中国3个AERONET站点气溶胶微物理特性分析及比较

张志薇,王宏斌,张 镭,胡 蝶,田鹏飞,梁捷宁,王式功

(1.兰州大学半干旱气候变化教育部重点实验室,大气科学学院,甘肃 兰州730000；2.江苏省气象服务中心,江苏 南京210008；3.江苏省气象科学研究所,江苏 南京210009；4.中国气象局兰州干旱气象研究所,甘肃 兰州730020)

中国3个AERONET站点气溶胶微物理特性分析及比较

张志薇1,2,王宏斌3,张 镭1*,胡 蝶4,田鹏飞1,梁捷宁1,王式功1

(1.兰州大学半干旱气候变化教育部重点实验室,大气科学学院,甘肃 兰州730000；2.江苏省气象服务中心,江苏 南京210008；3.江苏省气象科学研究所,江苏 南京210009；4.中国气象局兰州干旱气象研究所,甘肃 兰州730020)

选取中国地区区域代表性较强且观测时间序列较长的3个AERONET站点(SACOL、香河和太湖),分析了其气溶胶微物理参数特征. 香河和太湖多年平均气溶胶光学厚度(AOD)分别为0.67±0.66和0.72±0.44,是SACOL AOD平均值(0.38±0.27)的近2倍,且AOD变化范围较大. SACOL春冬季AOD较大,夏秋季AOD较小;而香河和太湖夏春季较大,秋冬季较小.结合尺度分布、体积浓度等参数特征说明沙尘是SACOL春季最主要的气溶胶类型,香河春季受沙尘的影响也较严重,而太湖受沙尘影响的频率较香河要小的多;香河和太湖AOD最大值出现月份与细模态粒子体积浓度最大值出现月份一致,是由于细模态粒子的消光效率是粗模态粒子的3～4倍.细模态体积比(Vf/Vt)的年变化趋势与Ångström波长指数(α)的年变化趋势相似,Vf/Vt和α均可以用来分析粒子尺度大小的年变化特征.但α<0.75时,3个站点Vf/Vt均小于0.4,以粗模态粒子为主; α>1.7时,Vf/Vt大于0.6,以细模态粒子为主;而0.75<α<1.7时,也是α出现概率最高的区间,3个站点Vf/Vt均在0.1～0.8之间变化.

气溶胶光学厚度；体积浓度；细模态体积比；Ångström波长指数

大气气溶胶作为地气系统的重要组成部分,其直接散射和吸收太阳辐射影响气候系统的辐射平衡(直接效应);同时作为云凝结核,可以改变云的物理和微物理特征(云反照率、云寿命、云水路径等)进而改变云的辐射特征,影响太阳能在气候系统中的分配(间接效应)[1-3];除此,吸收性气溶胶会将其吸收的太阳辐射能转变为热能重新释放,影响大气稳定度、地表能量收支,并可能导致云滴蒸发,造成云反照率和云量的减小,进而影响气候[4-5].除此,大气气溶胶对环境和人体健康有重要影响,如严重降低能见度[6-7]、对人体肺功能造成损伤等[8].与温室气体不同,气溶胶气候和环境效应的评估非常困难,因为气溶胶是由不同形状、尺度分布、化学组成和光学性质的物质构成的,同时它们浓度的时空变化可达几个数量级且其时空变化的观测资料较少[9-12].

政府间气候变化专业委员会(IPCC)第四次科学评估报告[13]对大气气溶胶辐射效应理解和评估比之前三次报告准确.研究表明大多数气候模式低估了人为气溶胶导致的负强迫[14].而大气气溶胶光学和微物理特性的长期观测对这些结果的得到有着至关重要的作用.长期系统的气溶胶光学和微物理特性观测资料不仅是认识区域气溶胶特性的重要依据,而且是定量研究气溶胶环境和辐射效应的重要基础.目前在全球范围内已建立了多个气溶胶观测网,如 AERONET[15]、PFR-GAW和SKYNET[16]等.

目前对中国地区气溶胶光学和微物理特性及其区域差异的认识还有很大的不确定性,从而限制了中国地区卫星资料的应用和对气溶胶环境和辐射效应的认识.气溶胶的光学特性与其尺度分布有很强的依赖性,任何可能影响其尺度分布的因素都有可能影响其光学特性的变化,如相对湿度的变化会引起吸湿性气溶胶单次散射反照率和不对称因子的变化[17-18].因此对气溶胶尺度分布、体积浓度、细模态粒子体积比和有效半径等微物理特性的分析有助于增强对其环境和辐射效应的认识.本文选取中国地区区域代表性较强且观测时间序列较长的3个AERONET站点(兰州大学半干旱气候与环境观测站(SACOL)、香河和太湖)分析其气溶胶微物理参数特征及区域差异.

1 站点与数据

AERONET是美国国家宇航局(NASA)和法国国家科学研究中心(CNRS)共同组建的全球数百个太阳光度计组成的气溶胶监测网,其观测数据精度较高,气溶胶光学厚度(AOD)观测误差为0.01～0.02.其对全球和区域气溶胶光学特性、环境和辐射效应、卫星遥感和数值模式产品的验证和评估等方面的研究发挥了重要作用.

AERONET反演算法[19-20]根据太阳光度计测量得到的太阳直接辐射和天空散射辐射可以提供大气柱中的气溶胶光学特性.利用太阳光度计测得的直接辐射数据可以计算各波段的气溶胶光学厚度(AOD)和 Ångström 波长指数(α)[21].利用440,675,870,1020nm波长的等高度角天空扫描辐射数据结合相应波段的 AOD数据,可以得到气溶胶粒子尺度分布和复折射指数.在此基础上,AERONET还提供了其他一些参数,如体积浓度、细粒子体积比、有效半径、单次散射反照率、相函数等.

选取的站点是中国地区区域代表性较强且观测时间序列较长的SACOL、香河和太湖3个AERONET站点,站点信息见表1.SACOL位于甘肃中部的榆中县,距兰州市48km,地处西北黄土高原半干旱区,下垫面属典型的黄土高原地貌,源面梁峁基本为原生植被;香河站位于华北平原,距北京市70km,属城市远郊站点,站点周围为农业生产区,地表植被覆盖较好;太湖站位于太湖北侧湖岸,属长江三角洲地区,距无锡市12km,距苏州市40km,被上海、杭州、南京、苏州和无锡等大城市包围,是中国经济发展最快的地区之一.

表1 AERONET站点信息及AOD数据样本数Table1 Introduction of AERONET sites and the number of AOD data samples

2 结果分析

2.1 气溶胶光学厚度AOD和Ångström波长指数α

图1为SACOL、香河和太湖3个AERONET站点 AOD(550nm)、Ångström 波长指数α440-870和大气柱可降水量的年变化.AERONET公布的数据没有550nm的AOD产品,利用其观测的其他波段 AOD数据,采用二次多项式拟合算法[22]求得550nm的 AOD.α440-870是利用波长在440到870nm范围内的可用的AOD数据与对应波长对Ångström波长指数公式进行线性拟合得到的.

由图1a可见,SACOL站AOD550具有明显的年变化,年均值为0.38±0.27,4月 AOD550达到最大值,为0.52±0.35,9月达到最小值,为0.25±0.12;从季节变化上看,春季最大(0.46),冬季次之(0.45),秋季最小(0.27).α440-870也具有明显的年变化,年平均值为0.88±0.34,4月达到最小值,为0.54±0.33,7月达到最大值为1.14±0.29;从季节变化上看,春季(0.60)明显小于其他季节,冬季较大(0.87),夏秋季分别为1.06和1.04.SACOL春季受沙尘影响非常严重,导致 AOD在春季达到最大,沙尘主要为大粒子气溶胶,使得α在春季达到最小值.SACOL冬季AOD较大是由中国北方冬季燃煤取暖生成的煤烟型气溶胶导致的.大气柱可降水量同样具有显著的年变化,6～9月平均值超过1.2cm,其他月份小于1.0cm.

香河站 AOD550的年平均值为0.67±0.66,最大值出现在7月,为1.13±0.94,最小值出现在12月,为0.41±0.40.从季节变化上看,夏季最大(1.03),春季次之(0.68),冬季最小(0.47).α440-870年平均值为1.09±0.32,只有4月和5月略小于1,其他月份均大于1.可见香河站春季,虽然受到来自中国西部和蒙古戈壁沙漠沙尘的影响,但仍以工业燃烧和城市污染产生的细粒子为主.香河 AOD夏季最大,是由于夏季风的作用阻碍了北方沙尘对该地区的影响,导致人为气溶胶的排放成为其夏季AOD值过高的主要原因.由于华北沿海地区夏季温湿度较高,有利于气粒转化,同时利于增大吸湿性气溶胶的平均粒径,从而增加粒子消光效率,最终导致AOD值增大.大气柱可降水量6～9月平均值超过1.8cm,其他月份小于1.4cm.

太湖站 AOD550年变化不明显,平均值为0.72±0.44,最大值出现在6月,为1.12±0.64,最小值出现在12月,为0.56±0.29.α440-870在4月达到最小值,为0.99,9月份最大,为1.34.由此可见,太湖站在春季也会受到沙尘的影响,但沙尘并不是其主要的气溶胶来源.夏季出现的主要是由于气粒转化过程生成的细模态气溶胶粒子.太湖站,大气柱可降水量也具有明显的年变化,6～9月平均值超过3cm,其他月份小于2.0cm,高温高湿时气溶胶的吸湿性增长导致的消光效率的增加也可能是AOD增大的原因之一.

图2为3个AERONET站点AOD、Ångström波长指数α和柱可降水量的频率分布,竖实线表示平均值,竖虚线表示中值.位于中国东部的香河和太湖2个站点,AOD大值出现的频率明显高于位于中国西北的SACOL站,而SACOL站α小值出现的频率明显高于其他两个站点,香河站α小值出现的频率高于太湖站.这是因为中国东部经济发达,工业、交通排放的人为气溶胶较多,从而导致了较大的AOD和较大的α值(细粒子).而位于中国西北黄土高原半干旱区的 SACOL站,受人类活动的影响相对较小,春季主要受沙尘气溶胶的影响,冬季由于中国北方燃煤取暖,受到煤烟型气溶胶的影响,从而导致 SACOL站春冬季AOD出现大值的频率高于夏秋季,但不同的是春季,SACOL站α出现小值的频率明显增大,而冬季α值较大,这一特征在季节频率图上更明显(未显示).如SACOL春、夏、秋、冬α小于0.75的频率分别为70%、20%、14%、35%.

图1 AERONET站点观测的AOD(550nm)、波长指数α440-870和柱可降水量的年变化Fig.1 Monthly means of AOD (550nm), Angstrom exponent (α440-870), and precipitable water computed from multiyear monitoring at AERONET sites located in SACOL, Xianghe and Taihu

2.2 气溶胶粒子尺度谱分布

AERONET反演算法可以得到0.05～15.0μm范围内22个对数等间距的半径处的粒子体积浓度,从而得到气溶胶粒子体积尺度谱分布(dV/dlnR).

图3为3个AERONET站点多年平均的气溶胶粒子体积尺度谱分布.3个站点粒子体积尺度谱分布均为双峰型,SACOL站细模态的峰值较小,以粗模态粒子为主;香河站粗模态峰值最大,且粗模态峰值大于其细模态峰值;太湖站细模态峰值最大,且其细模态的峰值略大于粗模态的峰值.

图4a是SACOL站各月多年平均的气溶胶粒子尺度分布.SACOL站粗模态粒子的浓度年变化远大于细模态粒子,如粗模态的峰值从0.028μm3/ μm2(9月)变化到0.211μm3/μm2(4月),变化幅度为0.183μm3/μm2;细模态的峰值从0.020μm3/μm2(9月)变化到0.029μm3/μm2(2月),变化幅度为0.009μm3/ μm2.春季(3、4和5月)粗模态粒子浓度显著大于细模态粒子浓度,冬季(12、1和2月)粗模态的粒子浓度小于春季粗模态的粒子浓度,但明显大于其对应月份的细模态粒子浓度.粗模态和细模态的粒子体积尺度分布最小值均出现在9月,这与SACOL站AOD的最小值出现月份一致.粗模态的最大值出现在4月为0.211μm3/μm2,而4月细模态的峰值仅为0.027μm3/μm2,此时粗模态对AOD的贡献占主导地位,而4月的平均α最小,为0.54±0.33,也说明了这一点.

香河站(图4b),粗模态粒子浓度峰值在春季均较大,最大值出现在4月,为0.169μm3/μm2,而7月的粗模态浓度峰值最小,为0.039μm3/μm2;细模态粒子浓度峰值在夏季均较大,最大值出现在7月,为0.099μm3/μm2,而1月的细模态浓度峰值最小,为0.040μm3/μm2.值得注意的是,4月份的粗模态粒子浓度大于7月份的细模态粒子浓度,但AOD的最大值出现在7月份.4月份高的粗模态粒子浓度与α的最小值出现在4月份对应.同时还注意到,各月份粗模态粒子浓度峰值对应的粒子半径(模态半径)基本不变;而细模态粒子浓度峰值对应的半径则从0.15μm(1月)变化到0.33μm(7月),细模态粒子浓度峰值随着细模态半径的增加而增加.

图2 三个AERONET站点AOD、Ångström波长指数和柱可降水量的频率分布Fig.2 Frequency of AOD at550nm wavelength, Ångström exponent, and precipitable water

图3 三个AERONET站点多年平均的气溶胶粒子体积尺度谱分布Fig.3 Multi-annual average of volume particle size distribution at SACOL, Xianghe, and Tiahu sites

太湖站(图4c),粗细模态粒子浓度的峰值相当,粗模态粒子浓度峰值同样在春季较大,最大值出现在4月,为0.121μm3/μm2,最小值出现在7月,为0.026μm3/μm2;细模态粒子浓度峰值在6月最大,为0.126μm3/μm2,在7月最小,为0.057μm3/μm2.太湖站AOD最大值出现月份(6月)与细模态粒子浓度峰值的最大值出现月份一致.

2.3 气溶胶粒子体积浓度

气溶胶粒子体积浓度根据(1)式计算.表2中列出了AOD550、α440-870、总体积浓度VolCon-T、细模态(粒子半径r为0.05～0.6μm)体积浓度VolCon-F、粗模态(粒子半径 r为0.6～15μm)体积浓度VolCon-C和细模态体积比(Vf/Vt)等参数统计值.其中细模态体积比定义为细模态体积浓度与总体积浓度之比,即Vf/Vt=VolCon-F/VolCon-T.

SACOL站,总、细模态和粗模态粒子体积浓度分别为0.18、0.041和0.13 μm3/μm2,且其标准差均达到自身的量级,说明数据变化范围较大.总粒子体积浓度的平均值和中值分别为0.18和0.13μm3/μm2,变化达到0.05μm3/μm2(28%).中值小于平均值,说明总粒子体积浓度小于平均值的情况出现的次数比较多.总粒子体积浓度大于平均值的情况(粗模态粒子)出现次数虽然较少,但其对总体积浓度的贡献达到72%,粗模态粒子(沙尘)对SACOL站的影响非常重要,甚至可以决定该站气溶胶总体特征.

图4 三个AERONET站点各月多年平均的气溶胶粒子尺度分布Fig.4 Multi-annual monthly average of volume particle size distribution at SACOL, Xianghe, and Tiahu sites

表2 三个AERONET站点AOD550、α440-870、体积浓度和细模态体积比等参数统计值Table2 Statistical parameters of AOD at550nm, α440-870, volume particle concentration (VolCon) of total, fine and coarse mode, and fine mode volume fraction (Vf/Vt) at SACOL, Xianghe and Taihu sites

图5a是SACOL站气溶胶体积浓度和细模态粒子体积比的年变化.SACOL总体积浓度和粗模态体积浓度具有明显的年变化,且变化趋势一致,均是9月最小(0.09和0.06μm3/μm2),自9月起增加到4月到达最大(分别为0.37和0.33μm3/ μm2),之后不断减小.而细模态体积浓度年变化非常小,最小值出现在9月(0.030μm3/μm2),最大值出现在1月(0.052μm3/μm2).

香河站,总粒子、细模态和粗模态粒子体积浓度分别为0.22、0.082和0.14μm3/μm2.图5b显示,总粒子、粗模态和细模态粒子体积浓度均具有明显的年变化.总粒子和粗模态粒子体积浓度最大值出现在4月(0.33和0.25μm3/μm2),总粒子体积浓度最小值出现在1月(0.16μm3/μm2),粗模态粒子体积浓度最小值出现在7月(0.066μm3/ μm2).细模态粒子体积浓度最大值出现在7月(0.16μm3/μm2),最小值出现在12月(0.064μm3/ μm2).

图5 三个AERONET站点气溶胶体积浓度和细模态体积比的年变化Fig.5 Multi-annual monthly average of the volume particle concentration total, coarse , fine mode and fine mode volume fraction

太湖站,总粒子、细模态和粗模态粒子体积浓度分别为0.23、0.11和0.12μm3/μm2,粗、细模态的体积浓度相当.从图5c可以看出,总粒子、粗模态和细模态粒子体积浓度也均具有较明显的年变化.总体积浓度在4月和6月分别出现极大值 (0.30μm3/μm2),最 小 值 出 现 在 7 月(0.16μm3/μm2).粗模态体积浓度最大值出现在4月(0.20μm3/μm2),最小值出现在8月(0.052μm3/ μm2).细模态体积浓度最大值出现在6月(0.19μm3/μm2),最小值出现在3月(0.090μm3/ μm2).

图6 三个AERONET站点不同细模态体积比的AOD550与总体积浓度的关系Fig.6 Scatter plot between AOD550and total volume particle concentration as a function fine mode volume fraction

图6是3个AERONET站点在不同细模态粒子体积比的 AOD550与总体积浓度的散点图.根据细模态体积比的分档,从图6可以区分出右下部(深色)代表的沙尘为主粗粒子气溶胶和左上部(浅色)代表的细粒子气溶胶,如大陆型、污染型和生物质燃烧型气溶胶等.每一档 Vf/Vt对应的AOD550与总体积浓度的拟合直线的斜率即为这一档对应气溶胶的消光效率,即单位体积浓度气溶胶对应的消光(AOD).由此得到SACOL、香河和太湖站的粗粒子平均消光效率分别为:1.44、1.43和1.57μm2/μm3;细粒子消光效率为分别为:4.64、4.97和4.29μm2/μm3.可见细粒子的消光效率均高于粗粒子的消光效率,即同样体积浓度的粗细粒子,细粒子气溶胶的AOD要大3～4倍.2.4 细模态体积比

细模态体积比定义为细模态体积浓度与总体积浓度之比,即 Vf/Vt=VolCon-F/VolCon-T;与Ångström波长指数α相似,Vf/Vt也可以表征气溶胶以粗、细何种模态为主导.α和Vf/Vt的小值代表以粗模态气溶胶为主,大值代表以细模态气溶胶为主.

由图5可见,3个站点Vf/Vt在春季均出现最小值,这主要是由沙尘的影响造成的.同时可以看出Vf/Vt的年变化趋势与图1中α的年变化趋势相似,Vf/Vt和α均可以用来说明粒子尺度大小的年变化特征.图7为细模态比的相对频率和累积频率的分布.但将图7(a、b、c)分别与图2(b、e、h)比较,显示Vf/Vt的频率分布特征与α的频率分布特征并不一致.

图8为3个AERONET站点Ångström波长指数α和细模态比的散点图.由图可见,当α<0.75时,3个站点Vf/Vt均小于0.4,以粗模态粒子为主,这种情况在SACOL、香河和太湖出现的概率分别为33%、15%和8%;此时α的大小可以较好的说明粒子的大小,如当α<0.5时,3个站点Vf/Vt均小于0.2,即粗模态粒子占了80%以上,这种情况在SACOL、香河和太湖出现的概率分别为16%、6%和2%.当α>1.75时,SACOL和太湖Vf/Vt大于0.6,以细模态粒子为主,但这一情况出现的概率小于0.5%.而当0.75<α<1.7时,也是α出现概率最高的区间,3个站点Vf/Vt均在0.1～0.8之间变化,此时仅利用α无法判断何种气溶胶粒子占主导地位.

图7 细模态比的相对频率和累积频率的分布Fig.7 Relative and cumulative frequency of fine mode volume fraction

2.5 有效半径

Hansen等[23]用(2)式定义有效半径,即以粒子的几何截面积(πr2)为权重的平均半径,并指出有效半径是球形粒子的任何物理上合理的尺度分布的首要特征参数.有效半径经常被用于涉及尺度分布的计算中,主要是因为球形粒子的散射辐射与其几何截面积成正比,有效半径与尺度分布的单次散射特性关系比中值半径更密切[24-26]也就是说,虽然对数正态分布的形式并不统一,但只要气溶胶尺度分布有相同的有效半径和半径谱宽,则具有相近的单次散射反照率.

表3列出了SACOL、香河和太湖气溶胶站粒子有效半径的各统计值.总粒子的有效半径的平均值在 SACOL最大(0.52μm),香河站居中(0.45μm),太湖站最小(0.34μm).粗模态粒子有效半径平均值香河站最大,SACOL居中,太湖站最小.细模态粒子有效半径平均值各站点基本相等.各站总粒子和粗模态粒子的有效半径的变化幅度较大,而细模态粒子的有效半径变化很小.总粒子、细模态和粗模态粒子有效半径的平均值和中值均比较接近,说明气溶胶粒子的尺度分布比较接近对数正态分布.

图9是总粒子、细模态和粗模态粒子有效半径的多年月平均值的年变化.各站点总粒子有效半径的平均值均在春冬季较大,夏秋季较小.SACOL站最大值出现在3、4月,为0.67μm,最小值出现在10月,为0.39μm;香河站最大值出现在4月,为0.67μm,之后减小,至8月出现最小值(0.32μm)后又逐渐增大;太湖站最大值出现在3、4月,为0.41μm,7月减小到最小值,为0.28μm,后逐渐增大.

表3 三个AERONET气溶胶粒子有效半径的统计值Table3 Statistical values of effective radius for total, fine and coarse mode at SACOL, Xianghe, and Tiahu sites

图9 三个AERONET站点气溶胶粒子有效半径的年变化Fig.9 Monthly average of the effective radius of total, fine and coarse mode at SACOL, Xianghe, and Taihu sites

细模态有效半径年变化幅度较小.SACOL细模态有效半径春季最小,为0.13μm,冬季最大,为0.17μm.香河春季最小,为0.14μm,而最大值出现在夏季,为0.19μm.太湖与香河类似,春季最小,为0.15μm,夏季最大,为0.19μm.可以看到3个站点细模态有效半径均在春季最小,而3个站点春季都受到沙尘的影响,可见由于沙尘气溶胶的出现,会使细模态有效半径有所减小.粗模态有效半径年变化不明显,但可以看到3个站点粗模态有效半径同样均在春季最小.可见,春季沙尘的入侵,不仅会使细模态有效半径减小,同样也会使粗模态的有效半径减小.

3 结论

3.1 香河和太湖多年平均 AOD分别为0.67±0.66和0.72±0.44,是SACOL AOD平均值(0.38±0.27)的近2倍,且AOD变化范围较大.SACOL 春冬季AOD较大,夏秋季AOD较小;而香河和太湖是夏春季较大,秋冬季较小.

3.2 SACOL α明显小于香河和太湖,且三站春季α值均小于其年平均值,特别是SACOL站要小的多,说明春季沙尘气溶胶对三站均有影响,且在SACOL影响最为严重,结合尺度分布特征可以说明沙尘是SACOL春季最主要的气溶胶类型.

3.3 SACOL总体积浓度和粗模态体积浓度具有明显的年变化,且趋势一致,而细模态体积浓度全年均比较小.香河,总粒子、粗和细模态粒子体积浓度均具有较明显的年变化,总粒子和粗模态粒子体积浓度最大值(0.33和0.25 μm3/μm2)出现在4月,但AOD的最大值却出现在细模态体积浓度最大的7月(0.16μm3/μm2).太湖,总粒子和粗模态粒子体积浓度最大值(0.30,0.20μm3/μm2)也出现在4月,但AOD的最大值出现在细模态体积浓度最大的6月(0.19μm3/μm2).这是由于细模态粒子的消光效率是粗模态粒子的3～4倍.

3.4 Vf/Vt的年变化趋势与α的年变化趋势相似,Vf/Vt和α均可以用来分析粒子尺度大小的年变化特征. 但α<0.75时,3个站点Vf/Vt均小于0.4,以粗模态粒子为主; α>1.7时,Vf/Vt大于0.6,以细模态粒子为主; 而0.75<α<1.7时,也是α出现概率最高的区间,3个站点Vf/Vt均在0.1～0.8之间变化,此时仅利用α无法判断是以何种模态粒子为主.

3.5 各站点总粒子有效半径的平均值均在春冬季较大,夏秋季较小. 粗、细模态有效半径的年变化不大,春季沙尘的入侵,会使粗、细模态有效半径有所减小.

[1] Twomey S. Atmospheric aerosols [M]. New York, USA: Elsevier Scientific Pub. Co.,1977.

[2] Charlson R J, Lovelock J E, Andreae M O, et al. Oceanic phytoplankton, atmospheric sulphur, cloud albedo and climate [J]. Nature,1987,326(6114):655-661.

[3] Lohmann U, Feichter J. Global indirect aerosol effects: a review [J]. Atmos. Chem. Phys.,2005,5(3):715-737.

[4] Ackerman A S, Toon O B, Stevens D E, et al. Reduction of tropical cloudiness by soot [J]. Science,2000,288(5468):1042-1047.

[5] Koren I, Kaufman Y J, Remer L A, et al. Measurement of the effect of Amazon smoke on inhibition of cloud formation [J]. Science,2004,303(5662):1342-1345.

[6] Bäumer D, Vogel B, Versick S, et al. Relationship of visibility, aerosol optical thickness and aerosol size distribution in an ageing air mass over South-West Germany [J]. Atmospheric Environment,2008,42(5):989-998.

[7] Wang K, Dickinson R E, Liang S. Clear sky visibility has decreased over land globally from1973 to2007 [J]. Science,2009,323(5920):1468-1470.

[8] Gauderman W J, Mcconnell R, Gilliland F, et al. Association between air pollution and lung function growth in southern California children [J]. American Journal of Respiratory and Critical care Medicine,2000,162(4):1383-1390.

[9] 毛节泰,张军华,王美华.中国大气气溶胶研究综述 [J]. 气象学报,2002,60(5):625-634.

[10] 石广玉,王 标,张 华,等.大气气溶胶的辐射与气候效应 [J].大气科学,2008,32(4):826-840.

[11] 张小曳.中国大气气溶胶及其气候效应的研究 [J]. 地球科学进展,2007,22(1):12-16.

[12] 沈凡卉,王体健,庄炳亮,等.中国沙尘气溶胶的间接辐射强迫与气候效应 [J]. 中国环境科学,2011,31(7):1057-1063.

[13] Climate change2007-the physical science basis: Working group I contribution to the fourth assessment report of the IPCC [M]. Cambridge University Press,2007.

[14] Hansen J, Sato M, Kharecha P, et al. Earth’s energy imbalance and implications [J]. Atmos Chem Phys,2011,11(24):13421-13449.

[15] Holben B N, Eck T F, Slutsker I, et al. AERONET-A federated instrument network and data archive for aerosol characterization [J]. Remote Sensing of Environment,1998,66(1):1-16.

[16] AOKI K, Fujiyoshi Y. Sky radiometer measurements of aerosoloptical properties over Sapporo, Japan [J]. Journal of the Meteorological Society of Japan. Ser. II,2003,81(3):493-513.

[17] Redemann J, Russell P B, Hamill P. Dependence of aerosol light absorption and single scattering albedo on ambient relative humidity for sulfate aerosols with black carbon cores [J]. J. Geophys. Res.,2001,106(D21):27485-27495.

[18] 钱 凌,银 燕,童尧青,等.南京北郊大气细颗粒物的粒径分布特征 [J]. 中国环境科学,2008,28(1):18-22.

[19] Dubovik O, King M D. A flexible inversion algorithm for retrieval of aerosol optical properties from Sun and sky radiance measurements [J]. J. Geophys. Res.,2000,105(D16):20673-20696.

[20] Dubovik O, Sinyuk A, Lapyonok T, et al. Application of spheroid models to account for aerosol particle nonsphericity in remote sensing of desert dust [J]. J. Geophys. Res.,2006,111(D11).

[21] 王 静,牛生杰,许 丹,等.南京一次典型雾霾天气气溶胶光学特性 [J]. 中国环境科学,2013,33(2):201-208.

[22] Eck T F, Holben B N, Reid J S, et al. Wavelength dependence of the optical depth of biomass burning, urban, and desert dust aerosols [J]. J. Geophys. Res.,1999,104(D24):31333-31349.

[23] Hansen J E, Travis L D. Light scattering in planetary atmospheres [J]. Space Science Reviews,1974,16(4):527-610.

[24] Liou K N, Davies R. Radiation and Cloud Processes in the Atmosphere [J]. Physics Today,1993,46:66.

[25] Mishchenko M I, Travis L D, Kahn R A, et al. Modeling phase functions for dustlike tropospheric aerosols using a shape mixture of randomly oriented polydisperse spheroids [J]. J. Geophys. Res.,1997,102(D14):16831-16847.

[26] 孙贤明,哈恒旭.基于反射太阳光反演气溶胶光学厚度和有效半径 [J]. 物理学报,2008,57(9):5565-5570.

致谢：本文资料由全球气溶胶监测网(AERONET)和香河站、太湖站、兰州大学半干旱气候与环境观测站(SACOL)提供,谨致谢忱！

德国将中止页岩气钻探, 因勘探技术或污染地下水

据美国《华尔街日报》报道,德国计划未来七年中止页岩气钻探,原因是担心页岩气的勘探技术可能会污染地下水.

据报道,页岩气的开采需要使用水力压裂技术.这种技术是用掺入水、沙子和化学物质的高压混合物将岩石层压裂,从而释放出天然气.德国政府计划禁止在离地表不到3000m的钻探作业中使用水力压裂技术,并希望在明年初制定一项法令.这一禁令将于2021年被重新评估.

德国环境部长亨德里克斯表示,德国在可预见的未来将不会有页岩气压裂.

报道指出,在德国提出这一拟定的规定之际,德国与其主要天然气供应国俄罗斯正陷入政治僵局中.另外,环保人士等此前也因担心页岩气钻探可能污染地下水而进行了密集的游说.

亨德里克斯称,保护饮用水和健康是德国最为重视的事情.

摘自《中国环境报》

2014-07-07

Analysis and comparison of the aerosol microphysical properties at three AERONET sites in China.

ZHANG Zhi-wei1,2, WANG Hong-bin3, ZHANG Lei1*, HU Die4, TIAN Peng-fei1, LIANG Jie-ning1, WANG Shi-gong1
(1.Key Laboratory for Semi-Arid Climate Change of the Ministry of Education, College of Atmospheric Sciences, Lanzhou University, Lanzhou730000, China；2.Jiangsu Meteorological Service Center, Nanjing210008, China；3.Jiangsu Institute of Meteorological Sciences, Nanjing210009, China；4.Lanzhou Institute of Arid Meteorology, China Meteorological Administration, Lanzhou730020, China). China Environmental Science,2014,34(8)：1927～1937

The microphysical parameter characteristics of aerosol were analyzed at the AERONET stations located in SACOL, Xianghe and Taihu. The results showed that the annual average AOD at Xianghe and Taihu stations were0.67±0.66 and0.72±0.44, respectively, which were nearly2times of the value of AOD at SACOL (0.38±0.27). The standard deviation presented a significant temporal variability. At SACOL, the higher value of AOD was found in the spring and winter, and the lower value of AOD was found in the summer and fall. However, At Xianghe and Taihu, the higher values of AOD were found in the spring and summer, and the lower values of AOD were found in the fall and winter. Combined with the size distribution, volume concentration of aerosol particles, it can be concluded that dust was the main type of aerosols at SACOL in spring. At Xianghe and Taihu stations, the types of aerosol were mainly fine mode particles in summer due to the gas-to-particle conversion process. We could observe that for the measurements with Ångström exponent (α<0.75), there was a prevalence of coarse particles, because for the lower α values, data with the fine mode volume fraction (Vf/Vt>0.4) was almost unavailable. According to analysis we could establish the limit of the fine particle predominance with α>1.7approximately. But for0.75<α<1.7, the range of Vf/Vt was predominantly between0.2and0.8, which represented a great scattering character, hence it was not possible to establish a priori predominance for the fine or coarse particles.

t：aerosol optical depth(AOD)；volume concentration；fine mode volume fraction；Ångström exponent

X513

：A

：1000-6923(2014)08-1927-11

张志薇(1987-),女,广东大埔人,博士,主要从事大气环境和人体健康研究.

2013-11-04

国家重大科学研究计划资助项目(2012CB955302);国家自然科学基金资助项目(41075104);中国气象局气溶胶与云降水重点开放实验室开放课题(KDW1303);兰州大学中央高校基本科研业务费专项资金(lzujbky-2013-246)

∗ 责任作者, 教授, zhanglei@lzu.edu.cn