龙凤山站大气CO2浓度2种筛分方法对比研究
- 格式：pdf
- 大小：628.07 KB
- 文档页数：8
中国环境科学 2015,35(2)：321~328 China Environmental Science
龙凤山站大气CO2浓度2种筛分方法对比研究
栾 天1,2,方双喜2,周凌晞2*,姚 波2,刘 钊2 (1.南京信息工程大学大气物理学院,江苏 南京 210044；2.中国气象科学研究院,北京 100081)
摘要：针对黑龙江龙凤山区域本底站2009年1月~2011年12月大气CO2在线观测数据,研究基于地面风、日变化等大气本底/非本底数据筛分方法(SWDV)和稳健局部近似回归大气本底/非本底数据筛分方法(REBS)在龙凤山区域本底站的适用性.研究表明:2种筛分方法在春、秋和冬季都能很好反映龙凤山大气CO2浓度的趋势变化及局地源汇对观测CO2浓度的影响,对于高浓度的非本底数据都能够较好的识别,但在夏季使用REBS方法会影响筛分的准确性,不建议在龙凤山区域本底站使用REBS筛分方法.SWDV和REBS法筛分出的本底数据分别占总数据量的30.7%和 58.9%.2种方法均筛分为本底浓度和非本底浓度的数据分别占总数据量的21.5%和32.0%.二者筛分的本底季平均浓度在春季相差最小为(0.1±0.3)×10-6(摩尔比,下同),冬季和秋季次之,在夏季相差最大为(4.2±1.0)×10-6.典型个例分析表明,SWDV法会将白天一些受西南污染气流影响的CO2浓度误筛分为本底浓度,REBS法会将个别在静稳天气条件下受局地影响大的CO2观测值误筛分为本底浓度.夏季局地污染状况可能被植被强烈的光合作用抵消,CO2浓度变化不大,使得REBS误筛分为本底浓度,以及对于一些较低的CO2浓度值,REBS误筛分为非本底浓度,这些因素导致2种筛分方法在夏季本底浓度差别较大. 关键词：CO2；龙凤山；基于稳健局部近似回归的筛分法(REBS)；基于地面风日变化等的筛分方法(SWDV)；本底；非本底 中图分类号：X51 文献标识码：A 文章编号：1000-6923(2015)02-0321-08
Comparison of two flagging approaches to the observed CO2 mole fractions at the Longfengshan WMO/GAW Regional Station in China. LUAN Tian1,2, FANG Shuang-xi2, ZHOU Ling-xi2*, YAO Bo2, LIU Zhao2 (1.School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Chinese Academy of Meteorological Sciences, Beijing 100081, China). China Environmental Science, 2015,35(2)：321~328 Abstract：As to the atmospheric CO2 mole fractions measured by the in-situ system from 10m above the ground at Longfengshan station in Heilongjiang province from January 2009 to December 2011, applicability of SWDV (Surface Winds and Diurnal Variations) method and REBS (Robust Extraction of Baseline Signal) technique in data flagging was studied. Except summer, both flagging methods could be applied to the observed data at Longfengshan regional station. The background data flagged by both methods could reflect the CO2variation trend and the non-background data flagged by both methods could reflect the influence of the local sources/sinks. But REBS was more disadvantageous to be used in summer with heavy vegetation coverage at Longfengshan regional station. About 30.7% and 58.9% valid hourly data were flagged as regional representative by SWDV method and REBS technique, respectively. 21.5% and 32.0% of the observed data were commonly classified as background and non-background events, respectively. The difference of background seasonal averaged CO2 mole fractions between the two methods was relatively small in spring with a value of (0.1±0.3)×10-6, larger in winter and autumn, and the largest difference in summer with a value of (4.2±1.0)×10-6. Case studies proved that the data during daytime when the airflow was from the southwest direction by SWDV method and the data at calm conditions by REBS method were occasionally mis-flagged as background events. In summer, it was difficult to distinguish whether the CO2 mole fractions were affected by anthropogenic pollution in the daytime by REBS technique or not, because the photosynthesis was strengthened in that period, which leaded to the large difference of background values between two methods.
收稿日期：2014-06-02 基金项目：国家自然科学基金项目(41175116);中国气象科学研究院基本科研业务费专项(2014Z004);江苏省普通高校研究生科研创新计划项目(CXZZ13_0510) * 责任作者, 研究员
, zhoulx@cams.cma.gov.cn 322 中 国 环 境 科 学 35卷
Key words：carbon dioxide；Longfengshan regional station；robust extraction of baseline signal (REBS)；surface winds and diurnal variations (SWDV)；background；non-background
20世纪50年代末以来,各国相关机构相继在不同经纬度地区建立本底站,开展大气CO2的
长期监测,并积累了大量的基础观测资料[1-6].大气本底监测的主要目的是测量典型地域具有代
表性的各类大气参数,最为关注的是充分混合的
大气特征及长周期变化,划分为“全球本底
(Baseline)”和“区域本底(Background)”.全球本底一般表现为与全球气候直接相关的大尺度和
长期变化,浓度值不受局地和区域源汇的影响;区
域本底代表某一区域混合均匀不受局地源汇影
响的浓度值.由于不同站点的地理位置、地形地
貌和环境状况等差异,观测资料的时空代表性存
在较大不同,在分析时必须准确提取全球或区域
代表性的本底值,用于研究全球或区域尺度的异
同和变化趋势[7].被标记的污染数据则用于反演特定区域碳循环温室气体的源汇分布的动态变
化[8],以及进一步结合数值模式研究其长距离输送及其源汇[9]. 国际上针对各站的独特特征采用不同的方
法进行本底/非本底浓度的筛分.爱尔兰Bousquet
等[10]根据日变化、地面风等影响因子对观测到
的大气CO2进行筛分.Tsutsumi等[11]研究日本
Yonagunijima站观测数据时,利用CO作为示踪物的方式来对在线观测的CO2数据进行本底和
非本底筛分.日本Inoue等[12]使用观测数据与拟
合曲线的偏差对数据进行本底筛分.另外稳健局
部近似回归(REBS)也常用于全球大气本底站的
数据筛分[13],这种方法相比于其它方法不依靠气象、环境等情况,仅依靠数理方法进行计算,使得
本底数据筛分相对简单.有些站点会将几种方法
结合使用,例如,Derwent等[14]根据Mace Head地
面风向和风速特征先筛分出一些受局地影响的
非本底浓度,经过初步筛分的数据再根据后向轨
迹模式筛分本底和非本底浓度.周凌晞等[15-16]将
地面风统计平均数据作为大气CO2本底资料的
过滤因子之一,提出了适用于我国内陆高原地区
大气CO2本底数据筛选方法.张芳等[8]把Thoning等的筛分方法做了改进,应用于我国内陆高原大
气CO2的筛分,并把筛分结果应用于源汇分析.
前期Zhang等[17-18]对瓦里关站大气CO2浓
度变化和筛分方法开展了较为系统的研究.瓦里
关站为全球大气本底站,海拔3816m,周围地区自
然环境以高原草甸和沙洲为主,周围地势较为均
一,且局地和区域源汇较少,相比区域站受人为活
动影响较小,代表亚洲内陆混合均匀的大气状况.
而龙凤山地处我国东北地区,是我国主要的粮食
产区和森林覆盖区.冬季温度低,需要化石燃料
(主要是燃煤)和村民生活柴草燃烧取暖,夏季植被生长茂盛,温室气体季节振幅大,代表东北区域
的大气CO2浓度[19-20].由于龙凤山站独特的地理环境特征,瓦里关数据筛分方法不能完全适用于
区域本底站,必须针对区域本底站的数据筛分方
法进行系统深入的研究.本研究分析了基于地面
风、日变化等的筛分方法(Surface Winds and
Diurnal Variations, SWDV)和基于稳健局部近似回归的筛分方法(Robust Extraction of Baseline
