龙凤山站大气CO2浓度2种筛分方法对比研究

栾 天，方双喜，周凌晞*，姚 波，刘 钊

（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）

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）

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.

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

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 Signal， REBS）对龙凤山站2009～2011年大气CO2在线观测数据筛分结果的异同及优缺点.

1 研究方法

1.1 站点介绍

黑龙江龙凤山大气本底站（127.6°E，44.73°N，海拔331m）属于世界气象组织全球大气观测网（WMO/GAW）区域大气本底站，坐落于黑龙江省东南部五常市境内的龙凤山山顶，西北方向距离哈尔滨市175km.北面和西面是松嫩平原，主要种植水稻和玉米等农作物，东面和南面是广阔的森林覆盖区.在站址的东南方向有一个中等规模的水库，方圆40km无大城市和工业区.

1.2 仪器

大气CO2和CH4浓度观测系统主机采用基于波长扫描光腔衰荡技术（WS-CRDS）的G1301型高精度分析仪，大气CO观测系统主机为G1302型高精度分析仪（美国Picarro公司）［21］.观测系统的组成、工作原理和数据处理方法详见文献［22-23］.龙凤山站低层（10m）CO2在线观测开始于2009年1月，进样口架设于观测场的风杆上，2010年8月开始高层（80m）和低层切换观测，进样口架设于采样塔上，进样口附近均安装有风向和风速探测器.

1.3 基于地面风、日变化等的筛分法

基于地面风、日变化等的筛分法（SWDV）是把地面风向、风速等气象因子对观测浓度的影响以及浓度的日变化作为参考，以期标记出受局地源汇影响的CO2浓度和能够代表区域本底状况的CO2浓度.该方法主要先行结合CO2浓度日变化以及与高层（80m）CO2观测结果的差异，初步筛分出混合较均匀时段的CO2观测数据，然后结合春夏秋冬4个季节地面风向和风速与CO2浓度的对应关系，进一步排除局地源汇影响，剩余数据基本能够代表混合均匀的区域CO2浓度情况.根据参考文献［24］，采用3个步骤对观测数据进行筛分：①根据大气CO2高低层浓度差异的日变化特征，认为一天中00：00～07：00和18：00～23：00时段的观测数据为非本底值，先筛分出 08：00～17：00大气CO2混合相对均匀时段的观测数据（非本底值占原始数据量的55.7%）.②根据地面风对大气CO2浓度的影响，春、夏、秋和冬季分别认为E-ESE和SSE 方向、E-ESE-SE-SS方向、E-ESE-SE-SS方向以及N-NNW-NWWNW方向观测值为非本底值（非本底值占原始数据量的7.3%）.③4个季节认为受局地影响大的0级（静风）和1级风对应的CO2小时浓度为非本底值（非本底值占原始数据量的6.3%）.

1.4 基于稳健局部近似回归的筛分方法

基于稳健局部近似回归的筛分方法（REBS）的主旨是在一段时间内对观测值进行估计，并且考虑CO2浓度长期或短期的微小变化（季节变化和日变化），逐步逼近回归拟合，因此长期趋势、季节变动、循环变动等与时间序列关系密切的变量对时点值不会产生影响［25］，并且缺失的数据也不会影响REBS的准确性［13］.Ruckstuhl等［13］把该方法与改进的全球大气实验计划（AGAGE）使用的O' Doherty等［26］数据筛分方法和美国NOAA所采用的Thoning等［27］数据筛分方法进行了对比分析，证实可用于全球大气本底站长期观测数据的本底值筛分.

REBS法借助R软件［28］中的IDPmisc程序包，基于稳健局部近似回归算法对有效观测数据进行本底和非本底数据筛分［13］.考虑到大气CO2浓度的季节变化把带宽设置为60d.经过3次迭代计算，拟合曲线收敛，计算得到的尺度参数δ为4.96，把拟合值±δ之间的观测数据认为是本底值，在拟合值±δ之外的观测数据认为是非本底值，非本底值包括局地污染值（观测数据大于拟合值+ δ）和低值（观测数据小于拟合值-δ）.

2 结果与讨论

2.1 两种不同筛分方法的比较

SWDV法共选出区域本底浓度数据7029个，占总有效数据量的30.7%.春季、夏季、秋季和冬季分别为1754、1442、1880和1953个，分别占各季节的32.1%、24.8%、31.7%和34.2%.REBS法筛分出的本底数据有13491个，占总有效数据量的58.9%.春季、夏季、秋季和冬季分别为4415、1504、3321和4251个，分别占各季节的81.0%、25.9%、56.0%和74.4%.2种方法筛分的本底数据量相差很大.

龙凤山站2009～2011年大气CO2小时浓度SWDV和REBS法筛分统计结果如表1所示，2种筛分方法均筛分为本底浓度和非本底浓度的数据量分别占总数据量的21.5%和32.0%.SWDV筛分为本底浓度而REBS筛分为非本底浓度占总数据量的9.1%.这主要是因为REBS在夏季筛分出的低值认为是非本底浓度，并且 SWDV法会将一些来自WSW～S扇区大城市的污染浓度误认为本底浓度.SWDV筛分为非本底浓度而REBS筛分为本底浓度占总数据量的37.4%，这是因为在风速较小的时候REBS有时会误筛分为本底值，以及在夏季污染情况会被植被强烈的吸收作用抵消REBS会误筛分为本底值，四个季节SWDV完全把夜间18：00～次日7：00的观测数据筛分为非本底数据也导致了2种筛分方法的不匹配.

图1 龙凤山站大气CO2小时平均浓度筛分结果Fig.1 Results of background and non-background CO2data identified by two flagging approaches

表1 龙凤山站2009～2011年大气CO2小时浓度2种方法筛分结果的差异Table 1 Contingency table of the classification of the hourly CO2values measured at Longfengshan from 2009 to 2011 derived from the two methods

将龙凤山站2009～2011年小时浓度按春季（3～5月）、夏季（6～8月）、秋季（9～11月）和冬季（12～2月）分别计算2种筛分方法的季平均CO2浓度，如表2所示.2种方法筛分出的本底浓度和非本底浓度趋势均在冬季达到最大值，春秋季次之，夏季最小.由于二者筛分出的本底浓度值不完全匹配，使得计算的季平均本底浓度值存在差别，在春季相差最小为（0.1±0.3）×10-6，冬季和秋季次之分别为（1.0±0.4）×10-6和（1.8±0.7）×10-6，在夏季相差最大为（4.2±1.0）×10-6.REBS法在夏季筛分掉了大量的CO2低浓度值，使得筛分出的本底浓度远高于SWDV法.2种筛分方法筛分出的非本底浓度在春季相差高达（7.4±1.0）×10-6，秋季相差最小为（0.9±0.9）×10-6.从图1（c）中也可以看出，2种筛分方法在夏季本底浓度差异较大，其中7月份最明显.2009、2010和2011年SWDV/REBS筛分的本底浓度分别为（390.4±7.2）×10-6/（391.3± 6.1）×10-6、（394.2±6.7）×10-6/（394.3±6.1）×10-6和（395.8±7.4）×10-6/（396.6±6.7）×10-6.REBS计算的2009～2011年年平均本底浓度要高于SWDV筛分法，2种方法最大相差0.9×10-6.

表2 龙凤山站2009～2011年不同季节2种筛分方法对应的大气CO2季平均浓度（×10-6）Table 2 Seasonal averaged CO2mole fractions at Longfengshan from 2009 to 2011 derived by the SWDV method and the REBS technique （×10-6）

为了对比2种筛分方法对大气CO2年、季节变化的影响，根据Thoning等［27］方法分别对二者的本底数据进行曲线拟合，曲线包括二次多项式部分和4个正弦函数部分，分别代表长期趋势变化和季节变化，拟合公式为

式（1）中t为观测时间，以年为单位，2009年1月1日0时刻t=0.拟合公式基于最小二乘法计算.使用快速傅里叶变换算法把残差数据（原始数据-拟合数据）转化为频率响应函数，为获取短期和年际变化，频率响应函数经过2次低通滤波（低通滤波截止频率分别设为50d和 667d），然后再利用傅里叶逆变换将它变换到时域上.从图2（a）中可以看出，2种筛分方法拟合趋势基本一致，只是SWDV法在夏季浓度稍低，并且在冬季1月份偏高.二者在夏季的差异逐年变小.龙凤山站大气CO2浓度在4月份会出现一个小高值，与同纬度海洋边界层参比值在4月份达到最大值对应.图2（b）为CO2的增长率随时间的变化，对年际变化趋势曲线（二次多项式部分+长期平滑残差部分）的偏导数为增长率.从图2（b）可知，龙凤山大气CO2呈现逐年增长趋势，2009～2011年SWDV和REBS筛分出的本底浓度的年平均增长率分别为（2.7±0.6）×10-6/a和（2.6±0.3）×10-6/a.

图2 龙凤山站2009～2011年大气CO2本底浓度拟合平滑曲线（a）和增长率曲线（b）Fig.2 Background smoothed curve （a） and growth rate of trend curve （b） for CO2at Longfengshan obtained by the SWDV method and the REBS technique

图3 龙凤山站2009～2011年大气CO22种筛分法本底浓度月平均与海洋边界层参比值比较情况Fig.3 Comparison of monthly averaged CO2mole fractions with MBL at Longfengshan from 2009 to 2011

同时期同纬度海洋边界层（MBL）参比值［29］与龙凤山纬度对应的正弦值为0.7.由图3可以看出，2种筛分方法筛分出的大气CO2本底浓度与同纬度MBL边界层参比值均在冬半年较高，夏半年较低，这主要受到北半球陆地生物圈的影响［30］.由于龙凤山受到较强局地源的影响，2种方法筛分出的CO2本底浓度均在1月份达到最大值，而MBL在4月份达到最大值.SWDV法在7月份CO2浓度最小，而REBS法在8月份CO2浓度最小，这是因为2011年8月22～31日受数据缺测和污染过程的影响，几乎没有本底浓度，使得REBS法2011年8月本底浓度月均值较低，低于7月月均值.2种筛分方法所得的CO2月平均本底浓度值在7月份相差可达5.2×10-6.

2.2 个例分析

为了分析2种筛分方法的优缺点，选取典型个例具体分析.由于龙凤山区域本底站CO2浓度在冬季只受人为源汇的影响，植被影响基本可以忽略，并在这个季节CO2季平均浓度出现最大值；夏季受植被影响大，CO2浓度日变化振幅大，季平均浓度最小，所以在冬季和夏季共选取了3个个例，分别为2011年12月2～3日、12月27～28日和2011年7～8月.

图4 龙凤山2011年12月大气CO2、CH4和CO小时平均浓度Fig.4 Hourly CO2， CH4and CO observations during December 2011 at Longfengshan station

图5 HYSPLIT 72h气团后向轨迹分析Fig.5 72-hour backward trajectories analysis by HYSPLIT

图6 龙凤山站2011年7～8月SWDV法（a）和REBS法（b）CO2小时平均浓度Fig.6 Background and non-background CO2mole fractions estimated by the SWDV method （a） and the REBS technique （b） from July to August 2011at Longfengshan station

从图4可以看出，北京时（下同）27日夜间至28日上午大气CO2、CH4和CO浓度明显抬升.为了研究此次过程气流的输送路径，采用美国NOAA空气资源实验室（ARL）开发的混合单粒子拉格朗日积分传输、扩散模式（HYSPLIT4）［31-32］，结合美国国家环境预报中心（NCEP）再分析资料，进行气流后向轨迹模拟.轨迹运行时间设定为72h，轨迹距站点地面高度设定为100，300，500m.其中100m高度处于模式所用气象场垂直分层的最低层［33］.从图5（a）和（b）可以看出，气流来自于龙凤山站的西南方向，模式对气流输送的模拟值与地面风向为偏南风基本吻合，气流经过沈阳、抚顺、长春和吉林等污染较重的城市到达龙凤山，所以27日夜间至28日上午大气CO2、CH4和CO浓度值均较高.徐晓斌等［34］研究也表明来自西南方向的风会抬升龙凤山站SO2和NOx的浓度值.除SWDV法将白天个别点误筛分为本底浓度外，此段时间2种筛分方法都筛分为非本底浓度.

从图4可以看出，2011年12月2日10：00～12月3日6：00SWDV筛分为非本底浓度而REBS筛分为本底浓度.由图5（c）和（d）可知，后48h轨迹移动速度很慢，在站点上空打转，并且此段时间地面风速也较小，都小于2.5m/s，由此判断REBS法将此段时间误筛分为本底浓度.

从图6可知，2种筛分方法都能比较好的筛分出受到局地污染的高CO2浓度值.对于一些较低的CO2浓度值，REBS筛分为非本底浓度，而SWDV筛分为本底值，这是因为REBS筛分法是基于数学上的统计算法，对于龙凤山夏季白天这个受植被影响较大的季节，低值并不一定代表混合不均匀的非本底值（例如夏季午后的低值一般认为为本底值），REBS筛分方法均视为非本底值是不合适的.对于一些CO2浓度值，REBS筛分为本底值，而SWDV筛分为非本底值，这是夏季龙凤山植被生长旺盛，强烈的光合/吸收作用使得日变化振幅很大［24］，局地污染状况可能被植被强烈的光合作用抵消，使得CO2浓度变化不大，在源和汇同时都强烈的情况下，REBS筛分方法不能筛分出局地污染状况.这些影响因素导致夏季2种方法筛分的本底浓度吻合情况不好.龙凤山区域站夏季对CO2的筛分使用REBS方法一定程度上会影响REBS的准确性.Pu等［35］也认为REBS方法不适用受植被影响较大的区域本底站.

3 结论

3.1 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%.这2种筛分方法均筛分为本底浓度和非本底浓度的数据量分别占总数据量的21.5%和32.0%.

3.2 2种方法筛分出的本底浓度在春季相差最小，冬季和秋季次之，在夏季相差最大，特别在7月份.REBS计算的2009～2011年年平均本底浓度要高于SWDV筛分法，二者最大相差0.9×10-6.

3.3 在西南污染气团的影响下，SWDV法在日间个别时刻会误筛分为本底浓度.在风速较小的情况下，REBS法会将观测值误筛分为本底浓度.夏季污染情况会被植被强烈的吸收作用抵消，REBS会将污染时段的CO2浓度值误筛分为本底值.夏季对于一些较低的CO2浓度值，REBS会误筛分为非本底值.

3.4 总体而言，春、秋和冬季SWDV法和REBS法都能较好的反映龙凤山CO2浓度的趋势变化及局地对大气CO2浓度的影响情况，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.

［1］Haszpra L， Barcza Z， Hidy D， et al. Trends and temporal variations of major greenhouse gases at a rural site in Central Europe ［J］. Atmospheric Environment， 2008，42（38）：8707-8716.

［2］Chmura L， Rozanski K， Necki J， et al. Atmospheric concentrations of carbon dioxide in Southern Poland： Comparison of mountain and urban environments ［J］. Polish Journal of Environmental Studies， 2008，17（6）：859-867.

［3］Keeling R F. Recording Earth's vital signs ［J］. Science，2008，319（5871）：1771-1772.

［4］Sirignano C， Neubert R， Rödenbeck C， et al. Atmospheric oxygen and carbon dioxide observations from two European coastal stations 2000-2005： continental influence， trend changes and APO climatology ［J］. Atmospheric Chemistry and Physics， 2010，10（4）：1599-1615.

［5］浦静姣，徐宏辉，顾骏强，等.长江三角洲背景地区CO2浓度变化特征研究 ［J］. 中国环境科学， 2012，32（6）：973-979.

［6］赵玉成，温玉璞，周晓春，等.青海瓦里关大气CO2本底浓度的变化特征 ［J］. 中国环境科学， 2006，26（1）：1-5.

［7］Artuso F， Chamard P， Piacentino S， et al. Influence of transport and trends in atmospheric CO2at Lampedusa ［J］. Atmospheric Environment， 2009，43（19）：3044-3051.

［8］Zhang F， Zhou L X. Implications for CO2emissions and sinks changes in western China during 1995-2008 from atmospheric CO2at Waliguan ［J］. Tellus B， 2013，65：1-14.

［9］Balzani Lööv J， Henne S， Legreid G， et al. Estimation of background concentrations of trace gases at the Swiss Alpine site Jungfraujoch （3580m asl） ［J］. Journal of Geophysical Research，2008，113（D22305）：1-17.

［10］Bousquet P， Gaudry A， Ciais P， et al. Atmospheric CO2concentration variations recorded at Mace Head， Ireland， from 1992 to 1994 ［J］. Physics and Chemistry of the Earth， 1996，21（5）：477-481.

［11］Tsutsumi Y， Mori K， Ikegami M， et al. Long-term trends of greenhouse gases in regional and background events observed during 1998-2004 at Yonagunijima located to the east of the Asian continent ［J］. Atmospheric Environment， 2006，40（30）：5868-5879.

［12］Inoue H Y ，Matsueda H. Measurements of atmospheric CO2from a meteorological tower in Tsukuba， Japan ［J］. Tellus B， 2001，53（3）：205-219.

［13］Ruckstuhl A， Henne S， Reimann S， et al. Robust extraction of baseline signal of atmospheric trace species using local regression［J］. Atmospheric Measurement Techniques， 2012，5（11）：2613-2624.

［14］Derwent R， Ryall D， Manning A， et al. Continuous observations of carbon dioxide at Mace Head， Ireland from 1995 to 1999 and its net European ecosystem exchange ［J］. Atmospheric Environment， 2002，36（17）：2799-2807.

［15］周凌晞，汤 洁，温玉璞，等.地面风对瓦里关山大气CO2本底浓度的影响分析 ［J］. 环境科学学报， 2002，22（2）：135-139.

［16］Zhou L， Tang J， Wen Y， et al. The impact of local winds and long -range transport on the continuous carbon dioxide record at Mount Waliguan， China ［J］. Tellus B， 2003，55（2）：145-158.

［17］Zhang F， Zhou L， Conway T J， et al. Short-term variations of atmospheric CO2and dominant causes in summer and winter：analysis of 14-year continuous observational data at Waliguan，China ［J］. Atmospheric Environment， 2013：140-148.

［18］Zhang D， Tang J， Shi G， et al. Temporal and spatial variations of the atmospheric CO2concentration in China ［J］. Geophysical Research Letters， 2008，35（3）：1-5.

［19］刘立新，周凌晞，张晓春.我国4个国家级本底站大气CO2浓度变化特征 ［J］. 中国科学： D辑， 2009，39（2）：222-228.

［20］Fang S X， Zhou L X， Tans P P， et al. In situ measurement of atmospheric CO2at the four WMO/GAW stations in China ［J］. Atmospheric Chemistry and Physics， 2014，14（5）：2541-2554.

［21］Crosson E R. A cavity ring-down analyzer for measuring atmospheric levels of methane， carbon dioxide， and water vapor［J］. Applied Physics B， 2008，92（3）：403-408.

［22］臧昆鹏，周凌唏，方双喜.新型CO2和CH4混合标气标校流程及方法 ［J］. 环境化学， 2011，30（2）：511-516.

［23］Fang S X， Zhou L X， Masarie K A， et al. Study of atmospheric CH4mole fractions at three WMO/GAW stations in China ［J］. Journal of Geophysical Research， 2013，118：4874-4886.

［24］栾 天，周凌晞，方双喜，等.龙凤山本底站大气CO2数据筛分及浓度特征研究 ［J］. 环境科学， 2014，35（8）：2864-2870.

［25］Ruckstuhl A F， Jacobson M P， Field R W， et al. Baseline subtraction using robust local regression estimation ［J］. Journal of Quantitative Spectroscopy and Radiative Transfer， 2001，68（2）：179-193.

［26］O'Doherty S， Simmonds P， Cunnold D， et al. In situ chloroform measurements at Advanced Global Atmospheric Gases Experiment atmospheric research stations from 1994 to 1998 ［J］. Journal of Geophysical Research： Atmospheres （1984-2012），2001，106（D17）：20429-20444.

［27］Thoning K W， Tans P P， Komhyr W D. Atmospheric carbon dioxide at Mauna Loa Observatory： 2. Analysis of the NOAA GMCC data， 1974-1985 ［J］. Journal of Geophysical Research，1989，94（D6）：8549-8565.

［28］Team R D C. R Development Core Team： R： A Language and environment for statistics computing， R Foundation for Statistical Computing， Vienna， Austria， available at： http：//www.r-project. org/， ISBN 3-900051-07-0， 2009.

［29］NOAA Greenhouse Gas Marine Boundary Layer Reference. NOAA Earth Systerm Research Laboratory. http：//www.esrl.noaa. gov/gmd/ccgg/mbl/mbl.html.

［30］Nevison C D， Mahowald N M， Doney S C， et al. Contribution of ocean， fossil fuel， land biosphere， and biomass burning carbon fluxes to seasonal and interannual variability in atmospheric CO2［J］. Journal of Geophysical Research， 2008，113（G1）：1-21.

［31］Draxler R R， Hess G. Description of the HYSPLIT4modeling system ［J］. NOAA Technical Memorandum ERL ARL-224，NOAA Air Resources Laboratory， Silver Spring， MD， 1997：24.

［32］Draxler R R， Hess G. An overview of the HYSPLIT_4modelling system for trajectories ［J］. Australian Meteorological Magazine，1998，47（4）：295-308.

［33］徐晓斌，刘希文，林伟立.输送对区域本底站痕量气体浓度的影响 ［J］. 应用气象学报， 2009，20（6）：656-664.

［34］徐晓斌，丁国安.龙凤山大气近地层O3浓度变化及与其它因素的关系 ［J］. 气象学报， 1998，56（5）：560-572.

［35］Pu J J， Xu H H， He J， et al. Estimation of regional background concentration of CO2at Lin'an Station in Yangtze River Delta，China ［J］. Atmospheric Environment， 2014，94：402-408.

致谢：感谢黑龙江龙凤山站工作人员对在线观测系统安装和维护的辛勤工作.感谢美国国家海洋大气局/地球系统研究实验室（NOAA/ESRL）提供的MBL数据支持.

Comparison of two flagging approaches to the observed CO2 mole fractions at the Longfengshan WMO/GAW Regional Station in China.

（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

As to the atmospheric CO2mole 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 CO2mole 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 CO2mole 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.

carbon dioxide；Longfengshan regional station；robust extraction of baseline signal （REBS）；surface winds and diurnal variations （SWDV）；background；non-background

X51

A

1000-6923（2015）02-0321-08 LUAN Tian1，2， FANG Shuang-xi2， ZHOU Ling-xi2*， YAO Bo2， LIU Zhao2

栾 天（1988-），女，黑龙江铁力人，南京信息工程大学博士研究生，主要研究方向为温室气体及相关微量成分.发表论文2篇.

2014-06-02

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