華東地區氣溶膠分布和變化特征研究

劉璇，朱彬，關學鋒，劉慧敏，袁亮

（1.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；2.中亞大氣科學研究中心，新疆 烏魯木齊 830002；3.南京信息工程大學氣象災害教育部重點實驗室，氣候與環境變化國際合作聯合實驗室，氣象災害預報預警與評估協同創新中心，中國氣象局氣溶膠與云降水重點開放實驗室，江蘇 南京 210044；4.白銀市氣象局，甘肅 白銀 730900）

華東地區氣溶膠分布和變化特征研究

劉璇1，2，朱彬3，關學鋒1，2，劉慧敏4，袁亮3

（1.中國氣象局烏魯木齊沙漠氣象研究所，新疆 烏魯木齊 830002；2.中亞大氣科學研究中心，新疆 烏魯木齊 830002；3.南京信息工程大學氣象災害教育部重點實驗室，氣候與環境變化國際合作聯合實驗室，氣象災害預報預警與評估協同創新中心，中國氣象局氣溶膠與云降水重點開放實驗室，江蘇 南京 210044；4.白銀市氣象局，甘肅 白銀 730900）

利用中分辨率光譜儀（MODIS）獲得的氣溶膠光學厚度（AOD）、細粒子比例（FMF）和臭氧檢測儀（OMI）獲得的氣溶膠指數（AI）統計分析了2005—2014年我國華東地區氣溶膠光學性質的時空分布特征，同時利用潛在源分析（PSCF）模型對我國華東地區AOD和AI的潛在源區進行分析。研究結果表明：華東地區的AOD、FMF和AI時空分布存在較大的差異，2005—2014年AOD和AI的平均值高值主要分布在華東地區北部，FMF的高值區則分布在華東南部地區；10 a間華東地區AOD呈現出先升高后降低的趨勢，FMF波動幅度不明顯，AI值有所上升；整個華東地區AOD的季節變化較為明顯，春夏兩季AOD明顯高于秋冬兩季。華東北部和中部地區夏季由于較高的相對濕度，AOD最大可達0.8以上。而在華東南部地區，夏季受到降水的影響，AOD維持在0.2～0.4之間。FMF季節變化趨勢與AOD不同，夏季最大達到0.58，春季最小僅為0.26。AI平均值在冬季最大高達0.63，夏季最小，為0.27。PSCF分析顯示華東地區AOD主要源區以局地排放為主，同時也存在由河南、湖北和湖南等周邊省市近距離輸送影響；AI以局地和北方遠距離輸送為主，同時也受到河南、湖北等周邊省市近距離輸送的影響。

氣溶膠光學厚度（AOD）；細粒子比例（FMF）；氣溶膠指數（AI）；潛在源分析（PSCF）

大氣氣溶膠是由大氣介質和混合于其中的固體或液體顆粒物組成的多相體系，其可以通過直接或間接地改變地—氣系統的輻射收支來影響氣候和環境[1-2]。此外，隨著經濟的不斷發展、全球工業化程度的不斷提高，霧霾問題日益嚴重，由其引起的環境及人類健康問題引起了越來越多的關注[3]。由于氣溶膠理化性質具有時空多變性，氣溶膠對氣候與環境影響在很大程度上依賴于對其時空分布狀況的了解和光學特性的準確估算[4-5]。目前針對氣溶膠觀測主要有地基和衛星兩大類，地基觀測方面，由美國和中國分別建立的氣溶膠自動觀測網（AERONET）[6]和氣溶膠遠程遙感觀測網絡（CARSNET）[7]已被廣泛應用于氣溶膠光學性質的長期觀測，以便準確評估全球氣溶膠輻射強迫。尤其是目前正不斷完善的CARSNET觀測網絡，為廣大學者研究中國不同地區氣溶膠光學性質及其輻射性質的評估提供了統一的數據來源和科學有力的支持[7-8]。然而，盡管地基大氣氣溶膠觀測精度高，但其站點分布相對稀疏，無法獲取到大范圍氣溶膠空間分布特征。相較于此，衛星遙感覆蓋范圍廣，反演信息更全面，能夠有效的彌補地面監測站點空間上的不足。因此，利用衛星遙感資料來分析大氣成分的區域分布和變化逐漸成為目前重要的探測手段。其中中分辨率光譜儀（MODIS）不僅能用于大氣水汽的反演[9-10]，而且其氣溶膠數據產品常被用于全球氣溶膠光學性質的研究，例如，Chu等[11]利用2000年7—9月AERONET的30個站點和對應的MODIS氣溶膠產品評估了MODIS陸地氣溶膠光學厚度產品的誤差。毛節泰、李成才等[12-15]在香港、北京和長江三角洲等地區，利用光度計觀測資料驗證了MODIS氣溶膠產品的可靠性。該產品同樣也被用于對我國四川盆地、長江三角洲地區和中國東部地區氣溶膠的時空分布特征進行分析[16-20]。此外，研究還指出MODIS的氣溶膠光學厚度在定量評估空氣質量等級、監測大氣污染及區域尺度的空氣質量監測方面都有著重要的應用潛力[11，21-22]。Hsu等[23]和Herman等[24]利用TOMS兩個短波波段的輻射比定義了氣溶膠指數（Aerosol Index，AI），該指數能夠表征氣溶膠吸收能力的強弱，同時也能夠用于識別氣溶膠源和傳輸類型。Hsu等[23，25]指出AI和地面太陽光度計觀測的氣溶膠光學厚度在非洲沙塵期間、生物質燃燒期間及夏季有很好的線性相關關系。Torres等[26]研究發現AI不僅與AOD有關，而且還與氣溶膠其他光學特性、單次散射反照率、氣溶膠高度以及儀器的觀測角度等因素有關。

作為中國綜合技術水平較高的經濟區，近年來華東地區受到汽車尾氣排放、化石燃料燃燒等影響，大氣中氣溶膠含量顯著增加，不僅使得城市空氣質量受到較大的威脅，而且對區域環境和氣候也造成巨大的影響[27]。有研究表明各城市間存在大氣污染的相互影響和輸送問題[28-29]，因此氣溶膠的分布特征與污染物來源有著密切關系。源貢獻因子分析法（Potential source contribution function，PSCF）是目前應用較為廣泛的源地統計方法，例如王愛平等[30]和張磊等[31]利用PSCF分析了黃山頂氣溶膠的潛在源地，但此類分析都是與地面站點觀測資料相結合，本文旨在利用衛星遙感長時間觀測的多種數據對華東地區氣溶膠分布和變化進行統計分析，同時結合潛在源貢獻因子分析法（PSCF）分析華東地區氣溶膠的潛在源地。以期為衛星遙感在區域環境監測的適用性和在空氣污染過程中的應用以及在空氣質量預報和控制方面提供科學性參考。

1 資料與方法

使用2005—2014年的MODIS氣溶膠光學厚度產品以及OMI的氣溶膠指數數據集，包括氣溶膠光學厚度（AOD）、細粒子比例（FMF）和氣溶膠指數（AI），分析了我國華東地區大陸上空氣溶膠光學性質近10 a的區域和季節分布特征及其變化趨勢，季節劃分標準為：3—5月為春季，6—8月為夏季，9—11月為秋季，12—2月為冬季。此外，還利用潛在源貢獻因子分析法（PSCF）分析了2005—2014年的AOD和AI的潛在源地。

1.1 MODIS數據集

利用2005年1月—2014年12月MODIS產品的氣溶膠日、月數據集（MOD08，MODIS Level，版本C051）：（1）550 nm波段的AOD（Aerosol Optical Depth at 0.55 microns for both Ocean(best)and Land（corrected）：Mean）；（2）細粒子比例FMF,即細粒子模式對光學厚度的貢獻百分比（Ratio of fine mode aerosol optical depth at 0.55 micron for both land and ocean：Mean），空間分辨率為1°×1°經緯度網格。

1.2 OMI數據集

利用2005年1月1日—2014年12月31日OMI的氣溶膠日數據集（Level3，版本V003）:氣溶膠指數（Aerosol Index，AI），其可以表征氣溶膠在紫外波段的吸收能力，AI越高，其吸收性越強，該指數定義為331 nm和360 nm通道光譜的輻射通量之比（公式（1）），該波段與臭氧吸收沒有關系，空間分辨率為1°×1°經緯度網格。

式中：Imeas是給定波長后向散射輻射通量；Icalc是利用完全瑞利（Rayleigh）大氣輻射傳輸模式計算的輻射通量。從本質上講，AI表示了氣溶膠吸收瑞利散射輻射通量相對于完全瑞利輻射通量的大小量度[24]。對于吸收性氣溶膠如沙塵、煙灰、生物質燃燒等，AI值為正，對于云和非吸收性的氣溶膠如海鹽粒子、硫化物等，AI近似等于0。

1.3 潛在源貢獻因子分析法（PSCF）

使用TrajStat軟件[32]，利用美國國家海洋和大氣管理局（NOAA）的Hybrid Single Particle Lagrangian Integrated Trajectory（Hysplit）模式的軌跡計算模塊和美國國家環境預報中心（NCEP）和國家大氣研究中心（NCAR）的全球再分析資料，計算了2005—2014年每日14:00 LT到達受點的72 h后向軌跡，軌跡計算的起始點高度為海拔100 m[33]。

PSCF[34-38]（Potential source contribution function）、CWT[39]（Concentration-weighted field）和QTBA[40]（Quantative transport bias analysis）是目前應用較為廣泛的幾種源地統計方法。其中PSCF是基于條件概率函數發展而來的一種判斷污染源可能方位的方法，該方法基于Hysplit后向軌跡模型所計算的氣團后向軌跡，結合某要素值（本文指AOD和AI）來計算出其潛在排放源。本研究將氣團軌跡所經過的區域劃分為0.25°×0.25°經緯度網格，對研究的要素（AOD和AI）設定一個閾值，PSCF函數即被定義為經過某一網格的氣團到達受點時對應的某要素值超過設定閾值的條件概率。當軌跡所對應的要素值高于所設定的閾值時，認為該軌跡是污染軌跡。若經過網格（i，j）的污染軌跡端點數為mij（氣團傳輸越慢，單位時間內軌跡端點數越多），而經過該網格（i，j）內的所有軌跡端點數為nij，PSCF則可由公式（2）計算。然而，PSCF是一種條件概率，PSCF的誤差會隨著網格與采樣點的距離增加而增加，即當nij較小時，將會存在較大的不確定性，因此引入權重函數W（nij）來減小PSCF的不確定性。當某一網格內的nij小于研究區內每個網格的平均軌跡端點數的3倍時，就要使用W（nij）來減小PSCF的不確定性。

PSCF的值越大，表明該網格點對受體的要素值貢獻越大。高PSCF值所對應網格組成的區域就是AOD和AI的潛在源區，經過該區域的軌跡就是對AOD和AI有影響的輸送路徑。

2 結果與討論

2.1 華東地區氣溶膠光學厚度、細粒子比例及氣溶膠指數的分布特征

圖1 是由2005—2014年MODIS月平均AOD資料、月平均FMF資料和OMI日平均AI資料，計算得到我國華東地區氣溶膠平均分布狀況。就AOD而言，從圖1a可以明顯看到，華東地區氣溶膠主要集中在華東北部地區山東北部和西部、安徽北部、江蘇、上海及鄱陽湖一帶，最大值可達0.8以上，長江三角洲地區的大值中心多分布在長江以南，而華東南部及山區（武夷山脈）的AOD值較低，在0.3以下。AOD的分布受人口密度、地形和工業分布的影響，大多數氣溶膠在產生源附近都有較高的值[41]。在山東，由于山脈的作用，西部的氣溶膠氣團在西風帶的作用下向東傳輸時受到阻擋，不易擴散，只能沿山脈以西向南輸送而進入華東地區，因此這條狹長的地帶也是內陸氣溶膠進入華東地區的傳輸通道。此外，由于銅陵、馬鞍山、淮南等地都有大型的工業產地，會排放出大量的氣溶膠，進而形成了安徽北部、山東南部及江蘇北部地區的氣溶膠大值區。而江蘇南部、上海為長三角地區重要的經濟發展中心，人口密度大，這些地區的人類活動和工業排放都會產生大量的氣溶膠，從而形成了長三角地區的氣溶膠大值區，也是華東地區氣溶膠最大值所在區域。

從FMF分布（圖1b）可以看到，FMF分布與AOD分布相反，在華東北部，尤其是黃淮地區，FMF為低值，而AOD卻很高，說明該地區有大量的粗粒子氣溶膠源或受其影響最嚴重。在華東南部AOD值較低，為清潔區域，但FMF比例相對較高，則該區域以細粒子氣溶膠為主。

圖1c為AI分布圖，可以看到AI與AOD分布形勢類似，華東北部整體高于南部地區，AI由北至南逐漸降低，以山東北部和西部為最高值，說明整個華東地區由北至南吸收性氣溶膠逐漸減少。可能是受北方沙塵及北方冬季采暖的影響，致使華東地區北部吸收性氣溶膠高于南部。

圖1 華東地區2005—2014年AOD（a）、FMF（b）及AI（c）平均分布特征

圖2 為華東地區2005—2014年AOD、FMF及AI的年均值序列，可以看出該區域三者在這10 a的變化趨勢并不同，AOD有下降趨勢，但幅度并不明顯（擬合公式斜率b=-0.01），FMF無明顯變化，僅有小的波動。AOD變化范圍在0.4～0.7之間，FMF變化范圍在0.3～0.5之間。在2007年之前AOD和FMF有較明顯的增加趨勢，并在2007年二者分別達到最高值0.62和0.46。He等[42]對華東地區AOD進行統計分析，得出結論為華東地區的氣溶膠在2000—2007年間有不斷增加的趨勢。2007年之后AOD和FMF又逐漸下降，并分別于2012年、2013年達到最低值，AOD均值小于0.5，FMF均值小于0.4，說明2007年之后，隨著能源結構的改革，該區域的氣溶膠粒子有所減少，氣溶膠污染有所改善，但粗粒子氣溶膠比例有所增加。另外，AI變化范圍在0.3～0.5之間，10 a間有先降低后增加的趨勢，在2008年達到最低值0.382，在2010年達到最高值0.50。說明該區域吸收性氣溶膠在這10 a有增加的趨勢，主要是由于冬季AI指數的逐年增加而造成總體均值的增加。

圖2 華東地區2005—2014年AOD、FMF及AI年際變化

2.2 華東地區氣溶膠光學厚度、細粒子比例及氣溶膠指數的季節變化特征

圖3 華東地區2005—2014年AOD季節分布

圖3顯示了2005—2014年華東地區10 a的平均AOD季節分布，總體來講該地區春夏兩季AOD明顯高于秋冬兩季。春季，華東地區AOD平均為0.64，受中國北方沙塵暴的影響，山東除中部地區以外的大部分區域、安徽北部、江蘇和上海及其周邊地區的AOD基本大于0.7，鄱陽湖平原的AOD出現全年最大值，高達0.8以上。上海及其周邊地區AOD高達1以上，是整個華東地區AOD最高值所在區域。在夏季，華東地區AOD平均為0.64，與春季相當。與春季相比，夏季華東地區北部和中部AOD明顯增高，基本都達到0.8以上，山東西部和北部、江蘇南部、上海及其周邊地區AOD超過1的區域明顯擴大，長江三角洲近70%的區域都在0.9以上。該區域AOD夏季高于春季可能是由于夏季濕度較高，吸濕性氣溶膠粒子吸濕增長會使AOD增大，另外夏季光化學作用也會導致AOD增加[41]。相反，華東南部地區夏季較春季AOD有所下降，可能由于南部地區夏季受季風影響，降水較多，導致AOD在南部地區的低值，僅在0.2～0.4之間。秋冬季華東地區在盛行的西風作用下使氣溶膠迅速擴散，從而AOD迅速回落。秋季華東地區AOD平均值為0.48，在冬季，由于華東區域不斷的受到清潔大陸性氣團的影響，冬季AOD值略低于秋季達到全年最小值，冬季平均值為0.43，只有江蘇東部、上海及其周邊地區的AOD高于0.7，明顯高于其他地區。

圖4為2005—2014年華東地區平均FMF季節分布，可以明顯看出，華東地區春季小于夏季，尤其是華東南部地區的FMF在春季為全年最小值，整個華東地區春季FMF平均值僅為0.26，說明春季氣溶膠粒子尺度較大，這是受沙塵天氣影響的結果。夏季華東地區的FMF為全年最大，平均值達到0.58，這一方面是由于夏季的光化學作用強，氣粒轉換生成的粒子尺度較小，另一方面夏季的水溶性粒子增多，也會是大氣中的細粒子比例增加。值得注意的是，華東北部地區的FMF值在冬季是最小的，尤其是長三角一帶的FMF值為整個華東地區的最小值，說明在冬季，華東北部地區的氣溶膠粒子尺度很大，這可能是受到海洋性環流的影響，海洋性氣溶膠的比例增多而造成的[42]。

圖4 華東地區2005—2014年FMF季節分布

圖5為華東地區2005—2014年的平均AI季節分布，可以看出，華東地區春秋冬三季都大于夏季，夏季華東整個地區的AI值都為全年最小值，AI平均值約為0.27，說明夏季該地區吸收性氣溶膠很少。春季略高于秋季，平均值為0.47，且華東北部地區高于南部，說明春季華東北部地區的吸收性氣溶膠較多，這也是受沙塵天氣影響的結果。秋冬兩季的AI高值是由于北方采暖產生的黑炭為吸收性氣溶膠而造成的，可以明顯看出該區域冬季AI值為全年最高，平均值高達0.63，尤其是山東北部和西部，部分地區AI高達1以上。

圖5 華東地區2005—2014年AI季節分布

為了進一步分析AOD、FMF及AI的季節變化，圖6 給出了華東地區三者季節平均的時間序列，圖中可以發現，AOD春夏兩季大于秋冬兩季，且在2007年之后AOD略有下降的趨勢。FMF夏秋兩季大于冬春兩季，該值在四個季節的年際變化并無明顯趨勢，但AOD和FMF在夏季的變化相較于其他三個季節波動較明顯，這可能與不同年份，夏季溫度，濕度的多變有關。此外，AI值冬季>春季>秋季>夏季，說明該地區冬季吸收性氣溶膠最多，夏季含量最少，且夏季AI基本無變化，而在冬季有逐漸升高的趨勢，這也造成了AI年際變化逐年升高的趨勢。結合圖5分析可知，冬季AI的增加主要是由于華東地區北部吸收性氣溶膠增加所致，這些特征與上文結論相一致。

圖6 華東地區2005—2014年AOD、FMF及AI季節平均時間序列

2.3 華東地區氣溶膠潛在源分析

為了分析華東地區氣溶膠潛在來源，本研究通過提取華東地區8個代表城市（濟南、徐州、南京、合肥、上海、杭州、南昌和福州）每日AOD及AI數據，將其與每日14時后向軌跡結合，并設定2005—2014年華東地區AOD和AI的平均值0.55和0.44為PSFC分析閾值，得到這8個城市AOD（圖7）和AI（圖8）的潛在污染源分布。圖中顏色越紅，表示該網格區域對所研究城市的AOD和AI貢獻越大。

圖7 8個代表城市AOD的潛在源貢獻因子（PSCF）分布（白色空心圓圈代表相應的城市）

從圖7 中可以看出，整個華東地區AOD潛在源區主要集中在該區域內。此外，華東地區自北向南，源區存在明顯的變化，華東地區北部（濟南和徐州）AOD貢獻區域主要為華東中部地區，其中主要包括安徽東部、江蘇西部以及長江三角洲地區，此外河南、湖北和湖南部分地區也具有較大PSCF值，有的甚至接近1，說明影響華東地區北部的污染物主要來自于上述幾個區域。此外，我國東北部分地區對華東地區北部AOD也有一定貢獻。華東地區中部（南京、合肥、上海和杭州）AOD主要來源于局地，并受華東地區南部影響，相對華東地區北部，AOD源區分布更向南部擴散，面積更大，但貢獻程度相對有所降低。相對于以上兩個區域，華東地區南部（南昌和福州）AOD潛在源區的貢獻值相對較小，一般在0.7以下，尤其是福州地區PSCF值基本都在0.3以下。主要原因可能在于華東地區南部AOD值原本較低（圖1 ），因此該區域及附近對華東地區南部AOD貢獻較小。綜上所述，整個華東地區南方地區對北方地區AOD貢獻較大，且主要以華東地區中部的安徽、江蘇以及長江三角洲地區的貢獻為主，說明華東地區AOD以本地排放為主，同時也存在由河南、湖北和湖南等周邊省市近距離輸送影響。

圖8 8個代表城市AI的潛在源貢獻因子（PSCF）分布（上述各幅圖中白色空心圓圈代表相應的城市）

圖8給出了華東地區8個代表城市AI的PSCF分布圖，其分布與AOD有著明顯的差異。總體上，華東地區AI的PSCF值由北向南逐漸減少，蒙古國和我國內蒙古東部，遼寧西南部以及華北地區對華東地區北部（濟南和徐州）AI的貢獻相對較大，這可能是受北方沙塵和北方城市冬季采暖產生吸收性氣溶膠的影響。這也導致了AI在華東地區北部的相對高值（圖1 ）。此外河南和湖北也對該區域AI有所貢獻。上述區域對華東地區中部（南京、合肥、上海和杭州）AI的影響相對北部有所減小，主要貢獻源分布向南部和西部移動，以山東、安徽和江蘇三省以及華東地區以西，我國中部以河南、湖北東部為主。華東地區南部（南昌和福州）AI貢獻源地相對其他城市分布更靠南部，在內陸地區（南昌）PSCF高值區域主要分布在偏北的河南和湖北東部。而各地區對靠近沿海地區（福州）AI貢獻都相對較弱，主要原因在于南部沿海地區受內陸影響較小。由此可見，華東北部地區AI主要由北向南輸送，這與沙塵的輸送路徑一致，同時冬季采暖對華東地區北部也有重要影響。此外，華東地區中部和南部的AI主要貢獻源地為整個華東地區及河南、湖北兩省，因此，華東地區AI以局地和北方遠距離輸送為主，同時也受到河南、湖北等周邊省市近距離輸送的影響。圖9顯示AOD與AI的分布有很大的不同，AOD的高值區主要分布在我國中東部地區，而AI的高值區除了在塔克拉瑪干沙漠外主要分布在我國北方地區，這也是造成AOD與AI的潛在源貢獻區不同的重要原因。

圖9 中國地區2005—2014年AOD（a）及AI（b）平均分布特征

3 結論

（1）華東地區的AOD、FMF和AI在時空分布上存在較大的差異。2005—2014年AOD和AI的平均值高值主要分布在華東地區北部，FMF的高值區則分布在華東地區南部。10 a間華東地區AOD呈現出先升高后降低的趨勢，FMF波動幅度不明顯，AI值有所上升。

（2）AOD的季節變化較為明顯，春夏兩季AOD明顯高于秋冬兩季。華東北部和中部地區夏季由于較高的相對濕度，AOD最大可達0.8以上。而在華東南部地區，夏季受到降水的影響，AOD維持在0.2～ 0.4之間。FMF季節變化趨勢與AOD不同，夏季最大達到0.58，春季最小僅為0.26。AI平均值在冬季最大高達0.63，夏季最小，為0.27。

（3）華東地區AOD和AI的華東地區AOD以本地排放為主，同時也存在由河南、湖北和湖南等周邊省市污染物的近距離輸送影響；AI以局地和北方遠距離輸送為主，同時也受到河南、湖北等周邊省市污染物的近距離輸送的影響。

本研究使用的是MODIS、OMI三級數據，分辨率較低。期望今后能使用更高時空分辨率的數據進行分析，以得到更加精確的時空分布特征。此外，由于PSCF反映的是某網格中污染軌跡所占的比例，該方法存在一定的缺陷：不能區分相同PSCF值的網格對觀測點污染程度貢獻的大小，即無法確定經過該網格內的軌跡對應的某要素值是略高于還是很高于設定的閾值。后期希望利用濃度權重軌跡分析（CWT）方法計算軌跡的權重濃度，以反映不同軌跡的污染程度。

[1] 唐孝炎，張遠航，邵敏.大氣環境化學[M] .北京：高等教育出版社，2006.

[2] 費燁，夏祥鰲.1980—2009年中國大陸中東部氣溶膠—云—輻射變化及其關系[J] .氣象與環境科學，2016，39（2）：1-9.

[3] 劉思瑤，濮江平，周毓荃，等.河北氣溶膠濃度垂直分布特性研究[J] .氣象與環境科學，2016，39（2）：41-45.

[4] 王冠嵐，薛建軍，張建忠.2014年京津冀空氣污染時空分布特征及主要成因分析[J] .氣象與環境科學，2016，39（1）：34-42.

[5] 劉桂青，李成才，朱愛華，等.長江三角洲地區大氣氣溶膠光學厚度研究[J] .上海環境科學，2003（8）：50-54.

[6] Holben B N,Eck T F,Slutsker I,et al.AERONET-A federated instrument network and data archive for aerosol characterization[J] .Remote Sensing of Environment,，1998，66：1-16.

[7] Che H Z,Zhang X Y,Xia X,et al.Ground-based aerosol climatology of China:aerosol optical depths from the China Aerosol Remote Sensing Network（CARSNET）2002-2013 [J] .Atmospheric Chemistry and Physics，2015，15：7619-7652.

[8] Che H Z,Xia X,Zhu J,et al.Column aerosol optical properties and aerosol radiative forcing during a serious haze-fog month over North China Plain in 2013 based on ground-based sunphotometer measurements[J] . Atmospheric Chemistry and Physics，2014，14：2125-2138.

[9] 崔彩霞，楊青，趙玲，等.MODIS近紅外大氣可降水含量與烏魯木齊地基GPS水汽數據的對比分析[J] .沙漠與綠洲氣象，2008，2（1）：1-4.

[10] 李艷永，崔彩霞，趙玲，等.基于MODIS的近紅外大氣水汽含量的反演及其與地基GPS水汽的對比分析[J] .沙漠與綠洲氣象，2010，4（6）：30-33.

[11] Chu D A,Kaufman Y J,Zibordi G,et al.Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer（MODIS）[J] .Journal of Geophysical Research:Atmospheres，2003，108（D21）：4661.

[12] 毛節泰，李成才，張軍華，等.MODIS衛星遙感北京地區氣溶膠光學厚度及與地面光度計遙感的對比[J] .應用氣象學報，2002，13（1）：127-135.

[13] 李成才，毛節泰，劉啟漢.利用MODIS遙感大氣氣溶膠及氣溶膠產品的應用[J] .北京大學學報（自然科學版），2003，39（21）：105-117.

[14] 李成才，毛節泰，劉啟漢，等.利用MODIS光學厚度遙感產品研究北京及周邊地區的大氣污染[J] .大氣科學，2003，27（5）：869-880.

[15] 劉桂青，李成才，朱愛華，等.長江三角洲地區大氣氣溶膠光學厚度研究[J] .環境保護，2003，（8）：50-54.

[16] 李成才，毛節泰，劉啟漢.用MODIS遙感資料分析四川盆地氣溶膠光學厚度時空分布特征[J] .應用氣象學報，2003，14（1）：1-7.

[17] 李成才，毛節泰，劉啟漢，等.利用MODIS研究中國東部地區氣溶膠光學厚度的分布和季節變化特征[J] .科學通報，2003，48（19）：2094-2100.

[18] 王雨，傅云飛.利用MODIS衛星資料對中國中東部和印度次大陸氣溶膠特性的分析[J] .氣候與環境研究，2007，12（2）：137-146.

[19] 段靖，毛節泰.長江三角洲大氣氣溶膠光學厚度分布和變化趨勢研究[J] .環境科學學報，2007，27（4）：537-543.

[20] 晏利斌，劉曉東.京津冀地區氣溶膠季節變化及與云量的關系[J] .環境科學研究，2009，22（8）：924-931.

[21] Wang J,Christopher S A.Intercomparison between satellite-derived aerosol optical thickness and PM2.5 mass:Implications for air quality studies[J] .Geophysical Research Letters，2003，30（21）.doi：10.1029/2003GL018 174.

[22] Vidot J,Santer R,Ramon D.Atmospheric particulate matter（PM）estimation from Sea WiFS imagery[J] . Remote Sensing of Environment，2007，111（1）：1-10.

[23] Hsu N C,Herman J R,Bhartia P K,et al.Detection of biomass burning smoke from TOMS measurement[J] . Geophsical Research Letters,1996，23（7）：745-748.

[24] Herman J R,Bhartia P K,Torres O,et al.Global distribution of UV-absorbing aerosols from Nimbus 7/ TOMS data[J] .Journal of Geophysical Research：Atmospheres，1997，102（D14）：16911-16922.

[25] Hsu N C,Herman J R,Torres O,et al.Comparisons of the TOMS aerosol index with Sunphotometer aerosol optical thickness:Results and applications[J] .Journal of Geophysical Research，1999，104（D6）：6269-6279.

[26] Torres O,Bhartia P K,Herman J R.et al.Derivation of aerosol properties from satellite measurements of backscattered ultraviolet radiation:Theoretical basis[J] . Journal of Geophysical Research:Atmospheres，1998，103（D14）：17099-17110.

[27] 石廣玉，王標，張華，等.大氣氣溶膠的輻射與氣候效應[J] .大氣科學，2008，32（4）：826-840.

[28] 劉璇，朱彬，侯雪偉，等.基于衛星遙感和地面觀測資料的霾過程分析——以長江三角洲地區一次嚴重霾污染過程為例[J] .中國環境科學，2015（3）：641-651.

[29] 高晉徽，朱彬，王東東，等.南京北郊O3、NO2和SO2濃度變化及長/近距離輸送的影響[J] .環境科學學報，2012，32（5）：1149-1159.

[30] 王愛平，朱彬，銀燕，等.黃山頂夏季氣溶膠數濃度特征及其輸送潛在源區[J] .中國環境科學，2014，34（04）：852-861.

[31] 張磊，金蓮姬，朱彬，等.2011年6—8月平流輸送對黃山頂污染物濃度的影響[J] .中國環境科學，2013，33（06）：969-978.

[32] Wang Y Q,Zhang X Y,Draxler R R.TrajStat:GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J] .Environmental Modelling &Software，2009，24（8）：938-939.

[33] Draxler R R,Hess G D.An overview of the HYSPLIT_ 4modeling system for trajectories[J] .Australian Meteorological Magazine，1998，47：295-308.

[34] Poirot R L,Wishinshi P R,Hopke P K,et al. Comparative application of multiple receptor methods to identify aerosol sources in northern Vermont[J] . Environmental Science&Technology，2001，35（23）：4622-4636.

[35] Zeng Y,Hopke P K.A study on the sources of acid precipitation in Qntario,Canada[J] .Atmospheric Environment（1967），1989，23（7）：1499-1509.

[36] Biegalski S R,Hopke P K.Total potential source contribution function analysis of trace elements determined in aerosol samples collected near lake huron [J] .Environmental Science&Technology，2004，38（16）：4276-4284.

[37] Begum B A,Kim E,Jeong C H,et al.Evaluation of the potential source contribution function using the 2002 Que-bec forest fire episode[J] .Atmospheric Environment，2005，39（20）：3719-3724.

[38] Stohl A.Trajectory statistics-a new method to establish source-receptor relationships of air pollutants and its application to the transport of particulate sulfate in Europe[J] .Atmospheric Environment，1996，30（4）：579-587.

[39] Seibert P,Kromp-Kolb H,Baltensperger U,et al. Transport and Transformation of Pollutants in the Troposphere[J] .Academic Publishing,Den Haag，1994：689-693.

[40] Keeler G,Samson P.Spatial Representativeness of Trace Element Ratios[J] .Environmental Science and Technology，1989，23（11）：1358-1364.

[41] 賀千山，楊引明，耿福海，等.中國東部陸地上空氣溶膠分布特征研究[C] //第五屆長三角氣象科技論壇論.上海，2008.

[42] He Q,Li C,Geng F,et al.Study on long-term aerosol distribution over the land of East China using MODIS data[J] .Aerosol and Air Quality Research，2012，12（3）：304-319.

[43] 孫強，范學花，夏祥鰲.華北地區氣溶膠垂直分布特征的觀測與分析[J] .氣象與環境科學，2016，39（1）：26-33.

A Study of the Characteristics of Aerosol Distribution and Variation in Eastern China

LIU Xuan1，2，ZHU Bin3，GUAN Xuefeng1，2，LIU Huimin4，YUAN Liang3
（1.Institute of Desert Meteorology，China Meteorological Administration，Urumqi 830002，China；2.Center for Central Asian Atmosphere Science Research，Urumqi 830002，China；3.Key Laboratory of Meteorological Disaster，Ministry of Education，Joint International Research Laboratory of Climate and Environment Change，Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters，Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration，Nanjing University of Information Science&Technology，Nanjing 210044，China；4.Baiyin Meteorological Bureau，Baiyin 730900，China）

The characteristics of spatial and temporal distributions of aerosol optical depth（AOD）, fine mode fraction（FMF）and aerosol index（AI）during 2005-2014 in Eastern China were analyzed based on the aerosol products of Moderate Resolution Imaging Spectroradiometer（MODIS）and Ozone Monitoring Instrument（OMI）.The method of potential source contribution function（PSCF）was applied to find the possible sources of AOD and AI in this region under different air mass conditions.The results showed that there was a relative large discrepancy existing in the spatial and temporal distributions of AOD,FMF and AI.The high value of the average AOD and AI during 2005-2014 distributed in the northern area of Eastern China.However,the high value of the average FMF spread across the southern part of Eastern China.AOD in this period firstly increased and then decreased,and the fluctuation of FMF was not obvious while AI presented a rising trend. There was a significant seasonal variation in AOD in eastern China.The average values of AOD in spring and summer were obviously higher than that in autumn and winter.In the northern and central regions of Eastern China,AOD reached the maximum of above 0.8 in summer due to the high relative humidity.However,AOD value of the southern region of Eastern China was between 0.2 and 0.4 because of the high-frequency precipitation in summer.Different from AOD seasonal variation,FMF of 0.58 was highest in summer,and its lowest value of 0.26 appeared in spring. While the average value of AI（0.63）was the largest in winter,and the lowest value of 0.27 appeared in summer.The result of PSCF showed that local emission was the dominate source of AOD,and the short distance transport of aerosols from Henan,Hubei,Hunan and so on could also affect AOD in Eastern China.Local emission and long-range transport from the north were the main sources of AI,and there was also influence coming from short distance transport of aerosols from Henan,Hubei and the surrounding provinces and cities.

aerosol optical depth（AOD）；fine mode fraction（FMF）；aerosol index（AI）；source contribution function（PSCF）

P402

A

1002-0799（2017）01-0011-11

10.12057/j.issn.1002-0799.2017.01.002

2016-08-10；

2016-09-08

中亞大氣科學研究基金項目（CASS201708）；自治區區域協同創新項目（2016e02104）；國家自然科學基金項目（91544229）資助。

劉璇（1989-），女，助理工程師，從事大氣環境研究。E-mail：15005168066@163.com

劉璇，朱彬，關學鋒，等.華東地區氣溶膠分布和變化特征研究[J] .沙漠與綠洲氣象，2017，11（1）：11-21.