五台山大气CO2本底浓度及源汇特征

李 莹,闫世明*,王淑敏,张逢生,于小红,杨爱琴,岳 江,靳泽辉

五台山大气CO2本底浓度及源汇特征

李 莹1,闫世明1*,王淑敏1,张逢生1,于小红1,杨爱琴1,岳 江1,靳泽辉2

(1.山西省气象科学研究所,中国气象局温室气体及碳中和监测评估中心山西分中心,山西 太原 030002；2.五台山气象站,中国气象局五台山云物理野外科学试验基地,山西 忻州 035515)

基于五台山站2017年1月～2020年12月的大气CO2连续观测资料,采用平均移动过滤法(MAF)和后向轨迹分析方法,对五台山大气CO2本底浓度及源汇特征进行研究.结果表明:五台山大气CO2浓度受到区域或局地源汇的影响,筛分后的CO2本底小时浓度振幅为44.9×10-6,小于未经筛分的CO2浓度振幅94.7×10-6.2017～2020年CO2本底浓度呈逐年上升趋势,但增幅放缓; 抬升浓度占比有所下降,吸收浓度占比波动较小,表明人类活动对CO2浓度的影响逐年减弱,而五台山周边地区陆地生态系统碳汇作用相对稳定.CO2本底浓度夏季最低,秋冬季次之,春季最高; 日变化夏季最明显,峰谷值分别出现在05:00和16:00,其他季节日振幅仅在0.7×10-6～1.8×10-6之间.与本底浓度相比,抬升浓度的差异值自10月至翌年3月明显增大,而吸收浓度的差异值在6～9月最显著,分别反映出人为活动排放源以及陆地生态系统吸收汇对CO2本底浓度的影响.源汇浓度日变化均为单峰结构,抬升浓度白天高、夜间低,吸收浓度刚好相反.春、秋和冬季造成CO2浓度明显抬升的地面风向主要为西南风,且随风速的增加CO2浓度能够保持较高水平,而夏季主要为东北偏东风; 春、夏季,2～4m/s的风速有利于进一步降低CO2吸收浓度.后向轨迹分析表明,气团远距离输送对源汇浓度的影响除了取决于气团途径区域的CO2排放情况,还与气团的空间垂直输送路径有关.

五台山；温室气体；区域本底；源汇特征

CO2是地球大气中最重要的温室气体,自工业革命以来,其浓度持续增加所导致的全球变暖已成为人类面临的重大生态环境问题之一,引起国际社会的广泛关注[1].迄今,全球已有60多个国家的200多个站点加入世界气象组织大气本底观测网(WMO/GAW),开展温室气体观测,为系统研究大气温室气体浓度动态变化规律、源汇机制等做出了重要贡献[2-7].我国自20世纪80年代以来,在青海瓦里关、北京上甸子、浙江临安、黑龙江龙凤山等地建立7个全球/区域大气本底站,目前已实现CO2等温室气体的长期、定点和连续观测.国内外学者通过建立温室气体本底资料筛分方法[8-9],进一步研究不同本底站的地域代表性,分析得出代表典型气候、生态和经济区的温室气体浓度特征及变化趋势[10-12].目前关于高分辨率温室气体观测数据的本底值筛分方法主要有3类,一类是气体示踪法[13-14],它以特定示踪气体浓度的变化特征为依据进行CO2浓度筛分,例如Tsutsumi等[13]利用CO作为示踪物对日本与那国岛站CO2在线观测数据进行本底和非本底筛分;一类是气象因子法[15-16],该方法通常利用气象条件因子研究空气团的输送和来源以判断其是否受到区域源汇的影响进行筛选;此外,数学统计方法如局部近似回归法、傅里叶变换法和平均移动过滤法,也常常被用于噪音(源或汇)信息提取和本底值的筛分中,一般基于实际观测值进行平滑拟合,然后确定某些观测值与该平滑曲线的残差来进行区分和诊断其是否受到了区域或局地影响[17].有些研究[18]还将几种方法结合使用,以获取充分混合均匀的、能更好地代表区域平均大气状况的本底数据.经筛分提取的源汇信息可用于反演特定区域碳循环温室气体的源汇分布动态变化[19-20],以及进一步结合数值模式研究其长距离输送及其源汇[21-22].

山西省地处华北西部的黄土高原东翼,是国家煤炭能源基地和典型的高碳经济省份,有必要对该区域大气CO2浓度变化及源汇特征进行深入研究.山西省自2012年已陆续在太原、大同、临汾、晋城、朔州和五台山建成6个高精度温室气体观测站开展大气CO2、CH4的连续观测.其中,五台山站位于五台山国家地质公园,远离城市和工业带,属相对清洁地区,能客观反映区域温室气体的背景状况,其观测可为了解山西区域大气温室气体本底浓度特征提供重要支撑.同时作为高海拔站点,五台山地区的生态系统较为脆弱,对温室气体排放的反馈更明显,对于气候变化指示意义更大,有助于进一步分析区域温室气体源汇特征.本研究基于2017～2020年五台山站大气CO2观测资料,利用平均移动过滤法(MAF)进行本底数据筛分,分析其本底浓度和源汇特征,讨论近地面风的可能影响,并结合气团后向轨迹探讨CO2源汇输送的贡献,以期了解山西区域温室气体背景特征及源汇输送影响.

1 材料与方法

1.1 研究区概述

五台山位于山西东北部,属暖温带半干旱型森林草原气候的北端.五台山温室气体观测站建于五台山国家基本气象站内,站址位于五台山南台“木鱼山”山顶(113.52°E,38.95°N),海拔2208.3m.站点东北方向9.1km是台怀镇(五台山风景区核心景区),西南方向距离豆村镇17.6km,忻州市90km,太原市150km(图1).站址方圆30km无大型城市和工业区,四周森林草地覆盖良好,其观测结果能够代表山西区域本底浓度水平[23],现已纳入国家温室气体观测网和中国气象局第二批野外科学试验基地.

图1 五台山温室气体站地理位置

1.2 数据资料

温室气体在线监测设备采用美国Picarro公司的G2301CO2/CH4/H2O分析仪.该仪器采用波长扫描光腔衰荡光谱技术(WS-CRDS),数据测量时间间隔为5s,CO2测量精度为0.05´10-6(体积分数,下同)/5min,最大漂移0.5´10-6/月,测量高度为30m,每4h标定一次.标准气体由中国气象局大气成分观测与服务中心提供,并可追溯到WMO一级标气序列.选取五台山站2017～2020年CO2在线监测数据,结合台站值班记录和气象要素观测对原始数据进行质量控制,剔除由于仪器故障、仪器维护、畜牧干扰等原因引起的异常值,保留95.8%的有效数据,在此基础上计算小时均值和日均值等.用于后向轨迹模式计算的气象场资料(2017～2020年)为美国国家环境预报中心(NCEP)提供的全球资料同化系统(GDAS)数据,每日4个时次,即00:00、06:00、12:00和18:00UTC,水平分辨率为1°´1°.此外,选取2017～2020年五台山国家基本气象站逐小时风向、风速资料.

1.3 数据筛分方法

已有研究表明,数学统计方法更适用于受局地源汇影响不大的偏远站点的本底筛分[24].平均移动过滤法(MAF)作为新发展的一种分析时间序列数据的数学统计方法,可对数据的短期波动进行平滑,能反映出长期趋势周期,较其它方法更优[17,25-27].首先标记出约30%的高值或低值不参加平滑;然后选定2周时间(336h)作为平滑窗口,利用移动平均拟合法得到拟合值并计算标准偏差,将该窗口的第一个值与拟合值进行比较,若差值绝对值³2,则标记为受排放源或吸收汇影响的值,否则将其筛选为本底值.对下一个窗口重复上述过程.未能参与平滑拟合的约30%的数据点,如果在每个平滑窗口内与拟合线的残差在2之内,将被重新识别为本底值.MAF法因以每2周为一个拟合窗口,采用不断变化和调节的过滤标准(即值),避免了在局部将抬升浓度或吸收浓度百分比过高或者过低估计[17].张芳等[17]采用该方法对瓦里关地区大气CO2浓度进行了本底和非本底筛分,表明其可实现大气CO2源汇及本底信息的有效准确提取.由于五台山站地处偏远,周边没有大的人为污染源,同时海拔较高,各种大气成分在到达该站之前已达到充分混合.基于此,本文采用MAF法对五台山站大气CO2观测数据进行筛分,获得筛分后的本底值和非本底值,同时非本底值又分为受排放源影响的抬升浓度和受吸收汇影响的吸收浓度.其中,排放源为受区域输送或局地排放影响,使得CO2浓度升高的因子; 吸收汇即受局地吸收影响,消耗大气中的CO2而使其浓度降低的因子[26].

2 结果与讨论

2.1 五台山大气CO2浓度本底值筛分

图2 五台山站CO2筛分结果的时间序列

如图2所示,研究期间有效的CO2小时平均数据为33586条,经筛分后获得本底浓度值为25474条,抬升浓度值为5699条,吸收浓度值为2413条,分别占总有效数据的75.9%、17.0%和7.1%.不同地区采用MAF法得出的大气CO2本底浓度数据占比有所不同,瓦里关全球本底站CO2本底浓度数据约占有效数据的72%[17],珠江三角洲城市群大气CO2本底浓度数据占比为66.6%[25].五台山站本底浓度样本数超过了有效数据的75%,表明观测站具有较好的区域代表性,该站约25%的非本底数据则反映了CO2区域源汇和短期输送等多种因素的影响.未经筛分的五台山大气CO2浓度均值为(416.0±9.7)×10-6,筛分后的CO2本底浓度均值为(414.5±7.3)×10-6,污染源和吸收汇的浓度均值分别为(427.4±9.4)×10-6和(404.6±8.4)×10-6.未经筛分的大气CO2浓度波动大,小时浓度的振幅达94.7×10-6,筛分后的大气CO2本底浓度波动较小,振幅44.9×10-6,表明在五台山地区大气受到一定的区域或局地排放源和吸收汇的影响.

2.2 CO2浓度时间分布特征

2.2.1 年际变化 如图3所示,2017～2020年五台山本底浓度分别为409.8×10-6、413.6×10-6、415.6×10-6、418.7×10-6,呈逐年上升趋势; 2018～2020年本底浓度较前一年的相对增速分别为0.91%、0.48%、0.76%,即2019和2020年的增速均较2018年有所缓和,2019年增速放缓幅度显著.这可能与2018年以来山西推进打赢蓝天保卫战,减污降碳取得一定成效有关.对比发现[28-29],五台山CO2本底浓度高出同期全球本底4.3×10-6～5.8×10-6,与我国7个全球/区域本底站相比,五台山CO2本底浓度略高于青海瓦里关、云南香格里拉和新疆阿克达拉站观测结果,但明显低于北京上甸子、浙江临安、黑龙江龙凤山和湖北金沙站浓度水平(表1).从源汇浓度年际变化来看,2017～2020年抬升浓度呈逐年增加趋势,但抬升浓度占比有所下降(从17.7%降至16.2%),其间由于受到新冠疫情停工停产的影响,2020年抬升浓度较2019年的相对增速为0.42%,远低于前2a的抬升浓度增速(0.96%和0.90%),反映出人类活动减少对区域大气CO2浓度的较大影响; 吸收浓度也呈逐年增加趋势,但吸收浓度占比基本保持在7.2%左右,表明五台山周边地区陆地生态系统对CO2吸收汇的作用相对稳定.

图3 2017～2020年五台山站CO2本底浓度、抬升浓度及吸收浓度平均值

表1 五台山大气CO2本底浓度与我国7个全球/区域大气本底站CO2浓度比较(´10-6)

2.2.2 本底浓度季节变化和日变化 如图4a所示,春、夏、秋、冬(春季3～5月、夏季6～8月、秋季9～11月、冬季12～次年2月)各季节CO2本底浓度均值分别为(418.1±4.4)×10-6、(407.4±6.6)×10-6、(413.7±7.2)×10-6和(418.0±5.1)×10-6.这种季节变化跟瓦里关全球本底站的研究结果一致[8],都与内陆高原植被生长周期和土壤的生物化学过程密切相关.夏季当地植被生长旺盛,光照充足,植物光合作用强烈,虽然此时土壤呼吸也最强烈,但植物对CO2的吸收远大于由土壤有机碳氧化所释放的CO2,使得夏季CO2本底浓度最低[26].进入秋季,植物对CO2的吸收作用逐渐减弱,土壤呼吸作用持续,CO2浓度开始上升.冬季植被的光合作用几乎完全消失,呼吸作用释放的CO2逐渐积累,本底浓度明显增高.春季尽管植被复苏,但五台山气温仍较低(气温平均值为2.8℃[30]),植物光合作用缓和,随着土壤温度开始回升,呼吸作用增大,CO2浓度维持较高水平并达到最大.由图还可看出,冬、春季节本底浓度的最大值、最小值和均值相当,数据波动小,均呈偏态分布,其中冬季的均值高于中位数,说明冬季本底浓度中的偏大数占比略高.相比而言,夏季和秋季本底浓度的波动明显增大,数据分布也更为对称.

如图4b所示,夏季的CO2小时浓度日变化最明显,其峰值出现在凌晨05:00,谷值出现在午后16:00.夏季是植物生长季节,夜间受呼吸作用及稳定边界层的影响,地表CO2浓度逐渐积累并在凌晨时刻达到最大,日出后由于光合作用和垂直混合运动的增强,CO2浓度缓慢下降并于午后达到最低,傍晚随着日落及温度降低,植被逐渐转化为呼吸作用,CO2浓度又快速上升.夏季CO2的日变化直接反映了CO2在大气和植物间的交换[31].五台山夏季CO2小时浓度日振幅为2.8×10-6,略高于同期瓦里关站的CO2日振幅[31].其他季节由于光照及陆地植被源的减弱,CO2小时浓度日变化均相对平稳,日振幅仅在0.7×10-6～1.8×10-6之间.

图4 五台山站CO2本底浓度季节和日变化

箱线图箱体上下线分别为75%和25%分位数,中间线为中位数,中间·为季平均值;须线上下端分别为95%和5%分位数;箱体外上下·分别为最大值和最小值

2.2.3 本底浓度和非本底浓度对比 从季节变化看(图5a),3类浓度的季节变化均呈双峰单谷型,总体表现为冬半年浓度较高,夏半年浓度较低.与本底浓度相比,抬升浓度月均值均偏高,差异值自10月至翌年3月明显增大,与北方采暖季时段吻合; 吸收浓度均偏低,差异值在6～9月最显著,符合当地夏季植被光合碳汇效应最强的特点.此外,本底浓度年内变化幅度最小,为15.7×10-6,抬升浓度和吸收浓度则显示出更大的季节振幅,分别为19.6×10-6和20.5×10-6.

图5 五台山站CO2本底浓度、抬升浓度及吸收浓度的季节和日变化

如图5b所示,CO2本底浓度的日变化最平稳,日振幅仅为1.0×10-6.抬升浓度日变化为单峰结构,峰值、谷值分别出现在15:00和6:00,日振幅4.7×10-6,抬升浓度在白天维持较高水平,夜间有所降低,这与人类活动白天多、夜间少呈相同趋势,说明可能人类活动对CO2浓度抬升有一定作用.吸收浓度日变化也呈单峰结构,但整体表现出日间低、夜间高的态势,与抬升浓度的日变化趋势恰好相反.吸收浓度的日变化反映了五台山区域植被光合/呼吸作用过程的日变化规律,其昼夜波动最大(7.6×10-6).

2.3 地面风对CO2源汇浓度的影响

基于2017～2020年五台山逐小时地面风资料,对风速£0.2m/s的按静风()统计,>0.2m/s按照风的来向统计为16个方位.计算表明,研究期间五台山全年平均地面主导风向为WSW-W-WNW扇区,风向频率之和57.8%,E风向频率较高为12.5%,静风频率极低仅0.2%.春、秋季风向频率分布特征与全年相似,夏季偏东风的频率增大,冬季几乎全部为偏西风.此外,五台山四季风速主要分布在1.6～10.7m/s之间.根据大气CO2源汇浓度的筛分结果及其对应的逐小时地面风向风速资料,按抬升浓度和吸收浓度分别统计,计算不同风向风速下对应的CO2浓度均值,得到春、夏、秋、冬四季CO2源汇浓度-风向风速玫瑰图以及风频玫瑰图(图6、图7).各季节出现源汇浓度时的风向频率分布与前述五台山地区风向频率分布基本一致,因此可用来反映某一风向对大气CO2抬升/吸收浓度的相对影响程度.

由图6可知,四季各个风向均能引起CO2浓度抬升.春季,除N-NNE-NE扇区外,其余风向上抬升浓度均偏高.在风频最大的SW-WSW-W扇区,抬升浓度随风速的增加呈先降后升的变化趋势,较高风速(6～8m/s)下CO2难以富集,浓度抬升较低,当风速超过8m/s时抬升浓度升高明显可能与西南方向城市群的远距离输送有关;其次在ENE-E扇区对应较高的抬升浓度,可能受站点东部华北平原城市群的外源输送影响;另外在SE-S-SW扇区风速小于4m/s时也观测到较高浓度的大气CO2,可能与局地排放短距离输送有关,但其出现频率较低.夏季,CO2抬升浓度高值区集中在NE-E扇区,站点东北方向约9.1km是五台山风景区核心景区,夏季恰逢避暑旅游旺季,CO2人为源增多,受东北风影响导致五台山站大气CO2浓度显著抬升.秋季,偏东风的频率骤降,其对应的CO2抬升浓度也明显降低.此时偏西方向尤其是西南方向的风频较高,CO2浓度抬升明显,且随风速增加呈增加趋势,可能仍与偏西方向排放源区域的远距离输送有关.冬季,各方向抬升浓度整体升高,尤其西-南方向风速小于4m/s均带来高浓度CO2,并且随着风速的增加抬升浓度保持较高水平,可能与西南地区冬季供暖燃料燃烧的区域输送有关.

从图7可以看出,春季,在ESE-SSE-SSW扇区和W风向,风速介于2～4m/s时出现了CO2吸收浓度低值,而这些方位也容易造成春季抬升浓度的升高(图6),由此推测很可能是来自东南、西南方向的高空风给五台山站带来相对清洁的气流,降低了吸收浓度.夏季,CO2吸收浓度显著降低,同时低值区进一步扩大,再次表明五台山夏季可能为区域大气CO2的汇.此外适当的风速(2～4m/s)引起的扩散作用使吸收浓度更低.秋、冬季吸收浓度受主导风向的影响主要出现在WSW-W- WNW-NW扇区,由于碳汇效应减弱,CO2吸收浓度明显升高,风速大小对CO2浓度的影响不甚明显.

综上可知,CO2抬升浓度同时受风向风速和周边环境的影响,表现为风速大小引起的累积、扩散作用以及风向引起的外源输送作用.CO2吸收浓度则受风向风速的影响,在春、夏季表现为洁净气流的稀释作用.

2.4 气团输送对CO2源汇浓度的影响

计算2017年1月～2020年12月期间出现CO2抬升浓度和吸收浓度时的72h后向轨迹,采用轨迹聚类分析的二分K均值法[32-36],将后向轨迹按照空间代表性进行分类.

对于CO2抬升浓度,研究期间春、夏、秋和冬分别有1321,1113,1727和1538条轨迹参与了聚类计算分析.如图8所示,春季,第2、1和3类轨迹的CO2浓度依次最高,轨迹占比共53.8%,分别来自站点的东南、东北和西南方向,以上3类轨迹气团主要经过京津冀、汾渭平原及山东、河南等地区,这些区域经济较发达、人口聚集,城市和工业化水平较高,CO2人为排放量大,大气污染也较为严重,对抬升CO2浓度的贡献较大.第4和5类轨迹主要源自西北方向新疆、蒙古国气团的远距离输送,CO2浓度略低,表明该区域人为活动对CO2的影响稍弱.夏季,引起CO2浓度抬升的轨迹气团主要来自东侧华北平原的人为活动影响,偏东方向的第1类和第2类轨迹占比达74.7%.秋季的轨迹分布与春季相似,不同的是来自西南方向的第3类轨迹以及来自西北方向的第4类轨迹的CO2浓度最高,轨迹数也最多,而偏东来向气团对CO2的抬升贡献减弱.冬季,各类轨迹CO2平均浓度明显高于其他季节,来自偏东、西南方向的气团轨迹对高浓度CO2的影响最大,尽管西北方向第3类轨迹的CO2浓度略低,但轨迹所占比例高达69.8%,对CO2浓度抬升也有较大贡献.

综上所述,五台山大气CO2抬升浓度受到来自华北平原、汾渭平原地区污染气团的影响最显著,其次是西北方向污染气团的远距离输送.受当地季风气候影响,不同路径污染气团的输送频率在各个季节有所差异,这与前述地面风对CO2抬升浓度的影响结论相吻合.此外,相比西北来向的气团轨迹,偏东和西南方向的气团轨迹水平距离较短,说明水平方向移速较慢,且从轨迹空间分布来看,其垂直方向都有一个先下沉后上升的运动过程,因此更容易裹挟近地面高浓度CO2输送至站点,造成CO2浓度的明显抬升.

图8 2017～2020年五台山四季CO2抬升浓度传输路径分布

对于CO2吸收浓度,研究期间春、夏、秋和冬分别有615,1294,177和327条轨迹参与了聚类计算分析.如图9所示,春季,源自偏北方向的第3、4类轨迹共占比82.4%,它们均来自高纬地区高空气团的远距离输送,能够将相对洁净的气流输送至站点,对降低五台山大气CO2浓度产生贡献.第1和2类轨迹主要来自华北平原和汾渭平原,尽管轨迹气团途径人为活动影响大的城市和地区,由于气流是从高空垂直向下传输,起到稀释扩散的作用,使CO2浓度降低,这印证了前述东南和西南风带来清洁气流降低五台山站CO2吸收浓度的推测.夏季,各类轨迹的CO2平均浓度明显低于其他季节,其中源自偏北方向远距离输送的3类轨迹仍对低浓度CO2有较大影响,而西向第3类轨迹和东向第2类轨迹的CO2浓度略高,可能与气团途径区域排放源的输送有关,抬升了吸收浓度.秋季,影响CO2吸收浓度的轨迹气团都源自高纬地区高空气流的远距离输送.冬季几乎完全受到源自高纬地区西北气流远距离输送的影响,轨迹占比高达99.4%.由此可见,源自偏北方向高纬地区高空气流的远距离输送,在各个季节对降低五台山大气CO2吸收浓度都影响显著.

图9 2017～2020年五台山四季CO2吸收浓度传输路径分布

值得关注的是,与抬升浓度轨迹特征相比(图8),同样经过华北平原、汾渭平原等高碳排放区域的气团轨迹,由于气流垂直方向的运动路径不同,对五台山大气CO2浓度的贡献也不一样,当气流从低空先下沉后上升输送至站点时,多表现为对CO2浓度的抬升作用,而当气流从高空垂直向下而后上升输送至站点时,可使CO2浓度降低,春秋季尤为明显.

3 结论

3.1 采用平均移动过滤法(MAF)筛分得出五台山大气CO2本底浓度为(414.5±7.3)×10-6,抬升浓度和吸收浓度分别为(427.4±9.4)×10-6和(404.6±8.4)×10-6.五台山CO2本底浓度略高于同期全球本底以及我国青海瓦里关、云南香格里拉和新疆阿克达拉站观测结果,但明显低于北京上甸子、浙江临安、黑龙江龙凤山和湖北金沙区域站浓度水平.2017～2020年,CO2本底浓度呈逐年上升趋势,但增幅放缓;抬升浓度逐年增加,但其占比有所下降;吸收浓度也逐年增加,但占比相对稳定.

3.2 五台山大气CO2本底浓度夏季最低,秋季次之,冬季较高,春季最高.本底浓度日变化在夏季最明显,峰谷值分别出现在05:00和16:00,日振幅为2.8×10-6,其他季节日振幅仅在0.7×10-6～1.8×10-6之间.源汇浓度季节变化均呈双峰单谷型,与本底浓度相比,抬升浓度月均值均偏高,差异值自10月至翌年3月明显增大; 吸收浓度均偏低,差异值在6～9月最显著.源汇浓度日变化为单峰结构,昼夜波动较本底浓度更大; 抬升浓度在白天维持较高水平,夜间有所降低,吸收浓度刚好与之相反.

3.3 地面风对CO2源汇浓度有一定影响.春、秋和冬季节,西南风是引起五台山CO2浓度抬升的主要来向,该方向不仅能够带来高浓度CO2,且随着风速的增加CO2浓度保持较高水平; 夏季,来自东北偏东方向的地面风容易造成CO2的明显抬升.吸收浓度受风向风速的影响,在春夏两季,2～4m/s的风速有利于CO2浓度的稀释扩散,进而降低吸收浓度.

3.4 后向轨迹分析表明,五台山大气CO2抬升浓度主要受到来自东部华北平原、西南汾渭平原地区污染气团的影响; 源自偏北方向高纬地区高空气流的远距离输送,在各个季节对降低五台山大气CO2吸收浓度都影响显著.研究发现,同样经过华北平原、汾渭平原等高碳排放区域的气团轨迹,当气流从低空先下沉后上升输送至站点时,多表现为对CO2浓度的抬升作用,而当气流从高空垂直向下而后上升输送至站点时,可使CO2浓度降低,春秋季尤为明显.

[1] 樊 星,秦圆圆,高 翔.IPCC第六次评估报告第一工作组报告主要结论解读及建议 [J]. 环境保护,2021,49(Z2):44-48.

Fan X,Qin Y Y,Gao X. Interpretation of the main conclusions and suggestions of IPCC AR6working group Ⅰ report [J]. Environmental Protection,2021,49(Z2):44-48.

[2] WMO. The state of greenhouse gases in the atmosphere based on global observations through 2019 [EB/OL]. https://gaw.kishou. go.jp/publications/bulletin,2020-11-23.

[3] Crotwell A,Steinbacher M. 19thWMO/IAEA meeting on carbon dioxide,other greenhouse gases and related measurement techniques (GGMT-2017) [R]. GAW report No.229,2017:1-150.

[4] Reimann S,Manning A J,Simmonds P G,et al. Low European methyl chloroform emissions inferred from long-term atmospheric measurements [J]. Nature,2005,433(7025):506-508.

[5] Conway T J,Tans P P,Waterman L S,et al. Evidence for inter-annual variability of the carbon cycle from the NOAA/CMDL global air sampling network [J]. Journal of Geophysical Research Atmospheres,1994,99(22):831-855.

[6] Thoning Kirk W,Tans Pieter 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 Atmospheres,1989,94(D6):8549-8565.

[7] Gillette Dale A,Komhyr W D,Waterman L S,et al. The NOAA/ GMCC continuous CO2record at the South Pole,1975～1982 [J]. Journal of Geophysical Research Atmospheres,1987,92(D4):4231- 4240.

[8] 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.

Zhou L X,Tang J,Wen Y P,et al. Impact of local surface wind on the atmospheric carbon dioxide background concentration at Mt. Waliguan [J]. Acta Scientiae Circumstantiae,2002,22(2):135-139.

[9] 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.

[10] Zhang F,Zhou L X,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,2013,77(77):140-148.

[11] Fang S X,Tans P P,Dong F,et al. Characteristics of atmospheric CO2and CH4at the Shangdianzi regional background station in China [J]. Atmospheric Environment,2016,131:1-8.

[12] 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.

Pu J J,Xu H H,Gu J Q,et al. Study on the concentration variation of CO2in the background area of Yangtze River Delta [J]. China Environmental Science,2012,32(6):973-979.

[13] 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.

[14] 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.

[15] Fang S X,Tans P P,Steinbacher M,et al. Comparison of the regional CO2mole fraction filtering approaches at a WMO/GAW regional station in China [J]. Atmospheric Measurement Techniques,2015,8(12):5301-5313.

[16] 栾 天,方双喜,周凌晞,等.龙凤山站大气CO2浓度2种筛分方法对比研究[J]. 中国环境科学,2015,35(2):321-328.

Luan T,Fang S X,Zhou L X,et al. Comparison of two flagging approaches to the observed CO2mole fractions at the Longfengshan WMO/GAW Regional Station in China [J]. China Environmental Science,2015,35(2):321-328.

[17] 张 芳,周凌晞,王玉诏.不同源汇信息提取方法对区域CO2源汇估算及其季节变化的影响评估 [J]. 环境科学,2015,36(7):2405-2413.

Zhang F,Zhou L X,Wang Y Z. Evaluation on the impacts of different background determination methods on CO2sources and sinks estimation and seasonal variations [J]. Environmental Science,2015,36(7):2405-2413.

[18] Wang S M,Zhu L Y,Yan S M,et al. Atmospheric CO2data filtering method and characteristics of the mole fractions at Wutaishan station in Shanxi of China [J/OL]. Aerosol and Air Quality Research. https: //doi.org/10.4209/aaqr.2020.01.0026.

[19] Reimann S,Manning A J,Simmonds P G,et al. Low European methyl chloroform emissions inferred from long-term atmospheric measurements [J]. Nature,2005,433(7025):506-508.

[20] Fang S X,Tans P P,Yao B,et al. Study of atmospheric CO2and CH4at Longfengshan WMO/GAW regional station: The variations,trends,influence of local source/sinks,and transport [J]. Science China Earth Science,2017,60(10):1886-1895.

[21] Cheng S Y,Zhou L X,Tans P P,et al. Comparison of atmospheric CO2mole fraction and source-sink characteristics at four WMO/GAW stations in China [J]. Atmospheric Environment,2018,180:216-225.

[22] Giemsa E,Jacobeit J,Ries L,et al. Investigating regional source and sink patterns of Alpine CO2and CH4concentrations based on a back trajectory receptor model [J]. Environmental Sciences Europe,2019,31:49.

[23] QX/T 174-2012 大气成分站选址要求 [S].

QX/T 174-2012 Site selection for atmospheric composition monitoring stations [S].

[24] Zhang F,Zhou L X,Xu L. Temporal variation of atmospheric CH4and the potential source regions at Waliguan,China [J]. Science in China Series D: Earth Sciences,2013,56(5):727-736.

[25] Mai B R,Deng X J,Zhang F,et al. Background characteristics of atmospheric CO2and the potential source regions in the Pearl River Delta region of China [J]. Advances in Atmospheric Sciences,2020,37(6):557-568.

[26] 韦芬芬,林惠娟,曹舒娅,等.苏南地区CO2本底浓度及源汇特征[J]. 中国环境科学,2020,40(3):975-982.

Wei F F,Lin H J,Cao S Y,et al. A study on background concentration and source-sink characteristics of CO2in south of Jiangsu [J]. China Environmental Science,2020,40(3):975-982.

[27] 刘立新,周凌晞,张晓春,等.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.

Liu L X,Zhou L X,Zhang X C,et al. The concentration variations of atmospheric CO2at four background stations in China [J]. Science in China (Series D),2009,39(2):222-228.

[28] 中国气象局气候变化中心.中国温室气体公报 [R]. 北京:中国气象局,2017-2019.

Climate Change Center of China Meteorological Administration. China greenhouse gas bulletin [R]. Beijing: China Meteorological Administration,2017-2019.

[29] World Meteorological Organization. WMO Greenhouse Gas Bulletin: The state of greenhouse gases in the atmosphere based on global observations through 2020 [R]. Geneva: WMO,2021.

[30] 郑德宏.近20年五台山气候特征分析及对现代农业的影响 [J]. 南方农机,2020,51(15):98-99.

Zheng D H. Analysis of climatic characteristics of Wutai Mountain in recent 20years and its impact on modern agriculture [J]. China Southern Agricultural Machinery,2020,51(15):98-99.

[31] 赵玉成,温玉璞,德力格尔,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.

Zhao Y C,Wen Y P,Dliger,et al. Change characteristics of atmospheric CO2background concentration in Waliguan Qinghai [J]. China Environmental Science,2006,26(1):1-5.

[32] 闫世明,王 雁,郭 伟,等.太原市秋冬季大气污染特征和输送路径及潜在源区分析[J]. 环境科学,2019,40(11):4801-4810.

Yan S M,Wang Y,Guo W,et al. Characteristics,transportation,pathways,and potential sources of air pollution during autumn and winter in Taiyuan [J]. Environmental Science,2019,40(11):4801- 4810.

[33] 闫世明,王 雁,张岳军,等.五台山春季气溶胶传输特征[J]. 中国环境科学,2020,40(2):497-505.

Yan S M,Wang Y,Zhang Y J,et al. Aerosol transmission characteristics of spring in Wutai mountain [J]. China Environmental Science,2020,40(2):497-505.

[34] Zhang F S,Zhu L Y,Yan S M,et al. Analysis of the carbon dioxide mole fraction variation and its transmission characteristics in Taiyuan [J]. Atmospheric and Oceanic Science Letters,2020,13(4):363-370.

[35] Xia L J,Zhang G,Liu L X,et al. Atmospheric CO2and CO at Jingdezhen station in central China: Understanding the regional transport and combustion efficiency [J]. Atmospheric Environment,2020,222:117104.

[36] 夏玲君,张 根,陈 昆,等.江西景德镇站大气CH4和CO季节变化及源解析[J]. 中国环境科学,2021,41(12):5485-5494.

Xia L J,Zhang G,Chen K,et al. The seasonal variations of atmospheric CH4and CO concentrations and their emission sources at Jingdezhen station in Jiangxi [J]. China Environmental Science,2021,41(12):5485-5494.

致谢：感谢山西省五台山温室气体观测站工作人员对温室气体在线观测系统的日常维护工作.

Studies on background concentration and source-sink characteristics of CO2in Wutai Mountain.

LI Ying1,YAN Shi-ming1*,WANG Shu-min1,ZHANG Feng-sheng1,YU Xiao-hong1,YANG Ai-qin1,YUE Jiang1,JIN Ze-hui2

(1.Shanxi Institute of Meteorological Sciences,Shanxi Branch of Monitoring and Assessment Center for GHGs & Carbon Neutrality,China Meteorological Administration,Taiyuan 030002,China；2.Wutaishan Meteorological Station,Wutaishan Cloud Physics Field Experiment Base,China Meteorological Administration,Xinzhou 035515,China).,2022,42(8)：3572～3583

Based on the continuous CO2datasets from 2017 to 2020,observed at Wutaishan GHG station,the background concentration and source-sink characteristics of CO2in Wutai Mountain were studied by using the Moving Average Filtering (MAF) method and backward trajectory analysis. The results show that the atmospheric CO2concentrations were affected by regional or local sources/sinks,with the smaller hourly amplitude of background concentration (44.9×10-6),compared to that of unselected CO2concentration (94.7×10-6). The CO2background concentration had slowly increased from 2017 to 2020. Particularly,the proportion of rising concentration had decreased probably due to the weakened human activities. On the contrast,the variation in the absorption concentration was stable,inferring that the effect of terrestrial ecosystem on CO2concentration was relatively stable. The seasonal mean of CO2background concentration was the lowest in summer,secondly in autumn and winter,and the highest in spring. The diurnal variation in CO2background concentration was most obvious in summer,with the peak and valley value around 5:00a.m. and 16:00p.m.,respectively; the diurnal variation fluctuated slightly in other seasons with amplitudes merely between 0.7×10-6and 1.8×10-6. Compared to the background concentration,the CO2uplifting concentration differed remarkably from October to March,whereas the change in absorption concentration occurred from June to September,indicating impacts of anthropogenic emission and terrestrial ecosystem carbon absorption on CO2concentration. The diurnal variation in source-sink concentrations displayed a single peak structure,and the rising concentration was high during the day and low at night,and the reversion was just for the absorption concentration. In spring,autumn and winter,the southwest wind was mainly responsible for the significant CO2uplift,and CO2concentration could stay at a high level with an increase in wind speed; while,in summer,the northeast easterly wind obviously enhanced the observed values. Besides,in spring and summer,the wind speed between 2 and 4m/s was conducive to reduce the CO2absorption concentration. Evidently,the impact of long-range transport of air masses on the source-sink concentrations depend not only on the source strength of CO2in the pathway,but also on the spatial vertical transport path of the air masses.

Wutai Mountain；greenhouse gases；regional background；source-sink characteristics

X511

A

1000-6923(2022)08-3572-12

2022-01-18

山西省基础研究计划青年科学研究项目(20210302124617);山西省气象局面上项目(SXKMSDW20217114)

* 责任作者,正高级工程师,qksysm@126.com

李 莹(1986-),女,山西运城人,高级工程师,硕士,主要研究方向为温室气体及大气成分研究.发表论文4篇.