徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征

郎红梅,秦 凯*,袁丽梅,肖 昕,胡明玉,饶兰兰,王璐瑶



徐州冬季雾-霾天颗粒物粒径及气溶胶光学特性变化特征

郎红梅1,2,秦 凯1,2*,袁丽梅2,肖 昕2,胡明玉1,2,饶兰兰1,2,王璐瑶1,2

(1.中国矿业大学,国土环境与灾害观测国家测绘地理信息局重点实验室,江苏 徐州 221116;2.中国矿业大学环境与测绘学院,江苏 徐州 221116)

为研究徐州冬季雾-霾天气形成过程中颗粒物粒径及气溶胶光学特性的变化特征,分析了2014年12月1日~2015年2月28日徐州大气颗粒物质量浓度(PM10、PM2.5、PM1)、数浓度(0~1μm、1~2.5μm、2.5~10μm)和气溶胶光学特性等数据.结果表明:0~1μm粒径范围细颗粒物的大量增多是引发徐州冬季雾-霾天气的主要因素,徐州冬季地面风速小(静风或轻风天气),较高的大气相对湿度对雾-霾的形成和维持起着重要影响作用.持续时间较长的雾霾天气,因颗粒物吸湿增长和水汽附着,1~10μm粒径范围大气颗粒物在雾霾时段易发生沉降而减少,后随相对湿度降低雾霾转为短时间的霾天气,1~10μm颗粒物数浓度大幅上升.徐州冬季500nm波段AODtotal和 AODfine mode具有相同的变化趋势,雾-霾日AODtotal和 AODfine mode显著高于非霾日.AODfine mode与AODcoarse mode的比值雾-霾日亦明显高于非霾日,而且在雾-霾日Angstrom波长指数主要集中在1~1.6,表明徐州冬季雾-霾时段大气中细颗粒物为主控粒子.

雾-霾;吸湿增长;细颗粒物;AOD;Angstrom波长指数

冬季静稳天气条件下,出现雾-霾天气,主要是由于大气污染物特别是PM2.5逐渐累积引起[1-2].雾-霾时段PM2.5大量增多,加重了地面空气污染状况,不仅使能见度下降造成交通堵塞,而且还会引起呼吸系统和心血管疾病的发生[3-4]. 随着社会工业化和城市化迅速发展,我国近10年

来中东部区域雾-霾问题日益严重,主要是由人为排放的大气气溶胶显著增加所致[5-6].在形成雾-霾之后会使更多的太阳辐射反-散射回大气空间,到达地面的辐射就会减少,使大气层结稳定度增加,空气对流减弱,有利于气溶胶粒子不断积聚、凝结,高相对湿度条件下,还会产生更多雾滴,形成恶性循环的持续性雾-霾天气[5,7].

近年来中国多次爆发大面积的雾-霾事件, 2011、2013、2014年,中国气象局均将雾-霾天气列为中国十大天气气候事件.雾-霾事件频繁出现,严重影响人们的日常生活,危害人们的身体健康,已成为人们广泛关注的问题,对雾-霾事件的研究也越来越深入.刘瑞婷等[8]对北京地区1月雾-霾事件的天气形势和边界层气象特征进行了分析,指出在污染源基本不变的情况下,风向风速和相对湿度的急剧变化是雾-霾形成的关键因素.Kang等[3]分析南京2009年10月11~31日持续性雾霾过程发现,雾霾时段直径在0.6~1.4μm范围的气溶胶大量增多,致使气溶胶散射系数增加、大气能见度降低. 此外,Li等[9]和齐冰等[10]分别分析了北京和杭州地区气溶胶理化特性,指出小粒径颗粒物为大气主控粒子.吴琳等[11]采集了杭州市不同粒径的大气颗粒物样品,分析指出灰霾天气下,二次粒子是各粒径段颗粒物的首要贡献源,并给出了不同粒径段颗粒物的贡献率.

本文依据中国矿业大学大气遥感观测站监测的数据,分析了徐州冬季2014年12月~2015年2月雾-霾天气下不同粒径范围气溶胶粒子数浓度以及气溶胶光学特性(AOD和)的变化特征,以期对雾-霾天气的产生机理及空气污染防治工作提供有益参考.

1 数据观测

1.1 观测点

监测点位于中国矿业大学环境与测绘学院办公楼楼顶(34.217°N,117.150°E)的大气遥感观测站,距地面约20m,属于中国矿业大学正在建设的矿区环境综合观测试验场(Mining Area Environment Synergic observaTionpRoving ground, MAESTRO)的组成部分.站点北临双向四车道的三环南路,与小南湖景区隔路相邻,东临新茶路,与云龙湖公园、泉山风景区相接,西至拉犁山脚下,周围没有明显的污染排放源.

1.2 观测仪器

本文主要应用Grimm180颗粒物监测仪观测的颗粒物数浓度和质量浓度数据,Vantage Pro2自动气象站观测的相对湿度及风速数据,能见度数据和CE-318太阳光度计观测的气溶胶光学特性数据(AOD和).

Vantage Pro2自动气象站采用一体化设计,集成雨水收集器、温湿度传感器和风速计为一体,可实时监测风速风向、空气、温度、相对湿度、气压、降雨和露点等气象信息.Model 6000能见度仪是一款含有模拟、数字和警报输出的前向散射型仪器,用于监测0~80km范围内的能见度情况,测量能见度和消光系数数据.

Grimm180颗粒物监测仪采用光散射原理,由检测器产生颗粒物各自相应的脉冲信号,再利用脉冲信号计数器记录颗粒物的个数,同时脉冲信号分析器给出每个颗粒物相应的脉冲强弱的分级,计算出每个颗粒物粒径的大小,进而可同时实时测量环境中的PM10、PM2.5、PM1,单位为μg/m³,以及0~32μm粒径范围内分成31个通道的颗粒物数浓度,单位为个/L.

CE-318是具有自动跟踪扫描功能的多波段太阳光度计,可进行太阳直射辐射测量、太阳等高度角天空扫描、太阳主平面扫描等观测,监测时段为6:00~17:00.利用CE-318测得的直射太阳辐射数据和天空扫描数据,依据Bouguer定律、Dubovik算法[12-13]等可获得气溶胶光学厚度、Angstrom波长指数和气溶胶粒子谱分布等多种气溶胶特性参数信息[14-15].本站CE-318于2014年5月加入了由美国NASA设立的全球气溶胶光学特性观测网AERONET(Aerosol Robotic Network)[16],该观测网提供全球数百个站点多种气溶胶模式下的气溶胶光学厚度、反演产品、可降水量等数据(http://aeronet.gsfc. nasa.gov/),现分为1.0、1.5和2.0级产品,本文使用数据为1.5级产品.

2 结果与讨论

2.1 冬季雾-霾期间大气环境及颗粒物浓度

根据2010年6月1日起新颁布的中国气象局行业标准《霾的观测和预报等级》[17],当研究时段1h内平均能见度小于10.0km,并排除该时段内出现降水、沙尘暴、扬沙、浮尘、烟幕、吹雪、雪暴等天气现象,平均相对湿度小于80%,判识为霾;平均相对湿度80%~95%时,按照地面气象观测规范规定的描述或大气成分指标进一步判识.结合中华人民共和国国家环境保护标准《灰霾污染日的判别标准(试行)》,将环境空气中细颗粒物PM2.5小时浓度均值>75μg/m3,PM2.5与PM10小时浓度均值比值³60%,并使水平能见度持续6h低于5.0km的空气污染天气,定义为灰霾污染日.由此本文将相对湿度小于80%的灰霾污染日定义为霾日,相对湿度80%~95%的定义为雾霾日.图1为观测点Vantage Pro2自动气象站观测的气象数据及颗粒物质量浓度逐小时变化情况,依据本观测站监测数据,徐州冬季2014年12月~2015年2月共有28d属于灰霾污染日,其中霾日18d,雾霾日10d.

表1 徐州2014~2015年冬季雾-霾时段及其天气状况 Table 1 The date and weather for haze-fog days in the winter of Xuzhou from 2014 to 2015

注:数据表示为平均值±为标准偏差.

由表1可见,当能见度标准偏差较大时,表明当天雾-霾天气持续时间较短,多为雾-霾结束时段,大气环境快速转好的情况.形成雾-霾天气,除了大气污染物的源排放,地面风速小、相对湿度高、大气层结稳定等通常是诱发大气污染事件的气象因素[1,18].表1数据显示,徐州冬季雾-霾日,日平均风速多小于2.0m/s,仅2月11日为2.11m/s,日平均相对湿度均在50%以上.地面风速小(静风或轻风天气),并伴随较高的相对湿度,大气环境处于相对稳定的状态,也是影响徐州冬季雾-霾天气形成的重要气象因素.

由图1可以看出,能见度变化曲线与相对湿度和PM2.5质量浓度变化具有负相关性,相对湿度与PM2.5浓度变化大致呈正相关.雾-霾出现前后,大气能见度和相对湿度变化显著,雾-霾时段,具有较高的相对湿度,均有部分时段相对湿度在70%以上,高相对湿度环境持续时间越长,雾-霾天气持续时间也越长.大气中细颗粒物的大量增多是引发雾-霾事件的主要因素,而相对湿度是影响雾-霾形成和维持的重要气象因素[1,19-20].徐州冬季地面风速小,较高的大气湿度,使大气处于相对稳定的状态,空气对流减弱,不利于大气颗粒物的输送与扩散,当存在污染排放源时,污染物逐渐累积,导致大气能见度降低,形成雾-霾天气.

由图2可以看出,PM1/PM2.5和PM2.5/PM10质量浓度比值多在80%以上,计算3个月PM1/ PM2.5和PM2.5/PM10的总均值分别为93.2%和87.7%,PM1/PM10的总均值达82.2%,表明徐州冬季大气中的主要气溶胶粒子为0~1μm粒径范围的细颗粒物,这与钱凌等[21]观测到的冬季南京北郊地区大气气溶胶以<1μm颗粒物为主的结论相同.计算霾时段、雾霾时段和非霾时段PM1/PM10的均值,分别为83.2%、89.9%和73.4%,可以看出雾-霾时段相比于非霾时段大气中0~1μm亚微米级细颗粒物显著增多,且在雾霾时段大气中0~1μm颗粒物的质量浓度是10μm范围内颗粒物总质量浓度的近90%,可见雾霾时段大气中颗粒物数浓度主要集中在0~1μm范围内.

由图1和图3可以看出,1~2.5μm和2.5~ 10μm 2个粒径范围颗粒物数浓度变化趋势相同,而0~1μm颗粒物数浓度变化与PM2.5质量浓度的变化情况具有很强的一致性,且3个月PM1/ PM2.5的总均值为93.2%,表明0~1μm亚微米级细颗粒物是PM2.5质量浓度的主要贡献源.显示大气中1~2.5μm和2.5~10μm 2个粒径范围的颗粒物含量变化受外界环境影响相同,在出现霾天气时,3个粒径范围颗粒物数浓度变化趋势相同,但在发生雾霾时,在无长时间霾伴随的雾霾事件,1~ 2.5μm和2.5~10μm较0~1μm颗粒物数浓度变化出现滞后增长现象.一次雾霾过程,在雾霾时段0~1μm粒径范围的颗粒物含量较高,而1~2.5μm和2.5~10μm颗粒物数浓度则处于雾霾过程的波谷,较其他时段亦明显减少,且在雾霾结束后1~2.5μm和2.5~10μm范围颗粒物数浓度显著升高,其原因可能是由大气成核,细颗粒物吸湿增长造成.为分析雾霾、霾天气对气溶胶粒径谱分布的影响,选取持续时间不低于12h的单次雾霾事件,及雾霾时段不超过2h的霾事件进行分析,共选取3次雾霾事件和3次霾事件,其不同粒径范围数浓度变化情况如图4和图5.

2.2 典型雾霾、霾事件颗粒物数浓度分析

由图4可见,雾霾过程开始和结束时段多伴随短时间的霾,这与曹伟华等[22]观测到的雾霾过程具有阶段性特征,前期以霾为主,中期雾-霾交替,后期随着相对湿度减小再次转换为霾并最终消散的现象具有一致性.随相对湿度的升高,1μm粒径范围内亚微米级细颗粒物的大量增多是引起雾霾产生的主要原因.3次雾霾时段,0~1μm粒径范围颗粒物数浓度均在300个/cm3以上,2月15~17日长达3d的雾霾天气,其亚微米级细颗粒物数浓度高达633.90个/cm3.然而1~2.5μm、2.5~10μm颗粒物数浓度在雾霾时段并无明显增长趋势,且12月10日和2月15~16日在雾霾开始时段,随相对湿度的升高,两个粒径范围颗粒物数浓度呈下降趋势,其原因可能为颗粒物吸湿增长或水汽附着,使>1μm粒径范围的颗粒物加速沉降,当相对湿度达到潮解点时,气溶胶会瞬间吸收大量水分而粒径增大,加速其沉降[23].王宗爽等[24]亦指出吸湿性强的颗粒物容易成核并通过云水去除,并且其随RH增加而生长、变大并加速沉降.叶兴南等[25]指出颗粒物吸湿增长可以为气态污染物提供非均相转化载体,促进硫酸盐和硝酸盐等细颗粒物的生成.大气中的SO2、NO及其反应产物可通过生成粗颗粒物上的硝酸盐和硫酸盐去除,当二次硝酸盐和硫酸盐聚集在粗粒径气溶胶中时,将通过干沉降或者湿沉降从大气中快速去除[26].由此可知,一次雾霾过程其主要贡献源为0~1μm亚微米级细颗粒物,即雾霾时段大气中的主要污染物为PM1,而>1μm的颗粒物在较高相对湿度环境下,因二次转化及吸湿增长加速沉降而减少.

图4(a)、图4(c)显示,12月10日和2月21~22日2次雾霾过程,雾霾时段结束后亚微米级细颗粒物数浓度大幅下降,同时1~2.5,2.5~10μm 2个粒径范围颗粒物数浓度显著升高,并随相对湿度的降低,由雾霾转为短时间的霾天气.随亚微米级细颗粒物数浓度大幅度降低,虽然1~2.5, 2.5~10μm 2个粒径范围颗粒物亦增多,但大气逐渐转好,这与张芷言等[27]得出的珠三角地区能见度与PM1的相关性较PM10和PM2.5更好的结论相符.静稳天气条件下,长时间高湿度大气环境,使0~1μm与1~2.5μm、2.5~10μm颗粒物数浓度变化曲线在雾霾天气结束时段呈X形变化趋势,如图4(a)、图4(c)所示.2月15~17日长达近3d的雾霾天气,如图4(b),其不同粒径范围颗粒物数浓度变化曲线在第一次雾霾转霾时段亦呈X形变化,因亚微米细颗粒物并未减少,后持续8h的霾天气,随相对湿度的升高,再次转为雾霾天气,不过在短时间的雾霾天气后,大气环境逐渐转好,3个粒径范围颗粒物数浓度同时减少.

由图5可见,霾过程3个粒径范围颗粒物数浓度变化趋势大致相同,在霾发生时,不同粒径范围颗粒物均有增多,霾结束时段,不同粒径范围颗粒物亦同时减少.通过3次雾霾及3次霾过程颗粒物数浓度变化的对比分析,雾霾开始时段,随相对湿度的升高,>1μm粒径范围的颗粒物含量减少,其原因可能为>1μm颗粒物随相对湿度增加而生长、变大,加速其沉降[24];雾霾天气结束时段3个不同粒径范围颗粒物数浓度变化曲线呈X形变化趋势,其原因可能为相对湿度降低,较大粒径颗粒物吸湿沉降速度减缓,当相对湿度低于风化点时,气溶胶会释放大量水分,使其结晶而粒径变小[23],致使>1μm粒径颗粒物呈上升趋势,而<1μm颗粒物因污染源排放或大气环境对颗粒物扩散速度的影响不同,浓度可能大幅减少,如图5(a)、图5(c),或无明显变化,如图5(b).

吴奕霄等[28]观测南京气溶胶吸湿特性指出硝酸铵和硫酸铵是颗粒物中的主要吸湿成分,当相对湿度达到80%之后,对气溶胶粒子吸湿行为贡献最大的是硫酸铵盐,并且伴随着相对湿度的增大,强吸湿组分增长因子也持续增大.王轩等[29]分析北京气溶胶吸湿特性亦推测硫酸盐和硝酸盐能增强环境大气气溶胶吸湿性,而铝离子和硅酸盐则起降低作用.本文未进行气溶胶化学成分分析,在后续工作中所在科研团队也将结合大气环境中化学成分含量进行分析,研究徐州市雾霾、霾天气的起因及其污染物的来源.

图4和图5分析了典型雾霾、霾天气大气颗粒物数浓度变化情况,图6为2014年12月~2015年2月不同粒径范围(0~0.25,2.5~0.28,…,8~10μm)整个雾霾、霾时段相对非霾时段颗粒物数浓度增长率wm、m(定义为雾霾、霾时段相对非霾时段颗粒物数浓度均值增加量、与非霾时段颗粒物数浓度均值H的比值),即

图6显示,霾时段大气中0~10μm范围大气颗粒物数浓度均有升高,<1μm颗粒物大幅增多, 0.28~0.58μm粒径范围增加量在2倍以上,其中0.35~0.4μm范围颗粒物增加量为2.95倍, 1~ 10μm颗粒物虽增加但并不显著.雾霾时段<1μm颗粒物亦大量增多,0.35~0.45μm范围增加量为2.7倍,但1~10μm粒径范围颗粒物在雾霾时段相对于非霾时段是减少的,与图4(a)、图4(b)数浓度变化曲线相符,其原因可能为较大粒径颗粒物因吸湿增长加速其沉降而减少.计算不同粒径范围总的颗粒物数浓度显示,雾-霾时段相比非霾时段0~1μm粒径范围总的颗粒物数浓度增长了1.7倍,1~2.5μm和2.5~10μm粒径范围分别增长0.3和0.1倍,而且大气中0~1μm颗粒物数浓度(个/cm3)是1~2.5μm、2.5~10μm颗粒物数浓度(个/cm3)的近103和104倍,结合图4、图5可知,大气中<1μm颗粒物的大量增多是引发徐州冬季雾-霾事件的主要原因.

PM10可从鼻腔吸入,其中PM2.5可进入肺部,PM1则可深达肺泡并沉积进而进入血液循环,可能导致与心肺功能障碍有关的疾病[30].近年来雾-霾天气的频繁发生,严重影响人们的日常生活,且雾-霾天气下大量细粒子的存在对人体健康极为不利,研究雾-霾天气的起因及其中大气成分,可为有关部门有效防治雾-霾天气的产生提供科学参考.

2.3 雾-霾天气条件下气溶胶光学特性变化

在表征大气气溶胶特征的各参数中,气溶胶光学厚度(AOD)和Angstrom波长指数()是气溶胶的2个基本光学参数,是研究气候变化的关键因素[11,31].气溶胶光学厚度(AOD)定义为介质的消光系数在垂直方向上的积分,用于描述气溶胶对光的衰减作用,反映整个大气柱的气溶胶含量[14].Angstrom波长指数()是衡量气溶胶粒径大小的一个重要光学参数,它表征垂直气柱内气溶胶质粒的谱分布,表示质粒的平均半径,较小的代表较大粒径的气溶胶粒子为主控粒子,相反,较大的代表较小粒径的气溶胶粒子为主控粒子[32-33].因CE-318观测的气溶胶数据在严重雾霾时段多无观测数据,所以本文在分析气溶胶光学特性时未区分雾霾和霾天气.

图7中,AODtotal为总气溶胶光学厚度, AODfine mode为细模态气溶胶光学厚度, AODcoarse mode为粗模态气溶胶光学厚度.由图7可以看出,AODtotal和AODfine mode具有相同的变化趋势,且在雾-霾日AODtotal和AODfine mode显著高于非霾日.雾-霾日AODtotal和AODfine mode总均值分别为0.83和0.72,约为非霾日AODtotal和AODfine mode总均值(0.48和0.36)的2倍,且当AODtotal>1, AODfine mode>0.8时,当天均有部分时段出现霾天气.而图7(c)与图7(a)、图7(b)的变化情况不同,2月16日之前AODcoarse mode均较小,且在污染时段AODcoarse mode无明显增长趋势,表明这些观测时段大气主控粒子为细颗粒物,2月16日后AODcoarse mode显著增加,大气中较大粒径颗粒物成为主控粒子.雾-霾天AODfine mode与AODcoarse mode的比值明显高于非霾日,如图7(d),AODfine mode与AODcoarse mode的比值大于10时,当天多为雾-霾天气,2月2日虽然是非霾日,但大气中颗粒物数浓度在7:00开始升高,PM2.5最高值达到99μg/m3,日均值为82μg/m3,能见度最低时为5.2km,随颗粒物的累积2月3日形成霾天气.1月16日AODfine mode与AODcoarse mode的比值达到38倍,PM2.5最高值达到173μg/m3,日均值为105μg/m3,能见度最低时只有0.3km,日均能见度为2.1km,污染状况严重.徐州冬季出现雾-霾天气时,具有较高的AODfine mode和AODfine mode/AODcoarse mode,表明雾-霾天气主要是由大气中细颗粒物增多引起,这与图6的分析结果相符.

徐州冬季2014年12月~2015年2月3个月份的气溶胶光学厚度(AOD_500nm)与Angstrom波长指数(440~870nm)的关系散点图(图8),与徐丹[31]观测的广州市全年气溶胶光学厚度与Angstrom波长指数关系散点图相似.图中数据为3个月的所有观测值,以圆标记霾日和非霾日,三角形标记雾霾日,用Angstrom波长指数以1.0为界将图划分为Ⅰ、Ⅱ两个区域,数据点落于Ⅰ区域,其污染源可能是以细粒子为主的城市-工业型污染气溶胶[31].

由图8可以看出,徐州冬季雾-霾日, AOD_500nm与Angstrom波长指数数据点多分布在Ⅰ区域,即主控粒子为细颗粒物[32],这与于兴娜等[14]北京雾霾天气期间气溶胶粒子主要以细粒子为主的分析结果相同.1月16日数据点落于Ⅱ区域,较其他雾-霾时段具有较高的AOD_500nm值,均值为1.7,Angstrom均值为0.8,在图7中显示1月16日AODtotal值以及AODfine mode与AODcoarse mode的比值均较高,结合图5(b)1月15~16日数浓度变化情况,显示16日细颗粒物亦为主控粒子,但其Angstrom波长指数相对较小,其原因可能为在1μm粒径处的颗粒物相对较多.2月16~17日为霾、雾霾交替天气,由于天气原因,2月16日太阳光度计观测到数据的时间为13:00~16:00,其观测数据点落于Ⅱ区域,与落于I区域观测点的颗粒物相比,大气中以较大粒径颗粒物为主控粒子,这与图4(b)颗粒物数浓度变化情况相符,也表明Angstrom波长指数对大粒径颗粒物更为敏感.

3 结论

3.1 较高的相对湿度以及地面静风或轻风天气条件,是影响徐州冬季雾-霾天气形成的重要气象因素.

3.2 徐州冬季气溶胶粒子主要为0~1μm粒径范围颗粒物,3个月PM1/PM10的总均值达82.2%,其中霾时段、雾霾时段和非霾时段PM1/PM10的均值分别为83.2%、89.9%和73.4%,霾、雾霾时段相比于非霾时段0~1μm粒径颗粒物显著增多.

3.3 持续时间较长的雾霾天气,在雾霾时段大气中<1μm粒径范围的细颗粒物大量增多,但1~10μm范围颗粒物因吸湿增长或水汽附着加速沉降,其数浓度变化曲线呈下降趋势.随相对湿度降低,雾霾结束后会转为短时间的霾天气,此时1~10μm粒径范围颗粒物大幅上升,使0~1μm与1~2.5μm、2.5~10μm粒径范围颗粒物数浓度变化曲线呈X形变化趋势.

3.4 霾天气时段,0~10mm粒径范围颗粒物数浓度均有升高,但1~10μm范围颗粒物相比于非霾时段增长并不显著,0~1μm颗粒物大幅增多, 0.28~0.58μm粒径范围增加量在2倍以上,其中0.35~0.4μm范围颗粒物增加量为2.95倍.

3.5 徐州冬季雾-霾天气的形成主要是由大气中细颗粒物增多引起,雾-霾日AODtotal、AODfine mode及AODfine mode/AODcoarse mode显著高于非霾日,且Angstrom波长指数主要集中在1~1.6范围,大气中细颗粒物为主控粒子.

[1] 孟晓艳,余 予,张志富,等.2013年1月京津冀地区强雾霾频发成因初探 [J]. 环境科学与技术, 2014,37(1):190-194.

[2] 张 宏,刘子锐,胡 波,等.北京能见度变化趋势及冬季一次典型污染过程分析 [J]. 气候与环境研究, 2011,16(5):620-628.

[3] Kang H, Zhu B, Su J, et al. Analysis of a long-lasting haze episode in Nanjing, China [J]. Atmospheric Research, 2013,120: 78-87.

[4] Che H, Xia X, Zhu J, et al. Aerosol optical properties under the condition of heavy haze over an urban site of Beijing, China [J]. Environmental Science & Pollution Research, 2014,22(2):1-11.

[5] 张小曳,孙俊英,王亚强,等.我国雾-霾成因及其治理的思考 [J]. 科学通报, 2013,58(13):1178-1187.

[6] 杨 欣,陈义珍,刘厚凤,等.北京2013年1月连续强霾过程的污染特征及成因分析 [J]. 中国环境科学, 2014,34(2):282-288.

[7] Liu X, Xie X, Yin Z Y, et al. A modeling study of the effects of aerosols on clouds and precipitation over East Asia [J]. Theoretical & Applied Climatology, 2011,106(3/4):343-354.

[8] 刘瑞婷,韩志伟,李嘉伟.北京冬季雾霾事件的气象特征分析 [J]. 气候与环境研究, 2014,19(2):164-172.

[9] Li Z Q, Gu X, Wang L, et al. Aerosol physical and chemical properties retrieved from ground-based remote sensing measurements during heavy haze days in Beijing winter [J]. Atmospheric Chemistry & Physics, 2013,13(20):10171-10183.

[10] 齐 冰,杜荣光,于之锋,等.杭州市大气气溶胶光学厚度研究 [J]. 中国环境科学, 2014,34(3):588-595.

[11] 吴 琳,沈建东,冯银厂,等.杭州市灰霾与非灰霾日不同粒径大气颗粒物来源解析 [J]. 环境科学研究, 2014,27(4):373-381.

[12] Oleg D, King M D. A flexible inversion algorithm for retrieval of aerosol optical properties from sun and sky radiance measurements [J]. Journal of Geophysical Research Atmospheres, 2000,105(D16):20673-20696.

[13] 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]. Journal of Geophysical Research- Atmospheres, 2006,111(D11):D11201-D11208.

[14] 于兴娜,李新妹,登增然登,等.北京雾霾天气期间气溶胶光学特性 [J]. 环境科学, 2012,33(4):1057-1062.

[15] 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.

[16] 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.

[17] QX/T 113-2010 中华人民共和国气象行业标准,霾的观测和预报等级 [S].

[18] 赵普生,徐晓峰,孟 伟,等.京津冀区域霾天气特征 [J]. 中国环境科学, 2012,32(1):31-36.

[19] 杨 欣.城市大气气溶胶污染过程的微脉冲激光雷达观测研究 [D]. 济南:山东师范大学, 2014.

[20] 廖晓农,张小玲,王迎春,等.北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析 [J]. 环境科学, 2014,34(6):2031-2044.

[21] 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.

[22] 曹伟华,梁旭东,李青春.北京一次持续性雾霾过程的阶段性特征及影响因子分析 [J]. 气象学报, 2013,71(5):940-951.

[23] 王 轩.气溶胶吸湿特性研究 [D]. 北京:中国环境科学研究院, 2010.

[24] 王宗爽,付 晓,王占山,等.大气颗粒物吸湿性研究 [J]. 环境科学研究, 2013,4(4):341-349.

[25] 叶兴南,陈建民.灰霾与颗粒物吸湿增长 [J]. 自然杂志, 2013, 35(5):337-341.

[26] Zhuang H, Chan C K, Fang M, et al. Formation of nitrate and non-sea-salt sulfate on coarse particles [J]. Atmospheric Environment. 1999,33(26):4223-4233.

[27] 张芷言,邓雪娇,王宝民,等.珠三角能见度与PM1及气溶胶吸湿增长因子的关系研究 [J]. 大气物理学与大气环境, 2012.

[28] 吴奕霄,银 燕,顾雪松,等.南京北郊大气气溶胶的吸湿性观测研究 [J]. 中国环境科学, 2014,34(8):1938-1949.

[29] 王 轩,陈建华,耿春梅,等.北京冬季气溶胶吸湿性的观测与分析 [J]. 中国科学院大学学报, 2014,31(3):322-328.

[30] 黄 鹤,蔡子颖,韩素芹,等.天津市PM10, PM2. 5和PM1连续在线观测分析 [J]. 环境科学研究, 2011,24(8):897-903.

[31] 徐 丹,邓孺孺,陈启东,等.基于CE318观测的广州市气溶胶光学特性 [J]. 热带地理, 2015,35(1):21-28.

[32] Wang L, Gong W, Xia X, et al. Long-term observations of aerosol optical properties at Wuhan, an urban site in Central China [J]. Atmospheric Environment, 2014,101:94-102.

[32] 杨志峰.中国特征区域大气气溶胶光学特性研究 [D]. 北京:中国气象科学研究院, 2008.

* 责任作者, 副教授, qinkai20071014@163.com

Particles size distributions and aerosol optical properties during haze-fog episodes in the winter of Xuzhou

LANG Hong-mei1,2, QIN Kai1,2*, YUAN Li-mei2, XIAO Xin2, HU Ming-yu1,2, RAO Lan-lan1,2, WANG Lu-yao1,2

(1.National Administration of Surveying, Mapping and Geoinformation Key Laboratory of Land Environment and Disaster Monitoring, China University of Mining and Technology, Xuzhou 221116, China；2.School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China)., 2016,36(8)：2260~2269

In order to investigate the characteristics of particles size distributions and aerosol optical properties during haze-fog episodes in the winter, the data of atmospheric particulates mass concentrations (PM10, PM1, and PM2.5), number concentrations (0~1μm, 1~2.5μm, and 2.5~10μm) and aerosol optical properties over Xuzhou from December 1, 2014 to February 28, 2015 were studied. Low wind speed and high relative humidity were important meteorological factors for affecting the formation and the maintenance of the haze-fog weather, and the increasing of 0~1μm fine particles was the main factor causing the haze-fog weather during the winter in Xuzhou. Under the condition of long-lasting haze and fog days, 1~10μmparticlesreduced in the haze and fog periods due to the moisture absorption and vapor attachment of particulates. With the decreasing of relative humidity, haze and fog weather turn into a short time of haze weather, then the number concentration of 1~10μm particles increased significantly. AODtotaland AODfine modeat 500nm of Xuzhou changed in the same trend in the winter. Besides, under the condition of haze-fog days, AODtotaland AODfine modewere significantly higher than that in non haze days. Under the condition of haze-fog days, the ratio of AODfine modeto AODcoarse modewas also significantly higher than that in non haze days, and the Angstrom exponent lied mainly in the range of 1~1.6, indicating the predominance of fine-mode particles during haze-fog episodes in the winter of Xuzhou.

haze-fog；hygroscopic growth；fine particle；AOD；Angstrom exponent

X513

A

1000-6923(2016)08-2260-10

郎红梅(1991-),女,河北唐山人,中国矿业大学环境与测绘学院硕士研究生,主要从事大气环境遥感研究.

2015-12-18

国土环境与灾害监测国家测绘地理信息局重点实验室开放基金项目(LEDM2013B09)