, 马晓燕1
, 王静1, 辛金元2, 昝雅媛11. 南京信息工程大学, 气象灾害预报预警与评估协同创新中心/中国气象局气溶胶与云降水重点开放实验室, 南京 210044;
2. 中国科学院大气物理研究所大气边界层物理和大气化学国家重点实验室, 北京 100029
收稿日期: 2020-01-03; 修回日期: 2020-03-16; 录用日期: 2020-03-16
基金项目: 国家自然科学基金(No.41675004, 41975002)
作者简介: 付泽宇(1995-), 女, E-mail:ffyzj5@163.com
通讯作者（责任作者）: 马晓燕, E-mail:xiaoyancloud@163.com
摘要：利用南京与北京地区2014年5月1日—2019年10月31日的PM2.5监测数据、气溶胶光学厚度观测资料以及同期MICAPS地面气象要素的观测资料，对两地PM2.5浓度的变化规律及其与气溶胶光学厚度、气象要素的关系进行了分析和讨论，结果表明：南京与北京均呈现PM2.5浓度冬季显著高于夏季，AOD冬季小于夏季的特征；对比而言，北京PM2.5月均浓度高于南京地区；南京与北京的PM2.5浓度与AOD均为正相关关系，PM2.5浓度与AOD间相关性存在显著的季节差异，主要表现为夏季相关性大于冬季相关性；两地AOD与PM2.5浓度均为正相关关系，在同一AOD水平下，相对湿度越大，PM2.5浓度越大，气溶胶吸湿增长易造成污染物积累；南京PM2.5浓度与能见度的r为0.57，而北京的r为0.83，两地的PM2.5浓度与能见度的冬季相关性较夏季好，在高相对湿度下，同一PM2.5浓度水平时，南京能见度较北京好.
关键词：PM2.5AOD变化特征相关性
Comparative analysis on the correlation between aerosol optical depth and PM2.5 mass concentration in Nanjing and Beijing
FU Zeyu1
, MA Xiaoyan1, WANG Jing1, XIN Jinyuan2, ZAN Yayuan11. Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters(CIC-FEMD)/Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science & Technology, Nanjing 210044;
2. State Key Laboratory of Atmospheric Boundary Layer Physics and Atmospheric Chemistry, Institute of Atmospheric of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029
Received 3 January 2020; received in revised from 16 March 2020; accepted 16 March 2020
Abstract: Based on the observational data of PM2.5 mass concentration, aerosol optical depth(AOD) data and meteorological elements from MICAPS data in Nanjing and Beijing, during May 1, 2014— October 31, 2019, the variations of PM2.5 mass concentration in two cities and its relationship with AOD, meteorological factors were analyzed and discussed. The results show that the PM2.5 mass concentrations were significantly higher in winter than summer while the AOD was higher in winter than summer in both Nanjing and Beijing, while, monthly PM2.5 mass concentration in Beijing was higher than that in Nanjing. The PM2.5 mass concentration in Nanjing and Beijing was positively correlated with AOD, and there were significant seasonal differences in the correlation between PM2.5 mass concentration and AOD, with better correlation in summer than in winter. The PM2.5 mass concentration increases with the relative humidity for the same AOD, as aerosol hygroscopic growth cause pollutant accumulation. The r of PM2.5 mass concentration and visibility in Nanjing was 0.57, while that in Beijing was 0.83. The correlation between PM2.5 and visibility was better in winter than in summer in both cities, while, the visibility in Nanjing was better than Beijing for the same PM2.5 mass concentration level under high relative humidity.
Keywords: PM2.5AODvariation characteristicsThe correlation
1 引言(Introduction)随着我国经济的飞速发展和城市化进程的不断加快, 空气污染问题随之而来, 越来越明显的影响到人们的日常生活, 尤其是城市的空气颗粒物污染, 严重的雾霾危害着人们的出行安全与身体健康(Ma et al., 2016; 管奇坤等, 2018; 胡亚男等, 2018; 沙桐等, 2018).PM2.5指大气中空气动力学直径当量小于等于2.5 μm的悬浮物.由于其粒径较小, 可以进入肺泡和支气管, 引起肺部疾病(Bono et al., 2015; Tang et al., 2017); 其也是大气污染的主要污染物, 能降低能见度, 造成酸雨和其他负面影响(Cao et al., 2012).除了边界层厚度、污染物输送导致PM2.5浓度变化, 排放源位置、排放量大小决定了大部分PM2.5浓度变化情况, 而污染气体通过气-粒转化过程, 还会造成二次污染(Zhang et al., 2015).气溶胶光学厚度(AOD)指垂直方向上介质消光系数的积分, 是研究气溶胶气候效应的重要参数, 还能在一定程度上反映区域大气污染程度(Streets et al., 2008; Xin et al., 2011).因此为更好地解决空气污染问题, 对PM2.5浓度与AOD的讨论分析成为学术研究的焦点.
对于AOD与PM2.5浓度, 不少研究表明两者具有一定的相关性(Estelles et al., 2012; Alston et al., 2012; Kaskaoutis et al., 2013), 但在不同地区、季节、相对湿度、混合层高度等不同因素下, 其相关关系存在显著差异(Engel-Cox et al., 2004; Gupta et al., 2008; Kim et al., 2016).一些****分析了AOD估算地面细颗粒物质量浓度的原理, 讨论各地区PM2.5浓度与AOD相关性特征(Lin et al., 2015; Tao et al., 2017; Lipponen et al., 2018), Donkelaar等(2010)估算了中国北部地区2001—2009年PM2.5浓度, 结果显示PM2.5浓度存在较大的区域差异, AOD与PM2.5浓度建立的相关性不能外推, 因为区域的环境变量差异大, 气溶胶粒子的组成不同.Ma等(2016)利用MODIS AOD估算了京津冀地区PM2.5质量浓度, 结果表明两者关系有明显的季节性特点, 冬季相关性最差, 可能与高污染下AOD反演缺失有关.Xin等(2014)研究了中国北部地区十年间PM2.5浓度与AOD的相关性, 在全年及各季节均呈显著线性相关(R >0.5), 且春、秋季相关性高于夏、冬季相关性, 夏季相关性大于冬季相关性.当前国内外对于区域PM2.5浓度时空变化、影响因素已有一些分析研究, 但是分别在京津冀地区与长三角地区选取典型城市, 基于地面观测数据研究PM2.5浓度与AOD的关系, 并分析气象因子对两者关系的影响的研究还不是很多.
长三角地区与京津冀地区均是我国经济发达区域, 近十年来一直面临严重的空气污染问题(Kong et al., 2017).北京作为中国的经济和政治中心, 属于中国北方经济规模最大的京津冀地区(黄德生等, 2013).南京地处我国经济文化发达的长江三角洲地区.针对两个受霾污染影响严重的区域, 分别选取一个典型城市, 即北京和南京进行研究, 利用最新的PM2.5质量浓度、气溶胶光学厚度观测资料以及气象要素的观测数据, 分析目前PM2.5质量浓度、AOD的变化规律, 以及气象要素对其关系影响, 同时探讨两个城市之间的差异性.希望可以反映当前北京与南京的PM2.5浓度变化特征和影响PM2.5质量浓度、AOD关系的原因, 深入理解和掌握气象要素对PM2.5浓度的影响与作用, 为改善和治理大气污染提供科学依据.
2 资料与方法(Materials and methods)2.1 PM2.5质量浓度PM2.5质量浓度监测数据来源于全国空气质量历史数据(http://beijingair.sinaapp.com/), 时间分辨率为1 h, 选取时间跨度为2014年05月1日—2019年10月31日的0:00—23:00.其中北京地区选取站点名称是万寿西宫(1001A, 39.87°N, 116.36°E, 位于北京万寿公园).南京地区选取站点名称是浦口(1157A, 32.09°N, 118.63°E).万寿西宫站位于北京市西城区第一座老年公园, 周边为喧嚣马路, 人为活动量大.浦口站距南京市区约6 km, 东边3 km处为钢铁公司、化工厂、电厂等工业园区, 其他方向被农业区环绕.两地监测站选取均与AOD数据观测点经纬度贴近.
2.2 气溶胶光学厚度南京地区的气溶胶光学厚度(AOD)数据由CE-318太阳光度计地基观测所得, 仪器放置在南京北郊(39.87° N, 116.36° E, 海拔约为62.0 m)南京信息工程大学气象楼楼顶.数据时间跨度为2014年05月1日—2019年10月31日, 其中2015年10月—2017年1月的AOD数据由于仪器故障数据不可用, 2018年12月—2019年3月仪器外出观测, 无南京区域AOD资料.仪器利用ASTPwin软件对数据进行无云处理后获得Level1.5的气溶胶反演产品, 算法与AERONET反演算法精度非常接近, 反演产品包括8个通道的AOD、波长指数α、大气浑浊度参数β以及大气柱水汽含量(Smirnov et al., 2000).
北京地区的气溶胶光学厚度(AOD)数据来源于AERONET(Aerosol Robotic Network)观测资料(https://aeronet.gsfc.nasa.gov/), 其在全球陆地和海洋上分布着400个观测站, 采用的观测设备主要是CIMEL公司生产的CE-318太阳光度计.本文数据所选站点为北京气象局Beijing-CAMS (39.93° N, 116.32° E, 海拔高度106 m), 时间跨度为2014年—2019年10月31日.
2.3 气象数据气象要素的观测资料来源于气象信息综合分析处理系统(meteorological information combine analysis and process system, MICAPS)地面站资料, 包括能见度、风向、风速、气压、温度、露点等要素, 相对湿度通过MICAPS中的温度与露点数据依据公式计算得到, 时间分辨率为3 h, 时间跨度为2014年5月1日—2019年10月31日.其中北京地区选取站点名称是北京(54511, 39.48° N, 116.28° E).南京地区选取站点名称是浦口(58237, 32.04° N, 118.35° E).
表 1列出了使用的资料站点情况.本文将季节划分为春季(3—5月)、夏季(6—8月)、秋季(9—11月)和冬季(12—2月), 重点讨论夏季、冬季的气溶胶特性.
表 1(Table 1)
| 表 1 数据站点资料 Table 1 Data site information | |||||||||||||||||||||||||||||||||||
表 1 数据站点资料 Table 1 Data site information
| |||||||||||||||||||||||||||||||||||
 |
3 结果与分析(Results and discussion)3.1 PM2.5质量浓度与AOD的季节变化图 1为南京、北京PM2.5浓度与AOD月均值夏、冬季的时间变化以及标准差.由图可见, 两地冬季PM2.5浓度均明显高于夏季, 冬季AOD值小于夏季.北京冬季PM2.5浓度明显高于夏季, 是由于北方烧煤供暖使污染排放增加, 且冬季温度较低, 大气层结较稳定, 不利于PM2.5迅速扩散迁移, 使其浓度发生积累而增大(魏玉香等, 2009).南京夏季PM2.5浓度低是由于温度较高, 大气边界层顶较高, 湍流活动剧烈, 使得污染物扩散能力较强, 且夏季降水多对PM2.5也有较好的清除作用(葛跃等, 2017).图 1a显示除2014年6月份之外, 夏季北京PM2.5浓度明显高于南京, 北京PM2.5浓度每年夏季7月高, 6月、8月小, 逐年夏季来看, PM2.5浓度在缓慢减小.南京2014年6月PM2.5浓度最高, 之后呈逐年夏季下降的趋势.图 1b显示北京在2014—2016年的冬季PM2.5浓度呈峰谷性变化, 而在2017年冬季减小, 2018年有所增加, PM2.5浓度冬季高值时间在12月与1月.南京冬季的PM2.5浓度在1月份存在高值, 2月普遍减小, 除2015年2月和2017年12月、1月外, 南京冬季PM2.5浓度均低于北京.图 1c、1d表示的是两地夏季和冬季AOD的时间序列, 与PM2.5浓度的季节变化相反, 冬季AOD要小于夏季.夏季AOD较高的原因可能与高相对湿度下气溶胶的吸湿生长有关, 高温高湿条件有利于进行气-粒转换, 从而增加粒子的消光(Yan et al., 2009).图 1c显示每年夏季北京AOD 7月份值最高, 南京AOD 7月份值最小.2014年夏、冬季南京AOD高于北京, 可能原因是南京湿度高于北京.
图 1(Fig. 1)
 |
| 图 1 PM2.5浓度与AOD的时间变化(误差线为标准差) Fig. 1Time series of PM2.5 mass concentration and AOD (The error bars over the curves denote the standard deviations) |
表 2(Table 2)
| 表 2 相对湿度月均值 Table 2 Monthly mean of relative humidity | |||||||||||||||||||||
表 2 相对湿度月均值 Table 2 Monthly mean of relative humidity
| |||||||||||||||||||||
|
3.2 PM2.5质量浓度和AOD相关分析图 2为南京与北京PM2.5浓度和AOD的相关关系.采用线性拟合分析, 可见两地的PM2.5浓度与AOD均为正相关关系, 但从相关系数可知, 北京两者相关关系较南京好.这是因为PM2.5浓度与AOD的关系受区域环境变量影响, 不同地区的气溶胶粒子组成不同, 北京的粗粒子(PM2.5~10)浓度少于南京地区(赵辉等, 2016), 且气象条件也有差异.
图 2(Fig. 2)
 |
| 图 2 PM2.5浓度与AOD相关关系 Fig. 2The correlation between PM2.5 mass concentration and AOD |
图 3为夏、冬两个季节南京与北京PM2.5浓度和AOD相关关系.由图 3可见, 两个季节PM2.5浓度与AOD均存在较好的相关性, 相关系数大于0.5.对比图 3a、3c与图 3b、3d发现, 夏季PM2.5浓度与AOD的相关系数要大于冬季, 这种季节变化可能与大气边界层垂直混合有关, 混合程度好, PM2.5浓度与AOD相关性会好, 反之则会差(Ma et al., 2016; Zang et al., 2017).因此, PM2.5浓度与AOD的相关关系存在季节差异, 这与以往许多研究结果一致.分别对比图 3a与图 3c、图 3b与图 3d发现南京的PM2.5浓度与AOD相关系数在夏季与冬季均要大于北京.这与图 2结果相反, 表明其季节相关性不同于整年.
图 3(Fig. 3)
 |
| 图 3 PM2.5浓度与AOD季节相关关系 Fig. 3The seasonal correlation between PM2.5 mass concentration and AOD |
3.3 PM2.5质量浓度与AOD、RH的关系相对湿度(RH)是指大气中水汽压与饱和水汽压的百分比, 是影响大气颗粒物浓度与雾霾的重要气象因子.图 4a、4b分别显示的是南京与北京PM2.5浓度和AOD在相对湿度下的相关关系.由图 4a、4b可以看出AOD与PM2.5浓度存在正相关关系.从相关系数来看, 北京的要大于南京.在相对湿度较低时, 南京与北京的PM2.5浓度和AOD均较小, 相关关系相近; 而在相对湿度偏高时, 北京的PM2.5浓度明显大于南京, 而AOD变化相似, 因此湿度增加对南京与北京的PM2.5浓度有影响.
图 4(Fig. 4)
 |
| 图 4 环境相对湿度下PM2.5浓度与AOD相关关系 Fig. 4The correlation between PM2.5 mass concentration and AOD under different RH |
图 5给出了南京与北京夏、冬两季PM2.5浓度与AOD在相对湿度下的相关关系.从相关系数来看, 南京夏季的相关系数r小于冬季, 而北京夏季的r大于冬季.由图 5a、5b可知南京冬季AOD与PM2.5浓度的相关系数是0.54, 大于其夏季的r, 可能原因是其冬季的低相对湿度占比高于夏季.由图 5c、5d可以看出北京夏季AOD与PM2.5浓度相关系数是0.56, 在高相对湿度条件下, 冬季的PM2.5浓度值大于夏季.对比图 5a与图 5c发现北京夏季AOD与PM2.5浓度相关系数大于南京, 可能原因是相对湿度增加, 气溶胶吸湿增大, 使得污染物积累, PM2.5浓度增大.
图 5(Fig. 5)
 |
| 图 5 环境相对湿度下PM2.5浓度与AOD季节相关性 Fig. 5The seasonal correlation between PM2.5 mass concentration and AOD under different RH |
3.4 PM2.5质量浓度与能见度、RH的关系如图 6所示, 分析南京与北京相对湿度下的PM2.5浓度与能见度的关系.其中南京PM2.5浓度与能见度为负相关, 相关系数为0.57, 北京PM2.5浓度与能见度也呈现负相关关系, 相关系数为0.83, 均通过99%的显著性检验.而且当相对湿度越大, PM2.5浓度越大时能见度越小.由图 6a可知, 南京能见度随PM2.5浓度的增加而下降, 图 6b表明北京能见度也随PM2.5浓度的增加而下降, 但北京相关系数较南京大, 可能由于北京干燥大风的天气, 细粒子较小, 而污染比南京大, 能见度与PM2.5浓度相关性较南京好.随着相对湿度和PM2.5浓度的升高, 大气能见度降低, 可能原因是气溶胶粒子吸湿增长, 增大散射使得大气能见度降低(宋明等, 2013).对比图 6a、6b发现在PM2.5浓度较低时, 南京的能见度对相对湿度的变化没有北京敏感, PM2.5浓度存在一个阈值, 其中南京的PM2.5浓度阈值为100 μg·m-3, 北京的PM2.5浓度阈值为150 μg·m-3, 能见度随着PM2.5浓度的增加而迅速下降, 但是当PM2.5浓度超过这个阈值时, PM2.5浓度的增加并不能有效降低能见度.
图 6(Fig. 6)
 |
| 图 6 环境相对湿度下PM2.5浓度与能见度的关系 Fig. 6The correlation between PM2.5 mass concentration and visibility under different RH |
图 7给出了南京与北京夏、冬两季PM2.5浓度与能见度在相对湿度下的关系, 发现两地冬季PM2.5浓度与能见度的相关性较夏季好, r较大.大气能见度与相对湿度有很大关系, 原因是当相对湿度高时, 气溶胶吸湿增长, 导致气溶胶粒子偏大, 消光增加, 能见度减小.由图 7a、7b可知, 南京夏冬两季PM2.5浓度与能见度呈现负相关关系, r分别为0.53、0.65.如图 7c、7d所示, 北京夏季PM2.5浓度与能见度呈现负相关的关系, r=0.75, 而冬季的r为0.89, 冬季相关性较夏季好.对比图 7a与图 7c发现, 夏季北京与南京的相对湿度条件相似, PM2.5浓度与能见度的关系变化相同.而冬季在相对湿度值高时, 两地的PM2.5浓度与能见度关系明显不同, 北京PM2.5浓度增大对能见度影响几乎没有, 而南京随PM2.5浓度减小, 能见度有所增大.
图 7(Fig. 7)
 |
| 图 7 环境相对湿度下PM2.5浓度与能见度季节相关关系 Fig. 7The seasonal correlation between PM2.5 mass concentration and visibility under different RH |
4 结论(Conclusions)1) 总的来看, 冬季PM2.5浓度明显高于夏季, AOD则相反, 冬季AOD要小于夏季.北京PM2.5浓度值高于南京地区.
2) PM2.5浓度与AOD均为正相关关系, 夏季、冬季PM2.5浓度与AOD相关系数不同, 夏季PM2.5浓度与AOD的相关系数要大于冬季.
3) AOD与PM2.5浓度存在正相关关系.从相关系数来看, 南京的要小于北京.当相对湿度较低时, 两地的PM2.5浓度和AOD均较小, 相关关系相近; 当相对湿度偏高时, 南京的PM2.5浓度明显小于北京.
4) 南京PM2.5浓度与能见度为负相关, r为0.57, 北京PM2.5浓度与能见度也呈现负相关关系, r=0.83.而且当相对湿度越大, PM2.5浓度越大时能见度越小.在PM2.5浓度较低时, 北京能见度对相对湿度的变化较南京更加敏感.而在高相对湿度条件下, 南京的PM2.5浓度变化对能见度的影响较北京大, 冬季在相对湿度值高时, 两地的PM2.5浓度与能见度关系明显不同, 北京PM2.5浓度增大对能见度影响几乎没有, 而南京随PM2.5浓度减小, 能见度有所增大.
参考文献
| Alston E, Sokolik I, Kalashnikova O. 2012. Characterization of atmospheric aerosol in the US Southeast from ground-and space-based measurements over the past decade[J]. Atmospheric Measurement Techniques, 5(7): 1667-1682. DOI:10.5194/amt-5-1667-2012 |
| Bono R, Tassinari R, Bellisario V, et al. 2015. Urban air and tobacco smoke as conditions that increase the risk of oxidative stress and respiratory response in youth[J]. Environmental Research, 137: 141-146. DOI:10.1016/j.envres.2014.12.008 |
| Cao J J, Wang Q Y, Chow J C, et al. 2012. Impacts of aerosol compositions on visibility impairment in Xi'an, China[J]. Atmospheric Environment, 59: 559-566. DOI:10.1016/j.atmosenv.2012.05.036 |
| Engel-Cox J A, Holloman C H, Coutant B W, et al. 2004. Qualitative and quantitative evaluation of MODIS satellite sensor data for regional and urban scale air quality[J]. Atmospheric Environment, 38(16): 2495-2509. DOI:10.1016/j.atmosenv.2004.01.039 |
| Estelles V, Martínez-Lozano J A, Pey J, et al. 2012. Study of the correlation between columnar aerosol burden, suspended matter at ground and chemical components in a background European environment[J]. Journal of Geophysical Research:Atmospheres, 117(D4). |
| 管奇坤, 马晓燕, 胡亚男, 等. 2018. 电动汽车普及对江苏冬季大气污染影响的数值模拟[J]. 环境科学学报, 38(10): 3905-3916. |
| 葛跃, 王明新, 白雪, 等. 2017. 苏锡常地区PM2.5污染特征及其潜在源区分析[J]. 环境科学学报, 37(3): 803-813. |
| Gupta P, Christopher S A. 2008. An evaluation of Terra-MODIS sampling for monthly and annual particulate matter air quality assessment over the Southeastern United States[J]. Atmospheric Environment, 42(26): 6465-6471. DOI:10.1016/j.atmosenv.2008.04.044 |
| 胡亚男, 马晓燕, 沙桐, 等. 2018. 不同排放源对华东地区PM2.5影响的数值模拟[J]. 中国环境科学, 38(5): 1616-1628. DOI:10.3969/j.issn.1000-6923.2018.05.002 |
| 黄德生, 张世秋. 2013. 京津冀地区控制PM2.5污染的健康效益评估[J]. 中国环境科学, 33(1): 166-174. DOI:10.3969/j.issn.1000-6923.2013.01.024 |
| Kaskaoutis D, Sinha P, Vinoj V, et al. 2013. Aerosol properties and radiative forcing over Kanpur during severe aerosol loading conditions[J]. Atmospheric Environment, 79: 7-19. DOI:10.1016/j.atmosenv.2013.06.020 |
| Kim K, Lee K H, Kim J I, et al. 2016. Estimation of surface-level PM concentration from satellite observation taking into account the aerosol vertical profiles and hygroscopicity[J]. Chemosphere, 143: 32-40. DOI:10.1016/j.chemosphere.2015.09.040 |
| Kong L B, Xin J Y, Liu Z R, et al. 2017. The PM2.5 threshold for aerosol extinction in the Beijing megacity[J]. Atmospheric Environment, 167: 458-465. DOI:10.1016/j.atmosenv.2017.08.047 |
| Lin C Q, Li Y, Yuan Z B, et al. 2015. Using satellite remote sensing data to estimate the high-resolution distribution of ground-level PM2.5[J]. Remote Sensing of Environment, 156: 117-128. DOI:10.1016/j.rse.2014.09.015 |
| Lipponen A, Mielonen T, Pitk?nen M R, et al. 2018. Bayesian aerosol retrieval algorithm for MODIS AOD retrieval over land[J]. Atmospheric Measurement Techniques, 11(3): 1529-1547. DOI:10.5194/amt-11-1529-2018 |
| Ma X Y, Jia H L. 2016. Particulate matter and gaseous pollutions in three megacities over China:Situation and implication[J]. Atmospheric Environment, 140: 476-494. DOI:10.1016/j.atmosenv.2016.06.008 |
| Ma X Y, Wang J Y, Yu F Q, et al. 2016. Can MODIS AOD be employed to derive PM2.5 in Beijing-Tianjin-Hebei over China?[J]. Atmospheric Research, 181: 250-256. DOI:10.1016/j.atmosres.2016.06.018 |
| 沙桐, 马晓燕, 王健颖, 等. 2018. 长江三角洲冬季电厂排放对大气污染的影响[J]. 中国环境科学, 38(9): 3288-3297. DOI:10.3969/j.issn.1000-6923.2018.09.011 |
| 宋明, 韩素芹, 张敏, 等. 2013. 天津大气能见度与相对湿度, PM10及PM2.5的关系[J]. 气象与环境学报, 29(2): 34-41. DOI:10.3969/j.issn.1673-503X.2013.02.006 |
| Smirnov A, Holben B, Eck T, et al. 2000. Cloud-screening and quality control algorithms for the AERONET database[J]. Remote Sensing of Environment, 73(3): 337-349. DOI:10.1016/S0034-4257(00)00109-7 |
| Streets D G, Yu C, Wu Y, et al. 2008. Aerosol trends over China, 1980-2000[J]. Atmospheric Research, 88(2): 174-182. |
| Tang G Q, Zhao P S, Wang Y H, et al. 2017. Mortality and air pollution in Beijing:The long-term relationship[J]. Atmospheric Environment, 150: 238-243. DOI:10.1016/j.atmosenv.2016.11.045 |
| Tao M H, Wang Z F, Tao J H, et al. 2017. How do aerosol properties affect the temporal variation of MODIS AOD bias in eastern China?[J]. Remote Sensing, 9(8): 800. DOI:10.3390/rs9080800 |
| Van Donkelaar A, Martin R V, Brauer M, et al. 2010. Global estimates of ambient fine particulate matter concentrations from satellite-based aerosol optical depth:development and application[J]. Environmental health perspectives, 118(6): 847-855. DOI:10.1289/ehp.0901623 |
| 魏玉香, 银燕, 杨卫芬, 等. 2009. 南京地区PM2.5污染特征及其影响因素分析[J]. 环境科学与管理, 34(9): 29-34. DOI:10.3969/j.issn.1673-1212.2009.09.008 |
| Xin J Y, Wang L L, Wang Y S, et al. 2011. Trends in aerosol optical properties over the Bohai Rim in Northeast China from 2004 to 2010[J]. Atmospheric Environment, 45(35): 6317-6325. DOI:10.1016/j.atmosenv.2011.08.052 |
| Xin J Y, Zhang Q, Wang L L, et al. 2014. The empirical relationship between the PM2.5 concentration and aerosol optical depth over the background of North China from 2009 to 2011[J]. Atmospheric Research, 138: 179-188. DOI:10.1016/j.atmosres.2013.11.001 |
| Yan P, Pan X L, Tang J, et al. 2009. Hygroscopic growth of aerosol scattering coefficient:A comparative analysis between urban and suburban sites at winter in Beijing[J]. Particuology, 7(1): 52-60. DOI:10.1016/j.partic.2008.11.009 |
| 赵辉, 郑有飞, 徐静馨, 等. 2016. 中国典型城市大气污染物浓度时空变化特征分析[J]. 地球与环境, 44(5): 549-556. DOI:10.14050/j.cnki.1672-9250.2016.05.010 |
| Zang Z L, Wang W Q, Cheng X H, et al. 2017. Effects of boundary layer height on the model of ground-level PM2.5 concentrations from AOD:comparison of stable and convective boundary layer heights from different methods[J]. Atmosphere, 8(6): 104. |
| Zhang L, Liu L C, Zhao Y H, et al. 2015. Source attribution of particulate matter pollution over North China with the adjoint method[J]. Environmental Research Letters, 10(8): 084011. DOI:10.1088/1748-9326/10/8/084011 |
