南京北郊冬春季大气能见度影响因子贡献研究

为研究南京北郊气象要素以及气溶胶对大气能见度的影响,利用2014年1~5月的能见度、相对湿度、温度、颗粒物浓度及其化学成分等观测数据,探讨了气溶胶不同化学组分对消光系数的贡献,提出了该地区能见度基于不同参数的拟合方案.结果表明,观测期间平均能见度为(5.78±3.64)km,能见度与相对湿度、PM_(2.5)存在明显的负相关,相关系数分别为-0.66、-0.48.冬季平均消光系数为(398.72±219.88)Mm~(-1),Organic、NH_4NO_3、(NH_4)_2SO_4和EC对消光的贡献率分别为38.81%、27.81%、23.95%和7.15%;春季平均消光系数为(248.36±78.42)Mm~(-1),Orgamic、NH_4NO_3、(NH_4)_2SO_4和EC对消光的贡献率分别为31.59%、24.36%、32.63%和8.64%.对比不同的能见度拟合方案时,基于颗粒物成分的能见度拟合方案优于基于散射系数的.不同相对湿度区间内PM_(2.5)对能见度的影响程度不同,基于PM_(2.5)、相对湿度和温度的能见度拟合方案说明:低相对湿度的条件下,PM_(2.5)对能见度的影响较大;随相对湿度增大,相对湿度成为更为重要的影响因子.     

北疆地区MODIS 3km气溶胶光学厚度与PM10质量浓度的相关性分析

利用2016年MODIS 3 km分辨率的气溶胶光学厚度(AOD)日产品、PM_(10)质量浓度以及相关气象数据,开展了北疆地区AOD与PM_(10)质量浓度的相关性分析.结果表明,AOD与PM_(10)质量浓度的直接相关程度较低,相关系数仅为0.294.对比分析了利用能见度数据对AOD进行垂直订正,然后再用相对湿度数据对其进行二次订正(AOD垂直-湿度订正)和利用能见度数据对AOD进行垂直订正和相对湿度数据对PM_(10)质量浓度进行订正(AOD垂直订正-PM_(10)湿度订正)两种订正方法,结果指出"AOD垂直订正-PM_(10)湿度订正"可显著提高二者之间的相关性.订正之后,北疆地区AOD与PM_(10)质量浓度的相关系数达到0.755,呈显著正相关;阿勒泰的订正效果最好,相关系数为0.837.最后,基于垂直订正后的AOD和湿度订正后PM_(10)建立两者之间的最优拟合模型,并利用新建的模型反演了北疆地区PM_(10)质量浓度.反演得到的PM_(10)质量浓度与经过湿度订正后PM_(10)呈显著正相关,相关系数为0.688;昌吉和伊宁的反演效果最好,相关系数分别为0.910和0.829.本研究结果表明MODIS 3 km AOD产品经过垂直和湿度订正后,可作为北疆地区监测PM_(10)质量浓度的一个有效手段.     

北京市PM_(2.5)和反应性气体浓度的变化特征及其与气象条件的关系

利用2012年全年北京市SO_2、NO_y、O_3、CO和PM_(2.5)监测数据,讨论PM_(2.5)和反应性气体的变化特征及其与气象条件的相关关系.结果表明:北京地区2012年PM_(2.5)平均质量浓度为52.0μg/m~3,年波动范围较大,特别是秋冬两季,呈现出慢累积而快清除的变化特征;NO_y、NO、CO、SO_2与PM_(2.5)质量浓度增减呈相同的变化趋势,O_3变化趋势相反;PM_(2.5)质量浓度0~25μg/m~3之间出现的频率最高,为27%;NO_y、NO、CO、SO_2和PM_(2.5)在风速小于3m/s时,随风速增大均呈显著的下降趋势,其中PM_(2.5)的下降率约为25%/m/s,风速大于3m/s后,污染物下降到较低浓度后趋于平缓;清洁天,相对湿度增大对PM_(2.5)质量浓度的影响不显著,而污染天,在较高相对湿度下,PM_(2.5)的质量浓度迅速升高.     

杭州市大气能见度与PM_(2.5)浓度的关系

为了研究杭州市大气能见度与PM2.5质量浓度之间的关系,选取杭州市区2013年冬季至2014年春季期间PM2.5浓度、相对湿度以及能见度有效观测数据进行分析。结果表明:能见度与PM2.5的关系并不是直接的线性关系,而是与大气湿度也有着密切关系。随着相对湿度和PM2.5浓度的增长,能见度水平逐渐降低。而进一步量化相对湿度与PM2.5浓度对能见度的影响,将相对湿度分为40%~50%、50%~60%、60%~70%、70%~80%、80%~90%以及>90%共六个区间,对PM2.5与能见度的关系用非线性幂函数来拟合,拟合曲线的R2均大于0.9,表明拟合曲线与真实情况符合程度较好。另外,能见度与PM2.5的拟合曲线均在PM2.5浓度为50μg/m3左右出现拐点,说明在杭州市只有将PM2.5浓度控制在50μg/m3内,能见度才能得到显著提升。     

中山市旱季霾特征及数值模拟分析

利用观测数据、Hysplit后向轨迹模式以及WRF-CMAQ模式对中山市旱季霾特征进行模拟分析.中山市霾污染的天气形势以大陆高压型为主.当相对湿度在71%~90%时,气溶胶浓度和能见度的负相关性最显著,且当能见度减小到5 km以下时,PM_(2.5)浓度的大幅减小才能使能见度略有好转.最有可能引起中山发生霾天气的两条污染带,一条是沿中山至湖南南部,另一条是沿中山到粤东地区.WRF-CMAQ模式能较好地模拟出2014年1月份中山PM_(2.5)浓度、能见度的变化趋势以及广东省区域内灰霾的污染过程.在气溶胶质量权重及消光贡献中,硫酸盐的比重最高,在高相对湿度下,二次气溶胶的消光权重超过80%.通过中山PM_(2.5)过程分析发现,在霾过程,无冷空气时PM_(2.5)主要来自气溶胶反应、排放源和水平平流,贡献率分别为35%、15%和10%,有冷空气时水平平流的贡献最大,达37%;在清洁过程,无冷空气时气溶胶主要靠水平平流和干沉降清除,贡献率分别为-39%和-14%,有冷空气时清除以水平平流和垂直对流、扩散为主,贡献率分别为-29%和-25%,说明不同天气条件下霾的污染和清洁机制有着明显差别.     

基于CMAQ模式和自适应偏最小二乘回归法的中国地区PM2.5浓度动力-统计预报方法研究

采用CMAQ模式和自适应偏最小二乘回归法相结合的动力-统计预报方法,对2014年1—12月全国252个环境监测站的PM_(2.5)浓度逐时预报值进行了滚动订正,分析了订正前后PM_(2.5)浓度的时空变化特征,重点研究该方法在中国不同地区不同季节的适用性.结果表明:CMAQ模式预报的PM_(2.5)浓度年平均和秋冬季季节平均偏差表现为非均匀空间分布特征,即辽宁、山东部分地区、川渝地区及华中、华东、华南大部分地区预报偏高,京津冀和西部大部分地区预报偏低;订正后PM_(2.5)浓度与实测值的空间分布较一致,上述偏高和偏低地区的PM_(2.5)浓度预报误差显著减小;秋冬季PM_(2.5)浓度预报和订正偏差均大于年平均值.全国区域平均PM_(2.5)浓度实测值存在明显的季节变化特征,1—3月和11—12月较大,其他月份较小;PM_(2.5)浓度预报误差较大,多数时刻预报偏低,尤其是1—3月和11—12月偏低较明显;订正后PM_(2.5)浓度与实测值较接近,而且时间变化趋势较一致,秋冬季PM_(2.5)浓度预报和订正偏差亦明显大于春夏季.秋冬季4个重点污染区域中,京津冀地区PM_(2.5)实测浓度的区域平均值较大,川渝地区次之,长三角和珠三角地区较小;珠三角地区PM_(2.5)浓度预报和订正效果较好,川渝和长三角地区次之,京津冀地区相对较差;经滚动订正后,全年和秋冬季时段PM_(2.5)浓度订正值与实测值的相关系数均显著增加,误差显著减小,尤其是秋冬季订正效果较好.川渝地区的订正改进幅度最大,长三角和京津冀地区次之,珠三角地区较小.本文方法均适用于非污染日和污染日全国范围的PM_(2.5)预报浓度订正,两种天气过程PM_(2.5)浓度的订正效果均较好;该方法对于改进京津冀地区污染日的PM_(2.5)浓度预报更有效,其他3个地区非污染日的订正改进效果优于污染日.本文研究结果可为改进空气质量预报、重霾污染天气预警和防治提供新技术途径和科学依据.     

基于GAM模型分析中国典型区域网格化PM2.5长期变化影响因素

为探究中国典型区域地表PM_(2.5)浓度长期时空变化及其影响因素,运用广义可加模型(GAM)对1998～2016年均0. 01°×0. 01°地表PM_(2.5)浓度网格化数据进行分析.典型区域多年平均PM_(2.5)浓度从高到低:华东华中地区(40. 5μg·m~(-3))华北地区(37. 4μg·m~(-3))华南地区(27. 8μg·m~(-3))东北地区(23. 7μg·m~(-3))四川盆地(22. 4μg·m~(-3)).东北地区PM_(2.5)年际变化呈现明显上升趋势;其他地区1998～2007年呈上升趋势,2008～2016年出现下降趋势.在典型区域PM_(2.5)浓度空间分布上,PM_(2.5)浓度分布呈现显著的空间差异,多年来各区域PM_(2.5)浓度高值分布相对稳定. PM_(2.5)浓度变化的单因素GAM模型中,所有影响因素均通过显著性检验,典型区域中对PM_(2.5)浓度变化影响解释率较高的各个影响因素顺序有所不同. PM_(2.5)浓度变化的多因素GAM模型中,均呈现非线性关系,典型区域方差解释率为87. 5%～92%(平均89. 0%),模型拟合度较高,对其变化有显著性影响.典型区域YEAR和LON-LAT均对PM_(2.5)浓度变化影响最为显著.除此之外,气象因子对PM_(2.5)的影响大小在各个区域存在不同.东北地区影响PM_(2.5)最重要的3个气象因子排序为:tp v_(10) ssr;华北地区为:temp tp msl;华东华中地区为:temp tp ssr;华南地区为:temp RH blh;四川盆地为:tp temp u_(10).结果表明,运用GAM模型,能够定量分析区域PM_(2.5)浓度长期变化的影响因素,对PM_(2.5)污染评估具有重要意义.     

上海地区降雨清除PM2.5的观测研究

分析2012—2016年上海徐家汇站的雨量和颗粒物(PM_1、PM_(2.5)、PM_(10))观测数据发现,降雨对PM_(2.5)的湿清除作用明显,降雨日的PM_(2.5)质量浓度较非降雨日平均降低约30%,在污染季节降低更加显著约50%.降雨时PM_1在PM_(2.5)中的占比明显下降,PM_1质量浓度下降幅度占PM_(2.5)下降幅度的84%,表明降雨对PM_1的有效清除是PM_(2.5)质量浓度下降的主要原因.降雨过程结束后PM_(2.5)质量浓度是否下降和降雨前PM_(2.5)的初始质量浓度关系密切,当初始浓度在冬季大于70μg·m~(-3)、在其他季节大于45μg·m~(-3)时,80%以上的降雨过程结束后PM_(2.5)质量浓度较降雨前下降,因此可作为研判降雨过程对PM_(2.5)湿清除影响的预报因子.     

苏州城区能见度与颗粒物浓度和气象要素的相关分析

利用苏州市2009年9月─2010年5月的颗粒物(包括黑碳,PM_2.5和PM₁₀)质量浓度、能见度、相对湿度、风速、风向、气温等观测资料,分析了苏州城区能见度与颗粒物质量浓度及气象要素的相关关系.结果表明:ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r(相关系数)分别为-0.465,-0.359和-0.238,这3种颗粒物中,能见度与ρ(黑碳)的相关性最显著.当相对湿度≤60%时,ρ(黑碳),ρ(PM_2.5)和ρ(PM₁₀₎与能见度的r分别为-0.675,-0.411和-0.364.相对湿度较低时,颗粒物与能见度相关性较好.能见度与温度、风速的r分别为0.132和0.188,与相对湿度的r为-0.632.用颗粒物质量浓度和气象要素建立的能见度多元线性回归模型效果不好,在该模型基础上用ρ(黑碳),ρ(PM₁₀₎和相对湿度建立了能见度的多元二次回归模型,R(复相关系数)达到0.865,R2(复决定系数)达到0.749.      

APEC前后北京郊区大气颗粒物变化特征及其潜在源区分析

为分析2014年APE(Asia-Pacific Economic Cooperation)会议前后北京郊区大气颗粒物数浓度和质量浓度的变化特征及其主要影响因素,于当年11月在北京怀柔区中国科学院大学雁栖湖校区教学一楼楼顶利用微量振荡天平(TEOM)、扫描电迁移率颗粒物粒径谱仪(SMPS)和空气动力学粒径谱仪(APS)对大气颗粒物质量浓度和数浓度分布进行连续在线监测;同时结合地面气象参数和HYSPLIT轨迹模式,对颗粒物的来源和传输过程进行聚类、潜在源区贡献因子(PSCF)和浓度权重轨迹(CWT)分析.结果表明,APEC期间(11月5—11日)超细粒子(PM_(0.01～1))数浓度、细粒子(PM_(0.5～2.5))数浓度和粗粒子(PM_(2.5～10))数浓度分别为(17720.1±998.7)、(30.9±3.34)和(0.12±0.01) cm~(-3),比非APEC期间(即11月1—4日和11月12—30日)分别降低了28.8%、58.6%和64.7%;APEC期间ρ(PM_(2.5))为(36.1±2.4)μg·m~(-3),比非APEC期间降低55.5%.PM_(0.5～2.5)数浓度和PM_(2.5～10)数浓度降幅远大于PM_(0.01～1)数浓度,这表明APEC期间的减排措施对于PM_(0.5～2.5)和PM_(2.5～10)的控制效果优于PM_(0.01～1),说明APEC期间对PM_(0.5～2.5)、PM_(2.5～10)数浓度进行了更有效的控制.对北京气流后向轨迹聚类分析发现,来自蒙古国、内蒙古、河北西北部、河北南部方向的气流轨迹对应北京郊区的PM_(0.01～1)数浓度最高,为30593 cm~(-3),来自河北西北部、北京、天津、河北南部方向的气流轨迹对应北京郊区的PM_(0.5～2.5)、PM_(2.5～10)的数浓度及ρ(PM_(2.5))均为最高,分别为190 cm~(-3)、0.65 cm~(-3)、168μg·m~(-3).综合潜在源区贡献因子分析法(PSCF)和浓度权重轨迹分析(CWT)的结果分析发现,观测期间北京PM_(0.01～1)与PM_(0.5～2.5)、PM_(2.5～10)的潜在源区存在明显的区别,其中PM_(0.01～1)数浓度的潜在源区分布区域相对较广,主要分布在内蒙古中部、河北西北部、河北中南部和山西东北部等地区,而PM_(0.5～2.5)和PM_(2.5～10)数浓度的潜在源区分布基本一致,而且区域相对较集中,主要分布在河北北部、山西东北部和河北中南部等地区.APEC期间与非APEC期间ρ(PM_(2.5))的源区贡献因子分析和浓度权重轨迹分析表明,APEC期间ρ(PM_(2.5))的主要源区分布比非APEC期间相对较集中,主要位于北京当地、天津等附近地区,该地区对观测点ρ(PM_(2.5))的贡献值在24～40μg·m~(-3)之间.     

成都市冬季相对湿度对颗粒物浓度和大气能见度的影响

利用成都市城区2015年12月的连续在线观测数据,如相对湿度（RH）、能见度、颗粒物（PM₁₀、PM_2.5和PM₁）浓度、气态污染物（SO₂和NO₂）浓度以及PM_2.5中SO₄^2-和NO₃^-浓度,探讨RH对颗粒物浓度和大气能见度的影响.结果表明,高颗粒物浓度和高RH协同作用导致低能见度事件.观测阶段,PM_2.5在PM₁₀中的平均比重为64%,表明成都市冬季细颗粒物污染严重;随着RH增加,PM_2.5/PM₁₀显著增加,表明高RH会加重细颗粒物污染.随着PM_2.5浓度增加,能见度呈幂指数下降;在相同PM_2.5浓度下,RH越高,能见度越低.当颗粒物浓度较低时,RH对能见度的影响作用较强;当颗粒物浓度较高时,大气消光主要由PM_2.5浓度控制,RH对能见度的影响减弱.当RH大于70%时,硫氧化率（SOR）和氮氧化率（NOR）的均值分别从0.27和0.11（RH小于40%）增长至0.40和0.19,表明较高RH对二次硫酸盐和硝酸盐的生成有显著的促进作用,二次硫酸盐和硝酸盐单独或协同影响空气质量.     

北京大气能见度和消光特性变化规律及影响因素

利用长时间序列的大气能见度与湿度等气象资料以及近年来大气污染物的监测数据,探讨了北京大气能见度及消光特性的变化规律及影响因素.结果显示:近50年来北京大气消光作用存在降-升-降的变化过程,1954~1967年以下降为主,20世纪60年代中期至70年代明显上升,此后特别是20世纪90年代以来北京大气消光作用基本呈缓慢下降趋势,能见度变化过程与此相反.从区域分布看北京大气消光作用北部及西部山区低于平原区,平原区存在由北向南逐渐升高的分布规律,即北部平原区低于中部市区,中部市区低于南部平原区.近10年来北京大气颗粒物消光作用区域差异逐渐减小,这与大气污染区域分布变化趋势基本一致.北京大气消光作用20世纪80年代之前冬高夏低,之后转为冬低夏高,对应于大气污染由煤烟型向综合型的转变.大气消光作用平均日变化呈双峰双谷型,09:00和21:00形成双峰,06:00和16:00处于双谷,但月际差异明显.大气消光作用受颗粒物浓度与相对湿度影响显著.高消光作用通常与高相对湿度和高颗粒物浓度有关;低消光作用出现在湿度和颗粒物质量浓度同时较小情况.相对湿度低于70%时,大气颗粒物消光作用会随着PM2.5浓度的升高明显增强,消光作用与PM2.5浓度存在线性关系;当相对湿度大于70%时,消光作用对PM2.5浓度变化的响应并不明显.     

北京地区大气消光特征及参数化研究

为了研究大气消光系数的特征及规律,从2013~2014年在北京地区对大气能见度、气溶胶质量浓度、气溶胶散射系数、黑碳质量浓度、反应性气体以及气象要素开展了系统加强观测,并对已发表的气溶胶光散射吸湿增长因子[f(RH)]拟合方案进行了对比,系统分析了大气消光特征和影响大气消光能力的关键因子,最终建立了大气消光系数参数化模型,探讨不同季节、不同污染条件下参数化方案的特征.结果表明,气溶胶散射作用占环境总消光作用的94%以上,在夏秋季,相对湿度可以使气溶胶的散射能力提升70%~80%.包含气溶胶质量浓度和相对湿度两个因子的参数化模型,可以较好地体现出气溶胶和相对湿度对大气消光系数的影响机制,以及消光能力的季节差异.     

夏季珠江三角洲地区PM2.5化学组分特征及其对大气能见度的影响

于2010年夏季在珠三角主要城市广州、佛山、东莞、深圳、珠海以及广州郊区从化同步采集PM2.5样品,利用热光反射碳分析仪和离子色谱分别分析样品中有机碳/元素碳和水溶性离子浓度,并同步收集能见度和气象数据.在此基础上对珠三角主要城市大气PM2.5中主要化学成分的浓度水平和空间分布特征进行分析,并利用IMPROVE方程重建大气消光系数,探讨PM2.5的主要化学组分对大气能见度的影响.结果发现,观测期间珠三角地区PM2.5中的主要化学成分空间分布特征明显,广州、佛山和东莞浓度较高,珠海和深圳浓度较低.(NH4)2SO4、有机物(OM)、EC和NH4NO3对夏季珠三角大气消光系数贡献率分别为39%、31%、12%和13%.     

APEC前后北京SO2垂直分布特征及其对二次硫酸盐生成的影响

SO_2是北京大气中重要的污染气体.为探讨亚太经合组织(APEC)峰会前后北京大气SO_2的垂直分布及其对二次硫酸盐(SO_4~(2-))生成的影响,我们于2014年10月21日至11月30日在地面和北京325 m气象塔260 m高度处同步开展了气体SO_2和亚微米颗粒物中硫酸盐(SO_4~(2-))实时连续在线观测.结果显示,采暖前,北京地面SO_2浓度较低,但高层由于显著受到区域输送的影响浓度较高,两层污染物变化趋势也存在明显差异.采暖后,即APEC后,受本地供暖排放影响,SO_2和SO_4~(2-)浓度显著增加,两层的总体差异也相应减小,变化趋势也更为一致.湿度对SO_2的液相转化起关键作用.我们发现近地面SO_2的转化率(SOR)显著高于260 m,这主要与地面较高的湿度相关.事实上,SOR随着湿度增加而迅速增大,进一步凸显了湿度对SO_2液相氧化的影响.另外,我们也发现SO_2特别是260 m在低湿范围(RH40%)内随湿度增加而逐渐升高,但在高湿范围(RH50%)内则呈下降趋势,说明不同湿度范围内的来源或者生成机制可能有所不同.SO_4~(2-)和PM_(2.5)浓度均随着湿度的增加而增加,但不同湿度范围,增加速率不同.通过相关性和和后向轨迹分析表明,区域输送(特别是途经北京西部和南部的气团)和本地燃煤排放分别是采暖前后污染物的主要来源.     

北京市大气环境PM2.5和PM1及其碳质组分季节变化特征及来源分析

大气颗粒物是影响我国大多数城市环境空气质量的首要污染物,近年来随着监测技术的进步和采样设备的改进,相关研究对象逐渐从大粒径的PM_10、PM_(2.5)转移到更小粒径的PM_1上.碳质组分是大气颗粒物的重要组成部分.以北京市为研究区域,选取2016年7月、10月及2017年1月、4月作为4个季节的代表月,对大气环境中的PM_(2.5)和PM_1进行采集,分析了二者的质量浓度和季节变化特征.采用两层嵌套气象-空气质量模型系统(WRF-CMAQ)耦合模型对采样时段进行了模拟,分析观测期间PM_(2.5)和PM_1的来源贡献,并使用因子分析法解析了碳质组分的来源.结果表明,PM_(2.5)和PM_1的质量浓度均呈现春、夏、秋、冬这4个季节递增的趋势;PM_1是PM_(2.5)中的主要组成,而且秋冬季节随着灰霾发生频率的增加,PM_1质量浓度占PM_(2.5)的比值明显升高;北京市大气环境中存在明显的二次污染,且SOC更容易在粒径更小的PM_1中积聚.散煤燃烧、机动车尾气排放、居民面源及生物质燃烧排放是北京市大气颗粒物的重要贡献来源;汽油车尾气、柴油车尾气、生物质燃烧和燃煤排放是北京市大气颗粒物中碳质组分的主要来源.     

Chemical characteristics of fine particles and their impact on visibility impairment in Shanghai based on a 1-year period observation

In this work, a one-year observation focusing on high time resolution characteristics of components in fine particles was conducted at an urban site in Shanghai. Contributions of different components on visibility impairment were also studied. Our research indicates that the major components of PM_2.5 in Shanghai are water-soluble inorganic ions and carbonaceous aerosol, accounting for about 60% and 30% respectively. Higher concentrations of sulfate (SO₄²⁻) and organic carbon (OC) in PM_2.5 occurred in fall and summer, while higher concentrations of nitrate (NO₃⁻) were observed in winter and spring. The mass concentrations of Cl⁻ and K⁺ were higher in winter. Moreover, NO₃⁻ increased significantly during PM_2.5 pollution episodes. The high values observed for the sulfate oxidizing rate (SOR), nitrate oxidizing rate (NOR) and secondary organic carbon (SOC) in OC indicate that photochemical reactions were quite active in Shanghai. The IMPROVE (Interagency Monitoring of Protected Visual Environments) formula was used in this study to investigate the contributions of individual PM_2.5 chemical components to the light extinction efficient in Shanghai. Both NH₄NO₃ and (NH₄)₂SO₄ had close relationships with visibility impairment in Shanghai. Our results show that the reduction of anthropogenic SO₂, NO_x and NH₃ would have a significant effect on the improvement of air quality and visibility in Shanghai.     

An intensive study on aerosol optical properties and affecting factors in Nanjing, China

The optical properties of aerosol as well as their impacting factors were investigated at a suburb site in Nanjing during autumn from 14 to 28 November 2012. More severe pollution was found together with lower visibility. The average scattering and absorption coefficients(B sca and B abs) were 375.7 ± 209.5 and 41.6 ± 18.7 Mm~(-1), respectively. Higher ?ngstr?m absorption and scattering exponents were attributed to the presence of more aged aerosol with smaller particles. Relative humidity(RH) was a key factor affecting aerosol extinction. High RH resulted in the impairment of visibility, with hygroscopic growth being independent of the dry extinction coefficient. The hygroscopic growth factor was 1.8 ± 1.2 with RH from 19% to 85%.Light absorption was enhanced by organic carbon(OC), elemental carbon(EC) and EC coatings,with contributions of 26%, 44% and 75%(532 nm), respectively. The B sca and B abs increased with increasing N_(100)(number concentration of PM_(2.5)with diameter above 100 nm), PM_1 surface concentration and PM_(2.5)mass concentration with good correlation.     

徐州市气溶胶光学厚度与PM2.5相关性及年周期特征

基于徐州市2014～2017年气溶胶光学厚度(AOD)、地面监测站PM_(2.5)浓度及气象数据,构建经标高订正的AOD(AOD/H)与经湿度订正的PM_(2.5)(PM_(2.5)×f_((RH)))之间的5种不同类型的拟合模型,分析两者在不同季节的相关性;同时利用经验模态分解对AOD/H与PM_(2.5)×f_((RH))进行周期变化分析。结果表明:AOD与PM_(2.5)浓度直接相关程度较低,经过订正后两者的相关程度显著提高;选取乘幂模型为最优拟合模型,利用乘幂模型估计得到的PM_(2.5)浓度与地面监测的经湿度订正的PM_(2.5)浓度呈显著正相关,相关系数在四季分别达到0.752、0.650、0.808和0.942;利用经验模态分解分析得到AOD/H与PM_(2.5)×f_((RH))具有显著的年周期变化特征,均在冬季出现高值,后逐渐降低,在6月前后出现极小值,到秋季又逐渐增大;AOD/H与PM_(2.5)×f_((RH))年变化特征表现出很高的一致性(r=0.888),表明在徐州地区AOD/H对PM_(2.5)×f_((RH))在年周期尺度变化特征研究中能起到良好的指示作用。