环境科学研究  2017, Vol. 30 Issue (12): 1832-1840  DOI: 10.13198/j.issn.1001-6929.2017.03.42

引用本文  

康娜, 胡康, Kanike Raghavendra Kumar, 等. 2015年10月南京霾污染过程分析[J]. 环境科学研究, 2017, 30(12): 1832-1840.
KANG Na, HU Kang, Kanike Raghavendra Kumar, et al. Analysis of Haze Weather Process in Nanjing City in October 2015[J]. Research of Environmental Sciences, 2017, 30(12): 1832-1840.

基金项目

江苏省自然科学基金青年基金项目(BK20140996);中国气象局气溶胶与云降水重点开放实验室开放课题(KDW1404);江苏高校优势学科建设工程资助项目(PAPD)

责任作者

作者简介

康娜(1980-), 女, 山西太原人, 讲师, 博士, 主要从事大气环境和空气质量模拟研究, nameir@126.com

文章历史

收稿日期:2017-07-15
修订日期:2017-09-28
2015年10月南京霾污染过程分析
康娜 , 胡康 , Kanike Raghavendra Kumar , 曹晓云 , 邓发荣     
南京信息工程大学, 气象灾害教育部重点实验室, 气候与环境变化国际合作联合实验室, 气象灾害预报预警与评估协同创新中心, 中国气象局气溶胶与云降水重点开放实验室, 江苏 南京 210044
摘要:为探讨南京秋季霾污染过程发生的主要影响因素,利用南京信息工程大学太阳光度计观测霾污染发生天气下AOD(aerosol optical depth,气溶胶光学厚度)数据,计算AE440-1020(Ångström Exponent,波长指数)以及a2(光谱曲率),结合CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星气溶胶组分分析以及MODIS(Moderate Resolution Imaging Spectroradiometer)火点数据,对2015年10月南京霾污染过程进行分析.结果表明:2015年10月出现的两次霾污染过程期间南京地区AE440-1020均高于1.0并且a2呈负值,其中10月16日AQI达到峰值(201),AOD500达1.51,AE440-1020达1.37,a2达-0.77;这两次较为严重的霾污染过程均主要由人为因素(工业污染、城市建设、生物质燃烧、汽车尾气排放等)产生的细粒子所致.后向轨迹分析发现,2015年10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京,加剧了当日的污染程度;2015年10月23日南京地区霾污染天气的发生则主要受长距离输送影响,同时也受到区域型污染影响,加剧了当日的污染程度.研究显示,在稳定的气象条件下,较高的相对湿度、较低的地表风速、低混合层高度以及贴地逆温的出现是诱发霾污染天气产生的有利气象条件.
关键词太阳光度计    AOD    AE        气象条件    
Analysis of Haze Weather Process in Nanjing City in October 2015
KANG Na , HU Kang , Kanike Raghavendra Kumar , CAO Xiaoyun , DENG Farong     
Key Laboratory of Meteorological Disaster, Ministry of Education(KLME), Joint International Research Laboratory of Climate and Environment Change(ILCEC), Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CIC-FEMD), Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China
Abstract: The aim of this study was to investigate the impact of aerosols produced from severe haze process on local meteorology over Nanjing in October 2015. The aerosol optical depth (AOD) observed at Nanjing University of Information Science and Technology (NUIST) from the Sun photometer was used to calculate the Ångström exponent (AE440-1020) and the spectral curvature (a2). The AOD500 and AE440-1020 values were observed to be greater than 1.0, while negative values of a2, indicating dominance of fine-mode aerosols, were found for most of the days, with particularly high values on the heavy haze pollution day (October 16th). The results showed that extreme values of AQI (201), AOD500 (1.51), AE440-1020 (1.37) and a2 (-0.77) were found on October 16th. Furthermore, analysis of aerosol subtypes obtained from the Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations (CALIPSO) as well as Moderate Resolution Imaging Spectroradiometer (MODIS) revealed a clear indication of dominance of fine-mode particles resulting from anthropogenic activities such as industrial and construction activities, biomass burning and automobile transportation. The Hybrid Single Particle Lagrangian Integrated Trajectory (HYSPLIT) model-derived back trajectories on October 16th revealed that the pollutants were mainly originated from local sources. An exception was long-range transported dust (at higher altitudes) from Inner Mongolia and Shandong provinces, which was responsible for the outbreak of high pollution and column loading. In contrast, the trajectories retrieved on October 23rd showed clearly that the air masses reaching Nanjing were mainly from long-range transported in addition to the local sources. It was determined that the stagnant synoptic meteorological conditions were characterized by high relative humidity, low wind speed and low mixed layer depth, which likely contributed to increased environmental pollution over the region.
Keywords: Sun photometer    AOD    AE    haze    meteorology    

自1980年以来,由于经济的快速增长以及化石能源的大量使用,中国受重度污染天气影响越发严重[1-5].国内外相关学者对北京[6-7]、上海[8]、广州[9]、杭州[10]、江苏[11]等地灰霾产生原因以及机制进行了分析讨论.由于气溶胶对太阳辐射具有吸收和散射作用,直接影响了地气系统的辐射收支平衡[12-15].南京地区气溶胶成分、颗粒物质量浓度存在明显的季节差异[16],因此,对南京地区霾污染多发时段的气溶胶个例进行充分研究,对南京未来气溶胶变化和霾污染发生概率以及污染过程研究具有借鉴作用.气象要素变化导致的气旋减少、天气型改变等可能对局地空气污染造成负面影响[17-20],南京地区秋冬季重度霾污染天气主要发生在气象要素相对稳定的天气条件下[21],稳定的大气层结,地面微风、静风环境使得大气污染物在沉降和扩散方面受到阻碍,为霾污染的发生积聚了大量污染源,同时有利于二次气溶胶的形成[21-27].在霾天气的形成与演变过程中,气溶胶细粒子起主导作用[28-29],大气中气溶胶或液体粒子直径在0.001~10 μm之间的颗粒物不仅会对大气环境造成影响,而且会危害人类健康[30-34].在南京地区,AOD(aerosol optical depth,气溶胶光学厚度)、AE(Ångström Exponent,波长指数)值会随季节的变化而变化,AOD峰值一般出现在夏季,低值主要出现在冬季;AE峰值出现在夏季,低值出现在春季和冬季[35].人为污染排放是城市霾污染发生的重要原因[36].人为污染主要来自汽车尾气、建筑工业、工业以及生物质燃烧.地形因素、气候条件、天气的变化也是影响空气污染变化的重要原因[37].降水会降低地区气溶胶浓度,减缓污染程度[38].

该研究对2015年10月南京地区霾污染过程进行分析,研究温度、相对湿度、气压、风向风速、混合层高度、逆温等气象要素的影响,并且结合AOD数据、MODIS(Moderate Resolution Imaging Spectroradiometer)火点数据、CALIPSO(Cloud-Aerosol Lidar and Infrared Pathfinder Satellite Observations)卫星气溶胶组分分析和HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory)后向轨迹数据对污染物种类以及来源进行分析,以期为探索南京地区霾污染发生的主要原因提供支持.

1 数据与方法

研究采用太阳光度计观测到的2015年10月南京信息工程大学地区的340、380、440、500、675、870和1 020 nm的AOD数据,并计算得出AE440-1020(波长为440~1 020 nm的波长指数)数据和a2数据;温度、相对湿度、气压、风向风速等常规气象要素来自WunderGround全球天气精准预报网(https://www.wunderground.com),以及由南京信息工程大学提供的NCEP、MICAPS数据;火点监测数据来自于MODIS传感器中Fire Information for Resource Management System(FIRMS)(https://firms.modaps.eosdis.nasa.gov/download);气溶胶组分分析使用CALIPSO卫星数据(https://www-calipso.larc.nasa.gov);后向轨迹分析采用美国国家海洋和大气管理局(NOAA)开发的轨迹模式HYSPLIT(https://ready.arl.noaa.gov/HYSPLIT.php).

2 结果与讨论 2.1 AQI变化

图 1为2015年10月南京地区AQI日变化.按照HJ 633—2012《环境空气质量指数(AQI)技术规定(试行)》,AQI 101~150为轻度污染,151~200为中度污染,201~300为重度污染,>300为严重污染,由图 1可见,该月分为3个污染过程,分别是1—7日、7—21日、21—31日.第1个污染过程,3日AQI达峰值(108),由于4日、6日、7日南京地区有降水,污染物受到降水的冲刷,AQI降至该月最低值42.第2个污染过程,继上一过程降水过后,AQI持续攀升9 d,在10月16日达到峰值(201). 17日AQI迅速降至110.第3个污染过程,AQI在23日达到此次污染过程中AQI的峰值(130).第1个污染过程首要污染物为NO2,后两个污染过程首要污染物均为PM2.5,PM2.5是霾污染的主要影响因子,故重点讨论后两个污染过程.

注: 虚线AQI为100,根据《环境空气质量指数(AQI)技术规定》,AQI大于100即为污染天. 图 1 2015年10月南京AQI日变化 Fig.1 The variation of AQI values over Nanjing in October 2015
2.2 气象要素

图 2为2015年10月南京地区的风向风速与AQI关系.由图 2可见,北偏东方向出现较大风速(>4 m/s),相应的AQI也较低,主要是因为较大的风速会加快空气团在水平方向上的运动,使得污染物在水平方向输送充分,从而降低污染物的浓度.高AQI主要出现在西北和东南方向上,这两个方向输送的污染物都以人为因素产生的细颗粒污染物为主.当出现高AQI时,地表风速一般都较低,较低的风速会阻碍污染物在水平方向上的输送,加之稳定的边界层条件和高浓度污染源就容易导致污染型天气的发生.

注: 色块代表AQI大小,对应的环线代表风速的大小,位置代表风向. 图 2 风向风速与AQI关系 Fig.2 The relationship between AQI and wind speed, direction

图 3可见,2015年10月南京地区相对湿度月均值为75%,日相对湿度均高于50%.较高的相对湿度使得空气中粒子吸湿性能力增强,增大空气浑浊度,增大霾污染发生的几率,并对大气能见度产生较为严重的影响.2015年10月南京地区地表温度较为稳定,月均值18 ℃.稳定的气象条件为霾污染天气的发生创造了良好条件.

图 3 温度、相对湿度日变化 Fig.3 The daily variations of temperature and relative humidity
2.3 AOD与AE440-1020

Ångström[39]给出了AOD与波长之间的关系:

${\tau _\lambda } = \beta {\lambda ^{ - \alpha }}$ (1)

式中:τλ为波长λ处的AOD;λ为波长,nm;α为AE;β为混浊系数.当AE≥1.0时表示大气中气溶胶粒子以细粒子为主;当AE < 1.0时,说明大气中粒子以粗粒子为主. β为波长1 μm处,整层大气的气溶胶光学厚度,主要反映气溶胶浓度的大小,β越大表明气溶胶的浓度越高.

对式(1) 两边取对数得到式(2),来计算AE:

$\ln {\rm{ }}{\tau _\lambda } = - \alpha \ln {\rm{ }}\lambda + \ln {\rm{ }}\beta $ (2)

通过二阶多项式拟合,可以得到AOD和波长之间更精确的关系[40-41]:

$\ln {\rm{ }}{\tau _\lambda } = {a_2}{\left( {\ln {\rm{ }}\lambda } \right)^2} + {a_1}\ln {\rm{ }}\lambda + {a_0}$ (3)

式中,a0a1a2为二阶多项式拟合系数.当a2为正值时,说明气溶胶粒子尺度分布粗粒子贡献显著;当a2为负值时,气溶胶粒子尺度分布细粒子占主导.

表 1为贴地逆温发生时,南京地区AQI、AOD500a2值、混合层高度以及风向的情况.从表 1可见,10月16日AQI峰值发生在出现贴地逆温的天气条件下.贴地逆温的产生影响了空气垂直对流运动,导致污染物在垂直方向上无法扩散,逆温的长期出现甚至会导致空气污染中毒事件的发生.混合层高度是影响空气团在垂直方向运动的重要因素.当混合层高度较低时,空气垂直对流高度低,污染物在低空循环积聚,容易导致地区性高浓度污染发生.从表 1可见,10月15日和16日前后,混合层高度均降低,使得高空污染物向地面积聚,最终加剧地面污染的程度.

表 1 贴地逆温发生时,南京地区AQI、AOD500a2值以及混合层高度 Table 1 The observed values of AQI, AOD500, spectral curvature, and mixed layer depth during temperature inversion occurred

由于观测数据的限制,某些日期AOD500的观测值存在缺失.然而从已有的数据来看,2015年10月16日AOD500达1.51,23日AOD500为1.04;计算得到的a2均为负值,这意味着观测期间南京地区霾污染天气发生的原因主要是人为因素产生的细粒子污染.

图 4(a)可见,AOD随着波长的增加而降低,误差也随之降低,也说明南京地区受细粒子污染物影响严重.由图 4(b)可见,在污染严重期间,南京地区AE440-1020均高于1.0,平均值为1.15±0.20;β月均值为0.38±0.10. AE440-1020的变化与β的变化呈正相关,10月16日南京地区AQI达峰值,AE440-1020达到最大,为1.37±0.05,受到人为因素产生的细粒子影响严重,β为0.57±0.09,污染浓度最高.23日AE440-1020也达到1.05±0.08,β为0.49±0.05.两次污染过程中AE440-1020峰值都在1.0及以上,结合a2(16日为-0.77,23日为-0.68) 可发现,南京地区2015年10月16日及23日两次霾污染过程主要污染物均为人为因素产生的细粒子.

图 4 AOD随波长的变化及AE440-1020β的变化 Fig.4 Spectral variation of AOD and daily variations of AE440-1020 and β
2.4 MODIS火点

图 5为MODIS卫星提供的我国东部火点图.由图 5(a)可明显看出,2015年10月江苏地区火点相对较少,而山东、河南、湖北、安徽等地密布大量火点.由图 5(b)可直观地发现,5—7日南京及周边地区火点较少,伴随降雨天气的发生,这是7日AQI最低的重要原因;14—16日南京及周边地区有较多的火点出现,并且河南、湖北、安徽火点分布最为密集〔见图 5(c)〕;而21—23日南京周边地区火点〔见图 5(d)〕较16日前后有所减少.我国东部地区农业较为发达,并且农耕面积广,农作物生产量大,秋收之后秸秆燃烧是产生众多火点的主要原因.

注:底图自国家测绘地理信息局(http://bzdt.nasg.gov.cn/index.jsp)下载.原始图件名称:中国地图.审图号: GS(2016) 1607号. 图 5 我国东部MODIS火点 Fig.5 MODIS fire sports observed over East China
2.5 气溶胶来源及后向轨迹

图 6可见,2015年10月16日卫星扫描轨迹距离南京地区较远.结合AE440-1020a2以及后向轨迹(见图 78)分析,该日南京地区受人为因素产生的细粒子影响很大,主要来源于南京及周边地区的工业、交通、建筑等污染排放,并且受北方气流输送影响,将河南等地由生物质燃烧产生的大量细粒子以及少量沙尘输送到南京地区.2015年10月23日(图略)气溶胶成分主要是人为因素产生的细粒子和少量沙尘粒子.

气溶胶来源: 1—干洁海洋空气;2—沙尘;3—大陆型污染物;4—干洁大陆空气;5—污染型沙尘;6—烟粒. 图 6 2015年10月16日CALIPSO气溶胶来源 Fig.6 Aerosol subtypes retrieved from the CALIPSO on 16th October, 2015

图 7 2015年10月南京地区气溶胶聚类模拟 Fig.7 Cluster backward trajectories over Nanjing during October 2015

图 8 2015年10月南京地区气溶胶后向轨迹 Fig.8 Backward trajectories of aerosol over Nanjing during October 2015

利用HYSPLIT后向轨迹分析00:00、06:00、12:00和18:00污染物来源,2015年10月总共有124条空气团抵达南京,将这124条空气团分为3个来源方向(见图 7).其中第1类空气团轨迹共46条,主要来源于河南、安徽等地,占总空气团轨迹的37%,河南、安徽等地有众多的人口和广袤的耕地面积,生物质燃烧产生大量细粒子是污染型天气产生的主要原因.第2类空气团共有21条,主要来源于蒙古及我国内蒙古和河北等地,占总轨迹的17%,该类空气团多携有大量沙尘粒子,待空气团移动到研究地区容易引发沙尘粒子为主的粗颗粒型污染天气.第3类空气团数量最多,共有57条空气团轨迹,占总轨迹的46%,主要来自于黄海和东海,携带有大量从海上输送来的清洁高湿度空气,对污染物浓度的降低起到关键作用,同时空气团在移动路径上也会将来自东部上海等发达城市高浓度人为污染细粒子输送到南京地区.

通过后向72 h轨迹分析南京地区污染物来源,由图 8(a)可见,2015年10月16日南京地区主要受区域型污染和长距离输送共同影响,500 m高度空气团主要来自南京及周边的河南、安徽等地,并且空气团传输路径上有较多的火点出现,这是16日南京地区出现本月AQI最高峰值的重要原因.高AOD表明在1 000和1 500 m高度空气团也将大量污染物输送到南京,这些空气团主要来自于内蒙古地区,途经河北、山东等地,将大量人为因素产生的污染型细粒子输送到南京,同时空气团中携带有少量沙尘粒子. 2015年10月17日轨迹〔见图 8(b)〕更加证实了16日南京地区受区域型污染严重.500和1 000 m高度空气团主要都来自江苏、浙江等地,将发达城市的污染型细粒子输送到南京; 1 500 m高度空气团主要途经山西、山东以及东部沿海发达城市抵达南京.2015年10月23日〔见图 8(c)〕南京地区各高度空气团均来自东部海上,气团经长距离输送,同时携带上海、浙江、安徽等地人为因素产生的细粒子抵达南京.

3 结论

a) 2015年10月,南京出现3个污染过程,发生日期分别是1—7日、7—21日、21—31日.各过程AQI峰值分别为108、201、130.从风速风向来看,西北和东南风向上出现AQI高值,并且地表风速较低.相对湿度月均值75%,地表温度月均值18 ℃,稳定的气象条件为霾污染天气的发生创造了良好条件.

b) 10月16日有贴地逆温发生,出现AQI最大峰值201,AOD500达1.51,AE440-1020达1.37,a2达-0.77;10月23日,AQI为130,AOD500达1.04,AE440-1020达1.05,a2达-0.68;AE440-1020≥1.0,a2均为负值,表明这两次较为严重霾污染过程均主要由人为因素(工业污染、城市建设、生物质燃烧、汽车尾气排放等)产生的细粒子造成.

c)结合MODIS火点数据、CALIPSO卫星气溶胶组分分析以及后向轨迹分析发现,10月16日南京地区霾污染天气发生的主要原因是区域型污染,同时受长距离输送影响,大量携带有人为因素产生的细粒子以及少量沙尘等污染物的空气团途经内蒙古、山东等地到达南京.

d) 10月23日南京地区各高度空气团均来自东部海上,气团经长距离输送,同时携带上海、浙江、安徽等地人为因素产生的细粒子抵达南京.

参考文献
[1]
GUO Jianping, ZHANG Xiaoye, WU Yerong, et al. Spatio-temporal variation trends of satellite-based aerosol optical depth in China during 1980-2008[J]. Atmospheric Environment, 2011, 45(37): 6802-6811. DOI:10.1016/j.atmosenv.2011.03.068 (0)
[2]
ZHANG J K, SUN Y, LIU Z R, et al. Characterization of submicron aerosols during a month of serious pollution in Beijing, 2013[J]. Atmospheric Chemistry and Physics, 2014, 14(6): 1431-1432. (0)
[3]
LIU X G, LI J, QU Y, et al. Formation and evolution mechanism of regional haze:a case study in the megacity Beijing, China[J]. Atmospheric Chemistry and Physics, 2013, 13(9): 4501-4514. DOI:10.5194/acp-13-4501-2013 (0)
[4]
XU Wanzhi, CHEN He, LI Donghui, et al. A case study of aerosol characteristics during a haze episode over Beijing[J]. Procedia Environmental Sciences, 2013, 18: 404-411. DOI:10.1016/j.proenv.2013.04.054 (0)
[5]
WANG Mengya, CAO Chunxiang, LI Guoshuai, et al. Analysis of a severe prolonged regional haze episode in the Yangtze River Delta, China[J]. Atmospheric Environment, 2015, 102: 112-121. DOI:10.1016/j.atmosenv.2014.11.038 (0)
[6]
高健, 张岳翀, 王淑兰, 等. 北京2011年10月连续灰霾过程的特征与成因初探[J]. 环境科学研究, 2012, 25(11): 1201-1207.
GAO Jian, ZHANG Yuechong, WANG Shulan, et al. Study on the characteristics and formation of a multi-day haze in October 2011 in Beijing[J]. Research of Environmental Sciences, 2012, 25(11): 1201-1207. (0)
[7]
LI Z Q, GU X, WANG L, et al. Aerosol physical and chemical properties retrieved from ground-based remote sensing measurements during heavy haze days in Beijing winter[J]. Atmospheric Chemistry and Physics, 2013, 13(20): 10171-10183. DOI:10.5194/acp-13-10171-2013 (0)
[8]
ZHANG Guohua, BI Xinhui, LOU Shengrong, et al. Source and mixing state of iron-containing particles in Shanghai by individual particle analysis[J]. Chemosphere, 2014, 95(1): 9-16. (0)
[9]
吴蒙, 范绍佳, 吴兑, 等. 广州地区灰霾与清洁天气变化特征及影响因素分析[J]. 中国环境科学, 2012, 32(8): 1409-1415.
WU Meng, FAN Shaojia, WU Dui, et al. Characteristics and influence factors study of haze and cleaning weather over Guangzhou Area[J]. China Environmental Science, 2012, 32(8): 1409-1415. (0)
[10]
陈秋方, 孙在, 谢小芳. 杭州灰霾天气超细颗粒浓度分布特征[J]. 环境科学, 2014, 35(8): 2851-2856.
CHEN Qiufang, SUN Zai, XIE Xiaofang. Distribution of atmospheric ultrafine particles during haze weather in Hangzhou.[J]. Environmental Science, 2014, 35(8): 2851-2856. (0)
[11]
陆晓波, 许建华. 一次典型灰霾天气过程及成因分析[J]. 环境监控与预警, 2009, 1(1): 10-13.
LU Xiaobo, XU Jianhua. An analysis of the typical case and cause of haze phenomena[J]. Environmental Monitoring and Forewarning, 2009, 1(1): 10-13. (0)
[12]
CHEN Wei, TANG Hongzhao, ZHAO Haimeng, et al. Analysis of aerosol properties in Beijing based on ground-based sun photometer and air quality monitoring observations from 2005 to 2014[J]. Remote Sensing, 2016, 8(2): 110. DOI:10.3390/rs8020110 (0)
[13]
RAMANATHAN V, FENG Y. Air pollution, greenhouse gases and climate change:global and regional perspectives[J]. Atmospheric Environment, 2009, 43(1): 37-50. DOI:10.1016/j.atmosenv.2008.09.063 (0)
[14]
RAMANATHAN V, CRUTZEN P J, KIEHL J T, et al. Aerosols, climate, and the hydrological cycle[J]. Science, 2001, 294: 2119-2124. DOI:10.1126/science.1064034 (0)
[15]
STREETS D G, WU Y, CHIN M. Two-decadal aerosol trends as a likely explanation of the global dimming/brightening transition[J]. Geophysical Research Letters, 2006, 33: L15806. DOI:10.1029/2006GL026471 (0)
[16]
马佳, 于兴娜, 安俊琳, 等. 南京北郊冬春季大气能见度影响因子贡献研究[J]. 环境科学, 2016, 37(1): 41-50.
MA Jia, YU Xingna, AN Junlin, et al. Contributions of factors that influenced the visibility in north suburb of Nanjing in winter and spring[J]. Environmental Science, 2016, 37(1): 41-50. (0)
[17]
HOGREFE C, LYNN B, CIVEROLO K, et al. Simulating changes in regional air pollution over the eastern United States due to changes in global and regional climate and emissions[J]. Journal of Geophysical Research Atmospheres, 2004, 109(D22): 2215-2226. (0)
[18]
LEIBENSPERGER E M, MICKLEY L J, JACOB D J. Sensitivity of US air quality to mid-latitude cyclone frequency and implications of 1980-2006 climate change[J]. Atmospheric Chemistry and Physics, 2008, 8(3): 7075-7086. (0)
[19]
LEUNG L R, JR W I G. Potential regional climate change and implications to U.S. air quality[J]. Geophysical Research Letters, 2005, 32(16): 367-384. (0)
[20]
齐冰, 刘寿东, 杜荣光, 等. 杭州地区气候环境要素对霾天气影响特征分析[J]. 气象, 2012, 38(10): 1225-1231.
QI Bing, LIU Shoudong, DU Rongguang. The characteristic analysis of climatic and environmental factors on the haze weather in Hangzhou[J]. Meteorological Monthly, 2012, 38(10): 1225-1231. DOI:10.7519/j.issn.1000-0526.2012.10.008 (0)
[21]
朱佳雷, 王体健, 邢莉, 等. 江苏省一次重霾污染天气的特征和机理分析[J]. 中国环境科学, 2011, 31(12): 1943-1950.
ZHU Jialei, WANG Tijian, XING Li, et al. Analysis on the characteristics and mechanism of a heavy haze episode in Jiangsu Province[J]. China Environmental Science, 2011, 31(12): 1943-1950. (0)
[22]
任丽红, 周志恩, 赵雪艳, 等. 重庆主城区大气PM10及PM2.5来源解析[J]. 环境科学研究, 2014, 27(12): 1387-1394.
REN Lihong, ZHOU Zhien, ZHAO Xueyan, et al. Source apportionment of PM10 and PM2.5 in urban areas of chongqing[J]. Research of Environmental Sciences, 2014, 27(12): 1387-1394. (0)
[23]
陈本清, 杨燕明. 台湾海峡及周边海区气溶胶时空分布特征的遥感分析[J]. 环境科学学报, 2008, 28(12): 2597-2604.
CHEN Benqing, YANG Yanming. Remote sensing of the spatio-temporal pattern of aerosol over Taiwan Strait and its adjacent sea areas[J]. Acta Scientiae Circumstantiae, 2008, 28(12): 2597-2604. DOI:10.3321/j.issn:0253-2468.2008.12.031 (0)
[24]
夏思佳, 赵秋月, 李冰, 等. 南京地区典型大气污染过程分析[J]. 环境科学与技术, 2013, 36(4): 97-102.
XIA Sijia, ZHAO Qiuyue, LI Bing, et al. Analysis on typical atmospheric pollution process in Nanjing area[J]. Environmental Science & Technology(China), 2013, 36(4): 97-102. (0)
[25]
于兴娜, 马佳, 朱彬, 等. 南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响[J]. 环境科学, 2015, 36(6): 1919-1925.
YU Xingna, MA Jia, ZHU Bin, et al. Effects of relative humidity and aerosol physicochemical properties on atmospheric visibility in northern suburb of Nanjing[J]. Environmental Science, 2015, 36(6): 1919-1925. (0)
[26]
朱彬, 苏继锋, 韩志伟, 等. 秸秆焚烧导致南京及周边地区一次严重空气污染过程的分析[J]. 中国环境科学, 2010, 30(5): 585-592.
ZHU Bin, SU Jifeng, HAN Zhiwei, et al. Analysis of a serious air pollution event resulting from crop residue burning over Nanjing and surrounding regions[J]. China Environmental Science, 2010, 30(5): 585-592. (0)
[27]
陈光辉. 2013年1月开原市持续性雾霾天气成因分析[J]. 北京农业, 2013(27): 156-157. (0)
[28]
YU Xingna, KANIKE R K, LV Rui, et al. Changes in column aerosol optical properties during extreme haze-fog episodes in January 2013 over urban Beijing[J]. Environmental Pollution, 2016, 210: 217-226. DOI:10.1016/j.envpol.2015.12.021 (0)
[29]
姚青, 蔡子颖, 韩素芹, 等. 天津冬季雾霾天气下颗粒物质量浓度分布与光学特性[J]. 环境科学研究, 2014, 27(5): 462-469.
YAO Qing, CAI Ziying, HAN Suqin, et al. PM2.5 pollution characteristics and aerosol optical properties during fog-haze episodes in Tianjin[J]. Research of Environmental Sciences, 2014, 27(5): 462-469. (0)
[30]
HE Qingqing, ZHANG Ming, HUANG Bo. Spatio-temporal variation and impact factors analysis of satellite-based aerosol optical depth over China from 2002 to 2015[J]. Atmospheric Environment, 2016, 129: 79-90. DOI:10.1016/j.atmosenv.2016.01.002 (0)
[31]
吴兑. 一种新的灾害性天气:灰霾[J]. 环境, 2008(7): 38-39. (0)
[32]
吴兑, 毕雪岩, 邓雪娇, 等. 珠江三角洲大气灰霾导致能见度下降问题研究[J]. 气象学报, 2006, 64(4): 510-517.
WU Dui, BI Xueyan, DENG Xuejiao, et al. Effect of atmospheric haze on the deterioration of visibility over the Pearl River Delta[J]. Acta Meteorologica Sinica, 2006, 64(4): 510-517. DOI:10.11676/qxxb2006.050 (0)
[33]
WU Dui, TIE Xuexi, LI Chengcai, et al. An extremely low visibility event over the Guangzhou region:a case study[J]. Atmospheric Environment, 2005, 39(35): 6568-6577. DOI:10.1016/j.atmosenv.2005.07.061 (0)
[34]
刘建, 吴兑, 范绍佳. 珠江三角洲区域污染分布及其垂直风场特征[J]. 环境科学, 2015, 36(11): 3989-3998.
LIU Jian, WU Dui, FAN Shaojia. Distribution of regional pollution and the characteristics of vertical wind field in the Pearl River Delta[J]. Environmental Science, 2015, 36(11): 3989-3998. (0)
[35]
KANG Na, KANIKE R K, HU Kang, et al. Long-term (2002-2014) evolution and trend in collection 5.1 level-2 aerosol products derived from the MODIS and MISR sensors over the Chinese Yangtze River Delta[J]. Atmospheric Research, 2016, 181: 29-43. DOI:10.1016/j.atmosres.2016.06.008 (0)
[36]
王静, 牛生杰, 许丹, 等. 南京一次典型雾霾天气气溶胶光学特性[J]. 中国环境科学, 2013, 33(2): 201-208.
WANG Jing, NIU Shengjie, XU Dan, et al. Aerosol optical properties during the typical haze/fog event in Nanjing[J]. China Environmental Science, 2013, 33(2): 201-208. (0)
[37]
KANG Na, KANIKE R K, YIN Yan, et al. Correlation analysis between AOD and cloud parameters to study their relationship over China using MODIS data (2003-2013):impact on cloud formation and climate change[J]. Aerosol and Air Quality Research, 2015, 15: 958-973. (0)
[38]
MEHTA M, SINGH R, SINGH A, et al. Recent global aerosol optical depth variations and trends:a comparative study using MODIS and MISR level 3 datasets[J]. Remote Sensing of Environment, 2016, 181: 137-150. DOI:10.1016/j.rse.2016.04.004 (0)
[39]
ÅNGSTRÖM A. The parameters of atmospheric turbidity[J]. Tellus, 1964, 16: 64-75. (0)
[40]
KASKAOUTIS D G, KAMBEZIDIS H D. Comparison of the Ångström parameters retrieval in different spectral ranges with the use of different techniques[J]. Meteorology and Atmospheric Physics, 2008, 99: 233-246. DOI:10.1007/s00703-007-0279-y (0)
[41]
KANG Na, KANIKE R K, YU Xingna, et al. Column-integrated aerosol optical properties and direct radiative forcing over the urban-industrial megacity Nanjing in the Yangtze River Delta, China[J]. Environmental Science and Pollution Research, 2016, 23: 17532-17552. DOI:10.1007/s11356-016-6953-1 (0)