严晓瑜^1,2,3, 杨苑媛⁴, 纳丽³, 缑晓辉³, 龚晓丽³, 邓敏君³, 杨亚丽³
1. 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室, 银川 750000;
2. 宁夏气象防灾减灾重点实验室, 银川 750000;
3. 宁夏气象服务中心, 银川 750000;
4. 银川市气象局, 银川 750000
收稿日期: 2021-01-27; 修回日期: 2021-04-16; 录用日期: 2021-04-16
基金项目: 国家自然科学基金（No.41765006）；宁夏回族自治区重点研发计划（No.2019BFG02025，2018BEG03066）；宁夏自然科学基金项目（No.2021AAC03487）；国家重点研发计划（No.2017YFC0210006）
作者简介: 严晓瑜(1983-), 女, E-mail: yanxy366@126.com
通讯作者（责任作者）: 纳丽, E-mail: 823258491@qq.com

摘要：利用2013—2019年银川紫外观测数据，分析了银川紫外辐射变化特征，基于TUV模式，结合云光学厚度、云顶高度、气溶胶光学厚度、单次散射反照比、波长指数、臭氧柱浓度和NO₂柱浓度等遥感资料，研究了TUV模式在银川紫外辐射模拟中的适用性.结果表明，银川多年年平均紫外辐照度为8.7 W·m^-2，7月最高为17.7 W·m^-2，1月最低为3.1 W·m^-2，13：00前后达到日最大值；不同参数输入方案下TUV对银川紫外辐照度随时间变化趋势的把握能力均较好，但平均值和标准差都普遍存在高估现象，2—5月TUV模拟效果最差，1月和6—10月模拟效果较好，11和12月模拟效果最好；模拟层数的增加不能有效提高模拟精度，改善TUV模拟效果；TUV模式模拟误差随着云光学厚度、相对湿度的减小及臭氧柱浓度、云顶高度的增加而增大；TUV对日照时数小于10 h时的紫外辐照度的模拟效果较日照时数大于10 h时好；PM₁₀浓度为0~50 μg·m^-3时TUV模拟均方根误差最小.
关键词：紫外辐射TUV模式适用性银川
Research on the characteristics of ultraviolet radiation in Yinchuan and applicability of TUV model
YAN Xiaoyu^1,2,3, YANG Yuanyuan⁴, NA Li³, GOU Xiaohui³, GONG Xiaoli³, DENG Minjun³, YANG Yali³
1. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk Management of Characteristic Agriculture in Arid Regions, CMA, Yinchuan 750000;
2. Ningxia Key Lab of Meteorological Disaster Prevention and Reduction, Yinchuan 750000;
3. Ningxia Meteorological Service Center, Yinchuan 750000;
4. Yinchuan Meteorological Bureau, Yinchuan 750000
Received 27 January 2021; received in revised from 16 April 2021; accepted 16 April 2021
Abstract: Yinchuan ultraviolet observation data was used to analyze the variation characteristics of ultraviolet radiation, and based on the TUV model, combined with remote sensing data such as cloud optical thickness, cloud-top height, aerosol optical depth, single scattering albedo, wavelength exponent, ozone column concentration and NO₂ column concentration, the applicability of TUV model in Yinchuan ultraviolet radiation simulation was studied. The results showed that the annual average ultraviolet irradiance in Yinchuan was 8.7 W·m^-2. The peak of the monthly maximum of ultraviolet radiation appeared in July with 17.7 W·m^-2 and the minimum appeared in January, was only 3.1 W·m^-2, it reached the daily maximum around 13:00. The TUV model showed better grasp in the variation trend of UV irradiance with time, but the average and standard deviation were generally overestimated. The TUV model worked the worst from February to May, better in January and June to October, and the best in November and December. The simulation error of TUV model was affected by cloud optical thickness, relative humidity, ozone column concentration and cloud top height; the smaller the first two were or the higher values of the latter two were, the greater error was. The simulation effect of TUV on ultraviolet irradiance was better when the sunshine duration were less than 10h than the sunshine duration greater than 10h. When the PM₁₀ concentration was between 0~50 μg·m^-3, the TUV simulation had the smallest root mean square error.
Keywords: ultraviolet radiationTUV modelapplicabilityYinchuan
1 引言(Introduction)紫外(UV)辐射指100~400 nm谱区范围的太阳辐射, 其能量仅占太阳辐射总量的8%(安俊琳等, 2008；蒋承霖等, 2012), 但对人类健康和生态环境具有重要作用.适量的紫外照射不仅可以促进人体维生素D的形成, 还可提高人体免疫力(肖冰霜, 2015), 但过量照射会诱发皮肤癌, 提升白内障患病几率, 同时也会破坏植物的光合作用(董春阳, 2017).不仅如此, 随着经济社会发展, 城市污染物排放量增加, 由紫外辐射参与和驱动的光化学污染已成为当前许多城市面临的棘手问题(刘楚薇等, 2020), 所以对紫外辐射的研究受到各国科技界和政府部门的高度重视.
国外紫外辐射地基观测研究工作开展的比较早, 新西兰、澳大利亚、美国、德国等对紫外辐射变化特征进行了比较全面的研究(Long et al., 1996).我国从20世纪50年代开始从事地基辐射方面的研究, 80年代末建立了首个国家尺度上的紫外辐射研究网络—中国生态系统研究网络(刘慧, 2017).近年来, 紫外辐射观测质量和数量都大大提高, 不同仪器监测差异逐步减小(郑向东等, 2020), 但不同地区, 即使使用同种紫外观测仪器, 由于天气条件、污染状况不同, 也使得紫外观测数据缺乏很好的比较性, 因此, 辐射传输模式在紫外线研究工作中得到了广泛运用.1998年欧洲组织COSTAction713对比研究了18种紫外计算方法, 结果表明TUV模式计算精确度较高, 误差仅为±5%(Koepke et al., 1998), 目前被大量应用于紫外辐射、光化通量及光解速率等的计算中.安俊琳等(2008)运用TUV模式研究了北京城市大气中太阳紫外辐射与空气污染的相互关系.蒋承霖等(2012)模拟研究了2005年11月16—29日广州一次从清洁到灰霾过程的典型个例, 发现TUV能很好地模拟晴天紫外辐射的日变化, 随污染加剧, 模式偏差变大.邓雪娇等(2011；2012)基于观测数据和TUV模式定量评估了干季珠三角大气气溶胶对UV辐射和地面臭氧的影响.董妍(2015)等利用TUV模拟研究了秋季西安地区晴天紫外辐射强度, 发现模式与实测之间有3%~15%的误差.以上研究多集中在东南沿海发达地区, 且主要是针对短期时段的模拟研究, 同时, TUV模式输出参数也考虑较少.
作为典型的西北内陆城市, 银川气候干燥、日照时数长、太阳辐射强烈(桑建人等, 2006), 且近年来臭氧浓度逐年攀升, 污染防治形势严峻(严晓瑜等, 2020).因此, 本文通过开展银川市紫外辐射变化特征研究, 探讨TUV模式在银川紫外辐射模拟中的适用性, 研究气溶胶、云光学特性及臭氧和NO₂柱浓度等输入参数对提高TUV模拟性能的作用, 以期深刻理解银川紫外辐射变化特征及影响因素, 为进一步深入探究银川紫外辐射、光化通量对臭氧污染形成的作用机理提供科学依据, 同时, 也为提高银川紫外辐射预报精度提供重要参考.
2 资料与方法(Data and methods)2.1 辐射传输模式TUV(Tropospheric Ultraviolet and Visible Radiation Model)辐射传输模式是美国国家大气研究中心(National Center of Atmospheric Research, NCAR)的Madronich和FIocke等共同研究开发的计算对流层紫外线与部分可见光辐射的模式(昝雅媛等, 2019).采用2流δ-爱丁顿计算方法求解辐射传输方程时, TUV可以计算波长为280~420 nm的紫外辐射.采用4流离散坐标法求解辐射传输方程时, TUV可求解121~735 nm间的光化辐射通量, 还可计算73个光化学反应的光解速率(韦惠红, 2005；吕欢等, 2020).
模式考虑了瑞利散射及云、气溶胶粒子的散射和吸收, 还考虑了O₂、O₃、SO₂、NO₂等气体的吸收作用.主要输入参数包括3类, 第1类为基本信息：经度、纬度、时间、波长、高度；第2类为地面及气体参数：地表反照率、气压、气温、空气密度、臭氧柱浓度、NO₂柱浓度、SO₂柱浓度；第3类为气溶胶和云参数：气溶胶光学厚度、气溶胶单次散射反照比、波长指数、云底高度、云顶高度、云光学厚度等.
2.2 数据来源及方法本文所用2013—2019年每日8：00—18：00逐小时紫外辐照度资料来源于银川气象站, 紫外辐射表型号是TBQ-ZW-2, 观测波段为280~395 nm.
TUV模式中输入的云光学厚度(COD)、云顶高度、气溶胶光学厚度(Aerosol Optical Depth, AOD)、气溶胶单次散射反照比(Single Scattering Albedo, SSA)、波长指数(Angstrom Exponent, AE)和臭氧柱浓度数据均来自于MODIS(Moderate Resolution Imaging Spectroradiometer)提供的2019年逐日MxD08_D3大气产品(其中, x为O代表Terra卫星产品, x为Y代表Aqua卫星产品)(Wei et al., 2019), 分辨率为1 km×1 km, 气溶胶产品波段名称为“Optical_Depth_Land_And_Ocean”, 云光学厚度产品波段名称为“Cloud_Optical_Thickness_Combined_Mean”, 臭氧柱浓度波段名称为“Total_Ozone_Mean”.同期NO₂柱浓度数据来源于OMI逐日L2产品.
模式中输入的气压、气温、空气密度等同期气象资料均来源于银川气象站, 经度、纬度、海拔高度均根据气象站实际情况代入.参考相关文献(薛华柱等, 2019；徐震宇等, 2020), 结合银川气象站周边环境, 设置地表反照率为0.1.
本文首先对2013—2019年银川紫外辐照度年际、月际、日变化特征进行分析；然后基于2019年MODIS云光学厚度、云顶高度、气溶胶光学厚度、气溶胶单次散射反照率、波长指数、臭氧柱浓度资料和OMI NO₂柱浓度资料, 对比研究不同输入方案下TUV模拟结果(具体方案参见表 1, MODIS-ave表示该变量采用MODIS上、下午星监测值的平均值, 缺测时用全年平均值), 探讨TUV模式对银川紫外辐射的模拟性能；最后基于最优TUV模拟方案对不同日照时数和不同颗粒物浓度下TUV模拟效果进行分析.
表 1(Table 1)

表 1 TUV模拟输入参数方案设计 Table 1 Design of TUV analog input parameter scheme

表 1 TUV模拟输入参数方案设计 Table 1 Design of TUV analog input parameter scheme 方案编号 云光学厚度(COD) 云顶高度 气溶胶光学厚度(AOD) 臭氧柱浓度/DU NO2柱浓度/DU 气溶胶单次散射反照率(SSA) 波长指数(AE) 高度 方案一 MODIS-ave MODIS-ave 0.235 300 0 0.8 1 9层 方案二 MODIS-ave MODIS-ave MODIS-ave 300 0 0.8 1 9层 方案三 MODIS-ave MODIS-ave MODIS-ave MODIS-ave 0 0.8 1 9层 方案四 MODIS-ave MODIS-ave MODIS-ave MODIS-ave OMI 0.8 1 9层 方案五 MODIS-ave MODIS-ave MODIS-ave MODIS-ave OMI MODIS-ave MODIS-ave 9层 方案六 MODIS-ave MODIS-ave MODIS-ave MODIS-ave OMI MODIS-ave MODIS-ave 120层

3 结果与讨论(Results and discussion)3.1 2013—2019年银川紫外辐射特征图 1给出了2013—2019年银川紫外辐照度变化特征(2017年1月份数据缺测), 可以看出, 除2017年外, 银川多年平均紫外辐照度为8.7 W·m^-2, 最大为2016年的12.5 W·m^-2, 最小为2014年的5.6 W·m^-2.月际变化来看, 5—9月紫外辐照度较高, 一般在10 W·m^-2以上, 其中, 7月最高, 为17.7 W·m^-2, 其它各月均在10 W·m^-2以下, 1月最低, 为3.1 W·m^-2.年及四季紫外辐照度日变化特征基本一致, 清晨紫外辐照度较低, 随太阳高度角增加, 紫外辐照度逐渐增大, 一般于13：00前后达到最大值, 此后随着太阳高度角减小, 紫外辐照度又逐渐减小.13：00时年、夏季、秋季、春季、冬季平均紫外辐照度分别为15.2、25.0、16.1、12.8和7.7 W·m^-2.2019年年均紫外辐照度为9.9 W·m^-2, 与多年平均最为接近, 为此, 本文后续TUV模拟研究均基于2019年进行.
图 1(Fig. 1)

图 1 2013—2019年银川紫外辐照度变化特征 Fig. 1The variation of UV irradiance in Yinchuan from 2013 to 2019

3.2 不同参数输入方案TUV模式模拟结果比较研究不同参数输入方案对TUV模拟结果的影响, 结果如图 2所示.可以看出, 5种方案下TUV均能较好地捕捉到紫外辐照度的月际变化和日际变化特征, 且各方案模拟结果与实测紫外辐照度相关系数随月份的变化特征基本一致.1—3月和10—12月5种方案模拟与实测相关系数较高, 普遍在0.80以上；4—6月和9月各方案下TUV对紫外辐照度变化趋势的把握略差, 相关系数为0.75~0.80；7、8月TUV模拟结果与实测紫外辐照度相关系数较低, 普遍在0.70~0.75之间.不同方案比较, 1—5月和12月, 方案五(COD、云顶高度、AOD、臭氧柱浓度、NO₂柱浓度、SSA和AE都采用遥感监测值)与实测数据的相关系数最高；6—8月和11月, 方案三(COD、云顶高度、AOD和臭氧柱浓度均采用MODIS监测值)对紫外辐照度变化的把握能力最好；9、10月, 方案一, 即只有COD、云顶高度采用MODIS监测值, 其它均采用默认值的模拟效果最好, 与实测相关系数最大.整体而言, 方案五与观测紫外辐照度相关系数最大, 年均相关系数为0.845, 其次是方案一, 年均相关系数为0.843, 再次是方案三, 年均相关系数为0.839, 方案二(COD、云顶高度、AOD采用MODIS监测值)和方案四(COD、云顶高度、AOD、臭氧柱浓度和NO₂柱浓度均采用遥感监测值)年均相关系数均为0.835.
图 2(Fig. 2)

图 2 不同参数输入方案TUV模式模拟结果对比 Fig. 2Comparison of simulation results of different parameter input schemes in TUV model

从平均值偏差来看, 5种方案普遍存在高估现象, 其中, 1—5月最明显, 除1月外, 各月平均偏差均在8 W·m^-2以上, 尤其是4月, 5种方案平均偏差普遍在14 W·m^-2以上；6月和9—12月各种方案高估幅度较小, 平均偏差普遍低于5 W·m^-2；7月, 除方案三有所高估外, 其它方案均有所低估；8月, 方案一略有低估, 其它方案略有高估.不同方案来看, 1—3月方案五高估较其它方案明显, 其余月份方案三模拟结果均明显高于其它方案, 对银川紫外辐照度显著高估.总体来看, 方案三高估最明显, 平均值偏差为7.68 W·m^-2, 方案五次之, 平均值偏差为6.02 W·m^-2, 方案二和方案四的平均值偏差分别为5.33 W·m^-2和5.21 W·m^-2, 方案一高估程度最小, 平均值偏差为4.94 W·m^-2.
从标准差偏差来看, 模式模拟紫外辐照度变化幅度整体较实测的大, 1—5月最显著, 各月标准差偏差普遍在5 W·m^-2以上, 尤其是3、4月, 除方案一外, 其余4种方案的标准差偏差均在8 W·m^-2以上；6—12月5种方案模拟标准差与观测标准差的偏差均较小, 尤其是7月, 除方案三明显高估外, 其它方案标准差偏差均在0.5 W·m^-2以下. 不同方案而言, 除2月外, 其余各月均是方案三的标准差高估最明显.方案三、方案五、方案二、方案四和方案一年均标准差偏差分别为5.35、4.32、4.31、4.24和3.59 W·m^-2.
5种参数输入方案模拟结果与实测资料均方根误差随月份变化特征基本一致, 2—5月均方根误差最大, 模拟效果最差, 1月和6—10月均方根误差明显降低, 模拟效果较好, 11和12月均方根误差最小, 模拟效果最好.比较而言, 方案一, 即只有COD、云顶高度采用MODIS监测值, 其它均采用默认值的模拟效果最好, 年均方根误差为8.37 W·m^-2；次之是方案四, 即COD、云顶高度、AOD、臭氧柱浓度和NO₂柱浓度均采用遥感监测值, 年均方根误差为8.96 W·m^-2；方案二(COD、云顶高度、AOD采用MODIS监测值)和方案五(COD、云顶高度、AOD、臭氧柱浓度、NO₂柱浓度、SSA和AE都采用遥感监测值)年均方根误差分别为9.07 W·m^-2和9.43 W·m^-2；方案三(COD、云顶高度、AOD和臭氧柱浓度均采用MODIS监测值)模拟效果最差, 年均方根误差为10.82 W·m^-2.
综上所述, 不同参数输入方案下TUV对银川紫外辐照度的模拟结果与实测紫外辐照度相关系数均较高, 对其变化趋势的把握能力较好, 但平均值和标准差都存在高估的问题, 特别是1—5月, 模拟值明显高于实测值, 6—12月模拟值与实测值差异相对较小, 7、8月模拟与实测平均偏差随方案不同略有差异, 7月5种方案的标准差偏差均是1年中最低的.对比来看, COD、云顶高度、AOD、臭氧柱浓度、NO₂柱浓度、SSA和AE都采用遥感监测值的方案五, 与实测资料的相关系数最大, 但由于其对紫外辐照度高估较明显, 致使除7月方案五模拟效果好于只有COD、云顶高度采用MODIS监测值的方案一外, 其它各月方案五的均方根误差均较方案一高.
3.3 不同模拟层数TUV模式模拟结果比较探讨不同模拟层数对TUV模拟结果的影响, 结果如图 3所示, 模拟层数为120层时(方案六), 模拟与观测紫外辐照度相关系数为0.85, 较9层时(方案五)的0.84略高, 表明随层数增加, TUV模拟与紫外辐照度实测相关性略有提高.
图 3(Fig. 3)

图 3 不同模拟层数TUV模式模拟结果对比 Fig. 3Comparison of simulation results of TUV model with different simulation layers

从平均偏差来看, 当模拟层数为120层时, 各月平均偏差均较模拟层数为9层时有所升高, 这说明模拟层数的增加使模拟高估现象更严重, 其中4—9月更明显.分析不同模拟层数时模拟紫外辐照度日变化, 发现120层时午后紫外辐照度极值较9层时高, 因而造成高估现象更明显.模拟层数为120层时年均标准差偏差为4.38 W·m^-2, 较9层时的4.32 W·m^-2大, 各月标准差偏差也均表现为120层时较9层时高, 表明随着模拟层数的增加, TUV模拟结果变幅略有增大.
整体来看, 模拟层数为9层时, TUV模拟年均方根误差为9.43 W·m^-2, 较模拟层数为120层时的9.53 W·m^-2小, 表明模拟层数的增加不能有效提高模拟精度, 改善TUV模拟性能.
3.4 TUV模式模拟误差与输入参数的相关性不同参数输入方案下TUV模式对银川紫外辐照度均存在高估现象, 且误差月变化特征基本一致, 因此, 对造成TUV模式高估及不同月份模拟质量差异的原因进行分析探讨.由3.2节分析可知, 方案一整体均方根误差是5种方案中最小的, 但其7、8月对紫外辐射低估较明显, 为此本文后续研究均基于与实测相关性最好的方案五的TUV模拟结果来进行.
表 2给出了方案五紫外辐照度模拟和实况的日平均偏差与各输入参数的相关系数, 可以看出, 与紫外辐照度模拟偏差相关系数最大的为云光学厚度, 相关系数为-0.54, 其次是相对湿度, 相关系数为-0.51, 再次是臭氧柱浓度, 相关系数为0.38.云顶高度与模拟偏差的相关性也较高, 相关系数为0.23.AE、气温、气溶胶光学厚度、SSA与模式模拟偏差相关系数分别为-0.13、-0.12、-0.11和-0.10.NO₂柱浓度和气压对模式模拟偏差影响极小, 相关系数分别仅为-0.04和0.01.这表明云光学厚度、相对湿度、臭氧柱浓度和云顶高度可能是造成TUV模式模拟误差的主要影响因子.
表 2(Table 2)

表 2 TUV模式紫外辐照度模拟偏差与各输入参数的相关性 Table 2 The correlation between various input parameters and the deviation of TUV model simulation ultraviolet irradiance

表 2 TUV模式紫外辐照度模拟偏差与各输入参数的相关性 Table 2 The correlation between various input parameters and the deviation of TUV model simulation ultraviolet irradiance 云光学厚度 云顶高度 相对湿度 气温 气压 臭氧柱浓度 NO2柱浓度 气溶胶光学厚度 AE SSA 模拟偏差 -0.54 0.23 -0.51 -0.12 0.01 0.38 -0.04 -0.11 -0.13 -0.10

图 4给出了TUV模拟紫外辐照度误差与云光学厚度、相对湿度、臭氧柱浓度及云顶高度的关系, 可以看出, 云光学厚度小于10时, 模拟紫外辐照度与实况值平均偏差普遍在5 W·m^-2以上, 均方根误差普遍大于7 W·m^-2；云光学厚度大于10时, 平均偏差普遍降至2 W·m^-2以下, 均方根误差普遍小于6 W·m^-2；表明紫外辐照度模拟平均偏差和均方根误差随云光学厚度的增加明显下降.
图 4(Fig. 4)

图 4 TUV模式紫外辐照度模拟误差与云光学厚度、相对湿度、臭氧柱浓度及云顶高度的关系 Fig. 4Relationship between UV irradiance simulation error of TUV model and cloud optical thickness, relative humidity, ozone column concentration and cloud top height

紫外辐照度模拟误差随相对湿度增加也明显下降, 相对湿度小于50%时, 模拟平均偏差均大于5 W·m^-2, 均方根误差普遍大于8 W·m^-2, 相关系数普遍低于0.6；相对湿度高于50%时, 模拟平均偏差均小于4 W·m^-2, 均方根误差普遍小于6 W·m^-2, 除相对湿度高于80%时相关系数较低外, 其余相关系数普遍高于0.6.
紫外辐照度模拟误差随臭氧柱浓度增加而增大, 臭氧柱浓度小于320 DU时, 模拟平均偏差在5 W·m^-2以下, 均方根误差在8 W·m^-2以下, 相关系数普遍高于0.6；臭氧柱浓度高于320 DU时, 模拟平均偏差均大于9 W·m^-2, 均方根误差均高于11 W·m^-2, 相关系数均低于0.4.
紫外辐照度模拟误差随云顶高度增高而增大, 云顶高度低于6 km时, 模拟平均偏差小于6 W·m^-2, 均方根误差普遍在8 W·m^-2以下；云顶高度高于6 km时, 模拟平均偏差均大于8 W·m^-2, 均方根误差均高于11 W·m^-2.
为分析TUV紫外辐照度模拟误差月变化差异的形成原因, 图 5给出了TUV模式相关输入参数的月变化特征, 可以看出, 云光学厚度6—9月较高, 为14~18, 其它各月较低, 普遍在10以下, 特别是1—5月和12月, 云光学厚度均小于5.云顶高度4—7月最高, 普遍在7 km以上, 2—3月和8—10月次之, 为5~7 km, 11、12和1月最低, 均在5 km以下.6—12月相对湿度普遍在50%以上, 9月最高为63%, 1—5月均低于50%, 3、4月最低, 均为32%.气温4—10月较高, 均在10 ℃以上, 7月最高为24 ℃, 其它各月普遍在5 ℃以下.1—7月臭氧柱浓度较高, 均在300 DU以上, 其中, 3、4、5月分别为355、331和329 DU, 8—12月臭氧柱浓度均低于300 DU, 其中, 9月最低, 为287 DU.NO₂柱浓度9月最高为0.31 DU, 2月次之为0.25 DU, 10月再次为0.24 DU, 其它各月普遍在0.2 DU以下.2—9月气溶胶光学厚度均在0.2以上, 最大为2月的0.29, 10—12月和1月气溶胶光学厚度均低于0.2, 最低为12月的0.11.1—5月AE较低, 均小于1.1, 其中, 2、3月分别为0.89和0.98, 6—12月AE普遍高于1.2, 其中, 7月最高为1.34.SSA变化幅度较小, 9月最高为0.892, 12月最低为0.850.
图 5(Fig. 5)

图 5 TUV模式相关输入参数月变化 Fig. 5Monthly variation of relevant input parameters in TUV model

总体来看, 随着云光学厚度、相对湿度的减小及臭氧柱浓度、云顶高度的增加, TUV模式模拟误差增大, 气溶胶光学厚度、AE、SSA、NO₂柱浓度及气温、气压对TUV模式模拟误差影响较小.从月变化来看, 1—5月较小的云光学厚度、较低的相对湿度、较高的臭氧柱浓度、较高的云顶高度是造成该时段为一年中TUV模式高估最严重的主要原因.云光学厚度、臭氧柱浓度和云顶高度资料均来自MODIS遥感产品, 表明1—5月TUV紫外辐照度明显高估可能与遥感反演资料的不确定性有关.这种不确定性一方面来自于时间匹配, TUV模拟时段为8：00—18：00, 但遥感反演资料为MODIS上、下午星的平均值, 仅反映卫星过境时的云参数和臭氧柱浓度值, 不能完全代表模拟时段内各参量的变化, 另一方面来自于遥感资料反演误差.
由3.2节分析可知, 相对于方案一的只采用云监测实况, 其它方案的模拟效果并没有明显改善, 这也印证了TUV模拟误差与云光学厚度、云顶高度相关性较高的结果, 说明云参数是决定TUV模式对银川紫外辐照度模拟性能的最重要因素.李晓攀(2019)利用AERONET云模式的云光学厚度数据对MODIS卫星的云产品进行验证, 发现MODIS反演云光学厚度的值相对于AERONET反演的值偏低, 且MODIS反演云光学厚度具有显著的季节变化特征, 北方地区夏季最大、冬季最小.本文所用银川地区MODIS云光学厚度也呈现夏季最高、冬季最低的变化特征, 与李晓攀的研究结论一致, 但可能由于春冬季MODIS云光学厚度反演值偏低现象较夏秋季更明显, 致使TUV模拟结果1—5月高估较严重.MODIS云顶高度产品为采用半透明云订正后的CO₂薄片法及远红外通道法反演得到, 该方法在低云和薄云云顶高度的反演中存在较大误差(李玮等, 2006；林琳等, 2006), 这可能也是造成银川1—5月云顶高度偏高, 进而影响TUV模拟效果的原因, 具体还有待进一步分析研究.
3.2节中方案三(COD、云顶高度、AOD和臭氧柱浓度均采用MODIS监测值)的模拟效果较方案一(COD、云顶高度采用MODIS监测值)和方案二(COD、云顶高度、AOD采用MODIS监测值)的明显变差, 可能主要是由于遥感反演臭氧柱浓度较高及没有引入当地实测臭氧垂直廓线而造成.
3.5 不同日照时数TUV模式模拟性能比较由于云是影响到达地表辐射的最主要因素, 而日照时数能在一定程度上反映云的变化情况, 因此, 对不同日照时数TUV模拟性能进行探讨.图 6为不同日照时数下TUV模拟与实测紫外辐照度对比图, 由图可知, 日照时数在8 h以下时, TUV模拟值与实测值相关系数随日照时数的增加而逐渐增加, 相关系数自0~2 h的0.28增加至6~8 h的0.6.日照时数超过8 h时, 模拟值与实测值的相关系数随日照时数增加而减小, 特别是当日照时数超过10 h时, 两者相关性明显下降.从均方根误差来看, 日照时数在8 h内时, TUV模拟均方根误差变化不大；日照时数超过8 h时, 均方根误差明显增加, 模拟效果变差；日照时数大于12 h时, 均方根误差有所下降, 模拟效果略转好.
图 6(Fig. 6)

图 6 不同日照时数TUV模式模拟结果与实测紫外辐照度比较 Fig. 6Comparison of TUV model simulation results and measured UV irradiance for different sunshine duration

不同日照时数下, TUV模拟均有所高估, 但高估程度随日照时数不同略有差异.日照时数低于8 h时, 模拟与实测平均值偏差随日照时数增加缓慢增加, 平均偏差由0~2 h的4.46 W·m^-2增加至6~8 h的5.53 W·m^-2.日照时数为10~12 h时, 模拟与实测平均偏差最大, 达到9.64 W·m^-2.日照时数大于12 h时, 两者偏差又下降至3.13 W·m^-2.
不同日照时数时, 模拟标准差均高于实测标准差.日照时数大于12 h时, 两者差值最大, 为4.66 W·m^-2；次之是日照时数为0~2 h, 两者相差2.28 W·m^-2；其余范围内, 模拟与实测标准差偏差均小于1 W·m^-2.
整体而言, 日照时数小于10 h时, TUV对银川紫外辐照度随时间变化特征的模拟能力较好, 日照时数大于10 h时, TUV对紫外辐照度变化趋势的把握能力较差, 且平均值和标准差的高估现象更严重.
3.6 不同颗粒物浓度TUV模式模拟性能比较图 7为不同PM₁₀浓度下TUV模拟结果与实测紫外辐照度对比图, 可以看出, PM₁₀浓度为0~50 μg·m^-3和50~150 μg·m^-3时, TUV模拟与实测结果的相关系数均为0.49, PM₁₀浓度为150~250 μg·m^-3和250~350 μg·m^-3时, TUV模拟结果与实测的相关系数分别为0.73和0.76, 对紫外辐照度的变化趋势把握更好.PM₁₀浓度为0~50 μg·m^-3和150~250 μg·m^-3时, TUV模拟均方根误差分别为7.68 W·m^-2和8.51 W·m^-2, PM₁₀浓度为50~150 μg·m^-3和250~350 μg·m^-3时, 模拟均方根误差分别为9.71 W·m^-2和10.46 W·m^-2.
图 7(Fig. 7)

图 7 不同PM10质量浓度TUV模式模拟结果与实测紫外辐照度比较 Fig. 7Comparison of TUV model simulation results and measured UV irradiance for different PM10 mass concentrations

随PM₁₀浓度的升高, TUV模拟高估现象逐渐增加, PM₁₀浓度为0~50、50~150、150~250和250~350 μg·m^-3时, 模拟与实测平均偏差分别为4.14、7.36、7.38和10.19 W·m^-2.
PM₁₀浓度为50~150 μg·m^-3和150~250 μg·m^-3时, 模拟标准差与实测标准差偏差较大, 分别为2.86 W·m^-2和2.87 W·m^-2.PM₁₀浓度为0~50 μg·m^-3时, 模拟与实测标准差偏差为1.38 W·m^-2.PM₁₀浓度为250~350 μg·m^-3时, 模拟标准差有所低估, 与实测标准差偏差为-0.25 W·m^-2.
总体来看, 随PM₁₀浓度增加, TUV对紫外辐照度变化趋势的把握能力逐渐提高, 但同时, 平均值和标准差的高估现象也更严重, 致使TUV对PM₁₀浓度在0~50 μg·m^-3之间时的整体模拟均方根误差最小.
4 结论(Conclusions)1) 银川2013—2019年多年年平均紫外辐照度为8.7 W·m^-2, 7月最高为17.7 W·m^-2, 1月最低为3.1 W·m^-2, 日变化一般于13：00前后达到最大值.
2) 不同参数输入方案下TUV对银川紫外辐照度随时间变化趋势的把握能力均较好, 但平均值和标准差都普遍存在高估现象, 总体来看, 2—5月TUV模拟效果最差, 1月和6—10月模拟效果较好, 11和12月模拟效果最好.模拟层数的增加不能有效提高模拟精度, 改善TUV模拟性能.
3) 云光学厚度、相对湿度、臭氧柱浓度、云顶高度对TUV模式模拟误差影响较大, 气溶胶光学厚度、AE、SSA、NO₂柱浓度及气温、气压对TUV模式模拟误差影响较小.较小云光学厚度、较低相对湿度、较高臭氧柱浓度、较高云顶高度是造成1—5月TUV模式对银川紫外辐照度模拟高估现象严重的主要原因.
4) 日照时数小于10 h时, TUV对银川紫外辐照度的模拟效果较日照时数大于10 h时好.
5) 随PM₁₀浓度增加, TUV对紫外辐照度变化趋势的把握能力逐渐提高, 但对其平均值和标准差的高估现象也更严重, 整体上, PM₁₀浓度在0~50 μg·m^-3之间时TUV模拟均方根误差最小.

参考文献

安俊琳, 王跃思, 李昕, 等. 2008. 北京地面紫外辐射与空气污染的关系研究[J]. 环境科学, 29(4): 1053-1058. DOI:10.3321/j.issn:0250-3301.2008.04.035

邓雪娇, 周秀骥, 吴兑, 等. 2011. 珠江三角洲大气气溶胶对地面臭氧变化的影响[J]. 中国科学: 地球科学, 41(1): 93-102.

邓雪娇, 周秀骥, 铁学熙, 等. 2012. 广州大气气溶胶对到达地表紫外辐射的衰减[J]. 科学通报, 57(18): 1684-1691.

董春阳. 2017. UV-B辐射对植物形态影响研究综述[J]. 种子科技, 35(5): 110-112. DOI:10.3969/j.issn.1005-2690.2017.05.079

董妍, 杨艳超, 李星敏, 等. 2015. 秋季西安地区紫外太阳辐射特征及模拟[A]//中国气象学会. 第32届中国气象学会年会S10大气物理学与大气环境[C]. 北京: 中国气象学会. 8

蒋承霖, 吴兑, 谭浩波, 等. 2012. 广州地区紫外辐射特征和模式对比分析[J]. 中国环境科学, 32(3): 391-396. DOI:10.3969/j.issn.1000-6923.2012.03.002

Koepke I P, Bais A, Balis D, et al. 1998. Comparison of models used for UV index calculations[J]. Photochemistry and Photobiology, 67(6): 657-662. DOI:10.1111/j.1751-1097.1998.tb09109.x

李玮, 赵思楠, 卢刚. 2006. 基于MODIS图像云参数定量监测算法[J]. 电子测量技术, (5): 39-41+92. DOI:10.3969/j.issn.1002-7300.2006.05.012

李晓攀. 2019. 基于MODIS卫星数据分析近十四年中国地区云参数的时空变化特征[D]. 成都: 成都信息工程大学

林琳, 黄思训, 杜华栋. 2006. MODIS数据的云顶高度反演[J]. 地球信息科学, (2): 106-109. DOI:10.3969/j.issn.1560-8999.2006.02.020

刘楚薇, 连鑫博, 黄建平. 2020. 我国臭氧污染时空分布及其成因研究进展[J]. 干旱气象, 38(3): 355-361.

刘慧. 2017. 紫外/光合有效辐射变化特征及气溶胶辐射强迫研究[D]. 兰州: 兰州大学

Long C S, Miller A J, Lee H T, et al. 1996. Ultraviolet index forecasts issued by the National Weather Service[J]. Bull of AMS, 77: 729-748.

吕欢, 安俊琳, 苏筱倩, 等. 2020. 南京北郊地区黑碳气溶胶对光解系数的影响[J]. 中国环境科学, 40(4): 1421-1428. DOI:10.3969/j.issn.1000-6923.2020.04.004

桑建人, 刘玉兰, 林莉. 2006. 宁夏太阳辐射特征及太阳能利用潜力综合评价[J]. 中国沙漠, 26(1): 122-125. DOI:10.3321/j.issn:1000-694X.2006.01.022

韦惠红. 2005. 我国臭氧和紫外线的分布特征及未来变化预测[D]. 南京: 南京信息工程大学

Wei J, Li Z, Peng Y, et al. 2019. MODIS Collection 6.1aerosol optical depth products over land and ocean: validation and comparison[J]. Atmospheric Environment, 201: 428-440. DOI:10.1016/j.atmosenv.2018.12.004

肖冰霜. 2015. 中国大陆紫外线时空分布及对人体健康的影响[A]//中国气象学会. 第32届中国气象学会年会S13气候环境变化与人体健康[C]. 北京: 中国气象学会. 10

徐震宇, 邱新法, 李爽爽, 等. 2020. 基于MODIS的中国地表反照率特征分析[J]. 干旱区资源与环境, 34(1): 99-105.

薛华柱, 张国东, 周红敏, 等. 2019. 几种典型地表类型反照率时序变化特征及其参数化研究[J]. 北京师范大学学报(自然科学版), 55(2): 272-283.

严晓瑜, 缑晓辉, 杨婧, 等. 2020. 中国典型城市臭氧变化特征及其与气象条件的关系[J]. 高原气象, 39(2): 416-430.

昝雅媛, 马晓燕, 田蓉. 2019. 基于TUV模式的对流层光解速率影响因子的研究[J]. 中国环境科学, 39(9): 3707-3718. DOI:10.3969/j.issn.1000-6923.2019.09.014

郑向东, 程海轩. 2020. 南极中山站太阳紫外辐射测值比较[J]. 应用气象学报, 31(4): 482-493.