气溶胶光学厚度（精选3篇）
气溶胶光学厚度 篇1
摘要：我们利用美国多波段太阳辐射计(MICROTOPII)测量了西藏拉萨2008年8月～2010年8月期间大气气溶胶光学厚度,研究了拉萨气溶胶光学厚度日变化、月变化和季节变化等问题。结果表明,拉萨晴天气溶胶光学厚度很小870nm通道大气溶胶光学厚度仅在0.016～0300之间,平均值为0.067。拉萨干季气溶胶光学厚度比湿季略高,月平均气溶胶光学厚度比北京小四倍以上。然而,数据显示,在观测的时间里拉萨气溶胶光学厚度成逐渐波动放大现象。拉萨气溶胶主要来源于生物质燃烧、机动车尾气、季节风沙,宗教烧香、周边水泥、采石等活动。
关键词：气溶胶,光学厚度,拉萨,太阳光度计
1、前言
大气气溶胶是悬浮在空气中的直径约0.001～100μm微米的固体或液体粒子的总称。气溶胶的主要来源是地表的土壤、海洋、火山及生物圈等[1]。大气气溶胶对地面太阳辐射、气候和大气环境等方面具有重要的影响[2]。气溶胶在对流层可充当水滴和冰晶的凝结核、吸收和散射太阳辐射及地球长波辐射，参与大气化学反应过程等等。城市气溶胶对交通、民航、农牧业、人体健康等各行产生直接的负面影响[3]。研究气溶胶的光学厚度、季节变化对研究地面太阳辐射，监控环境污染等方面具有重要意义。
人类活动造成的气溶胶变化问题是目前大气物理学中比较紧迫研究课题。国内外对气溶胶的基本特征、气候效应以及对健康环境的影响研究已经比较成熟[4]。西方国家利用各种现代化的手段，从空间（如：GAW,NOAA和SAGE III等卫星）、地面（如：欧洲气溶胶研究雷达网(EARLINET)）和理论模拟的手段试图全方位监测区域或全球气溶胶。
近年来，中国对各地的气溶胶进行了比较广泛的监测和研究，获得了众多数据[5]。吕达仁等[6]总结了30年来中国大气气溶胶光学厚度平均分布特征。
西藏气溶胶的观测和研究仍处于零星和短期状态。周任君等[7]采用1991年10月～2005年11月的HALOE资料，分析了青藏高原（27°～40°N,75°～105°E）上空气溶胶数密度、体积密度、面积密度的分布和变化特征。白宇波等[8]在1998年夏季在拉萨使用激光雷达观测了拉萨上空大气气溶胶光学特性。张军华和刘利[9]在1 998年5、6月份在西藏当雄地区进行了为期两个月的气溶胶地面多波段观测，研究当地气溶胶光学特性及其变化规律。目前西藏气溶胶的观测站较少，西藏自治区气象局也尚未进行拉萨气溶胶观测。西藏自治区环保局利用激光原理在拉萨观测地面颗粒PM10,SO2和NO2的测量。
拉萨是大气环境质量保持良好的城市，每年空气质量优良的天数达到300天以上[10]。
近年来，随着拉萨城市的飞速扩展、人口增长、车辆增多、气候的变化，气溶胶日益影响着拉萨大气质量。特别是拉萨冬季大气气溶胶含量很高，空气质量明显低于夏季。这是由于拉萨冬季没有电力供暖系统，很多居民利用常规柴火（木材，牛粪便等）取暖。图1显示了2009年冬季一个下午拉萨浓厚的气溶胶。
拉萨上空的气溶胶的主要来源有尘埃、风沙、烟尘、汽车尾气和宗教节日时燃烧香草的烟气（如图2所示），采矿、采石和粮食加工时所形成的固体粉尘等。
为了监测拉萨日益变化的气溶胶，西藏大学地球物理研究所利用美国多波段太阳辐射计(MICROTOPII)对2008年8月和2010年8月期间拉萨气溶胶光学厚度进行了实地测量和分析研究。
2、气溶胶光学厚度的测量
我们使用了美国Solar Light公司生产的M I C R O T O P SⅡS U N PHOTOMETER太阳光度计[11]，是一款用于气溶胶光学厚度精确测量的5通道手持式太阳光度计。可以测量和存储5个非连续波长直接太阳辐射。MICROTOPS拥有与其它大型昂贵的仪器一样的精确度。
该仪器配备了五个各自准确成一直线的光学瞄准仪，并具有2.5°的视场角。
太阳光度计MICROTOPSⅡ实际测量光强度信号电压Vλ，是根据Bouguer-Lambert-Beer定律[12]
测算。其中，R是日地校准距离（由该仪器软件计算出），V0λ大气顶部光强度信号电压，是厂家通过做晴天Langley图推断得出，并储存在MICROTOPSⅡ中。τλ是大气光学厚度。M是光学大气质量，即，太阳光线到达探测器实际经过的光程与垂直方向光程的比值。一般，光学大气质量，其中Z是天顶角。太阳光度计MICROTOPSⅡ使用稍微完整的多项式表达式
因此，除掉Rayleigh光学厚度与压强的影响后，大气气溶胶光学厚度AOT(Aerosol Optical Thickness)是
其中，λ表示各种通道的波长（中心波长分别位于340、440、500、675、870nm），τRλ是Rayleigh光学厚度，P和P0分别是当地压强和标准压强。根据这五个通道信号、时间和地点等参数，MICROTOPS II计算气溶胶光学厚度。
3、拉萨气溶胶光学厚度的测量分析结果
西藏大学气溶胶观测站点设在西藏大学新校区四栋教学楼三层（地球物理研究所）阳台上(东经：91°10'38.83"，北纬:29°38'47.31"，海拔：3660米)。使用的太阳光度计MICROTOPSⅡ在购买前由厂家做了标定。具体观测期间为2008年7月24日到2010年9月13日。MICROTOPS II可以随时随地测量气溶胶光学厚度（只要看到太阳）。但是由于在测量过程中用手来维持它的平稳度，所以测量时有时难免出现失误，影响测量的精确度。我们测量时，首先把MICROTOPS II太阳光度计稳定地放置于观测平台上，双手牢牢握住光度计，对准太阳后，在视频中寻找太阳光斑，光斑在视频中央稳定下来后才开始测量。为了降低误差，每次连续测量三次，最后取三个测量值的平均值。
3.1 拉萨晴空气溶胶光学厚度的日变化
图3的上方是2008年9月10日拉萨气溶胶光学厚度随时间的变化曲线。记录了当天8:00～20:00期间各个波段气溶胶光学厚度的测量数值和变化情况。图3的下方是当天该站点阳能太阳紫外线的日变化曲线，该曲线反映出当天的天气情况。可以看出早上8:00～9:40时是晴天（紫外线曲线光滑），对应的气溶胶光学厚度约在0.0200～0.0750之间。而9:40～14:00期间天气多云（紫外线曲线紊乱），没有进行气溶胶测量。14:00～20:00期间是晴天（紫外线曲线光滑），对应的气溶胶光学厚度在0.0220～0.0880之间。
当天全天870 nm通道气溶胶光学厚度最低，340nm波段的最高，各个通道气溶胶光学厚度具体变化值见表1。
图4是2009年4月26日观测的拉萨气冬季溶胶光学厚度日变化曲线。当天天气记录显示:9:00～10:00期间为晴天,无风,各个波段气溶胶光学厚度测量数值较小,0.1左右,曲线平稳。约10:00～11:00时有小风,无测量。11:00～13:00时天气变晴,无风,各个波段气溶胶光学厚度较小,稳定。13:00～14:30期间起风,气溶胶光学厚增大。约14:30～16:00时,天气良好,气溶胶光学厚度较小。约16:00～19:00时刮大风,空气弥漫着灰尘,大气的能见度较低,气溶胶光学厚度急速增大。
表2列出了当天各个通道气溶胶光学厚度具体变化值。
根据以上数据分析，拉萨4月（干季）气溶胶光学厚度比9月（湿季）大5倍以上。湿季由于雨水有效吸收、淋洗空气中的气溶胶，降低空气中的气溶胶浓度。因此，湿季气溶胶的光学厚度小于干季。
3.2 拉萨晴空气溶胶光学厚度月平均变化
图5是2008年8月到2010年8月拉萨上空气溶胶光学厚度的月平均变化情况图。五个频道中筛选了340nm,500nm和870nm三个频道进行月平均变化分析。在观测的两年期间，发现拉萨各波段气溶胶光学厚度有逐年增长的趋势（如图5所示）。月平均变化来看，约1月到5月各波段气溶胶光学厚度有逐月增长的现象，主要原因可能是拉萨居民烧柴火取暖和刮季节风等因素所造成。大约6到12有逐月下降的现象，主要原因可能是季节雨清洁了空气，加上气温转暖居民不需要烧柴火以及风沙减少等因素所造成。
图5显示了两年观测期间拉萨各个通道气溶胶光学厚度变化幅度成逐月波动放大现象。通道340nm的月平均气溶胶光学厚度变化幅度最明显，为0.0 5 1 3～0.1 8 6 8之间，月平均值为0.1014。通道500nm的变化范围在0.0510～0.1482之间，月平均值为0.0837；通道870nm的月平均值最小，在0.0359～0.1045之间，平均值也只有0.0639。与内地其他城市比较，拉萨总体气溶胶的光学厚度非常小。罗云峰等[13]对北京4月气溶胶光学厚度平均（近30年）值为0.568，比拉萨4月大四倍左右；北京9月气溶胶光学厚度平均（近30年）值为0.365，比拉萨9月大一个数量级左右。我们在拉萨进行了两年的气溶胶观测工作，图6列出了以870nm通道为例的所有气溶胶光学厚度的观测值。图中可以看出每天观测的气溶胶光学厚度即时值，当日变化幅度以及季节波动等信息。发现在观测两年里，870nm通道大气溶胶光学厚度即时值基本上在0.016～0.300范围内波动，也显示了明显的季节波动性。
4、结论
我们利用太阳辐射计(MICROTOPII)测量了西藏拉萨2008年8月～2010年8月期间气溶胶光学厚度。结果表明，在晴天条件下，拉萨上空气溶胶光学厚度很小，最小即时测量值为0.016(870nm）。研究了拉萨晴天气溶胶光学厚度的日变化、月变化以及即时值等。拉萨气溶胶光学厚度季节变化较明显，在观测的两年里呈逐年增大的现象。拉萨目前总体空气质量属于中国最好的区域，但随着人口、车辆、经济的快速增长，以及气候的异常变化，可能会造成拉萨气溶胶增长的现象。
气溶胶光学厚度 篇2
根据CE318自动跟踪太阳光度计于204月23日～3月15日在乌鲁木齐地区进行观测取得的`资料,反演得出气溶胶光学厚度、Angstrom大气浑浊度系数β和波长指数α.分析表明,气溶胶光学厚度随波长增加而降低;其日变化在春夏季起伏波动多,而冬季日变幅最大;全年气溶胶光学厚度在7月最小,3月最大,与3种主要污染物PM10、SO2和NO2浓度的月分布不尽相同;波长指数α表明春季风沙天气导致了气溶胶颗粒物半径增大,而Angstrom大气浑浊度系数β反映了夏季大气比较洁净,冬季气溶胶数量多,3月为整层大气污染最严重时期.
作 者：李霞 陈勇航 胡秀清 任宜勇 魏文寿 LI Xia CHEN Yong-hang HU Xiu-qing REN Yi-yong WEI Wen-Shou 作者单位：李霞,魏文寿,LI Xia,WEI Wen-Shou(中国气象局乌鲁木齐沙漠气象研究所,新疆,乌鲁木齐,830002)陈勇航,CHEN Yong-hang(兰州大学资源环境学院,甘肃,兰州,730000)
胡秀清,HU Xiu-qing(国家卫星气象中心,北京,100081)
气溶胶光学厚度 篇3
关键词：MODIS,气溶胶光学厚度,PM2.5,相关性
气溶胶是指大气作为气相载体与悬浮在其中半径小于几十微米的固态或液态微粒共同组成的多相体系[1]。气溶胶粒子不仅对气候产生直接和间接效应, 同时也是影响大气环境质量的重要污染物[2]。PM2.5是指悬浮在空气中, 空气动力学直径≤2.5μm的颗粒物[3], 它可以穿透人体呼吸道的防御直接危害人体健康。其对大气能见度强烈的消光能力使大气能见度降低, 影响环境和人类活动[4—6]。随着我国经济的快速发展, 一些大中型城市的环境承载压力不断加大, 可吸入颗粒物PM2.5已经成为影响空气质量的首要污染物。尤其是最近几年, 全国各大城市雾霾天数呈直线增长趋势, 北京作为特大城市, 工业化和经济都加速发展, 空气污染也日渐显现。有统计显示:2013年北京空气质量优良天数达176 d, 重污染天累计58 d, 超标污染日中的首要污染物为PM[7]2.5。因此, PM2.5的监测和防治成为了亟待解决的环境问题。目前对PM2.5的监测主要通过在地面建立观测站点对污染物进行连续观测, 虽然能得到较为准确的时间变化信息, 但由于铺设成本高, 只能在有限的站点进行, 很难给出污染物来源和变化趋势的宏观分布状况[8]。
许多学者都对卫星气溶胶数据与地面污染物的浓度进行了相关性研究。Remer L A等人[9]利用全球自动观测网的太阳光度计测的气溶胶刚学厚度对MODIS气溶胶产品进行分析指出, 其相关性高达0.8。李本纲等[10]同样在对二者的相关性分析中指出其Pearson积矩相关系数达到0.789, 证实了MODIS气溶胶产品可以用于监测大气污染。Wang等[11]分析美国阿拉巴马州的Jefferon县的7个站点的小时平均PM2.5浓度数据与MODIS两颗星的气溶胶光学厚度的相关性, 分别得出其相关性为0.67和0.76, 指出MODIS气溶胶产品可以用于定量评估无云天气下的空气质量。Englel-Cox等[12]于2004年发现MODIS AOT与地面污染物浓度, 发现其相关性达到0.57, 且在美国东部和中西部地区具有较高的相关性。此外, 从其他的相关研究[13,14]可以看出卫星遥感可以有效的监测空气污染的空间分布及变化趋势, 弥补地面监测的不足。但其相关性收到地形、气象条件的影响有所不同。
在北京地区, 也有对MODIS AOT和PM2.5浓度值的相关性的研究。王静等[15]利用MODIS气溶胶光学厚度产品AOT与北京市清华园PM2.5质量浓度进行比较分析, 发现AOT和PM2.5均有明显的季节性变化特征;二者的日均值相关性在冬半年要明显低于夏半年, 说明二者受到季节的显著影响.利用相对湿度和气溶胶标高等气象条件进行校正后, AOT与PM2.5具有较高的相关性, 但此研究仅局限于对单一站点的研究, 而气溶胶与PM2.5具有完全不同的特性, 其相关性也受到各种因素的影响。因此, 应用卫星气溶胶数据精确的分析PM2.5浓度分布及传输特征, 需要进行更深入的时空相关性特征研究, 为卫星遥感辅助地面大尺度污染监测提供依据。
为此, 本文利用NASA MODIS气溶胶数据, 探讨与北京市12个环境污染监测站点PM2.5质量浓度的时空差异及二者之间的相关性, 为通过卫星遥感数据辅助监测大范围城市尺度的PM2.5浓度分布提供依据。
1 数据获取与处理
1.1 MODIS气溶胶光学厚度反演
本文所用卫星数据是由NASA的LAADS Web (http://ladsweb.nascom.nasa.gov/) 所提供的MODIS L1B数据产品, NASA发射的Terra和Aqua卫星上搭载的探测器MODIS, 仪器视场范围为±55度, 幅宽为2 230 km, 具有36个光谱通道, 分布在0.4~15μm之间, 为反演气溶胶和地表特征提供了丰富的信息[2]。本文研究北京市行政范围内的气溶胶分布, 且暗像元法[16]对无云天气下的反演效果最佳, 这里获取2013年8~12月期间43 d无云日的数据, 并取北京星下点的每日上午10时左右的MODIS数据。
1.2 站点及PM2.5质量浓度及数据
本文PM2.5浓度数据来源于PM2.5监测网 (http://www.cnpm25.cn/city/beijing.html) 的北京市12个监测站点的2013年8~12月地面监测的小时平均浓度数据, 其中包含4个郊区站点 (昌平、定陵、怀柔、顺义新城) , 8个城区站点 (万寿西宫、天坛、官园、东四、奥体中心、古城、农展馆、海淀区万柳) 。由于目前并没有公开这些站点的具体坐标地址, 所以无法获得这些站点的具体位置, 鉴于本文研究区为北京市范围内, 空间分辨率为1 km, 一定程度上的地理偏差不会给研究结果造成很大影响, 因此本文通过模糊定位获取这12个站点的坐标。
1.3 气象数据
大量研究表明, 气溶胶数据的反演和可吸入颗粒物的监测受到湿度, 风速, 风向等天气系统的影响, 同时局地地形也对其传输、集聚和扩散有着显著的影响[17—19]。因此本文获取了研究时间内每日的晴朗状况, 风向风速等气象要素值。
2 结果与讨论
2.1 AOT和PM2.5的时空分布特征
2.1.1 时间分布特征
本文反演了2013年8~12月的43 d无云日的气溶胶光学厚度 (图1) , 图2是8~12月各站点的日平均气溶胶值统计范围图, 可以看出变化范围为0.000 1~1.95, 平均值为0.597 5, 其值主要集中在0~1.0 (图2) , 占到85%。由图2北京地区气溶胶日变化图可以看出, 北京地区气溶胶的日变化具有明显的季节性变化, 夏季AOT明显高于冬季, 夏季AOT值在0.6~1.2变化, 冬季在0.2~0.5平缓波动, 其值也主要集中在0.2~1.2。
有研究表明, 北京市夏季以城市污染气溶胶为主, 光学厚度最高, 且具细粒特征;冬季以采暖燃煤气溶胶为主, 光学厚度不高, 但是粗粒占较大比例[10]。也有研究指出, 冬秋季节光学厚度相对较低是因为天气系统输送来自北方的清洁空气, 夏季高是由于温度、湿度对“气-粒”转换的影响[13]。有人通过研究气溶胶与天气系统和天气因素的关系发现, 气溶胶受到风速, 风向, 湿度、降水、气压影响显著, 对温度变化则不敏感[19]。因此, 北京市气溶胶光学厚度除了受到来自北京周边城市污染的影响外[20,21], 冬夏季的差异是由于: (1) 受北京的局地地形的及天气系统影响, 夏季盛行偏南风, 冬季盛行北风, 北京西北两方向由于山的阻隔, 冬季南部省份的污染空气不能到达北京, 而夏季则阻隔来自南方的污染空气。 (2) 夏季相对湿度较大, 通过影响吸湿性粒子而使AOT增大。 (3) 夏季降水强度大, 通过减弱对流层热力对流和增加空气湿度使得AOT增大。
图3是8~12月的PM2.5各站点的日平均质量浓度统计图。可以看出, PM2.5质量浓度同样具有明显的季节性变化, 但与AOT是相反的特征, 这由后文的站点空间特征也可以看出。PM2.5浓度冬季明显高于夏季, 且波动较大, 夏季较平缓。平均值为75.97μg·m-3, 变化范围为3~332μg·m-3。这主要是由于冬季供暖, 煤烟尘。由表1冬夏季天气状况百分比可以使得污染排放严重。看出, 2003年夏季多雨冬季多雨, 因此冬季阴天多, 降水少的原因不利于PM2.5的扩散, 夏季多降水, 有利于扩散, 这也一定程度上导致了PM2.5浓度的季节性差异。此外, 从图3中可以看到12个站点的变化规律基本相同, 但是位于郊区的昌平站、定陵站、怀柔站、海淀区万柳站的日均值低于其他8个城区监测站点。这是由于郊区的植被覆盖率高, 人口少, 工业、机动车污染较城市轻。
综合以上分析, AOT和PM2.5都具有持续升高和降低的过程, 反映了污染物的累积与扩散过程。二者具有相反的季节性变化趋势, 这与前人的一些研究结果是相似的[7,11]。因此, 这种变化特征可以帮助环境部门进一步研究污染物的分布、组成, 制定相关措施。
2.1.2 空间分布特征
从上一节分析可以看出, AOT和PM2.5不仅具有各自个时间分布特征, 在不同的地域单元二者也表现出一定规律的空间特征。图4是8~12月各监测站点的AOT均值曲线, 可以看出, 位于郊区的怀柔、定陵、昌平、顺义新城站点的AOT平均值明显低于位于城区的八个其他站点的平均值, 尤以定陵最低。图5是8月19日的北京市气溶胶光学厚度反演图, 深色区域代表AOT值较高, 白色区域代表有云区, 无法反演AOT。同样可以看出, AOT值由城区偏东南为中心向郊区逐渐减小。此外, 郊区的县中心也有明显的AOT增高现象。这是由于北京市西部和北部山区植被茂密、人口密度低、工矿企业少, 其气溶胶光学厚度较低;而东南部地区人口密度大, 工业污染也较多, 因此气溶胶光学厚度较高。
图6是8~12月北京市PM2.5质量浓度均值的空间分布图。结合图3的日均值曲线, 可以看出:位于郊区的昌平站、定陵站、怀柔站、顺义新城站的PM2.5均值明显低于其他8个城区监测站点, 符合这些地区人口密度较低且以旅游和农业为主的实际情况。而同时郊区的通州, 大兴, 房山等地PM2.5浓度总体较高, 是这些地区工矿企业、开发区、人口相对密集, 以及河北一代的工业污染影响的结果。
2.2 AOT和PM2.5的相关性分析
2.2.1 总体相关性
本文分析了2013年北京市12个监测站点的AOT和PM2.5浓度的相关性, 共有有效数据点对516对。其线性拟合如图7所示, R2仅为0.323 3, 此线性拟合效果微弱, 但是总体相关系数为0.57, 说明具有一定的相关性。有学者分析AOT和PM2.5线性拟合R2=0.6[13]与本文有较大出入, 可能是由于北京与兰州地形差异, 气候条件, 首要污染物不同的原因。文献18也指出, 二者的相关性在不同的区域, 不同的气象条件, 用不同的方法, 会有较大的出入。本研究分析AOT与PM2.5的总体相关性为0.569, 说明其具有良好的短期变化相关性。
2.2.2 季节相关性
从前文的分析可以看出, AOT和PM2.5在冬夏季具有几乎相反的变化特征, 本研究分别分析了二者在冬夏季节的相关性, 如图8、图9所示, 冬季相关性明显低于夏季。夏季的线性相关系数为0.609, 冬季的相关系数为0.536, 夏季的相关性高于总体相关性, 说明季节对AOT和PM2.5浓度的相关性有显著影响。这主要是由于本文利用暗象元法对研究区域进行反演, 夏季植被覆盖率高, 反演结果较好, 而冬季植被覆盖率低, 导致反演结果有较大偏差。此外, 由于环境因素的影响, 湿度, 边界层高度也对AOT的反演产生相当大的影响[9]。
2.2.3 局地相关性
本研究的12个监测站点包括4个郊区站点, 8个城区站点。分别按照站点分析AOT和PM2.5浓度的相关性见表1, 可以看出, 位于郊区的怀柔、定陵、昌平相关性明显高于城区站点, 其线性拟合也较好。主要是因为郊区的植被覆盖率高, 基于暗象元法的AOT反演结果更接近真实值。但是顺义新城站点的相关性不是很高, 相反位于城区的天坛站相关性达0.64, 由前文分析, 北京市污染物空间分布主要集中在东南方向, 顺义处于下风向, 受污染较严重, 而天坛内植被覆盖率较高, 人口比较稀疏, 导致AOT和PM2.5偏差较大。
3 结论