下载文档原格式
第４１卷第７期２０１８年７月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４１ꎬＮｏ.７Ｊｕｌ.ꎬ２０１８收稿日期:２０１７－０３－２７基金项目:国家自然科学基金项目(４１６０１４７８㊁４１５７１３９１)ꎻ国家重点研发计划(２０１６ＹＦＣ０５００１０３)ꎻ资源与环境信息系统国家重点实验室开放基金(２０１６)ꎻ中国科学院ＳＴＳ项目(ＫＦＪ－ＳＷ－ＳＴＳ－１６７)资助作者简介:曾孔莲(１９９１－)ꎬ女ꎬ广东梧州人ꎬ地理信息系统专业硕士研究生ꎬ主要研究方向为地理信息算法ꎮ基于ＯＭＩ数据的北部湾ＮＯ２干沉降通量估算曾孔莲１ꎬ周玉科２ꎬ唐㊀斌１(１.成都理工大学地球科学学院ꎬ四川成都６１００５９ꎻ２.中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室ꎬ北京１００１０１)摘要:臭氧层观测仪(ＯＭＩ)是较新的大气成分探测仪器ꎬ具有较高的时空分辨率ꎬ为监测㊁估算痕量气体污染物提供了一种有效㊁可靠的数据来源ꎮ本文以ＯＭＩ数据的三级日产品ＮＯ２ｄ为数据源ꎬ利用ＧＩＳ技术和基于已有估算大气干沉降通量的模型ꎬ对ＮＯ２干沉降通量进行估算以及分析时空分布规律ꎮ结果表明:北部湾的ＮＯ２干沉降年通量空间分布规律较明显ꎬ其规律为从沿海地区往内陆逐渐增加ꎬ且干沉降通量主要集中在南宁市和钦州市的北部㊁东北部ꎻＮＯ２干沉降年通量的时间分布规律除了２００７年相对突出之外ꎬ其他年份之间的干沉降年通量变化很小ꎬ基本处于持平状态ꎮ关键词:ＯＭＩ数据ꎻＮＯ２ꎻ干沉降通量ꎻ北部湾中图分类号:Ｐ２０８㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１８)０７－００５２－０４ＮＯ２ｉｎｔｈｅＡｔｍｏｓｐｈｅｒｅｏｆｔｈｅＢｅｉｂｕＧｕｌｆＲｅｇｉｏｎＢａｓｅｄｏｎＯＭＩＤａｔａＤｒｙＤｅｐｏｓｉｔｉｏｎＦｌｕｘｅｓＥｓｔｉｍａｔｉｏｎＺＥＮＧＫｏｎｇｌｉａｎ１ꎬＺＨＯＵＹｕｋｅ２ꎬＴＡＮＧＢｉｎ１(１.ＣｏｌｌｅｇｅｏｆＧｅｏ－ＥｘｐｌｏｒａｔｉｏｎＳｃｉｅｎｃｅꎬＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙꎬＣｈｅｎｇｄｕ６１００５９ꎬＣｈｉｎａꎻ２.ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｃｏｓｙｓｔｅｍＯｂｓｅｒｖａｔｉｏｎａｎｄＭｏｄｅｌｉｎｇꎬＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓꎬＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅＲｅｓｅａｒｃｈꎬＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓꎬＢｅｉｊｉｎｇ１００１０１ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＯＭＩｉｓａｎｅｗｉｎｓｔｒｕｍｅｎｔｆｏｒａｔｍｏｓｐｈｅｒｉｃｃｏｍｐｏｓｉｔｉｏｎｄｅｔｅｃｔｉｏｎｗｈｉｃｈｐｏｓｓｅｓｓｅｓｈｉｇｈｓｐａｔｉａｌｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎａｎｄｐｒｏｖｉｄｅｓａｎｅｆｆｅｃｔｉｖｅｒｅｌｉａｂｌｅｄａｔａｓｏｕｒｃｅｆｏｒｍｏｎｉｔｏｒｉｎｇａｎｄｅｓｔｉｍａｔｉｎｇｔｒａｃｅｇａｓｅｓｐｏｌｌｕｔａｎｔｓ.Ｔｈｅｒｅｆｏｒｅꎬｄａｔａｓｏｕｒｃｅｉｓｔｈｅｌｅｖｅｌ３ｏｆｅｖｅｒｙｄａｙｐｒｏｄｕｃｔｏｆＯＭＩｄａｔａꎬｕｓｉｎｇＧＩＳｔｅｃｈｎｏｌｏｇｙａｎｄｍｏｄｅｌｓｂａｓｅｄｏｎｅｘｉｓｔｉｎｇｅｓｔｉｍａｔｉｏｎｏｆａｔｍｏｓｐｈｅｒｉｃｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘꎬＥｓｔｉｍａｔｉｎｇｔｈｅｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘｏｆＮＯ２ａｎｄａｎａｌｙｓｉｓｉｎｇｉｔｓｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｒｅｇｕｌａｒｉｔｙ.Ｒｅｓｅａｒｃｈｉｎｄｉｃａｔｅｓ:ＴｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘｅｓｏｆＮＯ２ｉｎｔｈｅＢｅｉｂｕＧｕｌｆｉｓｍｏｒｅｏｂｖｉｏｕｓꎬａｎｄｉｔｓｄｉｓｔｒｉｂｕｔｉｏｎｉｓｉｎｃｒｅａｓｉｎｇｆｒｏｍｔｈｅｃｏａｓｔａｌａｒｅａｔｏｔｈｅｉｎ￣ｌａｎｄꎬａｎｄｔｈｅｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘｅｓｏｆＮＯ２ｉｓｍａｉｎｌｙｃｏｎｃｅｎｔｒａｔｅｄｉｎＮａｎｎｉｎｇａｎｄｔｈｅｎｏｒｔｈａｎｄｎｏｒｔｈｅａｓｔｏｆＱｉｎｚｈｏｕꎻＤｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｄｒｙａｎｎｕａｌｆｌｕｘｏｆＮＯ２ꎬａｐａｒｔｆｒｏｍｔｈｅ２００７ｂｅｙｏｎｄｔｈｅｒｅｌａｔｉｖｅｐｒｏｍｉｎｅｎｃｅꎬｏｔｈｅｒｙｅａｒｓｂｅｔｗｅｅｎｔｈｅｙｅａｒｏｆｔｈｅｄｒｙａｎｎｕａｌｆｌｕｘｏｆＮＯ２ｈａｓａｖｅｒｙｓｍａｌｌｃｈａｎｇｅꎬｅｓｓｅｎｔｉａｌｌｙｆｌａｔ.Ｋｅｙｗｏｒｄｓ:ＯＭＩｄａｔａꎻＮＯ２ꎻｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘꎻＢｅｉｂｕＧｕｌｆ０㊀引㊀言干沉降是指悬浮于大气中气溶胶粒子和痕量气体以其自身末速度沉降的过程ꎬ形成干沉降的主要物理过程包括重力沉降㊁湍流运动等ꎬ主要化学过程包括化学反应㊁溶解等ꎬ使得气溶胶粒子或者痕量气体在大气中得到清除ꎮ痕量气体干沉降是清除大气污染物的主要手段之一ꎬ因此ꎬ研究痕量气体的干沉降对治理大气污染具有一定意义ꎮ经调研ꎬ国内外有不少学者利用遥感技术对痕量气体干沉降通量进行研究ꎮ在国内ꎬ如巨天珍[１]等利用ＯＭＩ数据对兰州市ＳＯ２的空间分布特征进行分析ꎬ辛名威[２]等利用ＯＭＩ数据对河南省的ＮＯ２垂直柱浓度进行时空分析ꎻ在国外ꎬＬａｍｓａｌ[３]等利用ＧＯＭＯＳ探测仪数据和气象站点记录的ＮＯ２的轮廓线信息计算北美部分地区的大气边界层ＮＯ２垂直柱浓度ꎮ本文以ＯＭＩ数据为数据源ꎬ根据已有估算模型㊁大气边界层高度以及痕量气体干沉降速率ꎬ建立能够估算北部湾ＮＯ２干沉降通量的方法ꎬ并分析北部湾ＮＯ２干沉降通量时空特征ꎬ该方法弥补了地面监测点位过少㊁无法满足大范围痕量气体干沉降通量研究的不足ꎬ同时可用于研究并估算硫素和氮素干沉降通量ꎮ１㊀研究区概况与数据来源１.１㊀研究区概况北部湾位于广西壮族自治区南部ꎬ其面积为４.２５ˑ１０４ｋｍ２ꎬ南望北部湾海域ꎬ西面与越南相接ꎬ东面与广东相邻ꎮ北部湾是我国面向东盟国家的重要门户和前沿地区ꎬ同时ꎬ«国家西部大开发 十一五 规划纲要»提出北部湾等重点经济区将要成为带动和支撑西部大开发的战略小高地ꎬ北部湾的开放和开发已上升为国家发展战略ꎬ并成为区域经济发展的重要引擎[４]ꎬ这一举措将完善中国沿海沿边区域发展布局ꎬ进一步深入带动广西壮族自治区各方面发展以及实施西部大开发战略ꎬ推动中国－东盟自由贸易区的建设ꎬ因此从经济发展层面考虑ꎬ研究北部湾区域具有重要意义ꎮ我国大部分地区的大气污染较严重ꎬ如雾霾的出现㊁酸雨的形成㊁沙尘暴等ꎬ且出现此现象的主要因素是人类活动ꎬ而北部湾仍发展着传统高耗能㊁高污染项目ꎬ如煤矿发电厂㊁冶炼厂㊁造纸厂等ꎬ排出大量废气ꎬ其中包括ＳＯ２㊁ＮＯ２等酸性气体ꎬ从大气环境层面考虑ꎬ研究北部湾大气痕量气体中ＮＯ２的干沉降通量具有一定意义ꎮ１.２㊀数据来源本文数据来源是Ａｕｒａ卫星所搭载的臭氧监测仪ＯＭＩ的日产品数据ꎬＡｕｒａ卫星是由美国㊁荷兰等多个国家航空航天局共同研制的科学探测卫星ꎬ是继Ｔｅｒｒａ卫星和Ａｑｕａ卫星的对地球观测系统(ＥＯＳ)卫星ꎬ其主要任务是全球臭氧层㊁空气质量和气候变化的观测和研究ꎮ该传感器主要监测大气中的臭氧柱浓度和廓线㊁气溶胶㊁云㊁表面紫外辖射ꎬ还有其他的痕量气体ꎬ如ＳＯ２㊁ＮＯ２㊁Ｏ３㊁ＢｒＯ等ꎮＯＭＩ日产品数据等级分为Ｌｅｖｅｌ１Ｂ㊁Ｌｅｖｅｌ２㊁Ｌｅｖｅｌ２Ｇ㊁Ｌｅｖｅｌ３４种ꎮ本文利用Ｌｅｖｅｌ３日产品数据ꎬ以ＮｅｔＣＤＦ格式存储ꎬ水平分辨率为(０.２５ˑ０.２５)ｍꎬＷＧＳ－８４坐标系ꎮ２㊀研究方法与结果分析２.１㊀研究方法以ＯＭＩ日产品为数据源ꎬ对北部湾区域大气中的痕量气体ＮＯ２的干沉降通量的估算ꎮ痕量气体的干沉降通量根据其干沉降速率与质量浓度的乘积进行估算ꎬ此模型简单㊁便捷㊁精确度高㊁模型较成熟ꎬ应用广泛ꎮ其具体的公式为:Ｆ＝ＫˑＶˑＣ(１)式中:Ｆ为痕量气体干沉降通量[ｋｇ/(ｋｍ２ ｄ)]ꎻＫ为换算系数ꎬ取值８６４ˑ１０３ꎻＶ为痕量气体干沉降速率(ｃｍ/ｓ)ꎻＣ为痕量气体质量浓度(ｇ/ｍ３)ꎮ其中:Ｃ＝ＭˑＶＣＤˑ１０４ＮＡˑＨ)(２)式中:Ｍ为大气污染物的分子质量ꎻＶＣＤ为大气边界层污染物垂直柱浓度ꎻＮＡ为阿伏伽德罗常数ꎻＨ为大气边界层高度ꎮ２.１.１㊀ＮＯ２干沉降速率的确定痕量气体干沉降速率用于衡量干沉降作用的强弱ꎮ其定义是单位时间㊁单位面积上沉降大气气溶胶粒子总数与大气气溶胶粒子数浓度之比ꎮ干沉降速率的主要测量方法:１)实验室测量:置器测量法㊁风洞测量法ꎮ２)野外测量:自然表面沉积法㊁烟流衰减测量法ꎮ３)微气象学测量:梯度测量法㊁通量测量法ꎮ影响痕量气体干沉降速率的关键因子有大气稳定度㊁太阳辐射强弱㊁季节变化㊁下垫面类型ꎬ确定ＮＯ２干沉降速率相对比较困难ꎮ而这些因子需要更多的数据资料㊁时间㊁精力探究确定ꎬ技术难度较大ꎬ所需设备成本昂贵ꎬ因此ꎬ本文直接引用已有研究成果ꎮ张艳等[５]研究表明ＮＯ２在不同下垫面下干沉降速率几乎不变且均在０.１ｃｍ/ｓ左右摆动ꎬ因此ꎬ取ＮＯ２的年均干沉降速率为０.１ｃｍ/ｓꎮ２.１.２㊀ＮＯ２质量浓度的确定由公式(２)得知ꎬ痕量气体质量浓度与其垂直柱浓度成正比ꎬ与大气层边界高度成反比ꎮ１)ＮＯ２垂直柱浓度的提取将数据在ＡｒｃＧＩＳ以点Ｓｈｐ文件打开并利用北部湾行政区边界矢量数据进行裁剪ꎬ再将垂直柱浓度存储于点的属性表将转成Ｅｘｃｅｌ表格并计算每个站点的垂直柱浓度ꎮ在提取垂直柱浓度过程中ꎬ数据量较多㊁重复性较强ꎬ因此ꎬ文中应用ＡｒｃＧＩＳ建模进行批量处理ꎬ然后利用Ｅｘｃｅｌ脚本语言计算每个站点的年垂直柱浓度ꎮ２)大气边界层高度的确定大气边界层亦称大气最底层ꎬ是靠近地球表面㊁受地面摩擦阻力影响的大气层区域ꎮ大气流过地面时ꎬ地面上各种粗糙元ꎬ如草㊁沙粒㊁庄稼㊁树木㊁房屋等会使大气流动受阻ꎬ这种摩擦阻力由于大气中的湍流而向上传递ꎬ并随高度的增加而逐渐减弱ꎬ达到某一高度后便可忽略ꎬ此高度称大气边界层高度ꎬ它随气象条件㊁地形㊁地面租糙度而变化ꎬ大致为３００ １０００ｍꎮ大气边界层高度一直以来被认为是天气㊁气候㊁空气质量模式中判断湍流混合㊁垂直扰动㊁对流传输㊁云带㊁大气污染物扩散以及分析大气环境容量的重要指标[６]ꎮ目前ꎬ我国有很多学者在大气边界层高度变化对近地面的大气污染扩散影响等方面进行了不少研究ꎮ如北京[７]㊁兰州[８]㊁重庆[９]㊁成都[１０]㊁珠三角[１１]ꎮ目前ꎬ有两种较成熟的方法获取大气边界层高度:观测和计算ꎮ观测法由３５第７期曾孔莲等:基于ＯＭＩ数据的北部湾ＮＯ２干沉降通量估算于操作仪器复杂㊁技术难度㊁经验性强而无法推广ꎻ计算法利用气象站点所记录的温度㊁湿度㊁风速等的垂直轮廓线ꎬ且气象站点普遍存在ꎬ获取数据便捷ꎬ因此ꎬ成为获取大气边界层高度主要手段ꎮ本文采用邓英姿[１１]等的研究成果ꎬ定义南宁大气边界层高度为４００ ８００ｍꎮ２.１.３㊀ＮＯ２的干沉降通量的计算在ＮＯ２垂直柱浓度的提取中已获取每个点的ＮＯ２年垂直柱浓度ꎬ将点坐标表格与点年垂直柱浓度表格相关联ꎬ根据公式(１)㊁公式(２)计算得到ＮＯ２干沉降年通量ꎮ２.２㊀结果分析２.２.１㊀ＮＯ２垂直柱浓度年均值规律变化２００５ ２０１０年北部湾ＮＯ２垂直柱浓度年均值如图１所示ꎮ其中ꎬ２００５ ２００６年呈现下降趋势ꎬ且２００６年均值最低ꎬ浓度为０.４９３ˑ１０１６ｍｏｌｅｃｕｌｅｓ/ｃｍ２ꎻ２００７年北部湾ＮＯ２垂直柱浓度年均值最高ꎬ浓度为０.５４６３ˑ１０１６ｍｏｌｅ￣ｃｕｌｅｓ/ｃｍ２ꎻ２００８ ２０１０年呈现逐年上升趋势ꎮ整体呈波动式递增态势ꎮ图１㊀２００５ ２０１０年北部湾ＮＯ２垂直柱浓度年均值Ｆｉｇ.１㊀Ａｎｎｕａｌａｖｅｒａｇｅｖｅｒｔｉｃａｌｃｏｌｕｍｎｃｏｎｃｅｎｔｒａｔｉｏｎｏｆ㊀㊀㊀ｎｉｔｒｏｇｅｎｄｉｏｘｉｄｅｉｎＢｅｉｂｕＧｕｌｆｆｒｏｍ㊀㊀㊀２００５ｔｏ２０１０２.２.２㊀ＮＯ２质量浓度年均值规律变化２００５ ２０１０年北部湾ＮＯ２质量浓度年均值如图２所示ꎬ年与年之间的质量浓度年均值变化较大ꎮ其中ꎬ２００５ ２００６年呈现下降趋势ꎬ由９.９ˑ１０－６ｇ/ｍ３降到９.４ˑ１０－６ｇ/ｍ３ꎻ２００７年ＮＯ２质量浓度年均值最高ꎬ浓度值为１０.５ˑ１０－６ｇ/ｍ３ꎻ２００８ ２０１０年呈现逐年上升趋势ꎬ由９.３ˑ１０－６ｇ/ｍ３上升到１０.３ˑ１０－６ｇ/ｍ３ꎮ整体呈波动式递增态势ꎮ图２㊀２００５ ２０１０年北部湾ＮＯ２质量浓度年总值Ｆｉｇ.２㊀Ａｎｎｕａｌｍａｓｓｃｏｎｃｅｎｔｒａｔｉｏｎｓｏｆｎｉｔｒｏｇｅｎ㊀㊀㊀㊀ｄｉｏｘｉｄｅｉｎＢｅｉｂｕＧｕｌｆｆｒｏｍ㊀㊀㊀㊀２００５ｔｏ２０１０２.２.３㊀ＮＯ２干沉降年通量空间规律变化在ＮＯ２干沉降年通量结果图上进行反距离加权插值ꎬ则得到ＮＯ２空间分布特征栅格图ꎮ２００５ ２０１０年北部湾ＮＯ２干沉降年通量空间分布特征如图３所示ꎬ其分布规律为:从沿海往内陆其干沉降年通量呈现逐渐递增趋势ꎬ且分界线处于研究区中部ꎮ其中ꎬ利用叠置分析得到２００５ ２０１０年相邻两年间变化规律如图４所示:２００５ ２００６年ＮＯ２干沉降年通量变化出现负值ꎬ且负值最大处于中部ꎻ２００６ ２００７年和２００９ ２０１０年ＮＯ２干沉降年通量变化均为正值ꎬ且从沿海往内陆变化值增大ꎻ２００７ ２００８年ＮＯ２干沉降年通量变化呈现负值ꎬ且在研究区东北部变化最大ꎻ２００８ ２００９年ＮＯ２干沉降年通量变化呈现负值ꎬ且变化规律从沿海往内陆逐渐递减ꎮ图３㊀２００５ ２０１０年北部湾ＮＯ２干沉降年通量空间分布Ｆｉｇ.３㊀Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅａｎｎｕａｌｄｒｙｄｅｐｏｓｉｔｉｏｎ㊀㊀㊀㊀ｆｌｕｘｆｏｒｎｉｔｒｏｇｅｎｄｉｏｘｉｄｅｉｎＢｅｉｂｕ㊀㊀㊀㊀Ｇｕｌｆｆｒｏｍ２００５ｔｏ２０１０２.２.４㊀ＮＯ２干沉降年通量时间规律变化２００５ ２０１０年北部湾ＮＯ２干沉降年通量时间分布特征如图５所示ꎬ其分布规律为:除２００７年变化较大外ꎬ其他年份变化较小ꎬ即ＮＯ２干沉降年通量在时间分布特征上变化不大ꎬ在２００５ ２００６年呈现下降趋势ꎬ２００８ ２０１０年呈现上升趋势ꎬ最大值为１.０１２ｋｇ/(ｋｇ２ ｄ)ꎬ最小值为０.８１２ｋｇ/(ｋｇ２ ｄ)ꎮ３㊀结束语本文所论述的方法是以大气遥感监测仪日产品数据为数据源ꎬ根据已有的研究模型ꎬ此模型能够迅速并准确地估算出ＮＯ２的干沉降通量ꎬ能够广泛应用于大气痕量气体的干沉降通量的时空研究分析ꎮ通过本文所述的研究４５㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１８年图４㊀２００５ ２０１０年北部湾相邻两年间ＮＯ２干沉降年㊀㊀㊀通量变化规律Ｆｉｇ.４㊀Ｖａｒｉａｔｉｏｎｌａｗｏｆｎｉｔｒｏｇｅｎｄｉｏｘｉｄｅｄｒｙｄｅｐｏｓｉｔｉｏｎ㊀㊀㊀ｆｌｕｘｉｎａｄｊａｃｅｎｔｔｗｏｙｅａｒｓｉｎＢｅｉｂｕ㊀㊀㊀Ｇｕｌｆｆｒｏｍ２００５ｔｏ２０１０图５㊀２００５ ２０１０年北部湾ＮＯ２干沉降年通量Ｆｉｇ.５㊀Ａｎｎｕａｌｄｒｙｄｅｐｏｓｉｔｉｏｎｆｌｕｘｏｆｎｉｔｒｏｇｅｎｄｉｏｘｉｄｅｉｎ㊀㊀㊀㊀ＢｅｉｂｕＧｕｌｆｆｒｏｍ２００５ｔｏ２０１０分析ꎬ得到的最终结论如下:(１)在２００５年 ２０１０年间ꎬＮＯ２干沉降年通量在空间分布上呈现由沿海地带往内陆逐渐递增ꎬ其规律性较强ꎬ且ＮＯ２干沉降年通量主要集中在南宁市和钦州市的北部㊁东北部ꎬ同时ꎬ分界线明显贯㊀㊀穿东西两端且处于北部湾中部ꎮ(２)在２００５ ２０１０年间ꎬＮＯ２干沉降年通量在时间分布上除２００７年干沉降年通量较突出外ꎬ其他年份干沉降年通量趋于持平状态ꎮ参考文献:[１]㊀巨天珍ꎬ师贺雄ꎬ王彦ꎬ等.基于ＯＭＩ卫星遥感数据的兰州市ＳＯ２空间分布分析[Ｊ].安全与环境学报ꎬ２０１２ꎬ１２(４):１５４－１５７.[２]㊀杜金辉ꎬ孙娟ꎬ杜廷芹ꎬ等.基于ＯＭＩ数据的青岛市ＳＯ２和ＮＯ２干沉降通量估算[Ｊ].安全与环境工程ꎬ２０１５ꎬ２２(１):６０－６５.[３]㊀ＬａｍｓａｌＬＮꎬＭａｒｔｉｎＲＶꎬＤｏｎｋｅｌａａｒＡＶꎬｅｔａｌ.Ｇｒｏｕｎｄ－ｌｅｖｅｌｎｉｔｒｏｇｅｎｄｉｏｘｉｄｅｃｏｎｃｅｎｔｒａｔｉｏｎｓｉｎｆｅｒｒｅｄｆｒｏｍｔｈｅｓａｔ￣ｅｌｌｉｔｅ－ｂｏｒｎｅＯｚｏｎｅＭｏｎｉｔｏｒｉｎｇＩｎｓｔｒｕｍｅｎｔ[Ｊ].ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＡｔｍｏｓｐｈｅｒｅｓꎬ２００８ꎬ１１３(Ｄ１６):２８０－２８８.[４]㊀赵伟ꎬ谢文彰ꎬ瞿群ꎬ等.北部湾经济区产业发展对大气环境的影响研究[Ｊ].中国环境科学ꎬ２０１１ꎬ３１(Ｓ１):１２－１８.[５]㊀张艳ꎬ王体健ꎬ胡正义ꎬ等.典型大气污染物在不同下垫面上干沉积速率的动态变化及空间分布[Ｊ].气候与环境研究ꎬ２００４ꎬ９(４):５９１－６０４.[６]㊀涂静ꎬ张苏平ꎬ程相坤ꎬ等.黄东海大气边界层高度时空变化特征[Ｄ].青岛:中国海洋大学ꎬ２０１１. [７]㊀程水源ꎬ张宝宁ꎬ白天雄ꎬ等.北京地区大气混合层高度的研究及气象特征[Ｊ].环境科学丛刊ꎬ１９９２ꎬ１３(４):４６－５２.[８]㊀王式功ꎬ姜大膀ꎬ杨德保ꎬ等.兰州市区最大混合层厚度变化特征分析[Ｊ].高原气象ꎬ２０００ꎬ１９(３):３６３－３７０. [９]㊀孟庆珍ꎬ朱炳胜.重庆市大气混合层厚度的计算和分析[Ｊ].成都信息工程学院学报ꎬ１９９９ꎬ１４(２):１６３－１７１. [１０]㊀孟庆珍ꎬ冯艺.成都大气混合层厚度的计算和分析[Ｊ].成都信息工程学院学报ꎬ１９９６ꎬ１１(１):７３－８１. [１１]㊀邓英姿ꎬ黎颖智ꎬ史彩霞.南宁平流雾并伴有毛毛雨天气的边界层特征[Ｊ].气象研究与应用ꎬ２０１４ꎬ３５(２):１９－２２.[编辑:张㊀曦](上接第５１页)参考文献:[１]㊀黄梅宇.Ｏ２Ｏ迎来杀手级入口 室内地图应用及展望[Ｊ].计算机与网络ꎬ２０１６ꎬ４２(Ｚ１):２３－２３. [２]㊀马超ꎬ刘文兵.移动地图的信息传输模型研究[Ｊ].测绘与空间地理信息ꎬ２０１２ꎬ３５(１０):１５３－１５５. [３]㊀周转向ꎬ何宗宜ꎬ苗静.室内地图的设计与表达[Ｊ].测绘通报ꎬ２０１６(１０):３９－４４.[４]㊀吴月ꎬ王光霞ꎬ张心悦ꎬ等.基于地图感受论的室内地图设计原则[Ｊ].地理空间信息ꎬ２０１７ꎬ１５(１):１２－１５. [５]㊀邓晨ꎬ夏青ꎬ林雕ꎬ等.基于空间认知的移动室内地图设计新模式[Ｊ].系统仿真学报ꎬ２０１４ꎬ２６(９):２０９７－２１０３.[６]㊀林雕ꎬ宋国民ꎬ邓晨.基于图的语义室内导航模型构建研究[Ｊ].测绘工程ꎬ２０１５ꎬ２４(１):４８－５２. [７]㊀林雕ꎬ宋国民ꎬ贾奋励.面向位置服务的室内空间模型研究进展[Ｊ].导航定位学报ꎬ２０１４(４):１７－２１. [８]㊀杨飞ꎬ江南ꎬ牛浩ꎬ等.位置地图的空间认知研究[Ｊ].测绘工程ꎬ２０１７ꎬ２６(５):２０－２４.[９]㊀王家耀ꎬ陈毓芬.理论地图学[Ｍ].北京:解放军出版社ꎬ２０００.[１０]㊀应申ꎬ朱利平ꎬ李霖ꎬ等.基于室内空间特征的室内地图表达[Ｊ].导航定位学报ꎬ２０１５ꎬ３(４):７４－７８. [１１]㊀许华燕ꎬ李志辉ꎬ王金月.室内地图应用现状及展望[Ｊ].测绘通报ꎬ２０１４(９):１１９－１２１.[编辑:任亚茹]５５第７期曾孔莲等:基于ＯＭＩ数据的北部湾ＮＯ２干沉降通量估算。
亚洲地区OMI和SCIAMACHY臭氧柱总量观测结果比较肖钟湧;江洪【摘要】利用臭氧观测仪(OMI)和扫描成像大气吸收光谱仪(SCIAMACHY)传感器反演的臭氧总量数据,结合从世界臭氧与紫外线辐射数据中心(WODUC)获取的地面观测臭氧总量数据进行验证,对比2种不同卫星遥感反演的臭氧总量产品优缺点,并分析亚洲地区臭氧总量的时空特征.结果表明,OMI反演的结果比SCLAMACHY的结果更好,而且具有更高的时间和空间分辨率.臭氧总量存在明显的季节变化在低纬度地区最大值出现在4或5月,最小值在11或12月,而在高纬度地区则分别出现在2月或3月和8月或9月.臭氧总量纬度地带性分布明显,并随着纬度增加而逐渐上升,在10°N～30°N之间,臭氧总量增长平缓,在30°N～50°N之间,臭氧总量快速增大.在青藏高原地区出现臭氧低值区,并在青藏高原东面的横断山脉向低纬度延伸,隔断了臭氧总量的纬度地带性分布.臭氧总量变化在不同纬度呈现不同的模式,距平值随纬度的增大波动随之增大.纬度最低的站点(216)臭氧总量距平值变化最小,最大只有30 DU;而纬度最高的站点(326)臭氧总量距平值变化可达180 DU以上.%Using the total ozone products derived from ozone monitoring instrument (OMI) and scanning imaging absorption spectrometer for atmospheric chartography (SCIAMACHY), and validated by the ground based measured total ozone data from WODUC. The temporal and spatial characteristics of total ozone over Aaia region was analyzed based on the remotely sensed datasets. The validation result indicates that there are higher accurate of the OMI retrieved total ozone data than SCIAMACHY's, and OMI data has higher resolution both temporal and spatial-scales. The seasonal variation of total ozone presents obvious pattern, the largest value appear in Apriland May, and the smallest value often appear in November and December over lower latitude areas, respectively. But for the higher latitude areas; the largest and smallest appear in February or March and August or September respectively. The total ozone present latitudinal relied on distribution pattern and increasing with latitude raised. From 10°N ～30°N, the increasing rate is less, while from 30 °N -50°N, the increas ing rate is boosty. There is a lower value area over Tibetan Plateau and extend to the lower latitude areas along Hengduan Mountains of China. The variation of total ozone distribution pattern also alterative along with different latitudes, the trend is that with the mean total ozone value increase with latitude raised. The variation of total ozone in 216 lower latitude stations are smaller, with alternation for mean value is 30 DU. There are big variation of total ozone value in 326 higher latitude stations, with alternation for mean value is up to 180 DU.【期刊名称】《中国环境科学》【年(卷),期】2011(031)004【总页数】11页(P529-539)【关键词】臭氧总量;亚洲地区;卫星遥感;臭氧观测仪;扫描成像大气吸收光谱仪【作者】肖钟湧;江洪【作者单位】南京大学国际地球系统科学研究所,江苏,南京,210093;南京大学国际地球系统科学研究所,江苏,南京,210093;浙江农林大学亚热带森林培育国家重点实验室,森林生态系统碳循环与固碳减排浙江省重点实验室,浙江,杭州311300【正文语种】中文【中图分类】X831臭氧是大气中的重要微量成分之一,平流层臭氧能吸收太阳紫外辐射,起到保护地球生物圈的作用;同时在9.6µm处有一个很强的吸收带,成为平流层的主要热源.臭氧含量的变化会改变大气辐射平衡,在全球气候变化中扮演着重要角色 .近几十年的观测研究表明,由于人类活动的影响,在平流层臭氧减小的同时,对流层臭氧却有持续增加的趋势[2-6].大气臭氧层的变化将给人类本身的生存环境带来严重的威胁.目前,已经进行了大量有关臭氧的科学研究,特别对南极洲臭氧空洞和青藏高原臭氧低谷的研究[7-11].世界气象组织(WMO)已经建立了全球臭氧地面观测网,这些地面数据为卫星反演提供验证[12].利用地基观测比较准确,但是地面观测存在着局限性,只能在局部点上进行观测,不能获取臭氧的空间分布特征,特别是全球臭氧. 随着空间遥感技术的发展,卫星遥感已经可以提供全球臭氧监测.20世纪70年代初,美国戈达空间飞行中心研制成功太阳后向散射紫外谱仪(Backscatter Ultraviolet instrument, BUV),搭载Nimbus-4卫星进行观测,首次利用太阳后向散射测量反演大气臭氧垂直分布的极轨卫星仪器,并获得了星下点的大气臭氧总量,但是数据较少[13].1978年发射的Nimbus-7卫星上搭载的太阳后同散射紫外光谱仪/臭氧总量绘图谱仪(Solar Backscatter Ultraviolet and Total Ozone Mapping Spectrometer, SBUV/TOMS)实现了太阳紫外辐射和星下点的大气臭氧垂直分布以及臭氧总量全球分布的同时测量.后来分别有 Meteor-3和Earth Probe卫星上装载的臭氧探测仪器TOMS.TOMS由于其特有的优势,逐渐成为臭氧探测的主要方式,在研究南极臭氧空洞、对流层、平流层和全球臭氧分布等重大科学问题上发挥了重要的作用[1,14].新一代的遥感传感器主要有扫描成像大气吸收光谱仪(SCIAMACHY)、臭氧观测仪(OMI)等,可以监测全球臭氧的变化特征,为臭氧研究提供了更加精确的数据源[15-17].多源传感器提供了多样化的数据,不同的传感器设计获得数据的方法和反演算法也各不相同.所以对于区域应用研究需要根据各个数据源的优缺点来利用数据.本研究利用 OMI和SCIAMACHY传感器反演的2005～2009年臭氧总量数据,以亚洲地区为例,比较2个传感器资料的优异.分析了该地区臭氧总量的时空特征,为进一步运用提供支持.1.1 遥感数据本研究利用的臭氧总量数据来源于OMI和SCIAMACHY.它们分别装载在 Aura和ENVISAT卫星上.Aura卫星于2004年7月15日发射升空,是一颗太阳同步轨道的近极轨卫星,轨道高度约705km,过境时间一般在当地时 13:40～13:50.OMI传感器通过观测地球大气和表面的后向散射辐射来获取信息.传感器波长范围为 270～500nm,波谱分辨率为 0.5nm.利用臭氧在波段331.2和317.5nm的强吸收特性进行臭氧总量反演.星下点空间分辨率达到13 km×24km,边缘分辨率降低很多,为40km×160km,传感器视场角为114°,扫描宽度为 2600km,覆盖全球只用 1d.OMI提供有 3种臭氧的数据:臭氧垂直柱浓度总量、对流层臭氧柱浓度和臭氧垂直廓线.臭氧垂直柱浓度也就是臭氧总量.本文利用Level 2条带数据名称为OMTO3.它利用TOMS V8算法进行臭氧总量反演[18].数据存储格式为 HDF-EOS 5,相对误差小于 2%.每个文件大小为 48Mb左右.详细的数据格式信息可参考“OMTO3_FileSpec_V003”文档(/Aura/data-holdings/OMI/documents/v003/OMTO3_File Spec_V003.doc),数据信息可参考 OMI大气产品文档(/AIRS/ozone/documentation/docs/omi-spie-2003.doc).SCIAMACHY是搭载在欧空局2002年3月1日发射的ENVISAT-1太阳同步极轨卫星上.轨道平均高度 799.8km.倾角98.55°,轨道周期100.59mm,过境时间为地方时 10:00.每天围绕地球约14圈.传感器波长范围为240～2380nm,每6d对全球扫描 1次.轨道重复周期为35d.主要科学目的是确定在大气中的各种成分,如微量气体、气溶胶和云的分布情况.SCIAMACHY是利用DOAS算法反演臭氧总量[19],数据存储格式为HDF-4,数据的分辨率为30km×60km,相对误差大约为 2%.详细信息可参考“ENVIS AT-1 Products Specifications”文档(http://earth.esa.int/pub/ESA_DOC/).为了方便数据处理和分析,利用反距离权重(inverse distance weighted,IDW)插值法对OMI和SCIAMACHY数据进行插值,生成0.25°×0.25°空间分辨率的数据集.1.2 地面数据世界臭氧与紫外线辐射数据中心 WOUDC)是世界气象组织(WMO)全球大气观测计划下属的 5个世界数据中心之一.本研究地面观测的臭氧总量从世界臭氧和紫外辐射中心获取,有亚洲地区 8个站点的数据,用以检验遥感反演数据的可靠性,站点的信息如下图1和表1所示.详细资料可访问 WOUDC的网站(http://www.mscsmc.ec.gc.ca/woudc).2.1 每天臭氧总量的比较获取臭氧总量比较的验证值,在时间上,地面观测值为日平均,卫星观测值为过境时瞬时值;在空间上,地面观测值与相对应卫星反演的一个像元值(0.25°×0.25°)进行比较.图2为地面观测站点和相对应OMI臭氧总量的线性回归分析,回归系数如表 2所示.线性回归的相关系数较高,在0.82～0.99之间.斜率和截距分别在 0.62～1.02和-7.28～104.04之间.截距的变化范围较大.精度最低站点为325号站点,相关系数最小,为0.82,斜率和截距分别为0.62和104.04.根据全部站点数据的回归分析,斜率和截距分别为0.98和4.25,相关系数达0.98.结果比单一站点的分析结果更好,多点的分析减小数据的不确定性.回归分析的结果表明了OMI反演的臭氧总量值普遍低于地面观测值.图 3为地面观测站点和相对应的SCIAMACHY臭氧总量的回归分析,回归系数如表2所示.相关系数和OMI的结果相似,但斜率和截距相差较大,特别是 325号站点.截距达131.89,相关系数为0.75.根据全部站点数据的回归分析,斜率和截距分别为0.95和 12.3,相关系数达 0.97.回归分析结果表明 SCIAMACHY反演的臭氧总量值普遍低于地面地面观测值,这与 OMI的结果相似.多点的综合分析结果与OMI相似,减小了不确定性,也说明各个站点由于受到所在地理条件的影响,遥感反演结果差异较大.由于进行比较验证的地面观测值和卫星反演值在时间和空间上不是完成匹配的,大气中臭氧总量时间变化和空间分布是不均一的,因此,地面观测和卫星反演存在一定的误差;卫星过境时间不一样,OMI和SCIAMACHY反演结果也就存在一定的差异.从回归分析结果来看,OMI反演结果优于SCIAMACHY,而且OMI具有更高的空间分辨率和时间分辨率,对于较小区域的臭氧研究更有价值.2.2 月平均臭氧总量的比较图4为与地面观测8个站点相对应遥感反演(OMI、SCIAMACHY)月平均臭氧总量相对偏差的变化.相对偏差是指遥感反演值减去地面观测值与地面观测值的比值.图中有些站点某些月数据缺失,主要是地面观测站点观测仪器出现问题不能获取数据. OMI与WODUC的相对偏差较小,这个结果与 Fioletov 等[12]在北半球25°N～60°N 的研究相似,OMI的相对偏差在-0.05～0.05 之间.但是,有少数月份的相对偏差达到-0.1,如站点 325,从 2005年 1月开始,相对偏差较小,为 0.05,到 2007年 4月,相对偏差较大,为-0.12.这个变化模式与SCIAMACHY的结果相似.SCIAMACHY 与WODUC的相对偏差较大,特别是纬度较高的站点,主要集中在-0.1～0.1之间.纬度较低的 3个站点(216、209、190)的相对偏差较小,主要集中在-0.05～0.05之间.而且SCIAMACHY的相对偏差比较离散,波动较大.说明 SCIAMACHY 反演的臭氧总量不确定性更大,在高纬度地区更为明显,与 OMI相比,相对偏差的变化相似性较差.OMI/WODUC和SCIAMACHY/WODUC的相对偏差呈现季节性变化,但是规律性较差.综上所述,OMI反演的臭氧总量精度更高.3.1 不同站点的变化特征利用与地面8个站点对应精度较高的OMI遥感数据进行臭氧总量变化特征分析.由于臭氧总量的纬度地带性明显,所以根据位于不同纬度的站点进行比较分析,图5为2005～2009年臭氧总量距平值的变化.图中站点(216、209、190、325)的地理纬度小于35°N,站点(332、295、208、326)的地纬度大于35°N.臭氧总量距平值随纬度的增大波动随之增大.站点位置小于35°纬度的臭氧总量距平值变化较小,在-50～50DU之间,而且4个站点的变化模式相似.站点位置大于35°纬度的臭氧总量距平值变化较大,在-60～150DU 之间,4个站点的变化模式相似.纬度最低的站点(216)臭氧总量距平值变化最小,大约只有-30～30DU;纬度最高的站点(326)臭氧总量距平值变化可达-100～180DU.从表3的标准差分析也反映出臭氧总量随纬度的增大波动随之增大.从纬度最低的站点(216)的标准差为 15.3DU增加到纬度最高的站点(326)的标准差为 54.7DU.臭氧总量距平值的变化存在明显的季节性,秋季和冬季的臭氧总量低于春季和夏季.在低纬度的站点,最大的变化出现在4月或5月,最小值在11月或12月;在高纬度的站点,最大和最小的变化则分别出现在2月或3月和8月或9月.主要由于太阳辐射的季节变化引起的,特别是太阳辐射的紫外波段,它是大气中产生臭氧光解作用的关键因素[20].在高纬度,太阳辐射的季节变化较大.因此,由O2光解产生O3的变化也较大.3.2 臭氧总量空间分布图6为2005～2009年平均臭氧总量的空间分布,从图 6中可以看出臭氧总量的分布呈现明显的纬度地带性,低纬度臭氧总量较低,高纬度臭氧总量较高.臭氧总量纬度地带性分布的原因主要是太阳辐射和大气环流引起的[1].臭氧总量从低纬度向高纬度变化量逐渐增大.赤道地区和中纬度地区差值可达200DU以上.在OMI数据中,显示了臭氧总量空间分布在青藏高原区出现明显的低值中心,这与周秀骥等的研究一致,并且臭氧总量低值沿着青藏高原东南的横断山脉向低纬度延伸,低臭氧总量主要是由于较高海拔引起的[22].SCIAMACHY的结果在青藏高原区和横断山脉上空的低值区不明显,并且在空间分布上连续性较差,表明了OMI反演的臭氧总量数据更能揭示出空间差异.可能是不同的反演算法和传感器的设置引起的,如空间分辨率、感器视场角和扫描宽度.OMI和SCIAMACHY的空间分辨率分别为13km×24km和30km×60km,OMI覆盖全球只用 1d,而SCIAMA-CHY需要6d.图7是2005～2009年OMI和SCIAMACHY多年平均值的差值,描述 2个传感器反演的臭氧总量空间分布的差异.2个传感器的差值在-25～25DU 之间,说明 2个传感器在不同地区反演结果不同,在青藏高原区,OMI的臭氧总量小于SCIAMACHY,大约在 10～20DU 之间.在其他地区,特别是40°N、130°E 地区,SCIAMACHY 反演的臭氧总量小于OMI,最大可达20DU.OMI的空间差异更加明显,在低值的青藏高原和高值的东北亚地区能更好的表现出来.因此,OMI可以体现出臭氧总量空间变化上更多的信息.对30°N做剖线,图 8为 2005～2009年月平均臭氧总量在30°N剖线从70°E～140°E的变化.由于经过青藏高原,海拨在 4500m 以上,缩短了臭氧气柱,减少了臭氧总量,臭氧总量与高程呈反比[22-23],而且高海拔改变了青藏高原区的热力和动力状况.因此,在80°E～100°E 的青藏高原区出现臭氧低谷,随着时间的演变臭氧低谷发生周期性变化,大约比周围地区低了12DU,而在SCIAMACHY数据中,没有体现这种空间特征和周期性变化.在中国四川盆地(105°E、30°N),OMI臭氧总量出现较小的峰值,而SCIAMACHY的数据也没有体现出这个空间特征.四川盆地臭氧总量较高的原因可能是地形的影响,盆地地形不利于气流的交换.而且四川盆地湿度较大,这也是影响臭氧总量较高的原因[22,24].较大的相对湿度有利于对流层中光化学反应,进而产生臭氧[25].为了更好地分析臭氧总量纬度地带性的变化,沿着120°E 做剖线,图 9 为 2005～2009 年月平均臭氧总量(OMI、SCIAMACHY)在120°E 从4°N～55°N 的变化.臭氧总量随着纬度的增大而逐渐上升,而且冬季、春季的纬度地带性比夏季、秋季明显,但是增长的速率存在明显差异.以30°附近为分界,在低纬度变化量小于中纬度,从4°N～30°N 地区,随着纬度的增大臭氧总量增长平缓.从30°N～50°N 地区, 随着纬度的增大臭氧总量快速增大.2005～2009年多年平均值,对于OMI数据,50°N 比30°N 大了大约 87.1 DU,为23.79%,30°N比4°N大了大约29.9 DU,为10.71%对于SCIAMACHY数据, 50°N比30°N大了大约91.0 DU,为24.56%,30°N 比4°N 大了大约 28.8 DU,为 10.30%;对于 OMI和 SCIAMACHY 的平均值,50°N比30°N大了大约89.1DU,为24.17%,30°N比4°N 大了大约 29.4DU,为 10.51%.4.1 利用OMI和SCIAMACHY传感器反演的臭氧总量数据,结合地面观测的臭氧总量数据进行了验证.回归分析表明,OMI反演的臭氧总量(斜率和截距分别为0.98和4.25,相关系数为0.98)比SCIAMACHY(斜率和截距分别为0.95和12.3,相关系数为0.97)反演的更好;相对偏差的分析也佐证了这个结果,而且OMI具有更高的时间和空间分辨率.2个传感器反演的臭氧总量空间差异明显,差值在-25～25DU 之间.在不同地区反演结果不同,在青藏高原区,OMI的臭氧总量小于SCIAMACHY,大约在 10～20DU 之间.在其他地区,特别是40°N、130°E 地区,SCIAMACHY 反演的臭氧总量小于OMI,最大可达20DU.4.2 臭氧总量存在明显的季节变化,在低纬度地区最大值出现在4月或5月,最小值在11月或12月,而在高纬度地区最大和最小的变化则分别出现在2月或3月和8月或9月.4.3 臭氧总量纬度地带性分布明显,而且呈现明显的季节变化,臭氧总量随着纬度增加而逐渐上升.从4°N～30°N 臭氧总量增长较平缓,从30°N～50°N 臭氧总量快速增大,分别大约为 29.4和89.1 DU,即大约为10.51%和24.17%.在青藏高原地区出现臭氧低值区,并在青藏高原东面的横段山脉向低纬度延伸.4.4 臭氧总量变化在不同纬度呈现不同的模式随纬度的增大波动随之增大.纬度最低的站点(216)臭氧总量距平值变化最小,大约只有-30～30 DU,纬度最高的站点(326)臭氧总量距平值变化可达-100～180DU.[1] WMO. Scientific Assessment of Ozone Depletion: 2006, Global Ozone Research and Monitoring Project-Report No. 50 [R].Geneva, Switzerland, 2007.[2] Bojkov R D. Ozone changes at the surface and in the free troposphere, in Tropospheric Ozone: Regional and Global Scale Interactions [R]. D. Reidel, Dordrecht, NetherIands: edited by I. S.A. Isaksen, 1988.[3] Gregory C R, George C T, Donald J W, et al. Seasonal trend analysis of published ground-based and TOMS total ozone data through 1991 [J]. J. Geophys. Res., 1994,99(D3):5449-5464.[4] William J R, Janel B C. Coherent variations of monthly mean total ozone and lower stratospheric temperature [J]. J. Geophys.Res., 1994,99(D3):5433-5447.[5] Schneider N, Lezeaux O, J de La Noe, et al. Validation of ground-based observations of stratomesospheric ozone [J].Journal of Geophysical Research, 2003,108(D17):4540,doi:10.1029/2002JD002925.[6] 王振亚,李海洋,周士康.平流层中臭氧耗减化学研究进展 [J].科学通报, 2001,46(8):619-625.[7] Farman J G, Shaklinarge J D. Losses of total ozone in Antarctic revealseasonal ClOx/NOx interacton [J]. Nature, 1985,315:207-210.[8] WMO. Scientific Assessment of Ozone Depletion: 2002, Global Ozone Research and Monitoring Project–Report No. 47 [R].Geneva, Switzerland, 2003.[9] Newman P A, Kawa S R, Nash E R. On the size of the Antarctic ozone hole [J]. Geophys. Res. Lett., 2004,31: L21104, doi:10.1029/2004GL020596 [10] Houghton J T, Ding Y, Gringgs, et al. IPCC 2001: Climate change 2001: The scientific basis [R]. Cambridge University Press, 2001.[11] 周秀骥,罗超,李维亮,等.中国地区臭氧总量变化与青藏高原低值中心 [J]. 科学通报, 1995,40(15):1396-1398.[12] Fioletov V E, Kerr J B, Hare E W, et al. An assessment of the world ground-based total ozone network performance from the comparison with satellite data [J]. J. Geophys. Res., 1999,104:1737-1747.[13] Stolarski R S, Labow G J, McPeters R D, Springtime Antarctic total ozone measurements in the early 1970s from the BUV instrument on Nimbus 4 [J]. Geophys. Res. Lett., 1997, 24(5):591-594.[14] Eskes H J, Van Der A R J, Brinksma E J, et al. Retrieval and validation of ozone columns derived from measurements of SCIAMACHY on Envisat [J]. Atmospheric Chemistry and Physics Discussions, 2005,5:4429-4475. [15] Bracher A, Lamsal L N, Weber M, et al. Global satellite validation of SCIAMACHY O3 columns with GOME WFDOAS[J]. Atmospheric Chemistry and Physics 5, 2005,9:2357-2368.[16] Kroon M, Veefkind J P, Sneep M, et al. Comparing OMI-TOMS and OMI-DOAS total ozone column data [J]. Journal of Geophysical Research,2008, 113: D16S28, doi:10.1029/2007JD008798.[17] Balis D, Kroon M, Koukouli M E, et al. Validation of Ozone Monitoring Instrument total ozone column measurements using Brewer and Dobson spectrophotometer ground-based observations [J]. Journal of Geophysical Research, 2007, 112:D24S46, doi:10.1029/2007JD008796.[18] Pawan K Bhartia. OMI Ozone Products [R]. NASA Goddard Space Flight Center, Greenbelt, Maryland, USA, 2002.[19] Chapman Sydney, A Theory of Upper-Atmospheric Ozone [J].Memoirs of the Royal Meteorological Society, 1930,26(3):103-125.[20] Coldewey-Egbers M, Weber M, Lamsal L N, et al. Total ozone retrieval from GOME UV spectral data using the weighting function DOAS approach [J]. Atmos. Chem. Phys., 2005,5:5015-5025.[21] 周秀骥,李维亮,陈隆勋,等.青藏高原地区大气臭氧变化的研究[J]. 气象学报, 2004,62(5):531-527.[22] 肖钟湧,江洪.利用遥感监测青藏高原上空臭氧总量30 a的变化[J], 环境科学, 2010,31(11):2569-2574.[23] 仇永炎,魏民,江爱良,等.青藏高原臭氧总量低中心与落基山臭氧低槽的基本特征—兼论高山静力亏损的成因 [J]. 气候与环境研究, 2008,13(5):617-628. [24] Taalas P, Kyrö E. 1987–1989 total ozone and ozone sounding observations in Northern Scandinavia and Antarctica, and the climatology of the lower stratosphere during 1965–1988 in Northern Finland [J]. Journal of Atmospheric and Terrestrial Physics, 1992,54(9):1089-1099. [25] Kleffmann J, Gavriloaiei T, Hofzumahaus A, et al. Daytime formation of nitrous acid: A major source of OH radicals in a forest [J]. GeophysicalResearch Letter, 2005, 32: L05818,doi:10.1029/2005GL022524.致谢：本研究数据来自美国戈达地球科学数据和信息服务中心(GES DISC)、欧空局(ESA)和世界臭氧与紫外线辐射数据中心(WOUDC).作者在此表示感谢！【相关文献】[1] WMO. Scientific Assessment of Ozone Depletion: 2006, Global Ozone Research and Monitoring Project-Report No. 50 [R].Geneva, Switzerland, 2007.[2] Bojkov R D. Ozone changes at the surface and in the free troposphere, in Tropospheric Ozone: Regional and Global Scale Interactions [R]. D. Reidel, Dordrecht, NetherIands: edited by I. S.A. Isaksen, 1988.[3] Gregory C R, George C T, Donald J W, et al. Seasonal trend analysis of published ground-based and TOMS total ozone data through 1991 [J]. J. Geophys. Res.,1994,99(D3):5449-5464.[4] William J R, Janel B C. Coherent variations of monthly mean total ozone and lower stratospheric temperature [J]. J. Geophys.Res., 1994, 99(D3):5433-5447.[5] Schneider N, Lezeaux O, J de La Noe, et al. Validation of ground-based observations of stratomesospheric ozone [J].Journal of Geophysical Research,2003,108(D17):4540,doi:10.1029/2002JD002925.[6] 王振亚,李海洋,周士康.平流层中臭氧耗减化学研究进展 [J].科学通报, 2001,46(8):619-625.[7] Farman J G, Shaklinarge J D. Losses of total ozone in Antarctic reveal seasonalClOx/NOx interacton [J]. Nature, 1985,315:207-210.[8] WMO. Scientific Assessment of Ozone Depletion: 2002, Global Ozone Research and Monitoring Project–Report No. 47 [R].Geneva, Switzerland, 2003.[9] Newman P A, Kawa S R, Nash E R. On the size of the Antarctic ozone hole [J]. Geophys. Res. Lett., 2004,31: L21104, doi:10.1029/2004GL020596[10] Houghton J T, Ding Y, Gringgs, et al. IPCC 2001: Climate change 2001: The scientific basis [R]. Cambridge University Press, 2001.[11] 周秀骥,罗超,李维亮,等.中国地区臭氧总量变化与青藏高原低值中心 [J]. 科学通报,1995,40(15):1396-1398.[12] Fioletov V E, Kerr J B, Hare E W, et al. An assessment of the world ground-based total ozone network performance from the comparison with satellite data [J]. J. Geophys. Res., 1999,104:1737-1747.[13] Stolarski R S, Labow G J, McPeters R D, Springtime Antarctic total ozone measurements in the early 1970s from the BUV instrument on Nimbus 4 [J]. Geophys. Res. Lett., 1997, 24(5):591-594.[14] Eskes H J, Van Der A R J, Brinksma E J, et al. Retrieval and validation of ozone columns derived from measurements of SCIAMACHY on Envisat [J]. Atmospheric Chemistry and Physics Discussions, 2005,5:4429-4475.[15] Bracher A, Lamsal L N, Weber M, et al. Global satellite validation of SCIAMACHY O3 columns with GOME WFDOAS[J]. Atmospheric Chemistry and Physics 5, 2005,9:2357-2368.[16] Kroon M, Veefkind J P, Sneep M, et al. Comparing OMI-TOMS and OMI-DOAS total ozone column data [J]. Journal of Geophysical Research, 2008, 113: D16S28,doi:10.1029/2007JD008798.[17] Balis D, Kroon M, Koukouli M E, et al. Validation of Ozone Monitoring Instrument total ozone column measurements using Brewer and Dobson spectrophotometer ground-based observations [J]. Journal of Geophysical Research, 2007, 112:D24S46,doi:10.1029/2007JD008796.[18] Pawan K Bhartia. OMI Ozone Products [R]. NASA Goddard Space Flight Center, Greenbelt, Maryland, USA, 2002.[19] Chapman Sydney, A Theory of Upper-Atmospheric Ozone [J].Memoirs of the Royal Meteorological Society, 1930,26(3):103-125.[20] Coldewey-Egbers M, Weber M, Lamsal L N, et al. Total ozone retrieval from GOME UV spectral data using the weighting function DOAS approach [J]. Atmos. Chem. Phys., 2005,5:5015-5025.[21] 周秀骥,李维亮,陈隆勋,等.青藏高原地区大气臭氧变化的研究[J]. 气象学报, 2004,62(5):531-527.[22] 肖钟湧,江洪.利用遥感监测青藏高原上空臭氧总量30 a的变化[J], 环境科学,2010,31(11):2569-2574.[23] 仇永炎,魏民,江爱良,等.青藏高原臭氧总量低中心与落基山臭氧低槽的基本特征—兼论高山静力亏损的成因 [J]. 气候与环境研究, 2008,13(5):617-628.[24] Taalas P, Kyrö E. 1987–1989 total ozone and ozone sounding observations in Northern Scandinavia and Antarctica, and the climatology of the lower stratosphere during 1965–1988 in Northern Finland [J]. Journal of Atmospheric and Terrestrial Physics, 1992,54(9):1089-1099.[25] Kleffmann J, Gavriloaiei T, Hofzumahaus A, et al. Daytime formation of nitrous acid: A major source of OH radicals in a forest [J]. Geophysical Research Letter, 2005, 32:L05818,doi:10.1029/2005GL022524.致谢：本研究数据来自美国戈达地球科学数据和信息服务中心(GES DISC)、欧空局(ESA)和世界臭氧与紫外线辐射数据中心(WOUDC).作者在此表示感谢！Comparison of total ozone derived from OMI and SCIAMACHY over Asia region.XIAO Zhong-yong1, JIANG Hong1,2*(1.International Institute for Earth System Science, Nanjing University, Nanjing 210093, China；2.State Key Laboratory of Subtropical ForestScience and Zhejiang Provincial Key Laboratory of Carbon Cycling in Forest Ecosystems and Carbon Sequestration, Zhejiang Agriculture and Forestry University, Hangzhou 311300, China). China Environmental Science, 2011,31(4)：529～539Abstract：Using the total ozone products derived from ozone monitoring instrument (OMI) and scanning imaging absorption spectrometer for atmospheric chartography (SCIAMACHY), and validated by the ground based measured total ozone data from WODUC. The temporal and spatial characteristics of total ozone over Asia region was analyzed based on the remotely sensed datasets. The validation result indicates that there are highe r accurate of the OMI retrieved total ozone data than SCIAMACHY’s, and OMI data has higher resolution both temporal and spatial-scales. The seasonal variation of total ozone presents obvious pattern, the largest value appear in April and May, and the smallest value often appear in November and December over lower latitude areas, respectively. But for the higher latitude areas; the largest and smallest appear in February or March and August or September respectively. The total ozone present latitudinal relied on distribution pattern and increasing with latitude raised. From 10ºN ～30ºN, the increasing rate is less, while from 30 ºN～50ºN, the increasing rate is boosty. There is a lower value area over Tibetan Plateau and extend to the lower latitude areas along Hengduan Mountains of China. The variation of total ozone distribution pattern also alterative along with different latitudes, the trend is that with the mean total ozone value increase with latitude raised. The variation of total ozone in 216 lower latitude stations are smaller, with alternation for mean value is 30 DU. There are big variation of total ozone value in 326 higher latitude stations, with alternation for mean value is up to 180 DU.。
中国环境科学 2018,38(10)：3621~3627 China Environmental Science 2005~2016年中国大气边界层SO2的时空变化趋势肖钟湧*,赵伯维,陈雅文,王一琳,邱小英,谢伊宁(集美大学理学院,福建厦门 361021)摘要：利用臭氧观测仪(OMI)卫星遥感反演的大气边界层(PBL)SO2柱含量(PBL SO2)数据分析了自2005年以来中国PBL SO2柱含量数据的空间分布特征、变化趋势及其影响的原因.从长时间尺度上,PBL SO2柱含量呈现明显的下降趋势.2005年中国区域年平均PBL SO2柱含量为0.317DU,2016年为0.276DU,减少了0.041DU,大约为13.2%.SO2柱含量呈现明显的周期变化特征.冬季浓度较高,夏季较低,最小值和最大值分别出现在7和12月,分别为0.246和0.404DU.小波分析显示SO2的变化在10个月的尺度水平上存在明显的主振荡周期,在40个月的尺度水平上存在明显的次周期变化.中国区域SO2污染严重的高值区主要出现在京津冀鲁环渤海地区、关中平原(山西省和陕西省)、河南省大部分地区、四川盆地、长江三角洲地区和珠江三角洲.最大的SO2柱含量值可达1.1DU以上.京津冀鲁环渤海地区的高值区已经延伸到长江三角洲地区,有向南延伸和珠江三角洲连在一起的趋势.由于地形和天气特征的影响,四川盆地地区SO2出现次高值区.在青藏高原和西北地区,SO2浓度较低,呈现背景值特征,多年平均的SO2约在0.05DU的水平.中国区域SO2变化趋势在空间分布上存在明显的区域差异,变化的范围在-0.70~0.15DU之间.SO2出现逐渐减少的地区主要是在高值区,如京津冀鲁环勃海地区、关中平原、四川盆地,长江中下游和珠江三角洲.减幅最大的是四川盆地和珠江三角洲,大约减少了61%.四川盆地2005~2016年约减少了0.55DU;珠江三角洲约减少了0.45DU.出现增长的地区主要是西部和北部地区,以及东南沿海除珠三角外的大部分区域,最大增长大约为0.15DU.关键词：臭氧观测仪；PBL SO2；线性增长；卫星遥感中图分类号：X511 文献标识码：A 文章编号：1000-6923(2018)10-3621-07Trend of temporal and spatial variation of planetary boundary layer SO2 over China from 2005 to 2016. XIAO Zhong-yong*, ZHAO Bo-wei, CHEN Ya-wen, WANG Yi-lin, QIU Xiao-ying, XIE Yi-ning (Schools of Science, Jimei University, Xiamen 361021, China). China Environmental Science, 2018,38(10)：3621~3627Abstract：We analyzed the spatial distribution and variation trend of PBL SO2 over China using the satellite retrieved data from the ozone monitoring instrument (OMI) sensor. In the long term scale, the SO2 presented an obvious decline trend. The regional mean value has reduced 0.041DU (about 13.2%) from 2005 to 2016. The SO2 showed an obvious periodic variation, the value was higher in winter and lower in summer. The smallest and largest value appeared in July and December with 0.246 and 0.404DU respectively. The wavelet analysis finding showed that the variation of SO2 have primary period in 10months scale. In the spatial scale, there were 4 higher value regions over Circum-Bohai-Sea region, Sichuan Basin, Yangtze River Delta, and Pearl River Delta. The Largest value was up to 1.1DU over Bohai Rim Economic Zone. The higher value areas of the Circum-Bohai-Sea region in North China has been extended to the Yangtze River Delta region, with the southward extension to the Pearl River Delta. The SO2 in the Sichuan Basin have higher values due to the influence of topography and weather characteristics. In the Tibetan Plateau and Northwest China, the SO2 concentration was low, indicated the background value characteristics, the multi-yearly average SO2 was about 0.05DU. There were obvious differences in the spatial distribution of variation trends of SO2 over China. The range of variation was between -0.70 and 0.15DU. The gradual decreasing region of SO2 appeared in high-value areas, such as Circum-Bohai-Sea region, Sichuan Basin, the Yangtze River and the Pearl River Delta. The largest reduction was about 61%, which reduced by about 0.55 and 0.45DU over Sichuan Basin and the Pearl River Delta from 2005 to 2016, respectively. The gradually increasing regions were mainly in the western and northern region, and the southeast coast excluding the Pearl River Delta. The maximum growth was about 0.15DU. Key words：ozone monitoring instrument (OMI)；PBL SO2；linear increasing；satellite remote sensing大气中 SO2主要来源有人为源和自然源,其中硫矿物燃料(煤和石油)的燃烧是最重要的人为源,燃烧产生的SO2约占总排放量的80%,主要集中在距地面2km以内的大气边界层(PBL)[1].自然源主要有火山喷发排放的SO2.另外,由自然界排出的H2S 氧化成SO2是另一个自然源.SO2在大气化学过程中易被O2氧化生成SO3,进而生成危害性更大的硫酸或硫酸盐,使大气酸化或被雨水冲刷形成酸雨,对地球生态环境造成巨大破坏[2].目前,大气酸化和酸雨、大气中臭氧引起的全球化学系统的变化、生态环境收稿日期：2018-03-26基金项目：福建省教育厅科技项目(JA14183);潘金龙集美大学学科建设基金资助项目(ZC2013022);福建省科技厅项目(2017J01659)* 责任作者, 副教授, zyxiao@3622 中国环境科学 38卷的不均衡性和温室气体引起的气候变化已经成为主要环境问题.卫星遥感技术具有覆盖面广、周期观测能力强和空间连续等优势,它是定量化评估SO2的重要手段[3-5].利用卫星遥感数据可以估算整个大气SO2柱含量,大气对流层SO2柱含量,以及大气边界层SO2柱含量,研究全球范围内长时间的SO2时空特征.2002年,ENVISAT-1卫星上搭载的大气制图扫描成像吸收光谱仪(SCIAMACHY),专门用于监测SO2、NO2和O3等痕量气体[6].2004年,EOS-AURA 上搭载的高分辨率OMI传感器对大气SO2浓度探测灵敏度比较高,能够实现每天对短生命周期的SO2浓度的全球观测[6],能探测出少量的SO2的排放[7-8].国内外学者已经利用这些卫星传感器观测的数据进行区域,乃至全球SO2含量的时空变化,并分析其影响的因素[9-12].这些数据在揭示全球和区域SO2的时空变化等重大科学问题上发挥了非常重要的作用.近年来,在人类活动强烈的地区,大气中SO2浓度呈现明显增长趋势.中国经济高速增长过程中,向大气排放了大量的污染气体,包括SO2和NO2等.致使对流层SO2浓度处于较高水平.然而,国内对于SO2的遥感监测还处于起步阶段,利用卫星遥感数据分析中国区域大气SO2污染变化特征及与其它污染物及自然、经济、社会等因素的关系方面的研究较少.本研究利用Aura卫星上臭氧层观测仪(Ozone M onitoring Instrument, OM I)反演的PBL SO2数据,较为全面的分析了2005~2016长时间序列的中国区域大气边界层SO2变化特征.该数据能够很好的反映人为排放的SO2情况.1 数据与方法本研究利用的SO2数据资料来源于装载在NASA地球观测系统系列卫星Aura卫星上OMI 传感器.该卫星于2004年7月15日发射升空,是一颗太阳同步轨道的近极轨卫星,轨道高度约705km,过境时间一般在当地时13:40~13:50.OMI 传感器通过观测地球大气和表面的后向散射辐射来获取信息.传感器波长范围为270~500nm,波谱分辨率为0.5nm,星下点空间分辨率达13km×24km,边缘分辨率降低很多,为40km×160km,传感器视场角为114°,扫描宽度为2600km,覆盖全球只用1d[13]. OM I主要监测大气中的臭氧柱含量和气溶胶、云、表面紫外辐射和痕量气体SO2、NO2、BrO、HCHO和OCIO等.本文主要利用OM I SO2L2产品的大气边界层(PBL)柱含量数据.SO2数据资料是OM I OM SO2e产品,单位为DU(Dobson units),1DU=2.69×1016分子数/cm2.OMI的PBL SO2数据是由BRD算法估算得出的,该算法利用UVB通道的“3个波段对”的测量值与计算值的残差得到SO2的柱含量.算法对近地面SO2浓度有很高的探测能力[2,14-15].能够很好的反映近地面SO2污染情况[16].本研究采用的数据资料时间跨度是2005年01月~2016年12月.存储格式为HDF-EOS 5数据格式,空间分辨率为经度(0.25°)×纬度(0.25°).利用MATLAB读取HDF-EOS5数据,然后生成GeoTIFF栅格数据格式,并进行数据分析和制图.为了方便数据处理和分析,减少数据噪声带来的不确定性,在时间变化上,通过计算区域平均值来分析全国和区域变化特征.空间上,对多年的数据求平均值,分析全国和区域空间分布特征.为了研究中国区域SO2的不同尺度周期变化的特征,利用Morlet小波对12年月平均PBL SO2柱含量进行了小波分析.小波分析属于局域化时频分析方法,同时也具有多尺度特性.小波分析在时域和频域同时具有良好的局部化特性,并可以通过伸缩和平移等运算功能对函数和信号进行多尺度细化分析,最终达到高频处时间细分、低频处频率细分,自动适应时频信号分析的要求,可聚焦到信号的任何细节,对于信号处理、信息处理起着至关重要的作用.对一个给定时序数据进行小波变换,就是将该信号按某一小波函数簇展开,即将信号表示为一系列不同尺度和不同时移的小波函数的线性组合,其中每一项的系数称为小波系数,而同一尺度下所有不同时移的小波函数的线性组合称为信号在该尺度下的小波分量.利用小波系数的位置和尺度可以很好地探测到信号的时频变化特征.时间上的波动情况用变异系数来表征.变异系数(CV )为标准差(σ)与平均数(µ)的比值.用公式表示为:CV=σ/μ (1)10期肖钟湧等：2005~2016年中国大气边界层SO 2的时空变化趋势 36232 结果与讨论2.1 中国地区SO 2的时间变化由图1可见,长时间尺度上PBL SO 2柱含量呈现明显的下降趋势.2005年中国区域年平均PBL SO 2柱含量为0.317DU,2016年为0.276DU,减少了0.041DU,约为13.2%.利用线性回归分析得出回归直线为y = - 0.0000115x + 28.4600.从2005~2016年每年大约递减1.5%.在城市化进程快速发展和工业活动增加的背景下,2005年至2016年中国的煤炭消费量增长了将近一半,发电量翻了一倍以上.然而,PBL SO 2浓度却呈现逐渐下降的趋势,从侧面可以反映出中国最近实行的燃煤脱硫控制措施的有效性.制定的减排目标和排放标准等政策是卓有成效的,对SO 2减排成效非常明显.从图1中可以得出SO 2柱含量呈现明显的周期变化特征.冬季浓度较高,夏季较低.为了进一步分析SO 2的季节变化特征,利用小波变换的方法研究其周期性.图2为小波系数实部的分布.其中,横坐标为时间(月),纵坐标为时间尺度,图中的颜色变化为小波系数实部值.小波系数实部等值线图能反映月平均SO 2序列不同时间尺度的周期变化及其在时间域中的分布,进而能判断在不同时间尺度上,月平均SO 2的未来变化趋势.小波系数显示了SO 2的变化在10个月的尺度水平上存在明显的周期变化.即SO 2从2002~2016年演化过程中存在着10个月的主振荡周期.小波系数显示了40个月的尺度水平上存在明显的次周期变化.时间2005-01 2007-01 2009-01 2011-012013-012015-012017-01P B L S O 2(D U )0.200.250.30 0.35 0.40 0.450.50 年份 2006 2008 2010 2012 2014 2016P B L S O 2(D U )0.260.280.300.320.340.360.38图1 中国区域月平均和年平均PBL SO 2的变化特征Fig.1 Variation characteristics of regional monthly and yearly mean PBL SO 2 over China0.25 S O 2(D U )尺度(月)204060801001201401020 30 40 50 60 0 0.050.1 0.15 0.20.250.30.350.40.450.5 (DU)图2 2005~2016中国区域月平均PBL SO 2柱含量时间序列的小波分析Fig.2 Wavelet analysis of time series of monthly mean PBL SO 2 over China from 2005~20162.2 中国大陆地区SO 2的季节变化由于受气象条件、化学过程和人为排放的季节性影响,大气中SO 2呈现出明显的季节变化.图3显示了中国区域PBL SO 2柱含量的月变化特征,柱状图是指相同月份的平均值.误差棒为变异系数,是利用不同年相同月份(2005~2016年)数据进行计算的结果.中国区域SO 2月度变化明显,呈V 字形分布,最小值和最大值分别出现在7和12月,多年平均值大约分别为0.246和0.404DU.12月高浓度的原因主要是在秋冬季节采暖期,矿物燃烧排放的SO 2较高.特3624 中 国 环 境 科 学 38卷别是在北方地区,冬季高值主要是由于冬季人为燃煤取暖和工业排放的贡献.而且冬季气象条件(如光照和温度)不利于SO 2的化学转化,以及气粒转换(SO 2易被氧化,转化为硫酸盐颗粒)的转换率受到低温低湿抑制等[17-19].SO 2污染物可以长时间留存在大气中,从图4中冬季的浓度以及空间分布也可以看出这个特点.7月低浓度的原因除了人为排放减少外,夏季的气候特征也是主要的原因,雨季从4月份开始,在6~9月,夏季由于雨水增多,大气湿度和温度相对较高,气粒转化率较高,较大的转化成硫酸盐气溶胶,通过降雨和沉降作用,污染物在大气中存留时间相对短,很大程度地减少了近地面SO 2浓度[2].强烈的人为活动和各种自然因素等多种原因的共同作用导致了PBL SO 2浓度的年内变化特点.由图3也可以看出,一年中春季和秋季SO 2浓度相同月份波动较小.在浓度最高的冬季和最低的夏季,SO 2浓度波动较大.在6月份,波动较大,变异系数为0.098.而在3和10月SO 2的波动比较小,较为稳定,变异系数约分别为0.056和0.052.主要的原因是大气状况比较稳定,受高压天气系统控制,常出现天高云淡的天气现象,而且湿度较低,温度较高,不需要燃煤取暖,人为活动排放的SO 2较少.东、西部地区SO 2的季节变化差异明显,东部地区季节变化大.而西部地区SO 2浓度季节变化并不明显,明显低于东部地区,这主要是由于西部地区人烟稀少,人为活动少,大气中的SO 2主要贡献来自于自然排放源.P B L S O 2(D U )0.200.250.300.350.400.450.50变异系数0.040.060.080.100.12月份024 6 8 10 12图3 2005~2016年中国多年月平均PBL SO 2柱含量的变化特征Fig.3 Variation characteristics of multi -year monthly meanPBL SO 2 over China from 2005~2016图4 2005~2016年中国多年季节平均PBL SO 2柱含量的空间分布特征(DU)Fig.4 Spatial distribution characteristics of multi -year seasonally mean PBL SO 2 over China from 2005~2016 (DU)2.3 中国大陆地区PBL SO 2的空间特征2.3.1 空间分布特征 由于不同区域经济发展和人为活动特点不一致,SO 2在不同区域的排放不一致,全国SO 2在空间分布上呈现明显的空间分异特征.地域10期肖钟湧等：2005~2016年中国大气边界层SO 2的时空变化趋势 3625分布上与经济发展和人口密度有较好的一致性,这反映了SO 2柱含量与人为活动密切相关.从图5中可以看出中国区域SO 2污染严重的高值区主要出现在京津冀鲁环渤海地区、关中平原(山西省和陕西省)、河南省大部分地区、四川盆地、长江三角洲地区和珠江三角洲.最大的SO 2柱含量值可达1.1DU 以上.京津冀鲁环渤海的高值区已经延伸到长江三角洲地区,有向南延伸和珠江三角洲连在一起的趋势,这些地区均为人口密集、工农业较发达、人类活动剧烈的地区,由于城市化和经济的快速发展,导致人为SO 2的排放较高,特别是来自工业活动的煤、油、天然气等矿物燃烧.燃煤过程中同时释放SO 2进入到大气中.这可能是这些地区SO 2偏高的主要排放源.图5 2005~2016年中国多年平均PBL SO 2柱含量的空间分布特征(DU)Fig.5 Spatial distribution characteristics of multi -year meanPBL SO 2over China from 2005~2016 (DU)图6 2005~2016年中国多年月平均PBL SO 2柱含量变异系数的空间分布特征Fig.6 Spatial distribution characteristics of variation coefficients of multi -year monthly mean PBL SO 2from 2005~2016图7 2005~2016年中国PBL SO 2柱含量线性回归分析的空间分布特征(DU)Fig.7 Spatial distribution characteristics of linear regression analysis of PBL SO 2over China from 2005 to 2016 (DU)图8 2005~2016年中国PBL SO 2柱含量变化百分比的空间分布特征Fig.8 Spatial distribution characteristics of relative change (%)of PBL SO 2 over China from 2005 to 2016高浓度SO 2数值在一定程度上反映出当地的工业排放量,此外,SO 2的浓度与当地工业活动强度、气象条件和局地地形等因素密切相关.在四川盆地地区SO 2出现次高值区,PBL SO 2柱含量值约为0.65DU,该地区也是人为活动比较强烈的地区,此外,独特的地形和天气特征也是影响高值的重要原因.独特地形和天气特征,使得SO 2不易扩散,形成SO 2浓度较高的区域.自然源和人为源作用对SO 2浓度的时间变化和空间分布影响规律不同.东部地区人为排放占支配地位,而在中西部人类活动相对较弱的地区SO 2的自然源占主要地位,广大的西部和北部地区人为活动影响较小,SO 2浓度呈现背景值特征,多年平均的PBL SO 2浓度大约为0.2DU.图6为2005~2016年年平均SO 2变异系数的3626 中国环境科学 38卷空间分布特征,它是利用相同空间位置上不同时间(年平均)的数据进行计算的结果.从图6也可以看出不同地区人为排放的SO2时间上变化不一致,呈现明显的空间差异.一年四季的变化量最大的区域出现在四川盆地和珠江三角洲,变异系数约为0.4;在山东半岛与长江三角洲地区,由于SO2的浓度较高,变异系数较高,这些地区反映了人为活动对SO2变化的景响较大;在青藏高原和西北地区,人类活动影响较小,SO2浓度较低,呈现背景值特征,一年四季的变化量也较小,多年平均的SO2变异系数约在0.05DU的水平.SO2柱含量体现了大气本底的特征.2.3.2SO2的线性增长在空间上的分布特征由于不同区域经济的发展水平不同和人为活动特点不一致,SO2在不同空间上的变化趋势也呈现明显的差异.从图7、8中可以看出,不同的空间位置变化趋势不一致.变化绝对量的范围在-0.70~0.15DU之间;百分比范围大约在-70%~70%之间.负值为下降趋势,正值为增长趋势.中国区域PBL SO2出现减少的地区主要是在高值区,如四川盆地、京津冀鲁等地区、关中平原、长江中下游和珠江三角洲.减幅最大的是四川盆地和珠江三角洲,四川盆地2005年(区域平均约为0.9DU)~2016年(区域平均约为0.35DU)约减少了0.55DU(约减少61%);珠江三角洲2005年(区域平均约为0.75DU)~2016年(区域平均约为0.30DU)约减少了0.45DU(约减少61%).另一个高值区京津冀鲁等地边界层SO2柱含量从2005年(区域平均约为1.05DU)~2016年(区域平均约为0.6DU)约减少了0.45DU(约减少43%).这反映了12a来这些地区人为排放的SO2出现了较大幅度的减少.主要归因于国家节能减排政策的实施,及对火电厂等SO2高排放企业硫排放控制措施的大力推进[20],从2007年极值后,中国硫排放量出现下降,尤其是中国西南、华南、华中和环渤海等SO2及酸雨控制区的硫污染的大力控制,这些地区的SO2柱含量出现明显的下降.SO2柱含量出现增长的地区主要是西部和北部地区,从西藏、新疆、内蒙古到东北等区域,最大增长为0.15DU.出现增长的区域较广,但是增长量较小,反映出由于经济高速发展阶段人为活动排放的SO2还在持续增长. 3 结论3.1从长时间尺度上,PBL SO2柱含量呈现明显的下降趋势,2005年中国区域年平均PBL SO2柱含量为0.317DU,2016年为0.276DU,减少了0.041DU,即2005~2016年每年大约递减1.5%.SO2柱含量呈现明显的周期变化特征.冬季浓度较高,夏季较低,最小值和最大值分别出现在7和12月,分别为0.246和0.404DU.小波系数显示了SO2的变化在10个月的尺度水平上存在明显的主振荡周期.在3和10月,变异系数分别为0.056和0.052,反映出SO2在这时间的波动较小.3.2中国区域SO2污染严重的高值区主要出现在京津冀鲁环渤海地区、关中平原(山西省和陕西省)、河南省大部分地区、四川盆地、长江三角洲地区和珠江三角洲.最大的SO2柱含量值可达1.1DU以上.京津冀鲁环渤海的高值区已经延伸到长江三角洲地区,有向南延伸和珠江三角洲连在一起的趋势;在青藏高原和西北地区,人为活动影响较小,SO2浓度较低,多年平均的SO2大约为0.05DU,一年四季的变化量也较小, SO2柱含量体现了大气本底的特征. 3.3中国区域PBL SO2变化趋势在空间分布上存在明显的差异,不同的区域变化趋势不一致.变化的范围在-0.75~0.15DU之间.PBL SO2出现减少的地区主要是在高值区,如京津冀鲁环勃海地区、关中平原、四川盆地,长江中下游和珠江三角洲.四川盆地2005年(区域平均约为0.9DU)~2016年(区域平均约为0.35DU)大约减少了0.55DU(约减少61%);珠江三角洲2005年(区域平均约为0.75DU)~2016年(区域平均约为0.30DU)约减少了0.45DU(约减少61%);高值区的京津冀鲁环勃海地区大气边界层SO2柱含量从2005年(区域平均约为1.05DU)~2016年(区域平均约为0.6DU)大约减少了0.45DU(约减少43%).反映出这些地区的人为排放有所减少,节能减排措施的实施减少了SO2的排放.参考文献：[1] Krotkov N A, M cClure B, Dickerson R R, et al. Validation of SO2retrievals from the ozone monitoring instrument (OMI) over NE China [J]. Journal of Geophysical Research Atmospheres, 2008,113(D16): 16-40.[2] Krueger A J, Krotkov N A, Yang K, et al. Applications of satellite-10期肖钟湧等：2005~2016年中国大气边界层SO2的时空变化趋势 3627based sulfur dioxide monitoring [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010,2(4):293- 298.[3] Krueger A J. Sighting of El chichón sulfur dioxide clouds with thenimbus 7total ozone mapping spectrometer [J]. Science, 1983, 220(4604):1377-1379.[4] M ellqvist J, Rosén A. DOAS for flue gas monitoring-II. Deviationsfrom the Beer-Lambert law for the U.V./visible absorption spectra of NO, NO2, SO2 and NH3 [J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 1996,56(2):225-240.[5] Eisinger M, Burrows J P. Tropospheric sulfur dioxide observed by theERS-2GOME instrument [J]. Geophys. Res. Lett., 1998,25(22):4177- 4180.[6] Piters A J M, Bramstedt K, Lambert J C, et al. Overview ofSCIAM ACHY validation: 2002-2004 [J]. Atmospheric Chemistry & Physics, 2006,6(1):127-148.[7] Chance K. OMI Algorithm Theoretical Basis Document, V olume IV:OMI Trace Gas Algorithms [M]. USA: NASA, A TBD-OMI-04, V ersion2.0, 2002.[8] Levelt P F. 2002. OM I Algorithm Theoretical Basis Document,V olume I: OM I Instrument, Level 0-1b processor, Calibration & Operations [M]. USA:NASA, ATBD-OMI-01, Version 1.1, 2002. [9] Richter A, Wittrock F, Heckel A, el al. SCIAMACHY Measurementsof tropospheric SO2 [C]. Cospar Scientific Assembly, 2006, 36th COSPAR Scientific Assembly, in Beijing, China.[10] 康重阳,赵军,宋国富,等.基于OMI数据中国大气边界层SO2空间格局 [J]. 中国环境科学, 2018,38(2):435-443.[11] Zhang X, Geffen J V, Liao H, et al. Spatiotemporal variations oftropospheric SO2 over China by SCIAM ACHY observations during 2004-2009 [J]. Atmospheric Environment, 2012,60(11):238-246. [12] 闫欢欢,张兴赢,王维和.卫星遥感监测全球和中国区域污染气体NO2和SO2时空变化 [J]. 科技导报, 2015,33(17):41-51.[13] Levelt P F, Van den Oord G H J, Dobber M R, et al. The OzoneM onitoring Instrument [J]. IEEE Trans Geosci Remote Sens, 2006, 44(5):1093-1101.[14] Carn S A, Krueger A J, Krotkov N A, et al. Sulfur dioxide emissionsfrom Peruvian copper smelters detected by the Ozone M onitoring Instrument [J]. Geophys. Res. Lett., 2007,34(9):1093-1101.[15] Li C, Zhang Q, Krotkov N A, et al. Recent large reduction in sulfurdioxide emissions from Chinese power plants observed by the Ozone Monitoring Instrument [J]. Geophysical Research Letters, 2010,37(8): 292-305.[16] 闫欢欢,陈良富,陶金花,等.珠江三角洲地区SO2浓度卫星遥感长时间序列监测 [J]. 遥感学报, 2012,16(2):390-404.[17] 王体健,闵锦忠,孙照渤,等.中国地区硫酸盐气溶胶的分布特征 [J].气候与环境研究, 2000,5(2):165-174.[18] Khoder M I. Atmospheric conversion of sulfur dioxide to particulatesulfate and nitrogen dioxide to particulate nitrate and gaseous nitric acid in an urban area. Chemosphere, 2002,49(6):675-684.[19] 朱帅,颜鹏,马建中.超大城市SO2排放对硫酸盐区域分布影响的观测与模拟 [J]. 环境科学研究, 2009,22(1):7-15.[20] 张慧明,王娟.应用烟气脱硫技术控制燃煤工业锅炉SO2污染 [J].电力科技与环保, 2006,22(1):13-16.致谢：本研究数据来自美国戈达地球科学数据和信息服务中心(Goddard Earth Sciences Data and Information Services Center) ,在此表示感谢!作者简介：肖钟湧(1979-),男,广东汕头人,副教授,博士,主要从事大气环境遥感研究.发表论文29篇.。
基于卫星观测的南京臭氧时空分布及变化特征李菁; 戴竹君; 李正金; 沈澄; 姜有山【期刊名称】《《生态环境学报》》【年(卷),期】2019(028)010【总页数】8页(P2012-2019)【关键词】臭氧总量; 对流层臭氧柱浓度; 南京【作者】李菁; 戴竹君; 李正金; 沈澄; 姜有山【作者单位】南京市气象局江苏南京 211100【正文语种】中文【中图分类】X16臭氧是自然大气中的重要组成部分，是氧的同素异形体，与人类的生存环境息息相关（刘新春等，2014）。
自然界中的臭氧多分布在平流层，它能吸收99%以上对人类有害的太阳紫外线，保护地球上的生命免遭短波紫外线的伤害。
而在近地面，臭氧却是光化学烟雾的主要成分，属于污染物。
近年来随着人类消耗能源结构的转变、城市规模的不断扩大及汽车持有量的迅猛增加，导致全球臭氧柱浓度出现逐年增加的趋势（王宏等，2011）。
随着遥感空间技术的发展，卫星遥感为获取全球或区域尺度的臭氧监测数据提供了可能（刘小正等，2016）。
国内外学者利用卫星资料观测区域及全球臭氧已取得了许多成果（Ziemke et al.，1998；Bracher et al.，2005；单源源等，2016；徐晓斌等，2010；卢乃锰等，2017）。
肖钟湧等（2010）利用遥感监测青藏高原上空臭氧总量30 a的变化，发现青藏高原上空的臭氧总量还在持续下降，而且下降速度高于全球和北半球平均水平；郑向东等（2010）对不同时期、不同卫星反演的产品差别特点进行比较，发现TOMS （OMI-Total Ozone Mapping Spectrometer）算法反演的卫星臭氧总量与地基差别总体上优于与DOAS（OMI-Differential Optical Absorption Spectroscopy）算法反演的同期产品。
王晴等（2019）利用卫星臭氧遥感资料，考察 2008年以来青藏高原臭氧总量变化特征，发现臭氧总量从冬末至春季各月均有显著增加趋势，其变化特征与青藏高原春季大气温度变化趋势紧密相关。
Advances in Environmental Protection 环境保护前沿, 2023, 13(4), 1066-1079 Published Online August 2023 in Hans. https:///journal/aep https:///10.12677/aep.2023.134128基于5年OMI 卫星数据分析台风对珠三角臭氧廓线变化影响韦玉婷1，王洪强1，陈明涛1，王潞椰1，黄 俊2*1桂林理工大学环境科学与工程学院，广西 桂林 2中国科学院空天信息创新研究院，北京收稿日期：2022年9月25日；录用日期：2022年10月31日；发布日期：2023年8月30日摘 要在各种观测方法中，卫星遥感具有覆盖范围广、时间序列长、重复频次高的优点，是目前最主要的观测大气臭氧的手段之一。
珠三角是我国台风登陆频次最多的地区之一，也是我国受台风影响最大的地区之一，为更好地了解珠三角地区台风登陆前后臭氧廓线变化情况、对台风进行预报预警、防控臭氧污染，本文选用2016.3~2021.2共5年登陆珠三角地区19个单台风登陆前后OMI 卫星臭氧廓线，分析单台风登陆珠三角地区前后臭氧廓线的变化情况，结果发现：1) 单台风影响珠三角地区臭氧垂直分布，从而导致臭氧廓线台风前后不同；2) 珠三角单台风大多在夏秋两季登陆；3) 19个单台风案例中，台风后对流层和平流层臭氧柱浓度均降低的案例有12个，对流层和平流层臭氧柱浓度均升高的案例有2个，平流层和对流层臭氧柱浓度变化趋势相反的案例有5个。
关键词珠三角，台风，臭氧廓线Analysis of Typhoon Impact on Ozone Profile Changes in the Pearl RiverDelta Based on 5-Year OMI Satellite DataYuting Wei 1, Hongqiang Wang 1, Mingtao Chen 1, Luye Wang 1, Jun Huang 2*1College of Environmental Science and Engineering, Guilin University of Technology, Guilin Guangxi 2Aerospace Information Research Institute, Chinese Academy of Sciences, BeijingReceived: Sep. 25th , 2022; accepted: Oct. 31st , 2022; published: Aug. 30th, 2023*通讯作者。
基于OMI 的船舶排放控制区SO 2减排效益分析李亚芳，李颖，冉明衢（大连海事大学航海学院，辽宁大连116033）摘要：船舶尾气排放是造成海洋污染的主要排放源之一。
自2016年设立船舶大气污染物排放控制区以来，船舶硫氧化物、氮氧化物和颗粒物排放显著减少。
为了对环渤海湾水域排放控制区的大气SO 2减排效果进行分析，选取了Aura 卫星搭载的OMI 传感器痕量数据产品OMSO 2进行大气SO 2数据反演。
选择2017年各月的OMI Level-2痕量数据，对大气边界层SO 2柱量值进行提取，采用空间分析方法，对其时空变化进行分析，以监测排放控制区的减排效果。
结果表明：春季和冬季SO 2量值明显高于其他季节，年际变化比较明显，自2016年以来，SO 2柱总量峰值逐年降低，并且高值区域逐渐减少，证明排放控制区的设立对大气质量保护具有积极作用。
关键词：海洋污染；气体监测；OMI 卫星数据；SO 2量值中图分类号：X831；X87文献标识码：A文章编号：1001原6932（圆园20）05原园627原05Study on the benefits of SO 2emission reduction in emission control areabased on OMI dataLI Yafang,LI Ying,RAN Mingqu渊Navigation College袁Dalian Maritime University,Dalian 116033,China冤Abstract ：Ship exhaust is one of the main sources of marine pollution.Since the establishment of the air pollutant emission control zone for ships in 2016,the emissions of sulfur oxides,nitrogen oxides and particulate matter from ships have been sig鄄nificantly reduced.In order to analyze the emission reduction effect of atmospheric SO 2in the the Bohai Bay,the data-tracingproduct of OMI sensor carried by Aura satellite,was selected for atmospheric SO 2data inversion.The OMI level-2data of each month in 2017were selected to extract the SO 2column volume value in the atmospheric boundary layer,and the spatial analysis method was used to analyze its temporal and spatial changes to monitor the emission reduction effect in the emission control area.Results show that the value of SO 2in spring and winter is significantly higher than that in other seasons袁and the annual change is relatively obvious.Since 2016,the peak value of total SO 2column has decreased year by year,and the highvalue area has gradually reduced,proving that the establishment of emission control area has a positive effect on air quality assurance.Keywords ：marine pollution曰gas monitoring曰OMI satellite data曰SO 2concentration收稿日期：2019-12-11；修订日期：2020-03-29基金项目：国家自然科学基金（41571336）；国家海洋公益类专项（201305002）作者简介：李亚芳（1995原），硕士研究生，主要从事海洋环境监测研究。
