据,使用ArcGIS等软件处理,从不同时空、地形特征、温度等方面分析得出中国近地面臭氧浓度的变化特征.2015年中国近地面的臭氧浓度变化呈先增高后降低的趋势,各季节中浓度大小关系呈夏季 > 秋季 > 春季 > 冬季的变化规律,且在7月达到全年最高值.中国各行政区中,华东、华南、华北地区的臭氧污染较为严重.在经纬度变化的影响方面,经度变化对近地面臭氧浓度的影响不大,而纬度变化使臭氧浓度变化明显;在同一纬度的3种不同地形对比中发现,不同的地形给近地面臭氧浓度带来的影响微乎其微.温度和近地面臭氧浓度的变化呈现良好的正相关关系.     

基于星地同步观测的华北平原中部背景地区冬季霾污染过程

利用地基观测结果和多源卫星遥感观测,结合气象数据及HYSPLIT4后向轨迹模式,对华北平原中部背景地区(河南省郑州市中牟县东南郊)冬季霾事件的污染物特征和形成过程进行分析.综合观测时间为2014年12月13日~2015年1月16日,共有5次霾过程,占观测总天数的82%.地面监测结果显示,不同的污染过程污染物浓度变化曲线相似,O₃浓度在清洁天浓度较高;NO_x、SO₂、PM₁₀、PM_2.5呈较强正相关性,NO_x、SO₂与 PM₁₀相关系数0.64、0.57,与PM_2.5相关系数0.56、0.45;近地面污染物以细粒子污染物为主,其中又以气态污染物二次生成的细粒子为主.AMPLE地基激光雷达和CALIPSO数据表明,华北平原霾层中上部受浮尘影响,以粗粒子污染物为主.气象探空数据表明该地区冬季大气对流层稳定利于霾的维持,假相当位温垂直差、K指数、露点差与能见度相关系数分别为0.52、0.56和 0.38.分析近地面风速风向对霾过程的影响表明,该地区冬季以南方向静小风为主,风速与能见度相关系数为0.32 ,PM₁受东北方向污染源影响,PM_1~2.5及PM_2.5~10受西北方向污染源影响;结合高空风场分析,霾过程1受西北浮尘影响,霾过程5受南来水汽影响.通过后向轨迹分析,该地区冬季的低空污染传输主要来自东北和西北方向,其中东北方向区域传输来自河北与山东,占来源比例的14%,近距离污染传输主要来自站点以西的郑州、洛阳,约占来源比例的33%.     

A method for calculating the total ozone amount in the clear skies

Ａｍｅｔｈｏｄｆｏｒｃａｌｃｕｌａｔｉｎｇｔｈｅｔｏｔａｌｏｚｏｎｅａｍｏｕｎｔｉｎｔｈｅｃｌｅａｒｓｋｉｅｓ￥ＢａｉＪｉａｎｈｕｉ；ＷａｎｇＧｅｎｇｃｈｅｎ（ＩｎｓｔｉｔｕｔｅｏｆＡｔｍｏｓｐｈｅｒｉｃＰｈｙｓｉｃｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏ...     

Spatial and temporal distribution of the cloud optical depth over China based on MODIS satellite data during 2003–2016

The cloud optical depth(COD) is one of the important parameters used to characterize atmospheric clouds. We analyzed the seasonal variations in the COD over East Asia in 2011 using cloud mode data from the AERONET(Aerosol Robotic Network) ground-based observational network. The applicability of the MODIS(Moderate Resolution Imaging Spectroradiometer) COD product was verified and compared with the AERONET cloud mode dataset. There was a good correlation between the AERONET and the MODIS. The spatial and temporal distribution and trends in the COD over China were then analyzed using MODIS satellite data from 2003 to 2016. The seasonal changes in the AERONET data and the time sequence variation of the satellite data suggest that the seasonal variations in the COD are significant. The result shows that the COD first decreases and then increases with the season in northern China, and reaches the maximum in summer and minimum in winter.However, the spatial distribution change is just the opposite in southern China. The spatial variation trend shows the COD in China decreases first with time and gradually increases after 2014. And the trend of COD in the western and central China is consistent with that in China. While the trend of COD shows a continuously increasing over time in northeast China and the Pearl River Delta.     

The spatial and temporal distribution of total ozone over China

In this paper the grid data of total ozone mapping spectrograph (TOMS) installed on Nimbus-7 satellite (1978 to 1994) was used and the spatial and temporal distribution of total ozone over China was analyzed. The research indicates that the Qinghai-Tibet Plateau destroyed the latitudinal distribution of total ozone of China and the low value closed center emerged over Qinghai-Tibet Plateau. Long time change trends of seasonal total ozone of Qinghai-Tibet plateau are provided. It shows that the most obvious decrease of total ozone occurs in winter (Jan.), then in summer (Jul.), the relevant slow change occurs in autumn (Oct.) and spring (Apr.).     

Spatial and temporal distribution of total ozone over China

In this paper the grid data of total ozone mapping spectrograph (TOMS) installed on Nimbus 7 satellite (1978 to 1994) was used and the spatial and temporal distribution of total ozone over China was analyzed. The research indicates that the Qinghai Tibet Plateau destroyed the latitudinal distribution of total ozone of China and the low value closed center emerged over Qinghai Tibet Plateau. Long time change trends of seasonal total ozone of Qinghai Tibet Plateau are provided. It shows that the most obvious decrease of total ozone occurs in winter (Jan.), then in summer (Jul.), the relevant slow change occurs in autumn (Oct.) and spring (Apr.).     

Spatial and temporal distribution of total ozone over China

１　ＩｎｔｒｏｄｕｃｔｉｏｎＯｚｏｎｅｉｓｏｎｅｏｆｔｈｅｔｒａｃｅｇａｓｅｓｉｎａｔｍｏｓｐｈｅｒｅ．Ｉｔｃａｎａｂｓｏｒｂｎｅａｒｌｙａｌｌｓｏｌａｒｕｌｔｒａｖｉｏｌｅｔｒａｄｉａｔｉｏｎ（ＵＶＢ）ｒａｎｇｅｄｆｒｏｍ０－２０—０－３５μｍ．Ｔｈｅｃｈａｎｇｅｏｆｓｔｒａｔｏｓｐｈｅｒｉｃｏｚｏｎｅｃｏｎｃｅｎｔｒａｔｉｏｎａｎｄｉｔｓｖｅｒｔｉｃａｌｓｔｒｕｃｔｕｒｅｗｉｌｌｉｎｆｌｕｅｎｃｅｔｈｅｔｅｍｐｅｒａｔｕｒｅｓｔｒｕｃｔｕｒｅｏｆｓｔｒａｔｏｓｐｈｅｒｅ．Ｔｈｅｄｅｃｒｅａ…     

50年来中国臭氧总量时空变化特征

利用来自世界臭氧与紫外辐射数据中心的中国区域6个地基观测站点数据,对多传感器再分析遥感数据进行验证,并基于验证后的遥感数据分析了1971~2020年中国区域臭氧总量不同尺度的时空变化特征.结果表明,50a来中国区域臭氧总量呈现轻微的下降趋势.年平均臭氧总量在1978年和1993年分别出现最大值(347.5±53.8) DU和最小值(291.9±29.5) DU,在1971~1978年、1978~1993年、1993~2020年,这3个时段年平均臭氧总量在整个中国区域分别是增长、减少、增长.月平均臭氧总量随季节变化呈现出正弦曲线形态,在3月和10月分别出现峰值(约338DU)和谷值(约285DU).中国区域臭氧总量在空间上呈现由东北向西南递减的纬向条带状分布.在40°N以北的东北部地区,该值可达360DU以上.中国区域50a月平均臭氧总量同样呈现纬向条带状分布.此外,时间变异系数和空间变异系数随季节的变化规律相似,夏季最小,接着依次是秋季和春季,冬季最大.即臭氧总量的变化和空间差异在夏季都最小.50a期间,不同时段、不同区域臭氧总量的变化趋势各不相同.在1971~1978年,臭氧总量的增长量和增长率都呈现由北向南递减的纬向条带状分布.在40°N以北的相对高值地区最大增加了56DU,约为16%;而在30°N以南的相对低值地区,最小增加了12DU,约为5%.在1978~1993年,减少量和减少率也呈现由北向南递减的纬度地带性.在40°N以北的相对高值地区最大减少了93DU,约为22%;而在30°N以南的相对低值地区,最小减少了11DU,约为4%.在1993~2020年,西北地区出现最大增长,增长量为18DU,约为6%;东南地区出现最小增长,增长量为4DU,约为1%.     

中国自然背景地区臭氧浓度时空变化特征分析

为揭示中国自然背景地区臭氧浓度变化特征,并以其为自然背景值指导人为活动导致的臭氧污染控制工作,该研究通过汇总统计中国15个典型自然背景地区与337个地级及以上城市2016—2020年环境空气臭氧自动监测数据,比较分析中国自然背景地区臭氧浓度的年度、季节、日内变化规律与空间分布规律. 结果表明:2016—2020年,中国自然背景地区臭氧年均浓度明显高于城市区域,但臭氧日最大8小时平均浓度的第90百分位数(简称“臭氧年90百分位浓度”)明显低于城市,自然背景地区和城市区域臭氧年均浓度同步快速提升,年均增长分别为1.5和2.0 μg/m3. 中国自然背景地区臭氧浓度季节性变化规律与城市区域存在较大差异,自然背景地区臭氧平均浓度最高值出现在春季,夏、秋、冬三季臭氧平均浓度差异不明显,与东亚环太平洋背景地区臭氧浓度季节性变化规律(春季最高、夏季最低)存在明显差异. 部分自然背景地区受人为活动排放的影响较小,臭氧浓度不存在明显的日内峰谷差,全天臭氧浓度基本保持相同水平;部分自然背景地区可能受邻近城市人为活动排放的臭氧前体物影响,臭氧浓度日内变化规律与邻近城市较为一致,存在明显的日内峰谷差. 研究显示,中国自然背景地区臭氧浓度变化规律与城市区域存在显著差异,臭氧浓度年均值升高迅速,部分自然背景地区臭氧浓度变化规律可能受邻近城市人为活动排放的臭氧前体物传输的影响.      

卫星遥感监测海南地区对流层CO2浓度时空变化特征

为了探索海南地区对流层CO₂浓度[以φ(CO₂)计]时空变化特征,采用2002年9月—2012年2月AIRS反演的对流层中层CO₂产品,利用北半球全球本底站瓦里关站和飞机观测φ(CO₂)对该产品进行验证,结合统计分析方法对海南地区φ(CO₂)的月、季、年平均值的时空变化特征进行了研究.结果表明:AIRS反演φ(CO₂)与地基和不同纬度带海洋上空飞机观测数据对比均具有很好的一致性,并且与飞机观测验证偏差更小,二者相关系数均在0.9以上,总体月均值偏差小于2×10-6;全国φ(CO₂)呈现北高南低的分布规律,并且存在较为明显的分界线,形成4个高值中心(塔克拉玛干沙漠、塔里木盆地、内蒙古西部和东北平原)和2个低值中心(青藏高原西南部和云南地区),海南地区平均φ(CO₂)为382.67×10-6,略高于云南低值中心的381.45×10-6;全国φ(CO₂)呈现明显逐年增加趋势,其年均增长速率为2.16×10-6,而海南地区亦呈现显著增加趋势,年均增长速率为2.11×10-6,低于全国水平;φ(CO₂)呈季节性波动特性,全国φ(CO₂)最高值出现在春季,而海南地区为夏季,最低值均出现在秋季;海南地区西部海域、陆地和东部海域上空φ(CO₂)年增长速率分别为2.09×10-6、2.14×10-6和2.11×10-6,表明海南陆地上空增速略大于海洋地区,西部和东部海域上空增长速率基本保持一致.