基于OMI數據中國大氣邊界層SO2空間格局

康重陽,趙 軍*,宋國富,高 超,王建邦 (.西北師范大學地理與環境科學學院,甘肅 蘭州 730070；.青海省生態環境遙感監測中心,青海 西寧 80000)

伴隨我國工業化的快速推進,粗放型、高耗能的經濟發展模式,導致環境污染問題日益突顯.近年來,SO2、NO2、PM2.5等大氣污染現象頻頻發生,其中SO2是形成霧霾、酸雨的主要前體物,對地球環境、人類和其他生物的生存環境具有嚴重危害.大氣中SO2主要來源于火山噴發、人為排放以及零星和間斷的山火燃燒排放[1-5],其中人為排放主要來源于使用煤炭、石油等資源以及焚燒秸稈等活動.SO2的傳統檢測方法以化學和電化學方法為主,但受其操作復雜和地域測量范圍小的約束,不能準確反映大范圍SO2空間分布和變化狀況.隨著遙感技術的快速發展,利用遙感技術實現寬地域監測大氣中SO2濃度已成為可能.遙感監測大氣中SO2的主要傳感器,從最早期的TOMS[6]、GOME[7-8]、SCIAMACHY[9-10]等發展到目前高光譜的OMI[11-12]和OMPS[13-14].

近年來,國內外學者應用遙感手段在探測大氣中SO2濃度方面做了大量研究,主要集中OMI數據驗證、區域SO2監測以及評價政策對于大氣中SO2濃度變化的影響等方面.OMI數據驗證方面,Krotkov等[15]在中國東北地區,利用飛機采集數據對OMI遙感SO2數據進行準確性評價;Theys等[16]在全球范圍內,利用地基差分吸收光譜儀提取的SO2垂直濃度柱,與OMI數據獲得的SO2垂直柱量值進行對比.區域SO2監測方面,Carn等[6]利用OMI數據估算了秘魯銅冶煉廠SO2排放量;Calkins等[17]應用OMI數據,研究了2006～2015年氣象條件對華北平原地區SO2的影響;趙軍等[18]利用OMI數據研究發現蘭州及周邊區域SO2的分布出現離散面狀分布,蘭州-白銀、金昌是研究區域內的兩個高值區;沈艷潔[19]應用OMI數據,發現寧東能源基地SO2排放量上升與北方地區SO2柱量值下降形成鮮明對比;張興贏等[20]利用ENVISAT數據分析了2005～2007年中國地區SO2變化趨勢和時空分布特征以及來源.政策性評價方面,閆歡歡等[21]利用OMI數據評價了珠江三角洲地區從2004年亞運會申辦成功到2010年亞運會舉辦期間大氣SO2污染氣體的改善效果;Zhang等[22]利用OMI數據對河南省2005～2014年NO2和SO2排放時空變化做出分析;高一博等[23]利用2005～ 2012年OMI數據研究發現烏魯木齊、京津冀、長江三角洲、四川盆地、珠江三角洲是SO2高濃度區.綜合梳理以上研究,在空間插值標準方面缺乏統一性,有0.125°、0.25°等多種插值精度;其次,在空間分布研究方面,均是將研究區域視為整體,對SO2柱量值變化展開研究,缺乏空間異質性分析.我國陸地面積廣闊、海岸線較長,季風變化會直接影響降水、氣溫等諸多氣象因素,這些都對大氣中SO2的空間分布產生重要影響.

本文利用2013和2014年OMISO2003產品SO2的逐日數據,在常見的3種不同精度下進行普通克里金插值,并與地基數據進行相關性比較,擇優選擇插值精度,揭示中國大氣邊界層SO2柱量值空間分布特征及變異格局,按地理分區,分析季風區與非季風區大氣邊界層SO2柱量值面積隨季風變化狀況,以及分析影響兩個區域SO2柱量值變化的敏感因子.

1 數據與方法

1.1 數據來源

OMI傳感器是荷蘭、芬蘭與NASA聯合研發,于2004年7月15日搭載在EOS/Aura衛星上發射升空,其主要目的是研究大氣痕量成分及其對氣候變化的影響,OMI已經被廣泛應用于大中尺度的污染氣體監測、空氣質量預報等領域[24-26].

OMISO2L2V003數據,獲取自NASA(http://mirador.gsfc.nasa.gov.)GES DISC數據庫,該數據反映的是對應空氣柱高度低于2km,重心高度為0.9km的大氣邊界層SO2柱濃度,主要用于近地表大氣SO2污染研究.數據經PCA反演算法產生,借助VISAN軟件,選用官方推薦的云層參數0.3為閾值,對研究區數據進行過濾,剔除云對數據的影響,獲取SO2垂直柱量值.

地基數據來源于中國環境監測總站(http://www.cnemc.cn/),2013年1月至2014年12月空氣質量報告.

1.2 研究方法

1.2.1 SO2反演算法 SO2反演算法經歷了DOAS[27]、LF[28]、BRD[24]到現在的PCA算法.實踐證明,DOAS、LF算法對于近地表SO2濃度監測不夠理想;BRD算法對于近地表SO2濃度有較好的探測能力,能夠很好的探測人類活動SO2排放,但在提取數據時會產生大量的噪聲,在實際應用中,去噪成為較大的障礙.PCA算法[29]是一種基于主成分分析的方法,以無SO2污染地區測量得到的O3吸收、地表反射率、儀器噪聲、Ring效應等相關結果為基礎,結合輻射傳輸模擬的SO2雅可比矩陣建立線性反演關系式,直接獲得大氣中SO2垂直柱總量[30].閆歡歡等[30]利用OMI數據,在多個區域對BRD和PCA兩種算法在進行比較研究,發現BRD算法反演結果普遍高于PCA算法.雖然BRD算法能夠對人為低濃度排放有較好的提取效果,但在實際應用中,去噪成為最大的困難,PCA算法有效降低了OMISO2反演產品誤差,提高了產品精度,本文選用PCA反演的數據產品進行研究.

1.2.2 數據提取與處理

(1)剔除受高云量影響及無效數據,對日數據做CloudFraction＞0.3及SO2柱量值＜0DU篩選,提取中國區域大氣邊界層SO2有效數據.

(2)對數據進行初步篩選后,生成點矢量文件,再分別以0.125°、0.25°、0.4°網格做普通克里金插值.

(3)在時間尺度上,獲取大氣邊界層SO2年柱總量和7期平均柱量值(劃分標準參考表3),并在空間上完成SO2空間分布圖.

1.2.3 數據標準化及插值精度選取 衛星監測大氣痕量氣體的單位為Dobson Unit(DU),中華人民共和國環境保護部網站對外公布的空氣質量狀況月報SO2濃度月均值單位為μg/m3,兩者在進行比較時存在單位不統一的情況.本文對衛星監測數據及地基測量數據進行歸一化無量綱處理,選擇京津冀、長江三角洲、珠江三角洲3個區域,與3種不同插值結果進行相關性比較,選擇相關性最高的精度.

采用歸一化方法將原始數據變成[0,1]之間的數據,通過數學運算消除原始數據之間量綱差異的影響.

表1 OMI月均數據與官方公布月均數據相關系數Table 1 Correlation of OMI inversion and official SO2 value

如表1所示,通過對比, PCA算法反演產生的SO2垂直柱量值,剔除SO2＜0和CloudFraction＞0.3的無效數據,插值精度為0.125°×0.125°,與環境保護部網站公布的空氣質量狀況月報數據有較高的相關性,OMI的空間分辨率為13km×24km,最高可以提高至13km×13km,與0.125°×0.125°空間插值精度基本相同,能夠更準確的反映SO2真實空間分布.OMI SO2數據在長江三角洲地區與官方數據具有最高相關性, SO2濃度及氣象條件更利于SO2數據提取,京津冀地區SO2濃度過高,產生堆積現象,提取結果較地基數據有較大偏差,珠三角地區氣候炎熱濕潤,SO2濕沉降速度快,提取結果偏差最大.

2 結果與分析

2.1 大氣SO2柱量值年內空間變化

通過與相等間隔、幾何間隔、分位數、標準差等多種分類方法對比,發現自然斷點法能夠更好體現SO2柱量值空間分布與變化,與高一博[23]、閆歡歡等[31]研究結果基本一致.本文采用自然斷點法,對SO2柱量值進行五級劃分.

自然斷點法來源于美國制圖學家George F.Jenks (1916～1996),是一種基于自然分組,將屬性值相近的值進行合并,是方差和最小的一種統計學分類方法.

表2 SO2年柱總量和7期平均柱量值分級Table 2 Grades of annual total and average 7-period SO2 value

依據表2分級,2013年中國大氣SO2年柱總量空間分布如圖1所示.

極軌衛星每日14～15條軌道觀測拼接基本覆蓋全球,但每繞地球轉動452圈,進入“zoom mode”,會有一天不產生數據.2013年共計有354d產生數據,中國SO2柱量值共計1.3681546×107DU.

2013年中國大氣邊界層存在1個五級柱量值區域和4個四級柱量值區域,在空間上呈現聚集狀分布;一級SO2柱量值位于青藏高原南部及長江以南部分地區.

(1)北方四、五級柱量值區

涵蓋北京、天津、河北、山東全境,遼寧大部、山西中部和南部、河南中部和北部以及安徽省和江蘇省北部,是我國最為嚴重、涵蓋面積最大、涉及省份最多的區域.

圖1 2013年中國大氣邊界層SO2年柱總量空間分布Fig.1 The spatial distribution of annual SO2 value in China, 2013

(2)西北內陸、寧夏北部、西南地區四級柱量值區

西北內陸四級柱量值區以新疆省會烏魯木齊市及周邊昌吉市為中心,最高值出現在烏魯木齊市.

寧夏北部四級柱量值區以寧夏銀川市、石嘴山市和內蒙古烏海市為中心,最高值出現在內蒙古烏海市.

西南地區四級柱量值區以宜賓、瀘州、渝西地區為中心,是我國長江以南涵蓋面積最大區域.

這些區域地勢平坦、人口密度高、重工業發達,長期以來形成以傳統能源消耗為主導的產業結構和經濟發展模式,導致在這些區域柱量值偏高.相比于北方四、五級柱量值區,其余四級柱量值區域涵蓋面積小、柱量值較低,區域內柱量值變化緩慢.

一級柱量值區域主要位于青藏高原南部及長江以南部分地區.青藏高原地區平均海拔4500m,是世界上平均海拔最高的高原[32],減少了衛星測量大氣柱的高度[33];較高的海拔不利于高柱量值區域SO2向青藏高原地區水平擴散.長江以南地區位于副熱帶季風區,冬暖夏熱,降水充足,水熱條件利于大氣中SO2干濕沉降;云南、海南、臺灣、廣西等地,第三產業占有較高比重,SO2排放量相對較低;而浙江、福建、貴州第二產業所占比重大,SO2排放量相對較高,受氣象要素影響,濕沉降較快,形成酸雨可能性較大.

2.2 大氣邊界層SO2柱量值年內變化趨勢

2.2.1 PBL SO2區域空間變化 我國季風氣候顯著,季風變化直接影響降水、氣溫、風力等諸多氣象要素,間接影響到大氣濕度、植被生長等,這些要素對大氣中SO2空間分布、干濕沉降都有重要影響.本文借鑒徐淑英《我國季風進退及其日期確定》[34]標準,把全年分為7個時期,對應編號、名稱、起始時間如表3所示.

表3 年內分期編號、名稱及時間范圍Table 3 Number, name and time range of different stages

(1)季風區SO2分級區域空間變化特點

在大興安嶺—陰山—賀蘭山—巴顏喀拉山—岡底斯山[35-36]東南季風區,夏季風對SO2二、三級區域面積的減少有貢獻巨大;冬季采暖和隨冬季風擴散形成大面積二、三級柱量值區域,五級SO2區域面積基本不受夏季風影響.

圖2 季風區PBL SO2分級柵格數年內變化Fig.2 Raster number variation of different PBL SO2 grades in monsoon region

圖3 PBL SO2柱量值年內變化Fig.3 The variation of PBL SO2 value in the year

如圖2所示,一、二、三級區域占季風區總面積85%以上,受夏季風影響強弱,發生變化,一級柱量值區域面積變化最為顯著,與梅雨季節時期取得最大值,占季風區總面積的89.9%,最小值出現在冬季風極盛期,約為季風區總面積的18.9%;五級柱量值區域主要集中在河北南部及魯中地區,除冬季風極盛期外,區域面積基本不變化,河北南部的石家莊、邯鄲是京津冀地區火電裝機的主要區域,且該區域受太行山脈屏障作用全年風速較小[37],不利于SO2擴散,產生SO2堆積現象,形成SO2高濃度柱區域[38];魯中地區以鋼鐵業和石化業為主的工業類型,造成該區域常年出現五級柱量值區域.

冬季風極盛期,我國受極地冷高壓控制,嚴寒少雨[34],SO2干濕沉降速度緩慢;秦嶺—淮河以北地區處于采暖期,導致季風區二、三級區域面積明顯上升,一級柱量值區域面積年內最小,主要包含兩廣、云南、浙江(圖3a).

伴隨冬季風極盛期結束,冬季風減弱期內,冬季風影響減弱、氣溫回暖、采暖結束、各地降水有所增加,二、三級柱量值區域面積減少,較冬季風極盛期面積分別下降20.2%、59.7%;一級柱量值區域面積較前期增加159.7%,包含秦嶺—淮河以南除貴州、重慶外的大部分區域(圖3b).

冬夏季風過渡期、梅雨季節、夏季風極盛期,各級分區區域面積變化較小,一級柱量值區域在梅雨季節達到最大值.梅雨季節,夏季風影響至華北地區,并在長江中下游維持較長時間的降水[36],高溫、充足降水等氣象條件促使SO2濕沉降發生,對大部分地區SO2柱量值的降低有很大幫助(圖3c、3d、3e).

夏季風撤退期,冬季風來勢迅猛,夏季風撤退迅速,天氣穩定晴朗[34](圖3f),在秦嶺—淮河以北影響較大,二級柱量值區域占據秦嶺—淮河以北大部分區域,一級柱量值區域退守秦嶺—淮河以南.

冬季風增強期,夏季風影響區域退出我國(圖3g),一級柱量值區域較前期減少47.4%,包含兩廣以南地區,三、四級柱量值區域較前期都有明顯增加,增幅分別達183.4%、143.4%.

(2)非季風區SO2分級區域空間變化特點

在大興安嶺—陰山—賀蘭山—巴顏喀拉山—岡底斯山以北的非季風區(圖4),受冬季風影響明顯,四、五級柱量值出現在烏魯木齊及與其相近的昌吉市.

圖4 非季風區PBL SO2分級柵格數年內變化Fig.4 Raster number variation of different PBL SO2 grades in non-monsoon region

按分級SO2柱量值面積變化可將全年劃分為:冬季風強勢影響期和冬季風弱勢影響期.

冬季風強勢影響期包括冬季風增強期、冬季風極盛期(10月中旬～次年2月底)(圖3a、3f),這一時期,二級、三級柱量值區域基本占據整個非季風區,四級、五級柱量值面積極小,約為非季風區面積的1%,五級柱量值主要出現在冬季風強盛期.

冬季風弱勢影響期包含冬季風減弱期、冬夏季風過渡期、梅雨季節、夏季風極盛期、夏季風撤退期5個時期.冬季風弱勢影響期內,一級柱量值區域面積占季風區總面積的90%以上,其余分級柱量值面積變化范圍在10%以內或基本維持不變.

2.2.2 PBL SO2柱量值變化敏感因子分析 選擇季風區五級柱量值區的天津市、三級柱量值區的南京市及非季風區典型城市烏魯木齊市,與2013、2014年對應時段的平均溫度、平均降水、平均相對濕度、平均風速、平均氣壓、平均日照時數、平均最大風速進行相關性分析,判斷季風區、非季風區不同敏感因子的影響程度(表4).

季風區五級柱量值區域,SO2隨風擴散導致高柱量值區域面積擴大,干沉降對SO2柱量值降低較平均氣溫、降水明顯.天津市地處華北平原東北部,屬暖溫帶半濕潤半干旱季風氣候,四季分明,季節交替明顯[39],季風氣候顯著.平均氣溫、平均相對濕度都表現出較好的季節性特點,最高值出現在梅雨季節,冬季風減弱期出現最低值.平均氣溫、平均降水、平均相對濕度與SO2柱量值呈負相關,對SO2柱量值的降低效果更明顯(圖5),相對濕度與SO2柱量值變化表現出較好的相逆性,五級柱量值區域SO2干沉降,是影響SO2柱量值降低的最主要因子,相對濕度是判斷SO2形成霧霾的主要條件,這也是華北地區近年來霧霾天氣頻發的重要原因;風速在α=0.05置信水平下,與SO2柱量值呈正相關,天津市南部及東部的唐山市火電裝機臺數分別占京津冀總臺數的17.75%、15.68%[40].這一地區火電燃煤排放隨風擴散,對于天津市SO2柱量值的升高有較大影響.

表4 三個代表城市SO2與敏感因子相關性Table 4 Correlation between SO2 and sensitive factors in main cities

圖5 天津市平均降水、平均氣溫、SO2柱量值變化趨勢Fig.5 Trends of average precipitation, temperature and SO2 value in Tianjin

季風區三級柱量值區域,夏季風對SO2柱量值降低效果顯著,冬季采暖及隨中緯度環流地面流向低緯風力擴散,是導致三級柱量值區域在冬季風增強期和極盛期變成四級柱量值的直接原因(圖3g、3a).平均氣溫與SO2柱量值相關性在α=0.001置信水平下,高度負相關,冬季風增強期和極盛期,天氣寒冷,降水偏少,采暖是影響SO2柱量值升高的主要原因(圖6);SO2柱量值與平均氣壓和平均風速在α=0.02、α=0.1置信水平下正相關,華北高柱量值區域SO2隨中緯度環流地面流向低緯風速擴散,是SO2柱量值升高的另一原因;夏季風帶來氣溫回升,降水增多,并在梅雨季節達到最高值,同時SO2柱量值也取得年內最小值.南京市年均氣溫＞0℃,隨冬季風衰退,來自太平洋的東南季風帶來暖濕氣流,氣溫回升、降水增多,SO2柱量值降低.

圖6 南京市平均降水、平均氣溫、SO2柱量值變化趨勢Fig.6 Trends of average precipitation, temperature and SO2 value inNanjing

圖7 烏魯木齊市平均降水、平均氣溫、SO2柱量值變化趨勢Fig.7 Trends of average precipitation, temperature and SO2 value in Urumqi

非季風區, SO2柱量值與平均氣溫高度負相關,與平均降水中度負相關.昌吉和烏魯木齊為中心西北內陸高柱量值區域,是我國非季風區域的典型代表,屬極端干燥的大陸性氣候[41].平均氣溫與SO2柱量值在α=0.01置信水平下高度負相關,非季風區在冬季風強勢影響期內,平均氣溫低于0℃,采暖排放成為SO2全面升高的主要來源;平均降水與SO2柱量值在α=0.02置信水平下中度負相關,濕沉降成為非季風區SO2柱量值降低的有效途徑之一(圖7),較南京市而言,冬季風的進退對該區域SO2柱量值的變化尤為明顯,隨冬季風極盛期結束,SO2柱量值出現最大降幅,并在冬季風弱勢影響期內,SO2柱量值變化緩慢,伴隨平均溫度在梅雨季節取得年內最大值,SO2柱量值達到最小值;在冬季風增強期,隨氣溫降低柱量值取得年內最大升幅.

3 結論

3.1 全國區域內存在1個五級和4個四級柱量值區域,空間上呈現聚集狀分布;北方四、五級柱量值區域是我國SO2柱量值最高、涵蓋面積最大、涉及省份最多的區域,一級柱量值區域主要分布在青藏南部及長江以南地區.

3.2 夏季風對季風區二、三級柱量值區域面積的減少有巨大貢獻,一級柱量值區域在梅雨季節達到最大值,涵蓋季風區總面積的89.9%,五級SO2柱量值區域基本不受夏季風影響;冬季風對非季風區影響明顯,冬季風強勢影響期內,二級及以上柱量值基本占據整個非季風區.

3.3 影響因子方面,季風區四、五級柱量值區域,平均相對濕度較平均氣溫、平均降水對SO2柱量值的降低更明顯,干沉降是SO2柱量值降低的主要途徑;季風區三級柱量值區域, SO2柱量值與平均溫度高度負相關,與氣壓中度相關,冬季采暖及隨中緯度環流地面流向低緯風力擴散,是導致中度柱量值區域在冬季風增強期和極盛期出現四級柱量值的直接原因;非季風區, SO2柱量值與平均溫度高度負相關, 采暖排放是SO2柱量值全面升高的主要因素,與平均降水中度負相關,隨降水濕沉降是SO2柱量值降低的有效途徑.

[1] Smith, S. J, Aardenne, J. van, Klimont, Z, et al. Anthropogenic sulfur dioxide emissions: 1850～2005 [J]. Atmospheric Chemistry& Physics Discussions, 2011,10(6):16111-16151.

[2] Koike M, Kondo Y, Kita K, et al. Export of anthropogenic reactive nitrogen and sulfur compounds from the East Asia region in spring [J]. Journal of Geophysical Research Atmospheres, 2003,108(20):1887-1902.

[3] Robock A. Volcanic eruptions and climate [J]. Reviews of Geophysics, 2000,38(2):191—219.

[4] Lee C, Martin R V, Donkelaar A V, et al. Retrieval of vertical columns of sulfur dioxide from SCIAMACHY and OMI: Air mass factor algorithm development, validation, and error analysis[J]. Journal of Geophysical Research Atmospheres, 2009,114(22):2191-2196.

[5] Lee C, Richter A, Weber M, et al. SO2Retrieval from SCIAMACHY using the Weighting Function DOAS (WFDOAS)Technique: comparison with Standard DOAS retrieval [J].Atmospheric Chemistry & Physics Discussions, 2008,8(3):6137-6145.

[6] Carn S A, Krueger A J, Krotkov N A, et al. Sulfur dioxide emissions from Peruvian copper smelters detected by the Ozone Monitoring Instrument [J]. Geophysical Research Letters,2007,34(9):1093-1101.

[7] Burrows J P, Weber M, Buchwitz M, et al. The Global Ozone Monitoring Experiment (GOME): Mission Concept and First Scientific Results.[J]. Journal of Atmospheric Sciences, 1997,56(414):2340-2352.

[8] Eisinger M, Burrows J P. Tropospheric sulfur dioxide observed by the ERS-2GOME instrument [J]. Geophysical Research Letters,1998,25(22):4177—4180.

[9] Bovensmann H, Burrows J P, Buchwitz M, et al. SCIAMACHY:Mission Objectives and Measurement Modes [J]. Journal of Atmospheric Sciences, 1997,56(2):125-150.

[10] Afe O T, Richter A, Sierk B, et al. BrO emission from volcanoes:A survey using GOME and SCIAMACHY measurements [J].Geophysical Research Letters, 2004,31(24):357-370.

[11] Lee C, Martin R V, Van Donkelaar A, et al. SO2emissions and lifetimes: Estimates from inverse modeling using in situ and global, space-based (SCIAMACHY and OMI) observations [J].Journal of Geophysical Research, 2011,116(D6):161-165.

[12] Levelt P F, Hilsenrath E, Leppelmeier G W, et al. Science objectives of the ozone monitoring instrument [J]. IEEE Transactions on Geoscience & Remote Sensing, 2006,44(5):1199-1208.

[13] Yang K, Dickerson R R, Carn S A, et al. First observations of SO2from the satellite Suomi NPP OMPS: Widespread air pollution events over China [J]. Geophysical Research Letters,2013,40(18):4957-4962.

[14] Zhang Y, Li C, Krotkov N A, et al. Continuation of long-term global SO2pollution monitoring from OMI to OMPS [J].Atmospheric Measurement Techniques, 2017,10(4):1-21.

[15] Krotkov N A, Mcclure B, Dickerson R R, et al. Validation of SO2,retrievals from the Ozone Monitoring Instrument over NE China[J]. Journal of Geophysical Research Atmospheres, 2008,113(D16):16-40.

[16] Theys N, De Smedt I, Gent J, et al. Sulfur dioxide vertical column DOAS retrievals from the Ozone Monitoring Instrument: Global observations and comparison to ground-based and satellite data[J]. Journal of Geophysical Research Atmospheres, 2015,120(6):2470-2491.

[17] Calkins C, Ge C, Wang J, et al. Effects of meteorological conditions on sulfur dioxide air pollution in the North China plain during winters of 2006～2015 [J]. Atmospheric Environment,2016,147(10):296-309.

[18] 趙 軍,張斌才,樊潔平,等.基于OMI數據的蘭州及附近地區大氣邊界層SO2量值變化初步分析 [J]. 遙感技術與應用,2011,26(6):808-813.

[19] 沈艷潔.基于OMI衛星遙感數據的能源金三角空氣質量初探[D]. 蘭州大學, 2016.

[20] 張興贏, Jos van Geffen,張鵬,等.衛星遙感監測中國區域對流層二氧化硫的時空分布及其變化趨勢研究 [C]. 中國氣象學會2008年年會大氣環境監測、預報與污染物控制分會場論文集,2008.

[21] 閆歡歡,陳良富,陶金花,等.珠江三角洲地區SO2濃度衛星遙感長時間序列監測 [J]. 遙感學報, 2012,16(2):390-404.

[22] Zhang L, Lee C S, Zhang R, et al. Spatial and temporal evaluation of long term trend (2005～2014) of OMI retrieved NO2and SO2concentrations in Henan Province, China[J]. Atmospheric Environment, 2017,154(11):151-166.

[23] 高一博,梅世玉,麻金繼,等.基于OMI數據2005～2012年中國區域SO2時空變化特征研究 [J]. 大氣與環境光學學報, 2016,11(4):300-312.

[24] Krotkov N A, Carn S A, Krueger A J, et al. Band residual difference algorithm for retrieval of SO2from the aura ozone monitoring instrument (OMI) [J]. IEEE Transactions on Geoscience & Remote Sensing, 2006,44(5):1259-1266.

[25] Vries J D, Oord G H J V D, Hilsenrath E, et al. Ozone monitoring instrument (OMI)[C]// International Symposium on Optical Science and Technology. International Society for Optics and Photonics, 2002.

[26] Livingston J M, Redemann J, Russell P B, et al. Comparison of aerosol optical depths from the Ozone Monitoring Instrument(OMI) on Aura with results from airborne sunphotometry, other space and ground measurements during MILAGRO/INTEX-B [J].Atmospheric Chemistry & Physics, 2009,9(2):537-540.

[27] Wagner T, Beirle S, Deutschmann T, et al. Satellite monitoring of different vegetation types by differential optical absorption spectroscopy (DOAS) in the red spectral range [J]. Atmospheric Chemistry & Physics, 2007,7(1):69-79.

[28] Yang K, Krotkov N A, Krueger A J, et al. Retrieval of large volcanic SO2columns from the Aura Ozone Monitoring Instrument: Comparison and limitations [J]. Journal of Geophysical Research Atmospheres, 2007,112(D24):1-14.

[29] Li C, Joiner J, Krotkov N A, et al. A fast and sensitive new satellite SO2retrieval algorithm based on principal component analysis: Application to the ozone monitoring instrument [J].Geophysical Research Letters, 2013,40(23):6314-6318.

[30] 閆歡歡,李曉靜,張興贏,等.大氣SO2柱總量遙感反演算法比較分析及驗證 [J]. 物理學報, 2016,65(8):144-160.

[31] 閆歡歡,張興贏,王維和.衛星遙感監測全球和中國區域污染氣體NO2和SO2時空變化 [J]. 科技導報, 2015,33(17):41-51.

[32] Fielding E, Isacks B, Barazangi M, et al. How flat is Tibet [J].Geology, 1994,22(2):163-167.

[33] 肖鐘湧,江 洪.利用遙感監測青藏高原上空臭氧總量30a的變化 [J]. 環境科學, 2010,31(11):2569-2574.

[34] 徐淑英,高由禧.我國季風進退及其日期的確定 [J]. 地理學報,1962,28(1):1-18.

[35] 鄧先瑞.季風形成與長江流域的季風文化 [J]. 長江流域資源與環境, 2004,13(5):419-422.

[36] 姜 江,姜大膀,林一驊.1961～2009年中國季風區范圍和季風降水變化 [J]. 大氣科學, 2015,39(4):722-730.

[37] 鄭曉霞,李令軍,趙文吉,等.京津冀地區大氣NO2污染特征研究[J]. 生態環境學報, 2014,(12):1938-1945.

[38] 秦 泉.冬季烏魯木齊逆溫時空變化特征及其大氣環境效應[D]. 南京信息工程大學, 2015.

[39] 劉德義,傅 寧,范錦龍.近20年天津地區植被變化及其對氣候變化的響應 [J]. 生態環境學報, 2008,17(2):798-801.

[40] 陳必新.京津冀地區火電行業排放特征及其對空氣質量的影響研究 [D]. 浙江大學, 2016.

[41] 魏 疆,陳學剛,任 泉,等.烏魯木齊市能源結構調整對冬季SO2濃度空間分布變化的影響 [J]. 環境污染與防治, 2013,35(8):88-91.