河北省中南部二氧化碳浓度的飞机探测研究

谢文琪,姚 波,吴国明,董航宇,麦 榕,许 林

河北省中南部二氧化碳浓度的飞机探测研究

谢文琪1,2,姚 波3,4,吴国明5*,董航宇5,麦 榕6,许 林7

(1.江西省农业气象中心,江西 南昌 330096；2.南昌县气象局,江西 南昌 330200；3.复旦大学大气与海洋科学系/大气科学研究院,上海 200438；4.中国气象局气象探测中心,北京 100081；5.河北省气象科学研究所,河北 石家庄 050020；6.河北省人工影响天气中心,河北 石家庄 050020；7.北京鸿霖宇天科技有限公司,北京 100041)

为探究河北省中南部CO2时空分布特征,利用空中国王350飞机搭载高精度CO2分析仪和相关辅助设备,对石家庄、邢台城市上空(600～5600m)CO2浓度进行飞机探测,探测期间共飞行4架次,取得7组CO2浓度垂直廓线数据,探测期间CO2浓度最小值为398.3´10-6,最大值为414.6´10-6,多架次垂直方向上平均浓度为(401.4～403.9)´10-6.CO2浓度随高度的增加,无明显规律性变化.边界层顶位于1000～2000m左右高度,在边界层顶以下受近地面排放源的影响较大.2500m高度上,其浓度随高度变化均存在一个短暂减小的趋势,高空基本不受近地面污染源的影响,CO2浓度接近地面本底浓度.在同一高度上,白天CO2浓度均略高于夜间.夜间CO2在混合层聚集,混合层顶浓度达最大.邢台上空的CO2与CH4的浓度显著相关,相关系数³0.90,表明邢台CO2与CH4可能具有相同的源.

CO2浓度；飞机观测；垂直廓线；石家庄；邢台

CO2是造成全球变暖、海平面上升的最主要的长寿命温室气体[1],目前,全球CO2浓度已突破410´10-6,比工业化前增加50%[2],显著破坏地球生态系统平衡以及极端天气的形成.其浓度的增加主要是由人类活动排放特别是化石及生物质燃料燃烧以及土地利用变化造成的[3-4].

迄今为止,有关CO2的研究大都基于地面观测网来获取CO2浓度信息,世界气象组织/全球大气观测(WMO/GAW)相继在全球建立了150多个大气本底监测站网,用于连续监测近地面层大气CO2浓度变化[5].发达国家从20世纪70年代,开始陆续开展立体观测[6],除了地面观测,还包括移动车、飞机观测、大气廓线采样、激光雷达、卫星观测等等.飞机观测对于了解大气CO2的垂直分布结构有着独特优势.Karion等[7]和Kristal等[8]自2009前开始在阿拉斯加海岸进行长期的温室气体飞机观测,对飞行中收集的空气样本进行分析;Ryoo等[9]通过飞机观测,基于散度定理对加州萨克拉门托上空CO2和CH4排放进行分析; Davis等[10]通过飞机观测进行印第安纳波利斯通量实验(INFLUX)来量化城市温室气体排放.我国利用飞机观测分析温室气体研究起步较晚,仅杨强等[11]和杨洋等[12]对京津冀地区进行报道.因而研究城市群CO2浓度垂直尺度分析,对系统研究温室气体浓度时空变化及碳汇机制和预测未来气候变化趋势至关重要.

石家庄、邢台位于我国华北平原中心地带、河北省中南部,是全国主要的重工业基地,也是打赢蓝天保卫战三年行动计划的主要参与市[13-14],作为京津冀地区重要的中心城市,为我国能量消耗强度最大、CO2排放量最大的区域之一.其排放和传输呈现源复杂性、区域性和影响条件多样性的特征.因此,加强河北省中南部典型区域CO2的垂直分布规律和时空分布特征研究,对进一步精确确定城市CO2排放具有重要意义.本研究利用“空中国王”飞机搭载高精度CO2分析仪,在石家庄、邢台上空获取白天和晚上对流层内不同高度CO2浓度的垂直廓线,为提升应对温室气体的科学决策和防护措施提供有力的依据[15-16].

1 材料与方法

1.1 仪器设备

本文采用的主要探测设备是由河北省人工影响天气办公室在空中国王350飞机上改装的PICARRO G1301温室气体分析仪,该仪器采用波长扫描光腔衰荡观测原理,是当前国际上较为先进的温室气体分析仪器.温度、气压、高度等数据由飞机上相关辅助设备获得,详见杨洋等[12].

1.2 飞行方案设计

由于水汽对PICARRO观测精度影响较大,本次探测主要选择晴空条件下,飞行探测区域主要在河北中南部两座重工业城市(石家庄和邢台)上空盘旋飞行.受民航飞行指挥限制,本次探测最大高度为5600,最低探测高度白天为1200m,夜间为600m.每次飞行首先从最高探测高度将至最低探测高度进行垂直探测,随后每隔300m进行平飞探测,飞行探测轨迹区间为114°26¢E～114°36¢E, 38°N～38°5¢N.飞行探测轨迹见图1.

图1 石家庄上空飞行探测轨迹

1.3 数据处理

在每次飞行前用可溯源至世界气象组织(WMO)中心标校实验室(CCL)的标气对PICARRO仪器进行标定,观测结果可溯源至 WMO X2004A标准尺度.在对观测数据进行统计分析前,首先对观测数据进行质量控制,根据飞行的宏观记录剔除由于仪器故障、相对湿度过大、飞机颠簸等因素导致的异常数据;然后匹配不同设备观测的数据,主要考虑温室气体的响应时间,参照杨洋等[12]方法进行校正;最后根据飞机探测高度的变化,将其分为上升和下降两个阶段,在垂直方向上每50m的高度层求一次CO2浓度的平均,再利用气象要素探测仪获得的温度数据,计算位温值(θ),得到CO2浓度垂直廓线和位温廓线,最后通过位温随高度的变化,来判断大气层结的稳定度.

2 结果与讨论

2.1 CO2浓度随高度的变化特征

2018年6～7月探测期间共飞行4架次.取得7条有效的CO2浓度廓线.其中在石家庄市上空取得5条廓线,邢台市区上空取得2条廓线,如表1所示.探测期间,河北省中南部500hPa高空主要受槽后脊前的西北气流控制,天空状况为晴空无云,地面风速均较小,在2m/s左右,水平能见度均大于10km.

廓线a和廓线b为2018年6月28日不同时间段的探测,廓线c、廓线d和廓线e为2018年6月30日不同时间段的探测,廓线f和廓线g为2018年7月5日不同时间段的探测.根据探测时间可分成两类,第一类为夜间探测,第二类为白天探测,廓线a、b、d、e、f、g均为夜间,廓线c为白天.探测期间CO2浓度变化范围(398.3～414.6)×10-6,最大值为最小值的1.04倍.探测高度区间的平均值即平均浓度,6条廓线平均浓度分别为(401.7±5.3)×10-6、(401.4±6)×10-6、(402.1± 2.9)×10-6、(401.9±3.4)×10-6、(402.5±4.4)×10-6、(403.9± 10)×10-6、(403.3±11.3)×10-6.对流层内不同飞行架次的CO2平均浓度差异较小,即对流层内不同飞行架次的CO2浓度整体上波动较小.沙桐等[17]对石家庄地区气溶胶飞机观测获得的气溶胶浓度,最大值为最小值的335.6倍,其倍数的巨大差异主要是受云天气的影响.本研究选取的时段为晴空无云,白天探测和夜间探测的CO2浓度差异较小.杨强等[11]在唐山上空探测的CO2浓度变化范围(406～453)×10-6,最大值为最小值的1.12倍,其浓度受风力的影响,CO2浓度变化与本研究相比波动略偏大.

将本文观测结果同地面站进行对比,青海瓦里关全球大气本底站2018年6月观测到CO2年平均浓度为(405.4±3.7)´10-6,这一数据可反映较大尺度混合均匀的自由大气中的背景浓度[18].与瓦里关站2018年观测到的平均浓度相比,石家庄上空CO2平均浓度与其较为接近,表明同纬度上的大气中CO2浓度较为恒定[19].2018年6月北京上甸子区域大气本底站观测CO2年平均本底浓度为(426.7±14.2)´10-6,该站观测数据能够代表华北区域CO2近地面背景浓度[20],石家庄城市上空CO2平均浓度与上甸子站相比偏低,这可能是因为本研究中CO2浓度为600～5500m高度区间的平均值,而上甸子站的取样位置在近地面,其海拔高度远低于本研究中测量气体的取样高度.在华北区域,近地面与高空浓度差异较大,近地面主要受到人类活动、生物质燃烧等CO2强源汇排放的影响较大,而在高空CO2的源汇较弱,主要受区域长距离输送带影响,从而造成高空的CO2浓度明显小于近地面.

Karion等[7]在美国阿拉斯加州进行了2009～ 2011年三个完整季节的飞机观测,CO2平均浓度为404.7×10-6,最大值是最小值的1.26倍.受到季节及气象条件等影响,其浓度变化浮动较本研究偏大.Font等[21]2011年在伦敦上空共获得10条CO2浓度廓线,结果显示大伦敦区域观测的CO2浓度均高于伦敦外围区域CO2浓度,约高(1～7)´10-6,平均浓度约为400´10-6,与本研究讨论的CO2浓度变化一致,表明天气尺度背景下,若忽略风、云等气象要素影响,CO2在大气中的浓度整体波动较小.

表1 飞行探测期间CO2廓线数据

2.2 CO2垂直分布与大气层结条件的关系

CO2浓度垂直分布趋势见图2.a和b两条廓线由于探测最低高度在2000m以上,未涉及边界层,不讨论其大气层结作用.其余5条廓线根据位温随高度的变化趋势,可按将大气层结划分为稳定层结和不稳定层结两类.廓线c的时段为夏季中午,正值对流旺盛,位温廓线也表现出大气处于不稳定状态,无明显的混合层顶存在,此时CO2的垂直输送和扩散不受限制,CO2浓度随高度呈周期性变化,最大值仍位于近地面层附近.

廓线d、e、f和g探测时间均在19:00～23:00之间,位温廓线表明均存在一个位温梯度几乎为零的高度区间,混合层高度(即位温梯度明显不连续的高度)分别为:1800m、1400m、1100m、1300m,对应的混合层内CO2平均浓度为: 402.5×10-6、406.5×10-6、409.5×10-6、411.3×10-6,在稳定的大气层结条件下,有明显的混合层存在,混合层顶以下, CO2浓度较高于混合层顶以上的浓度,主要是由于其更靠近地面,受到近地面的源汇影响更为强烈.邢台观测的混合层顶高度均低于石家庄,且其CO2浓度值高出石家庄(3～9)×10-6,表明邢台受到人为排放等的输入更多.混合层顶以上,浓度随高度的增加先减小后增加最后趋于背景值.2500m高度上,其浓度随高度变化均存在一个短暂减小的趋势,表明此高度层空气较其他高度层更为洁净.整体而言,石家庄和邢台上空整层探测高度,CO2浓度变化均较小,甚至有低于近地面背景浓度值,表明近地面CO2浓度无法代表高空的情况,高空CO2浓度变化幅度较小,更加依靠精细化的手段和仪器进行研究.

图2 不同层次CO2浓度和位温垂直分布(其中d、e、f、g中数字及对应实线代表混合层顶高度)

同时段杨洋等[12]对于CH4垂直观测的研究发现,CH4浓度随高度的增加,呈现先增大后减小,后稳定不变的趋势,且约在1000m高度处存在明显分界线;沙桐等[17]对于石家庄气溶胶和云凝结核(CCN)垂直廓线的飞机观测研究同样发现其浓度随高度的增加而减少,且晴天条件下浓度在800～1500m内有累积;杨强等[11]对于唐山上空CO2和CO浓度特征的飞机探测研究发现CO2和CO浓度均随高度的增加而减少,且浓度变化在1500m左右也存在一个比较明显的分界线.Gioli等[22]则在意大利罗马上空探测的CO2浓度同样随着高度的增加而减少,浓度在500m左右趋于稳定少动.在这些文献报道的大气污染物浓度廓线研究与本研究的CO2浓度廓线分布有所不同,其虽在1000～2000m高度层有明显的边界层存在,但其未有在边界层堆积的现象,而是在2500m左右存在较小值.主要可能是由于本研究时段整层大气气象条件较好,不利于CO2浓度扩散堆积,使其变化规律不明显.

2.3 不同高度层CO2浓度日夜变化

图3为2018年6月30日10:30～11:30和21:00～ 22:00两个飞行架次的石家庄城市上空不同高度CO2浓度分布.白天时段1000m、1800m、3700m、4600m高度对应CO2平均浓度分别为403.4×10-6、402.5×10-6、402.3×10-6、402.1×10-6;夜间时段600m、1800m、3700m、4600m高度对应CO2平均浓度分别为399.3×10-6、401.7×10-6、401.3×10-6、400.9×10-6.在同一高度上,白天时段探测到的CO2浓度均略高于夜间时段.主要是由于夏季白天对流明显,水平风场相对较弱,有利于CO2浓度的扩散,且白天受到工厂、交通、工农业活动等人为源影响均强于夜间.夜间CO2浓度呈现随高度先增大后减小的趋势.究其原因主要是由于白天受太阳辐射影响,近地面至高空1～2公里高度形成了大气边界层,而夜间地面辐射降温,逐渐形成逆温层,从而产生新的大气边界层,而两个大气边界层之间存在一个逐渐减弱但仍较强的湍流区,为残留区,随着夜间新的大气边界层高度增加,使得近地面的扩散条件持续变差,残留层内的湍流强度也逐渐减小.因此,夜间CO2在混合层聚集,混合层浓度达最大.在混合层以下,CO2浓度随高度的增加而增加;混合层以上,随高度的增加而减小.

图3 石家庄上空不同高度CO2浓度日夜变化

2.4 CO2与CH4浓度的相关性分析

将同时期飞机观测的CH4浓度数据与CO2浓度进行相关性分析,得到7条线性方程和相关系数,如图4所示,f、g(邢台上空)CO2与CH4的浓度显著相关,相关系数³0.90,高相关系数表明邢台上空CO2与CH4具有相同的源.

图4 河北省中南部上空CO2和CH4浓度的相关性分析

为了探究其来源,结合观测期间邢台地区输送轨迹分析,如图5所示, 800m输送轨迹的起源来自石家庄西北地区,途经天津、山东地区输送到达邢台; 2000m输送轨迹起源于山西的中部地区,途经山东西部地区到达邢台;4000m输送轨迹起源于山西北部地区,途经北京南部地区到达邢台.邢台上空的气团主要来自华北地区,华北地区CO2的源主要来自工业生产中石油、天然气等化石燃料的燃烧[23-24], CH4的源则来自人类垃圾、生物质燃烧、垃圾填埋场等[25],两者均为城市人为活动产生,故邢台CO2与CH4的浓度显著相关.石家庄、邢台两地飞机观测的CO2和CH4相关性不同反映了气团经过地区的温室气体排放来源特征.

图5 2018年7月5日邢台上空72h后向轨迹

3 结论

3.1 在河北省中南部城市上空(600～5600m)探测飞行4架次,不同飞行架次的CO2浓度整体波动较小,平均浓度(402±2)×10-6,同时段近地面CO2平均浓度达(439±24)×10-6,近地面大气主要受城市源排放的影响,在边界层以上,受地面排放源的影响减小,主要受远距离水平输送的影响,使得近地面CO2浓度远高于高空.

3.2 同一架次CO2浓度的垂直梯度变化分界线所在的高度与混合层顶高度较一致.CO2浓度在1000～ 2000m左右达最高,有明显的混合层存在,混合层顶以下,CO2浓度较高于混合层顶以上的浓度,主要是其受到近地面的源汇影响更为强烈.2500m高度上,其浓度随高度变化均存在一个短暂减小的趋势,表明此高度层空气较其他高度层更为洁净.白天探测,没有明显的混合层存在.

3.3 在同一高度上,白天CO2浓度均略高于夜间.夜间CO2在混合层聚集,混合层浓度达最大.在混合层以下,CO2浓度随高度的增加而增加;混合层顶以上,随高度的增加而减小.

3.4 在观测期间, 邢台地区CO2、CH4相关系数高于0.9,而石家庄上空各航次CO2与CH4的浓度不显著相关.石家庄、邢台两地飞机观测的CO2和CH4相关性不同反映了气团经过地区的温室气体排放来源特征.

[1] WMO Greenhouse Gas Bulletin No.14 [EB/OL]. https://library.wmo. int/doc_num.php?explnum_id=5455.

[2] Greenhouse gas bulletin: The State of Greenhouse Gases in the Atmosphere Based on Global Observations Through 2018 [R]. WMO, 2019.

[3] IPCC. Climate Change: The Physical Science Basis. Contribution to Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change.

[4] 程振华,王 玮.全球二氧化碳的分布和循环:全球“温室效应”探讨之一 [J]. 环境科学研究, 1989,2(4):52-59.

Chen Z H. Wang W. The distribution and recycling of carbon dioxide in the word [J]. Research of Environmental Sciences, 1989,2(4):52- 59.

[5] 权维俊,姚 波,刘伟东,等.我国大气本底观测站创新发展的思考和建议 [J]. 科学通报, 2021,66(19):2367-2377.

Qun W J, Yao B, Liu W D, et al. The innovative development of atmospheric background stations in China: Thoughts and recommendations [J]. Science China Press, 2021,66(19):2367-2377.

[6] Biraud S C, Torn M S, Smith J R, et al. A multi-year record of airborne CO2observations in the US Southern Great Plains [J]. Atmospheric Measurement Techniques, 2013,6:751-763.

[7] Karion A, Sweeney C, Wolter S, et al. Long-term greenhouse gas measurements from aircraft [J]. Atmospheric Measurement Techniques, 2012,5(5):7341-7382.

[8] Kristal R. Verhulst et al. Carbon dioxide and methane measurements from the Los Angeles Megacity Carbon Project – Part 1: Calibration, urban enhancements, and uncertainty estimates [J]. Atmospheric Chemistry and Physics, 2017,17(13):8313-8341.

[9] Ryoo J M, Iraci L T, Tanaka T, et al. Quantification of CO2and CH4emissions over Sacramento, California, based on divergence theorem using aircraft measurements [J]. Atmospheric Measurement Techniques, 2019,12(5):2949-2966.

[10] Davis K J, Deng A, Lauvaux T, et al. The Indianapolis Flux Experiment (INFLUX): A test-bed for developing urban greenhouse gas emission measurements [J]. Elementa-Science of the Anthropocene, 2017,5:21.

[11] 杨 强,马千里,姚 波,等.唐山上空CO2和CO浓度特征的飞机探测研究[J]. 中国环境科学, 2020,40(4):1460-1467.

Yang Q, Ma Q L, Yao B, et al. The characteristic of atmospheric CO2and CO concentrations based on aircraft observation over Tangshan [J]. China Environmental Science, 2020,40(4):1460-1467.

[12] 杨 洋,董晓波,麦 榕,等.河北省中南部对流层CH4时空分布特征的飞机探测研究 [J]. 中国环境科学, 2019,39(11):4604-4610.

Yang Y, Dong X B, Mai R, et al. Temporal and spatial distribution of tropospheric CH4based on aircraft observation in central and southern Hebei province [J]. China Environmental Science, 2019,39(11): 4604-4610.

[13] 中华人民共和国.中华人民共和国气候变化第二次两年更新报告[EB/OL]. https://unfccc.int/documents/197666.

People's Republic of China. Second biennial update report on climate change in the People's Republic of China [EB/OL]. https://unfccc.int/ documents/197666.

[14] 张志刚,高庆先,韩雪琴,等.中国华北区域城市间污染物输送研究 [J]. 环境科学研究, 2004,17(1):14-20.

Zhang Z G, Gao Q X, Han X Q, et al. The study of pollutant transport between the cites in North China [J]. Research of Environmental Sciences, 2004,17(1):14-20.

[15] 蔡博峰,张建军,董文娟,等.中国温室气体排放 [M]. 北京:中国环境出版集团, 2019:74-75.

[16] 邢有凯, 毛显强, 冯相昭, 等. 城市蓝天保卫战行动协同控制局地大气污染物和温室气体效果评估——以唐山市为例 [J]. 中国环境管理, 2020, 12 (4): 20-28.

Xing Y K, Mao X Q, Feng X Z, et al. An effectiveness evaluation of co-controlling local air pollutants and GHGs by implementing blue sky defense action at city level—a case study of Tangshan [J]. Chinese Journal of Environmental Management, 2020,12(4):20-28.

[17] 沙 桐,马晓燕,银 燕,等.石家庄地区气溶胶和CCN垂直廓线的飞机观测分析[J]. 大气科学学报, 2019,42(4):521-530.

Sha T, Ma X Y, Yin Y, et al. Aircraft measurements and analysis of the vertical distribution of aerosol particles and CCN over the Shijiazhuang area [J]. Transactions of Atmospheric Sciences, 2019, 42(4):521-530.

[18] 张晓春,蔡永祥,温玉璞,等.大气CO2标准气浓度标定及采样瓶CO2浓度分析系统[J]. 气象科技, 2005,33(6):538-542.

Zang X C, Cai Y X, Wen Y P, et al. Weather condition analysis for a serious local air pollution event [J]. Meteorological Science and Technology, 2005,33(6):538-542.

[19] 程巳阳,安兴琴,周凌晞,等.北京上甸子大气本底站CO2浓度的源汇区域代表性研究 [J]. 中国环境科学, 2015,35(9):2576-2584.

Cheng S Y, An X Q, Zhou L X, et al. CO2concentration representation of source and sink area at Shangdianzi atmospheric background station in Beijing [J]. China Environmental Science, 2015,35(9):2576-2584.

[20] 中国气象局气候变化中心.中国温室气体公报 [EB/OL]. http: //www.cma.gov.cn/root7/auto13139/201904/t20190430_523535.html.

Climate Change Center of China Meteorological Administration. China Greenhouse Gas Bulletin [EB/OL].

[21] Font A, Grimmond B, Kotthaus B S, et al. Daytime CO2urban surface fluxes from airborne measurements, eddy-covariance observations and emissions inventory in Greater London [J]. Environmental Pollution, 2015,196:98-106.

[22] Gioli B, Maria F, Carfora V M, et al. Aircraft mass budgeting to measure CO2emissions of Rome, Italy [J]. Environmental Monitoring and Assessment, 2014,186:2053–2066.

[23] 白文广,张兴赢,张 鹏.卫星遥感监测中国地区对流层二氧化碳时空变化特征分析 [J]. 科学通报, 2010,55(30):2953-2960.

Bai W G, Zhang X Y, Zhang P. Analysis of temporal and spatial variation characteristics of tropospheric carbon dioxide monitored by satellite remote sensing in China [J]. Science Bulletin, 2010,55(30): 2953-2960.

[24] 周 聪,施润和,高 炜.对流层中层与近地面大气二氧化碳浓度的比较研究 [J]. 地球信息科学学报, 2015,17(11):1286-1293.

Zhou C, Shi R H, Gao W. Comparison of carbon dioxide in mid-troposphere and near-surface [J]. Journal of Geo-information Science, 2015,17(11):1286-1293.

[25] 夏玲君,刘立新.北京上甸子站大气CH4数据筛分及变化特征 [J]. 中国环境科学, 2017,37(11):4044-4051.

Xia L J, Liu L X. Data selection and variation characteristics of atmospheric CH4observed at Shangdianzi station in Beijing [J]. China Environmental Science, 2017,37(11):4044-4051.

Airborne observation of carbon dioxide concentration in central and southern Hebei Province.

XIE Wen-qi1,2, YAO Bo3,4, WU Guo-ming5*, DONG Hang-yu5, MAI Rong6, XU Lin7

(1.Jiangxi Agricultural Meteorology Center, Nanchang 330096, China；2.Nanchang County Meteorological Bureau, Nanchang 330200, China；3.Department of Atmospheric and Oceanic Sciences & Institute of Atmospheric Sciences, Fudan University, Shanghai 200438, China；4.Meteorological Observation Centre of China Meteorological Administration, Beijing 100081, China；5.Hebei Institute of Meteorological Sciences, Shijiazhuang 050020, China；6.Weather Modification Center of Hebei Province, Shijiazhuang 050020, China；7.Beijing Honglin Universe Technology Co., Ltd., Beijing 100041, China)., 2023,43(2)：525～531

CO2concentrations above Shijiazhuang and Xingtai (600～5600m) were detected by CO2analyzer and related auxiliary equipment on an airborne observation platform of King-air 350 to characterize the spatial and temporal distribution of tropospheric CO2in central and southern Hebei Province. 7CO2concentration vertical profiles were achieved through 4flights. The minimum and maximum of CO2concentrations during the observation period were 398.3×10-6and 414.6×10-6, respectively, while the averaged CO2concentrations of each flight varied from 401.4×10-6to 403.9×10-6. There is no consistent pattern of CO2concentration trends with the increase of altitude. The boundary layer heights during the observation period were about 1000～2000m. The CO2concentration varied significantly below 1000m due to the influence of near-surface emission sources. However, CO2concentrations generally had a short-term decreasing trend over the height of 2500m, and was close to the background concentrations at higher levels. The CO2concentrations over Xingtai was significantly correlated with CH4concentrations, with the correlation coefficient³0.90, which indicated that the enhanced CO2and CH4concentrations at Xingtai might come from the same source.

CO2concentration；aircraft observation；vertical profile；Shijiazhuang；Xingtai

X511

A

1000-6923(2023)02-0525-07

谢文琪(1995-),女,江西南昌人,助理工程师,硕士,主要从事温室气体研究.发表论文1篇.

2022-07-07

国家自然科学基金资助项目(41730103),科技部国家重点研发计划(2017YFB0504000)

* 责任作者, 工程师, wiffiw@hotmail.com