基于衛星遙感及SPAMS的石家莊市2017年秋冬季首次污染過程研究

婁拴柱 劉乙淼 任春雷 王瑋

摘 要：2017年10月26日—28日，石家莊市出現了2017年冬防期以來的第一次重污染天氣。為了進一步弄清此次污染過程的主要污染來源，以石家莊市空氣質量自動監測站實況數據資料為基礎，從氣象條件影響、組分特征、時空變化、區域污染分布演變等方面進行了詳細剖析。結果表明，在此次污染過程期間，地面持續處于低壓幅合，相對濕度達80%以上，地面為偏南風，區域傳輸明顯，致使26日開始污染物迅速累積。期間PM2.5和PM10在每日晚高峰時段出現明顯上升，可能與本地機動車尾氣排放與人們下班后活動增加有關；同時，根據對污染過程期間主要污染物PM2.5的組分分析，得出PM2.5的主要組分來源為機動車尾氣，貢獻率達到了35.3%，說明了機動車尾氣排放為本地主要污染排放源。綜合以上結果可知，石家莊市自然區位和氣象條件先天不利，大氣環境容量脆弱，

只有采取力度更大的管控和減排措施，盡最大努力降低本地基準污染量和濃度，才能達到污染削峰的目的。

關鍵詞：衛星遙感；單顆粒氣溶膠質譜儀（SPAMS）；重污染天氣；石家莊市；組分分析；污染過程

中圖分類號：X31 文獻標志碼：A

文章編號：1008-1534（2018）05-0354-09

近年來，隨著城市工業化進程的加快以及社會經濟的飛速發展，城市大氣污染問題日益嚴重。近5年來，石家莊市本著“統籌兼顧、標本兼治、綜合治理、注重實效”的原則，以壯士斷腕的魄力采取了一系列舉措治理大氣污染，空氣質量得以明顯改善。尤其是2017—2018年秋冬季以來，石家莊市根據《關于印發〈京津冀及周邊地區2017—2018年秋冬季大氣污染綜合治理攻堅行動方案〉的通知》（環大氣[2017]110號）[1]出臺了《石家莊市2017—2018年秋冬季大氣污染綜合治理攻堅行動方案》（石政函[2017]113號），針對秋冬季污染特征，制定了40條強有力的治污措施，堅決打好“藍天保衛戰”。根據環保部通報2017年10—12月京津冀大氣污染傳輸通道城市空氣質量狀況[2]顯示，石家莊市2017年10—12月PM2.5平均質量濃度為85 μg/m3，同比下降54.8%，在“2+26”城市中排名第1位。

任毅斌等[3]、康蘇花等[4]分別對石家莊市采暖期及冬季顆粒物進行了組分特征分析，孫峰等[5]、徐曼等[6]分別針對北京、石家莊出現的重污染過程進行了原因分析。各種研究多以濃度分布特征、污染過程與傳輸、污染來源及其影響因子等方面為主[7-12]。

秋冬季作為非采暖期向采暖期過渡的典型時期，具有明顯污染特征，因此研究其污染源排放狀況、氣象條件及區域傳輸等污染因素影響更有利于深化對石家莊市大氣污染特征的認識。筆者通過對2017年冬防期石家莊市首次典型大氣污染過程分析，從氣象條件影響、組分特征、時空變化、區域污染分布演變等特征進行剖析，分析該案例的形成原因及主要影響因素，旨在為政府決策提供理論依據和數據支持，同時也可以為其他城市進行有效的防治措施研究提供示范[13]。

1 資料來源

石家莊市是中國首批按照新《環境空氣質量標準》（GB 3095—2012）[14]監測并發布環境空氣質量的74個重點城市之一。國控、省控環境空氣監測點位均對PM10，PM2.5，SO2，NO2，CO和臭氧等污染物濃度采用自動監測方式，并實時對外發布監測數據。本研究中，地面大氣污染物濃度資料來源于2017年10月26日—28日石家莊市空氣質量自動監測站的實況資料，所使用的氣象資料包括石家莊市國家基本氣象站氣象五參數數據、中央氣象臺實況天氣形勢及歐洲中心提供的氣候預測資料。

2 結果分析

2.1 石家莊市大氣質量整體變化規律

污染過程中（26日—28日）石家莊市共出現四級中度污染1天、五級重度污染2天，同比2016年同期三級減少2天，四級增加1天，五級增加1天。污染過程期間（26日—28日）PM10質量濃度為271 μg/m3，PM2.5質量濃度為171 μg/m3，SO2質量濃度為11 μg/m3，NO2質量濃度為57 μg/m3，CO（95%）質量濃度為2.3 mg/m3，O38 h（90%）質量濃度為58 μg/m3；綜合指數為11.30。同比2016年，PM10上升18.9%，PM2.5上升42.5%，SO2下降86.1%，NO2下降19.7%，CO下降11.5%，O38 h下降6.5%；綜合指數上升4.3%。對比上述數據發現，作為2017年冬防期石家莊市首次典型大氣污染過程，雖然本次污染高于歷史同期，但除顆粒物（含PM10和PM2.5）外，其余污染物均有不同程度下降，說明在污染過程中石家莊市對工業污染源及機動車尾氣的監管成效初顯。

對比污染過程中石家莊市與“2+26”城市的小時AQI變化情況發現（如圖1所示），石家莊市在“2+26”城市中處于區域污染的高值區域，說明本地排放量仍然較高。

2.2 氣象過程分析

本次污染過程始于24日，至28日上午結束。污染過程基本可分為污染逐步加重（24日—26日中午）、中重度污染持續（26日下午到28日凌晨）和污染消散（28日上午）3個階段。

1）污染逐步加重階段 24日上午，石家莊市的平均風速為1.4 m/s，主導風向為西北風，平均相對濕度為80%且呈現逐步下降趨勢，氣象條件對污染物稀釋擴散無明顯不利影響，空氣質量為良；但24日午后轉偏南風2—3級，受偏南風輻合輸送影響，污染物濃度有所上升；24日夜間到25日上午，石家莊市天氣多云轉陰有小雨或零星小雨，有輕霧，0：00—8：00平均風速為0.9 m/s，平均相對濕度為86%；風速小，濕度大，氣象條件不利于污染物稀釋和擴散，空氣質量輕度污染。25日，石家莊市高空為弱西北氣流，地面早上為高壓控制，下午由高壓控制轉為低壓擴散，T639-850 hPa風場顯示25日下午至夜晚為東南風4～6 m/s，25日整體天氣狀況由較好逐漸轉為較差，污染物于25日夜間開始累積。26日，石家莊市高空為弱西北偏西氣流（見圖2 a）），地面為低壓擴散轉低壓控制的形勢，地面溫度與850 hPa高空溫度同為11 ℃，高空與地面出現等溫，并且26日白天地面與近地面高空天氣條件穩定，邊界層并未打開，持續維持在300 m左右水平，污染物垂直擴散條件較差，不利于污染物濃度的稀釋擴散，致使26日空氣質量持續轉差；同時周邊風場顯示，石家莊市處于大氣渦流中心地帶，導致來自周邊地區的污染物輸送至石家莊市，而后受太行山阻擋在石家莊市不斷聚集積累，形成污染物只進不出、反復疊加的典型風場輻合效應，造成石家莊市及區域周邊相繼出現重度污染。17：00石家莊市達到過程峰值，其中AQI值達到336，PM2.5質量濃度達到315 μg/m3。

2）中重度污染持續階段 27日—28日凌晨，石家莊持續重度污染。27日，石家莊市地區地面仍為弱氣壓場控制，地面濕度仍維持在90%左右，高空為弱的偏西氣流并有4 ℃升溫，垂直方向與水平方向的污染物擴散條件均持續不利，疊加26日全天污染物的匯聚累積，27日石家莊市空氣污染較26日又有所加重，空氣質量指數達到了282，PM2.5的全天質量濃度為232 μg/m3，達到了五級重度污染的水平。

3）污染消散階段 28日，石家莊市上午地面為低壓控制轉高壓前部，高空為槽前偏西氣流，下午18：00開始地面轉為高壓擴散，高空為冷鋒槽過境（見圖2 b）），并且有8 ℃左右的降溫，到晚上19：00空氣質量開始得到明顯改善，石家莊AQI值為65，空氣質量轉為良。

從氣象歷史觀測數據和重污染天氣統計來看，類似本次過程的風場輻合氣象條件在秋冬季常出現在石家莊市。在這種氣象條件下，石家莊市的空氣質量狀況會呈現如下特點：1）污染加重迅速，明顯快于周邊城市；2）污染程度較重，可能顯著高于周邊城市；3）污染持續時間較長，空氣質量改善時間往往會延后于周邊城市。也就是說，與周邊城市相比，石家莊市秋冬季氣象條件先天不利。

3 污染特征分析

3.1 PM2.5等主要污染因子時間變化特征

如圖3所示，污染過程期間主要污染因子各時段污染均值基本一致，但PM10和PM2.5質量濃度在晚高峰及人們活動增加且擴散條件轉差時段（16：00—22：00）污染差值最大，分別為52，43 μg/m3，原因是晚高峰期間與夜間施工時段，機動車與大型運輸車輛的增加，加重了機動車尾氣的排放，而且此時段的環境條件不利于污染物擴散，致使污染物濃度上升，初步說明機動車尾氣對本次污染過程影響較大。

本次污染過程影響明顯；另一方面10月26日石家莊市在地面低壓氣旋的控制下，地面濕度增大，污染物開始匯聚，自中午11：00開始PM2.5小時濃度出現明顯上升，并于17：00達到峰值，此后大氣環境維持穩定，高空沒有明顯冷空氣過境，因此PM2.5濃度沒有明顯改善。27日地面溫度為10 ℃，高空850 hPa高度溫度為13 ℃，地面與850 hPa高空存在明顯逆溫，因此垂直擴散較差，加之地面仍為弱氣壓場控制，致使27日全天污染物擴散條件較為不利，空氣質量繼續轉差；28日隨著西伯利亞高壓南移，石家莊北部冷空氣持續下壓，并于17：00開始地面轉為高壓擴散的形勢，高空為冷鋒槽過境，天氣條件利于污染物的擴散，PM2.5質量濃度迅速下降，并于19：00下降到50 μg/m3以下，空氣質量明顯轉好。

3.2 PM2.5空間變化特征

本次重污染過程石家莊市7個國控點按照PM2.5濃度由高到低排序：人民會堂>高新區>職工醫院>22中南校區>西北水源>西南高教>世紀公園。由此可見，本次重污染過程中，高新區、人民會堂、職工醫院和22中4個點位相對污染更重，這些點位主要呈現點位周邊車流量大、周邊局地存在大型點源等特點。

如圖5 a）所示，本次污染過程中PM2.5污染較重區域主要集中于城市中東部，呈現出市區高于周邊縣（市）區，中東部平原縣（市）區明顯高于西部山區縣（市）區的污染特點。如圖5 b）所示，本次污染過程中河北中南部城市（如邢臺、邯鄲、石家莊）PM2.5整體污染較重，說明本次污染過程呈現區域污染特征，并且因污染過程中區域主導風向為東南風，則存在東南方城市向石家莊市傳輸污染的可能。

3.3 衛星遙感反衍污染熱點

研究表明[16-20]，衛星遙感獲取的AOD（氣溶膠光學厚度）與PM2.5濃度之間存在很大的相關性，并可經過訂正獲取區域PM2.5的空間分布。常規的垂直訂正與濕度訂正的方法需要獲取較為精確的邊界層高度數據與相對濕度數據，統計模型可以根據監測樣本訓練得到AOD-PM2.5的關系，但是在區域尺度上AOD-PM2.5之間的關系存在較大的時間和空間變化特性。考慮到AOD-PM2.5關系的時空特性，提出基于氣溶膠光學厚度的PM2.5時空回歸模型。首先，利用混合效應模型對AOD-PM2.5關系建模，通過隨機效應解決時間差異；其次，考慮到AOD-PM2.5關系的空間差異性，利用地理加權回歸模型對殘差與AOD的關系進行建模；最后，將2個模型結合起來組成時空回歸模型。使用時空回歸模型，利用AOD進行區域尺度的PM2.5估算研究。如圖6所示，以1 km×1 km網格為統計維度，以顆粒物閾值設定的方式，對超過一定顆粒物濃度閾值的網格區域設定為“熱點”，發現污染過程期間石家莊市污染熱點主要集中于市區東南部欒城區、高邑縣、趙縣等地區。對比圖5發現，污染熱點網格集中于城市污染較重區域東南部，這主要是由于污染過程期間石家莊市主導風向為東南風，東南風風頻占19.0%，另一方面根據周邊風場顯示，市區處于大氣渦流中心地帶，導致來自周邊地區的污染物傳輸至石家莊市后不斷聚集積累，形成污染物只進不出、反復疊加的典型風場輻合效應，造成石家莊市區的污染物濃度高于周邊區域。

3.4 組分分析

基于監測結果，參照《大氣顆粒物來源解析技術指南》，結合當地的能源結構，按照環境管理需求對細顆粒物排放源進行分類，將石家莊市細顆粒物污染來源歸結為七大類，分別為揚塵、生物質燃燒、機動車尾氣、燃煤、工業工藝源、二次無機源和其他。其中揚塵源包含建筑揚塵、道路揚塵、地表土壤塵等；生物質燃燒源主要是秸稈、野草等的焚燒及生物燃料的燃燒產生的顆粒物；機動車尾氣源包含柴油車、汽油車等交通工具排放的顆粒物；燃煤源包含燃煤電廠、鍋爐等排放的顆粒物；工業工藝源包含化工、金屬冶煉等工藝過程排放的顆粒物；二次無機源是指質譜圖中只含有硫酸鹽、硝酸鹽、銨鹽等二次離子成分的顆粒物，這類型顆粒可以在一定程度上反映大氣二次反應的強度；未包含在上述源類以及未被識別的顆粒物歸于其他源。PM2.5污染來源解析結果如圖7 a）所示，從圖中可以看出10月24日—28日細顆粒物首要污染來源為機動車尾氣，貢獻率為35.30%；第二大污染源為工業工藝，貢獻率為23.00%；第三大污染源為燃煤，貢獻率為19.60%，說明本次污染過程中點位周邊機動車尾氣對空氣質量影響較大。圖7 b）為SPAMS監測期間所測得的顆粒物成分餅圖，從圖中可以看出，10月24—28日細顆粒物的主要成分為元素碳，占比達52.94%；其次為有機碳，占比20.59%。礦塵顆粒位居第三，占14.86%。重金屬顆粒、LEV（左旋葡聚糖顆粒）及混合碳的占比較小。

從細顆粒物的實時源解析結果（如圖8所示）可以看出，10月24日監測點位的PM2.5質量濃度處于100 μg/m3以下的低值水平，各類污染源的貢獻率較為穩定。從25日開始PM2.5質量濃度逐漸攀升，機動車尾氣源的貢獻波動上升，由24日8：00的21.5%升至25日6：00的35.1%。26日PM2.5質量濃度攀升加速，13：00升至209 μg/m3，17：00達到峰值質量濃度315 μg/m3。揚塵源的貢獻出現一定幅度的波動，由26日7：00之前5.0%以下的貢獻率，上浮至15：00的14.7%。在27日PM2.5質量濃度的持續高值時段，機動車尾氣源的貢獻呈上升趨勢，由26日13：00的24.6%上升至27日6：00的42.1%，并一直維持在40%左右的高值。28日0：00PM2.5質量濃度出現大幅下降，機動車尾氣源貢獻降至20%以下。

4 結論與建議

形成本次污染過程的主要原因如下。

1）地面氣壓場由均壓場轉為低壓幅合，并始終處于低壓幅合的狀態，高空也無明顯的冷鋒過境，致使污染物迅速累積，并且地面到高空垂直空間上始終存在逆溫現象，不利于污染物擴散，污染物濃度出現了一個快速累積。

2）地面與近地面高空出現低溫差、低氣壓、高濕度、低風速、多云量的特殊氣象條件，致使近地面高空與地面之間形成了穩定的大氣環境，逆溫現象明顯，致使污染物難以擴散到逆溫層以外，持續匯聚在地面與近地面高空之間，形成了多次的污染峰值。

3）周邊區域性因素仍然是一項重要的影響因素，26日上午地面開始轉為偏南風，導致南面邢臺市、邯鄲市的污染物開始向本地傳輸，加速了不利天氣條件下污染物的累積速度，致使本地污染物濃度水平不斷上升。

4）通過對此次污染過程期間氣態污染物與PM2.5的對比分析可知，此次污染過程期間CO，NO2與PM2.5濃度相關度較高，說明機動車尾氣排放是此次污染過程的一項重要因素；Cl-與硫酸鹽也與PM2.5濃度變化同源性較強，說明燃煤、垃圾焚燒等也是此次污染過程產生的一項重要因素。

石家莊市自然區位和氣象條件的先天不利，大氣環境容量脆弱，石家莊市只有采取力度更大的管控和減排措施，盡最大努力降低本地基準污染量和濃度，才可達到實現污染削峰的目的。主要建議如下：

1）本次重污染過程中，機動車污染占比最高，由此建議進一步加大機動車污染管控力度。①全市實施常態化2個號限行措施，一旦遇到橙色以上預警天氣，即按照紅色預警應急響應要求，啟動單雙號限行措施，切實減少機動車污染的影響。②加大對運煤重型車輛的管控。井陘縣、贊皇縣、平山縣、行唐縣、鹿泉區要加大對運煤重型柴油車輛的管控，禁止運煤重型柴油車輛進入所屬轄區，分流走高速。③提前實施錯峰運輸方案，并確保落實到位。石家莊市鋼鐵廠、電廠（包括熱電）、水泥廠等大型工業企業每日的原材料運輸動輒就涉及幾千輛重型柴油車，對于空氣質量影響較大。建議實施錯峰運輸方案，有關部門要加強督導檢查，確保落實到位。④規范重型柴油車輛運輸通行證的發放和管理。為了確保重柴車輛限行措施能夠真正落實到位，建議將運輸通行證的發放歸口到一個部門統一管理。

2）本次重污染過程工業排放占比較高，由此建議工業企業提前實施錯峰生產，按照一廠一策嚴格落實應急減排，確保重點工業點源錯峰生產和應急污染減排措施的落實。①全市工業企業提前實施錯峰生產。石家莊市地理位置和氣象條件先天不利，要想空氣質量改善幅度達到甚至好于其他城市，就必須對污染源采取力度更大的管控和減排措施。據了解，邢臺市、邯鄲市、唐山市已經相繼提前實施工業企業錯峰生產、停限產。邯鄲市2017-11-01至2018-03-31鋼鐵企業限產50%；邢臺市擴大了工業企業錯峰生產范圍，電力行業中發電企業限產15%，熱電聯產企業實施“以熱定產”；唐山市將鋼鐵等重點工業企業錯峰限產時間從11月15日提前至10月12日。因此，建議石家莊市實施工業企業錯峰生產，減少工業污染排放。②加強重點工業點源的日常管控，落實錯峰生產和應急污染減排。對于對國控點位影響較大的石家莊鋼廠、石家莊熱電廠以及石煉化等局地大型點源，要嚴格落實錯峰生產和應急污染減排，確保污染減排到位。

3）提前實施建筑工地涉土方、拆遷作業停工措施，嚴格落實《石家莊市嚴管建設施工揚塵十二條（試行）》要求。本次重污染過程揚塵污染占比也不小，而天津市、唐山市、廊坊市均提前采取秋冬季建筑施工揚塵治理措施。天津市從10月1日起，各類道路施工、水利工程土石方作業、房屋拆遷等全面停工。唐山市建筑類施工停工時間提前至10月12日，廊坊市提前至10月15日，且從11月15日起，停工范圍擴大至水泥攪拌、澆筑、室外噴涂粉刷、電氣焊等。建議石家莊市盡快實施各類道路施工、水利工程土石方作業、房屋拆遷等全面停工，并擴大至水泥攪拌、澆筑、室外噴涂粉刷、電氣焊等施工活動。

參考文獻/References：

[1] 環境保護部.關于印發《京津冀及周邊地區2017—2018年秋冬季大氣污染綜合治理攻堅行動方案》的通知[EB/OL].http：//www.zhb.gov.cn/gkml/hbb/bwj/201708/t20170824_420330.htm，2017-08-21.

[2] 環境保護部.環境保護部通報2017年10—12月京津冀大氣污染傳輸通道城市空氣質量狀況[EB/OL].http：//www.zhb.gov.cn/gkml/hbb/qt/201801/t20180110_429445.htm，2018-01-10.

[3] 任毅斌，康蘇花，楊麗杰，等.石家莊市采暖期環境空氣顆粒物來源解析[J].河北工業科技，2015，32（2）：166-171.

REN Yibin，KANG Suhua，YANG Lijie，et al.Source identification of ambient air particulate matter in Shijiazhuang City during heating period[J]. Hebei Journal of Industrial Science and Technology， 2015， 32（2）：166-171.

[4] 康蘇花，馬玲，李海峰，等.石家莊市冬季大氣顆粒物中元素組分的特征分析[J].河北工業科技，2015，32（2）：172-176.

KANG Suhua，MA Ling，LI Haifeng，et al. Feature analysis on elemental composition of atmospheric particulate matter in winter in Shijiazhuang City[J]. Hebei Journal of Industrial Science and Technology， 2015， 32（2）：172-176.

[5] 孫峰，張大偉，孫瑞雯，等.北京地區冬季典型PM2.5重污染案例分析[J].中國環境監測，2014，30（6）：1-12.

SUN Feng，ZHANG Dawei，SUN Ruiwen，et al.Typical heavy pollution episode analysis on PM2.5 in winter of Beijing [J].Environmental Monitoring in China，2014， 30（6）：1-12.

[6] 徐曼，張璇，張曉彤.石家莊市冬季典型重污染過程分析[J].河北工業科技，2015，32（4）：364-370.

XU Man， ZHANG Xuan， ZHANG Xiaotong. Analysis of typical heavy pollution episode in winter in Shijiazhuang City[J].Hebei Journal of Industrial Science and Technology，2015，32（4）：364-370.

[7] 曹鵬，王路光，崔立昌，等.河北省大氣污染狀況分析及防治對策探討[J].煤炭與化工，2014，37（8）：144-152.

CAO Peng， WANG Luguang， CUI Lichang，et al. Analysis of atmospheric pollution and countermeasures in Hebei Province[J].Coal and Chemical Industry，2014， 37（8）：144-152.

[8] 房春生，溫卓，楊楠，等.長春市大氣中SO2與NO2長期污染特征及防治對策分析[J].科學技術與工程，2015，15 （10）：243-246.

FANG Chunsheng，WEN Zhuo，YANG Nan， et al. Pollution characteristic long-term trend and countermeasures analysis of SO2 and NO2 in the atmosphere of Changchun from 2000 to 2010[J]. Science Technology and Engineering，2015，15 （10）：243-246.

[9] 房春生，孫儷袁，孔茹鈺，等.長春市大氣環境中PM10外來源估算研究[J].科學技術與工程，2014，14（24）：146-150.

FANG Chunsheng， SUN Liyuan， KONG Ruyu， et al. Estimating the regional sources of PM10 in Changchun atmosphere environment[J]. Science Technology and Engineering，2014，14（24）：146-150.

[10]田偉，唐貴謙，王莉莉，等.北京秋季一次典型大氣污染過程多站點分析[J].氣候與環境研究，2013，18 （5）： 595-606.

TIAN Wei， TANG Guiqian， WANG Lili， et al. Multi-site study of a typical autumn air pollution event in Beijing [J]. Climatic and Environmental Research， 2013，18（5）： 595-606.

[11]趙輝，鄭有飛，吳曉云，等.我國典型區域PM2.5化學組分特征及來源解析[J].科學技術與工程，2014，14（31）：129-135.

ZHAO Hui， ZHENG Youfei， WU Xiaoyun， et al. PM2.5 chemical component characteristics and source apportionment in our domestic typical areas[J]. Science Technology and Engineering，2014，14（31）：129-135.

[12]王壽兵，汪遠安，馬小雪.近十幾年上海空氣質量變化動態及主要污染指標間的相關性分析[J].復旦學報（自然科學版），2015，54（2）：229-233.

WANG Shoubing， WANG Yuanan， MA Xiaoxue. The changing trends of air quality in recent ten years and the correlations among the main pollution materials in Shanghai City[J].Journal of Fudan University（Natural Science），2015，54（2）：229-233.

[13]楊韞，付國臣.呼和浩特市NO2污染特征研究[J].北方環境，2012，27（5）：132-136.

YANG Yun， FU Guochen. Study on pollution characteristics of NO2 Hohhot City[J].Northern Environment，2012，27（5）：132-136.

[14]環境空氣質量標準，GB 3095—2012[S].

[15]張永宏，朱靈龍，闞希，等.基于衛星遙感和氣象數據的2015年徐州市PM2.5時空特征[J].科學技術與工程，2017，17（36）：124-129.

ZHANG Yonghong， ZHU Linglong， KAN Xi， et al. Time and spatial characteristics of PM2.5 in Xuzhou City in 2015 based on satellite remote sensing and meteorological data[J].Science Technology and Engineering，2017，17（36）：124-129.

[16]亢紅霞，那曉東，臧淑英.基于衛星遙感數據（AOD）估算PM2.5的研究進展[J].環境科學與管理，2016，41（2）：30-34.

KANG Hongxia， NA Xiaodong， ZANG Shuying. Research progress of estimating PM2.5 based on satellite remote sensing data （AOD）[J].Environmental Science and Management，2016，41（2）：30-34.

[17]蔣民，馬貞立.南京市MODIS氣溶膠光學厚度與PM10質量濃度的相關性分析[J].科學技術與工程，2012，12（31）：8327-8331.

JIANG Min， MA Zhenli. Correlation analysis between aerosol optical thickness and PM10 mass concentration in MODIS in Nanjing.[J].Science Technology and Engineering，2012，12（31）：8327-8331.

[18]王靜，楊復沫，王鼎益，等.北京市MODIS氣溶膠光學厚度和PM2.5質量濃度的特征及其相關性[J].中國科學院研究生院學報，2010，27（1）：10-16.

WANG Jing， YANG Fumo， WANG Dingyi， et al. Characteristics and correlation of aerosol optical thickness and PM2.5 mass concentration in Beijing MODIS[J].Journal of Graduate School of Chinese Academy of Sciences，2010，27（1）：10-16.

[19]陳輝，厲青，張玉環，等.基于地理加權模型的我國冬季PM2.5遙感估算方法研究[J].環境科學學報，2016，36（6）：2142-2151.

CHEN Hui， LI Qing， ZHANG Yuhuan， et al. Study on the estimation method of PM2.5 remote sensing in winter in China based on the geographical weighted model.[J].Journal of Environmental Science，2016，36（6）：2142-2151.

[20]陶金花，張美根，陳良富，等.一種基于衛星遙感AOT估算近地面顆粒物的方法[J].中國科學：地球科學，2013，43（1）：143-154.

TAO Jinhua， ZHANG Meigen， CHEN Liangfu， et al. A method of estimating near-surface particulate matter based on satellite remote sensing AOT[J].Chinese Science： Earth Science，2013，43（1）：143-154.