基于卫星遥感和地面观测资料的霾过程分析
——以长江三角洲地区一次严重霾污染过程为例

刘 璇，朱 彬*，侯雪伟，陈烨鑫，李 锋，康汉青，高晋徽（1.南京信息工程大学，中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044；2.南京信息工程大学，气象灾害预报预警与评估协同创新中心，江苏 南京 210044；.常熟市气象局，江苏 常熟 225500）

基于卫星遥感和地面观测资料的霾过程分析
——以长江三角洲地区一次严重霾污染过程为例

刘 璇1，2，朱 彬1，2*，侯雪伟1，2，陈烨鑫3，李 锋1，2，康汉青1，2，高晋徽1，2（1.南京信息工程大学，中国气象局气溶胶与云降水重点开放实验室，江苏 南京 210044；2.南京信息工程大学，气象灾害预报预警与评估协同创新中心，江苏 南京 210044；3.常熟市气象局，江苏 常熟 225500）

利用MODIS、CALIPSO卫星观测的气溶胶产品和地面空气质量、气象资料，并结合HYSPLIT后向轨迹模式，探讨了2013年12月1～9日长江三角洲地区一次持续性的严重霾污染过程的形成、特征及其可能来源.研究表明，此次污染过程中长江三角洲地区8个代表城市大部分时间处于霾污染的状况下，气溶胶光学厚度（AOD）显著增长，空气质量指数（AQI）均达到或超过污染限值，且以中度以上污染为主.污染发生时，气溶胶主要存在于地面至2km的大气层内，尤其是850m以下.根据体积退偏比和色比得出球形气溶胶出现频率高于非球形气溶胶，大粒径气溶胶出现频率高于小粒径气溶胶，进而得到污染期间气溶胶的主要类型为“污染型”气溶胶.污染物的近距离的输送和持续小风，无降水的静稳气象条件而导致污染物难以扩散稀释而累积在本地是造成长江三角洲区域污染范围广、时间长、程度重的主要原因.

MODIS；CALIPSO；空气污染；气溶胶光学厚度；气溶胶类型

局地和区域大气污染会给环境和生态造成不易恢复的破坏.长江三角洲地区是我国经济、社会快速发展的显示性和标志性地区，也是我国人口密度高、能源消耗大、污染排放强、区域性复合型大气污染较为突出的地区之一［1-2］.

目前针对污染观测主要有地基和卫星两大类.美国国家航空航天局（NASA）和中国分别建立了地面太阳光度计观测网（AERONET）和地基气溶胶观测网（CARSNET），对气溶胶的变化特征进行长期观测［3］.虽然地基大气气溶胶观测精度高，但是站点分布稀疏，无法获取到全国的空间分布特征.而卫星遥感反演信息全面，覆盖范围广泛，能够弥补地面监测站空间分布的不足，在污染物的生成、区域输送监测、污染事件的确定、污染源解析及污染物区域分布等方面优势明显.目前国内外针对空气污染的卫星反演开展了较多研究，研究多是利用MODIS数据产品研究气溶胶光学特性，证实了用气溶胶光学厚度（AOD）监测大气污染具有可行性，并指出MODIS的AOD可以用于定量评估空气质量等级，对区域尺度空气质量监测有着重要意义［4-13］.但由于MODIS等星载对地观测仪器由于技术能力的限制，只能用来研究整层大气的气溶胶光学特性，无法得到气溶胶的垂直分布情况.携带激光雷达的云-气溶胶激光雷达与红外探测者（CALIPSO）极轨卫星不仅可以提供全球范围气溶胶随经纬度变化的二维平面分布信息，还能给出气溶胶在不同垂直高度上的分布情况［14-16］.部分学者将此卫星资料用于对霾的观测研究，如刘琼等［17］、徐婷婷等［18］、秦艳等［19］利用CALIPSO资料揭示了上海地区发生霾时气溶胶的垂直分布情况.

2013年12月初，中国东部地区一次严重的空气污染过程是中国2013年入冬后最大范围的霾污染，长江三角洲的污染尤为严重.本研究选取该地区8个代表城市（盐城、徐州、南京、合肥、南通、上海、嘉兴、杭州），利用MODIS、CALIPSO卫星资料，并结合小时空气质量指数（AQI）、地面观测PM2.5质量浓度、地面气象要素等资料以及Hybrid Single Particle Lagrangian Integrated Trajectory （HYSPLIT）模式［20］，综合分析了此次空气污染过程的形成、特征，并初步探讨污染物垂直分布特征和气溶胶主要类型，进而讨论此次过程的形成机理和污染物可能来源，为卫星数据在空气污染过程中的应用和对空气污染的预报和控制提供科学参考.

1 资料与方法

1.1 资料来源

风速、风向资料来自于MICAPS地面资料.相对湿度及能见度资料源自中国气象信息中心（http：//cdc.cma.gov.cn）［21］.Hysplit后向轨迹模式采用美国气象环境预报中心全球数据同化系统（NCEP GDAS）1°×1°气象场资料.气溶胶光学厚度（AOD）采用MODIS 3级气溶胶产品，分辨率为1°×1°.本研究还采用了CALIPSO卫星搭载的正交极化云-气溶胶激光雷达（CALIOP）一级产品中的532nm总消光后向散射系数、532nm垂直消光后向散射系数、1064nm消光后向散射系数，以及CALIOPL二级产品中的532nm消光系数，垂直分辨率30～60m，水平分辨率333m.

AQI是定量描述空气质量状况的无量纲指数，是参与空气质量评价的六项污染物［细颗粒物（PM2.5）、可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）、臭氧（O3）、一氧化碳（CO）］中空气质量分指数，即单项污染物的空气质量指数（IAQI）的最大值最大值决定.AQI数值越大、级别越高，说明空气污染状况越严重，对人体的健康危害也就越大［22］.本研究所采用的AQI和PM2.5质量浓度来源于国家空气质量自动监测站的空气质量自动监测结果（不包括地方空气质量监测站），时间分辨率为1h.

1.2 模式及研究方法

Hysplit模式是由美国国家海洋和大气局（NOAA）等开发的供质点轨迹、扩散及沉降分析用的综合模式系统［20］，是直观了解大气中示踪气块或粒子运动轨迹的工具，目前被广泛应用于环境大气污染输送研究中.

CALIPSO是美国宇航局 “地球系统科学探路者”（ESSP）计划中的一颗卫星CALIOP是该卫星上的主要设备，可以提供白天和夜间532nm和1064nm两个波长的消光后向散射强度的垂直分布.CALIOP望远镜接受的回波信号分为三通道，分别测量1064nm后向散射强度及另外532nm后向散射信号的正交极化部分，反演计算时，将两通道获取的后向散射强度叠加作为532nm激光总的后向散射强度［23］，利用各通道测得的消光后向散射系数可以分别计算532nm体积退偏比和色比.

体积退偏比是532nm垂直后向散射强度与532nm平行后向散射强度之比，它反映的是被测颗粒的不规则程度，值越大表明颗粒越不规则，因此通过退偏比方法能够区分球型气溶胶粒子和非球型气溶胶粒子.色比是1064nm后向散射强度与532nm总后向散射强度之比，色比值能够识别颗粒的大小，色比值越大，颗粒越大［24］.结合消光后向散射系数、退偏比和色比可以识别气溶胶的类型.

Liu等［25］给出了海洋型气溶胶、大陆型气溶胶、Dust型气溶胶和Smoke型气溶胶四种气溶胶的体积退偏比和色比的分布.他们定义了体积退偏比临界值为0.06来区分球形气溶胶和非球形气溶胶.因此本研究定义体积退偏比值在0～0.06区间内的气溶胶为球形气溶胶，体积退偏比值大于0.06的气溶胶为非球形气溶胶；色比值在0～0.5区间内的气溶胶为小粒径粒子，色比值大于0.5的气溶胶为大粒径粒子.本研究根据Liu等［25］利用体积退偏比和色比将气溶胶分类的方法对对污染期间的气溶胶进行分类.分类方法如下：如果体积退偏比值高，该层就为Dust型气溶胶主导；如果体积退偏比值低但色比值高，该层则为“污染型”气溶胶主导；如果体积退偏比值中等，色比值高，该层就为混合型气溶胶主导.

2 结果与讨论

2.1 污染过程描述

2013年12月1～9日，长江三角洲地区各城市的AQI及PM2.5的质量浓度均超过100的污染限值.AOD亦在该地区出现高值，平均值达0.873.本研究采用中国气象信息中心提供的能见度（VIS）和相对湿度（RH）资料，根据最新颁发的气象行业标准《霾的观测和预报等级》［26］挑选出2013年 12月1～9日期间7个代表城市的雾霾日（嘉兴缺少VIS和RH观测资料），观测资料为每天0：00、6：00、12：00及18：00的观测值，定义4个时刻中，若2个以上的时刻为霾则判断该天为霾天，若2个以上的时刻为雾，则判断该天为雾天，若2个时刻为霾2个时刻为雾，则判断该天为雾霾天.结果显示，2013年12月1～9日7个代表城市霾天时间达79.4%、雾天时间达4.8%、雾霾天时间达9.5%.因此，此次空气污染过程是以霾为主的污染过程.

表1 12月1～9日8个代表城市空气质量级别统计结果及首要污染物为PM2.5的比例Table 1 Statistical of air quality level at eight typical cities and the fraction of days in which the pollutants were dominated byPM2.5during 1th-9thDecember in 2013

根据《环境空气质量指数（AQI）技术规定（试行）》［22］规定：空气质量指数划分为0～50、51～100、 101～150、151～200、201～300和大于300六档，分别对应于空气质量的6个级别：优、良、轻度污染、中度污染、重度污染和严重污染.因此本研究根据12月1～9日AQI日平均值对污染期间的空气质量级别做统计分析，如表1所示，8个代表城市在整个污染期间AQI指数均超过100的污染限值，并且中度以上的污染天数都达到了8d以上，大部分时间都处在重度污染和严重污染的状态.南京、合肥的污染最为严重，污染期间有5d都达到了严重污染.表1还对污染期间首要污染物为PM2.5的时刻做了统计，发现污染期间各代表城市首要污染物为PM2.5的比例均在90%以上，南京、南通、上海甚至高达98%以上，说明此次污染事件主要是以PM2.5为主要污染物的一次污染过程.

2.2 污染期间AQI、PM2.5质量浓度及AOD的演变特征

图1 8个代表城市2013年11月28日～12月11日逐小时AQI、PM2.5质量浓度及AOD逐日变化Fig.1 Hourly variation of AQI and PM2.5mass concentration， and diurnal variation of AOD values in eight typical cities during November-11thDecember in 2013

图1为2013年11月28日～12月11日AQI， PM2.5质量浓度及AOD时间序列，其中各城市AOD资料提取自MOSDIS AOD产品.图中可以看出，从12月1日开始，代表城市的AQI值及PM2.5质量浓度均呈现快速上升的趋势，盐城首先在12月1日00：00 PM2.5质量浓度达污染过程的第一个峰值，随后徐州、南京、合肥、南通、上海、嘉兴的PM2.5质量浓度依次到达整个污染过程的第一个峰值.2日20：00，盐城PM2.5质量浓度达到污染期间的最高值706.6μg/m3，徐州、南京、合肥、南通和上海也分别在3日、4日、5日、6日（南通和合肥都在6日）分别达到了PM2.5质量浓度的最高值，峰值平均值高达509.2μg/m3.污染期间各代表城市的AQI值均超过污染限值，污染状况一直延续到9日，9日中午开始各代表城市的AQI值及PM2.5质量浓度陆续下降到污染限值以下，污染结束.此外，图中AOD和PM2.5质量浓度以及AQI变化趋势相似，计算得出AOD与PM2.5质量浓度和AQI的相关系数分别为0.732、0.718，说明AOD亦能较好的反映出此次污染过程.需要说明的是本文的PM2.5数据是地面观测数据，而AOD为介质的消光系数在垂直方向上的积分，是描述整个柱气溶胶对光的衰减作用的；此外由于气溶胶吸湿增长作用，也会使气溶胶的消光作用增强［27-28］，所以有时AOD值高，PM2.5的值并不是很高.城市污染由北往南依次达到峰值的现象表明，此次严重霾污染过程可能由自北向南输送的污染物，与局地污染物混合，在长江三角洲地区积累而造成.值得注意的是嘉兴先于南通、上海在5日达到最大值.杭州也不同于其他城市，污染期间PM2.5质量浓度一直呈上升趋势，在8日19：00达到最大值476.0μg/m3，所以嘉兴和杭州在污染期间很可能是受本地污染排放的影响更多.

图2 2013年12月（a）、11月28～30日（b）、12月1～9日（c）、10～11日（d）AOD平均值Fig.2 Average AOD values during December（a）， 28th-30thNovember（b）， 1th-9thDecember（c） and 10th-11thDecember（d）in 2013

以往研究中，长江三角洲区域冬季AOD均值基本在0.5～0.6之间［29］.本研究2013年12月份的AOD平均值为0.686，超出该地区冬季以往的平均水平，如图2所示，江苏东部、上海南部以及嘉兴在12月污染较为严重.从11月28～30日AOD平均来看，长江三角洲地区的AOD均值为0.325，处于较清洁时期，而污染期间12月1～9日该地区的AOD均值高达0.873，部分地区超过了1.5，南京、盐城、上海、嘉兴的污染尤为严重，污染范围覆盖整个江苏、上海、安徽东部及浙江北部地区，范围广，污染重.此外，合肥北部东西走向的AOD高值带可能是由来自西北方向的污染物输送而造成.12月10～11日，该地区的AOD均值下降至0.315，低于12月平均水平，污染结束，与地面观测结果一致.

2.3 气溶胶垂直分布特征

图3 532nm总消光后向散射强度垂直剖面图和532nm平均消光系数廓线Fig.3 The altitude-orbit cross-section of 532nm total attenuated backscattering intensity and the average vertical profiles of 532nm extinction coefficient

气溶胶的垂直分布特征是评估气溶胶辐射效应的关键要素之一［30］.气溶胶颗粒物对太阳辐射的消光（一般由颗粒物散射为主导）被认为是限制对流层能见度的主要因素［31］，分析气溶胶粒子大小和形状对气溶胶光学特性的研究具有重要意义［32］.因此本研究应用CALIPSO的反演资料，针对此次长江三角洲空气污染情况下气溶胶的散射强度、粒径大小和规则性的垂直分布特征进行分析，并确定污染期间气溶胶的主要类型.排除不过境、有云遮盖、缺测等不合理的数据，由于白天太阳辐射强烈，信噪比较高，观测结果会受到一定的影响，因此本研究选取污染期间过境长江三角洲地区或其附近区域夜晚的资料，最终选定12月1日，3日和8日的3个有效数据.图3（a）给出了轨迹经过长江三角洲区域（30°N～35°N）时532nm总消光后向散射强度垂直剖面图，一般后向散射强度值在8×10-4～4.5×10-3km-1·sr-1为气溶胶颗粒（色标为绿色到红色的部分，大部分为黄色），小于8×10-4km-1· sr-1为空气分子（色标为蓝色），大于4.5× 10-3km-1sr-1的值为云（色标为粉色到白色部分，大部分为灰白色）.排除缺测、非气溶胶特征值、云以及消光系数无限增长的值，对纬度范围在30°N～35°N内沿CALIPSO轨道测量的2级数据产品—532nm气溶胶消光系数进行平均，得到图3（b）所示的平均气溶胶消光系数廓线.可以看到，总消光后向散射强度和平均消光系数的高值对应的高度基本是在近地面层2km以下，说明污染期间存在很明显的气溶胶层，且基本集中在地面至2km的大气层内.计算出所选3天的最大消光系数和其对应的高度（表2），得出污染期间1日、3日和8日最大气溶胶消光系数的高度分别为217，158和158m，表明污染物浓度最大值集中在地面至300m的大气层内.由图3（a）显示出污染物基本是集中在地面以上2km的垂直大气层中，所以2km以下平均消光系数和它对应的高度对近地面主要污染物整体浓度和平均高度具有重要的指示意义.由表2，污染期间2km以下的平均消光系数值在0.26～0.49km-1之间变化，并且平均高度在517m和816m之间变化.由此可见，气溶胶主要是集中在地面至850m的垂直大气层中.

表2 最大及平均消光系数及其对应高度Table 2 The maximum and mean extinction coefficient and the corresponding altitude

表3 污染期间0～2km高度内532nm总后向散射系数频率分布Table 3 The frequency distribution of 532nm total attenuated backscatter coefficient at 0～2km heights during pollution period

图4 污染期间0～2km高度内体积退偏比和色比频数分布Fig.4 The frequency distribution of volume depolarization ratio and color ratio for 0～2km heights during pollution period

由上述分析可知污染期间气溶胶基本存在于地面至2km的大气层内，因此本研究通过对污染期间CALIPSO卫星获取的2km以下的532nm总消光后向散射系数、体积退偏比和色比资料进行统计分析.如表3所示，532nm总消光后向散射系数出现的频率随着其值的增大而降低，在0～ 8×10-4、8×10-4～4.5×10-3和4.5×10-3～1×10-2km-1× sr-1区间内总消光后向散射系数出现频率分别为28.0%、50.5%和21.5%，而由气溶胶产生的总消光后向散射系数一般在8×10-4～4.5×10-3km-1×sr-1区间内，可见，在0～2km高度范围的大气中气溶胶出现频率最高，表明近地面聚集了大量的气溶胶粒子.体积退偏比出现的频数也随着其值的增大而降低［图4（a）］，体积退偏比在0.06以下的比例为62.1%，说明污染发生时，球形气溶胶与非球形气溶胶共同存在，且球形气溶胶出现的频率高于非球形气溶胶.色比分布如图4（b）所示，色比频数随着色比值的增大而先增大后减小，在0.3～0.4区间出现频数最大值，统计色比值在0.5以下时所占比例为36.5%，色比值大于0.5时所占比例为63.5%.说明污染发生时，大粒径气溶胶出现频率高于小粒径气溶胶，这可能是受到本地建筑活动、扬尘的影响，使大颗粒气溶胶在近地面大气中所占比重增加.结合体积退偏比和色比，发现污染发生时，是低体积退偏比-高色比的情况，利用上文提出的气溶胶分类方法可将此次污染过程中的气溶胶类型划分为“污染型”气溶胶.

2.4 气象条件及后向轨迹分析

大气污染与气象条件关系密切，风、天气形势、降水等因素都影响和制约着大气污染物浓度及其时空分布情况.污染期间气团主要来向可在一定程度上代表污染物的可能来源.本研究综合天气形势、风速、风向、降水和后向轨迹分析此次长江三角洲区域严重霾空气污染过程的形成机理和可能来源.

2.4.1 天气形势分析 为了说明此次污染的形成过程，本研究利用MICAPS地面气压场和风场数据分析此次污染过程的天气形势.12月1日起，地面高压中心位于贝加尔湖以西，冷空气活动较弱，长江三角洲区域位于内蒙南伸的弱高压前部，如图5（a），受西北风的影响，将北方的污染物缓缓带入本地，从而导致空气质量开始恶化.整个污染期间长江三角洲区域主要是受弱高压和均压场［图5（b）］的控制，受高压下沉气流的影响易于形成逆温，气压梯度力小则风速小，污染期间徐州、合肥、南京、南通、上海、杭州6个代表城市（盐城、嘉兴缺少风场资料）的平均风速分别为1.36、1.65、2.11、1.78、1.71、1.79m/s.除了9日有相对较大的风速以外，其余天都处于微风及小风等级状态，对污染物的扩散不利，从而使污染物累积.此外长时间比较稳定的天气形势，造成的空气污染持续时间也较长.至9日［图5（c）］，冷空气南下，北风加大，各代表城市的风速都达到4m/s以上，相对较大的风速有利于污染物的扩散，且9日部分代表城市出现降水，也使得污染物浓度有所降低，空气质量开始好转，污染结束.

图5 12月1日2：00（a）、12月2日2：00（b）、12月9日8：00（c）地面气压场、风场分布Fig.5 Distribution of surface pressure field and wind field on Dec.12：00（a），Dec.2 2：00（b）， Dec.9 8：00（c）

2.4.2 后向轨迹分析 利用HYSPLIT-4.9模式模拟2013年12月1日～12月9日长江三角洲区域8个代表城市后向72h气团轨迹及其分型，起始高度为100m（AGL）.由于各代表城市轨迹类似，因此选取徐州、南京两个代表城市的分型气团轨迹与INTEX-B 2006东亚PM2.5排放源［33］叠加［图6（a）图，6（b）］，同时分别选取污染前期1条，污染中期2条及污染后期1条72h后向轨迹绘于图6（c）.图中可以看出，两个代表城市都有四类分型，对分型结果的统计表明12月1日00：00～2日08：00徐州、南京都受到来自河南的气团影响（图6（a），图6（b）分型1），轨迹高度分别在500m和100m左右，所占比例在25%～30%之间，轨迹经过区域都有PM2.5排放源存在，从地面气压场和风场［图5（a）］及污染初期后向轨迹［图6（c），轨迹1］来看，污染初期长江三角洲区域位于弱高压前部，受西北气流的影响，部分污染物被输送至本地；12月3日～12月8日，两城都受到局地气团影响（图6（a），图6（b）分型2），所占比例在50%～60%之间，为污染期间主要的气团轨迹，此类气团高度低、输送距离短，各代表城市的PM2.5质量浓度都达到了污染期间的最高值，该结果与前文一致，地面气压场［图5（b）］和轨迹图［图6（c），轨迹2，3］也可以证明，污染期间长江三角洲区域主要是受弱高压和均压场的控制，此时段该区域主要受局地污染的影响，污染物难以扩散，累积在本地；徐州12月 6日受到来自蒙古方向的远距离气团的影响［图6（a），分型3］，所占比例为19%，该气团轨迹高度较高，相对较为清洁，图2中PM2.5时间序列中较低的质量浓度就出现在该时段.此外，12月6日18：00～12月7日08：00南京受来自河北、辽宁方向气团的影响［图6（b），分型3］，轨迹高度较低，但经过大片海域，因此PM2.5质量浓度降低.污染期间南京、合肥的轨迹高度较低，因此外地输送加本地排导致的污染最为严重，这与表2统计结果一致；分型4［图6（a），图6（b）］气团均来自蒙古方向，高度较高，均在2000m左右，12月9日徐州、南京基本受此类气团影响［图6（c），轨迹4］，污染物浓度降低，地面气压场［图5（c）］显示9日长江三角洲区域处于冷高压前部，等压线较为密集，有利于污染物的扩散，该结果与2.2节结论相符.因此，污染初期大部分代表城市主要受到西北近距离气流的影响，将部分污染物输送到长江三角洲区域，使得各代表城市的PM2.5质量浓度开始升高，随后由于静稳的气象条件等因素受局地气团的影响，污染物累积在本地无法扩散出去，与本地排放的污染物叠加使污染物浓度加重，从而导致了此次长时间、重污染的空气污染事件的发生.

图6 徐州、南京12月1～9日72h后向轨迹分型及两城12月1日8：00（1）、3日21：00（2）、7日16：00（3）和9日22：00 72h（4）后向轨迹Fig.6 Cluster analysis of 72-hour back trajectories of Xuzhou and Nanjinge during 1th-9thDecember and 72-hour back trajectories at 08：00（1）， on 1thDecember， 21：00（2）， on 3thDecember， 16：00（3）， on 7thDecember and 22：00（4）， on 9thDecember

3 结论

3.1 污染过程中，长江三角洲区域代表城市的AQI、PM2.5质量浓度及AOD明显偏高.污染期间主要污染物为PM2.5，小时PM2.5质量浓度高达700μg/m3以上.AQI在1～9日均超过100的污染限值，且以中度以上污染为主.AOD均值超过该区域平均水平，部分地区超过1.5.此次污染范围广、污染重、持续时间长，是一次以霾为主的严重空气污染过程. 3.2 污染过程中，气溶胶的垂直分布特征显示气溶胶主要存在于地面至2km的大气层内，尤其是850m以下的大气层.污染期间，在0～2km高度范围的大气中气溶胶出现频率最高，表明近地面聚集了大量的气溶胶粒子.且污染发生时，非球形和球形气溶胶并存，球形气溶胶出现频率高于非球形气溶胶，大粒径气溶胶出现频率高于小粒径气溶胶，结合体积退偏比和色比进而得到了污染发生时气溶胶的主要类型为“污染型”气溶胶. 3.3 天气形势、后向轨迹分析表明，污染初期，长江三角洲区域处于内蒙南伸的弱高压区内，部分城市受来自西北方向近距离气流的影响，将污染物带入本地.污染中期，长江三角洲区域主要是受弱高压和均压场控制，以局地气团为主，风速小，污染物难以扩散.各代表城市也在此阶段达到污染物浓度的最高值.因此污染物的近距离的输送和持续小风，无降水的静稳气象条件而导致污染物难以扩散稀释而累积在本地是造成长江三角洲区域污染范围广、时间长、程度重的主要原因.

［1］李 莉，陈长虹，黄 成，等.长江三角洲地区大气O3和PM10的区域污染特征模拟 ［J］. 环境科学， 2008，29（1）：237-245.

［2］王 艳，柴发合，刘厚凤，等.长江三角洲地区大气污染物水平输送场特征分析 ［J］. 环境科学研究， 2008，21（1）：22-29.

［3］Xie Y， Zhang Y， Xiong X， et al. Validation of MODIS aerosol optical depth product over China using CARSNET measurements［J］. Atmospheric Environment， 2011，45（33）：5970-5978.

［4］Kaufman Y J， Wald A E， Remer L A， et al. The MODIS 2.1-μm channel-correlation with visible reflectance for use in remote sensing of aerosol ［J］. Geoscience and Remote Sensing， IEEE Transactions on， 1997，35（5）：1286-1298.

［5］Chu D A， Kaufman Y J， Zibordi G， et al. Global monitoring of air pollution over land from the Earth Observing System-Terra Moderate Resolution Imaging Spectroradiometer （MODIS） ［J］. Journal of Geophysical Research： Atmospheres （1984-2012），2003，108（D21）：4661.

［6］Kim S W， Yoon S C， Kim J， et al. Seasonal and monthly variations of columnar aerosol optical properties over East Asia determined from multi-year MODIS， LIDAR， and AERONET Sun/sky radiometer measurements ［J］. Atmospheric Environment， 2007，41（8）：1634-1651.

［7］毛节泰，李成才，张军华，等.MODIS卫星遥感北京地区气溶胶光学厚度及与地面光度计遥感的对比 ［J］. 应用气象学报， 2002，13（l）：127-135.

［8］李成才，毛节泰，刘启汉.利用MODIS遥感大气气溶胶及气溶胶产品的应用 ［J］. 北京大学学报（自然科学版）， 2003，39（21）：105-117.

［9］李成才，毛节泰，刘启汉，等.利用MODIS研究中国东部地区气溶胶光学厚度的分布和季节变化特征 ［J］. 科学通报， 2003，48（19）：2094-2100.

［10］夏祥鳌.全球陆地上空MODIS气溶胶光学厚度显著偏高 ［J］.科学通报， 2006，51（19）：2297-2303.

［11］王莉莉，辛金元，王跃思，等.CSHNET观测网评估MODIS气溶胶产品在中国区域的适用性 ［J］. 科学通报， 2007，52（4）：477-486.

［12］陈烨鑫，朱 彬，尹 聪，等.基于卫星遥感和地面观测资料分析苏皖两省一次空气污染过程 ［J］. 中国环境科学，2014，34（4）：827-836.

［13］王 钊，彭 艳，张树誉.MODIS资料反演AOD及其在区域大气污染监测中的应用 ［J］. 高原气象， 2008，27（4）：911-917.

［14］Thomason L W， Pitts M C， Winker D M. CALIPSO observations of stratospheric aerosols： a preliminary assessment ［J］. Atmospheric Chemistry and Physics， 2007，7（20）：5283-5290.

［15］Liu Z， Liu D， Huang J， et al. Airborne dust distributions over the Tibetan Plateau and surrounding areas derived from the first year of CALIPSO lidar observations ［J］. Atmospheric Chemistry and Physics， 2008，8（16）：5045-5060.

［16］Huang J， Minnis P， Yi Y， et al. Summer dust aerosols detected from CALIPSO over the Tibetan Plateau ［J］. Geophysical Research Letters， 2007，34（18）：L18805.

［17］刘 琼，耿福海，陈勇航，等.上海不同强度干霾期间气溶胶垂直分布特征 ［J］. 中国环境科学， 2012，32（2）：207-213.

［18］徐婷婷，秦 艳，耿福海，等.环上海地区干霾气溶胶垂直分布的季节变化特征 ［J］. 环境科学， 2012，33（7）：2165-2171.

［19］秦 艳，章 阮，籍裴希，等.华北地区霾期间对流层中低层气溶胶垂直分布 ［J］. 环境科学学报， 2013，33（6）：1665-1671.

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

［21］中国气象科学数据共享网［EB/OL］. http：//cdc.cma.gov. cn/home.do.

［22］HG 633-2012 环境空气质量指数（AQI）技术规定（试行） ［S］.

［23］Vaughan M A， Young S A， Winker D M， et al. Fully automated analysis of space-based lidar data： An overview of the CALIPSO retrieval algorithms and data products［C］//Remote Sensing. International Society for Optics and Photonics， 2004：16-30.

［24］Winker D， Vaughan M， Hunt B. The CALIPSO mission and initial results from CALIOP［C］//Asia-Pacific Remote Sensing Symposium. International Society for Optics and Photonics， 2006： 640902-640902-8.

［25］Liu Z， Liu D， Huang J， et al. Airborne dust distributions over the Tibetan Plateau and surrounding areas derived from the first year of CALIPSO lidar observations ［J］. Atmospheric Chemistry and Physics， 2008，8（16）：5045-5060.

［26］QX/T113-2010 霾的观测与预报等级 ［S］.

［27］Liu H J， Zhao C S， Nekat B， et al. Aerosol hygroscopicity derived from size-segregated chemical composition and its parameterization in the North China Plain ［J］. Atmospheric Chemistry and Physics， 2014，14（5）：2525-2539.

［28］Liu P F， Zhao C S， Göbel T， et al. Hygroscopic properties of aerosol particles at high relative humidity and their diurnal variations in the North China Plain ［J］. Atmospheric Chemistry and Physics， 2011，11（7）：3479-3494.

［29］关佳欣，李成才.我国中、东部主要地区气溶胶光学厚度的分布和变化 ［J］. 北京大学学报（自然科学版）， 2010，46（2）：185-191.

［30］Claquin T， Schulz M， Balkanski Y， et al. Uncertainties in assessing radiative forcing by mineral dust ［J］. Tellus B， 1998， 50（5）：491-505.

［31］程雅芳，张远航，胡 敏.珠江三角洲大气气溶胶辐射特性：基于观测的模型方法及应用 ［M］. 北京：科学出版社， 2008.2-16.

［32］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.

［33］Zhang Q， Streets D G， Carmichael G R， et al. Asian emissions in 2006 for the NASA INTEX-B mission ［J］. Atmospheric Chemistry and Physics， 2009，9（14）：5131-5153.

Analysis of haze events based on satellite remote sensing and field observations: a case study of severe haze pollution over the Yangtze River Delta.

LIU Xuan1，2， ZHU Bin1，2*， HOU Xue-wei1，2， CHEN Ye-xin3， LI Feng1，2， KANG Han-qing1，2， GAO Jin-hui1，2（1.Key Laboratory for Aerosol-Cloud- Precipitation of China Meteorological Administration，Nanjing University of Information Science and Technology， Nanjing 210044， China；2.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Nanjing University of Information Science and Technology， Nanjing 210044， China；3.Changshu Meteorological Bureau， Changshu 225500， China）. China Environmental Science，2015，35（3）：641～651

A continuous air pollution event occurred in the Yangtze River Delta during from December 1 to 9， 2013. The formation， characteristics and potential sources of this air pollution event were explored by using the aerosol products of MODIS and CALIPSO satellite， ground air quality， meteorological data and HYSPLIT backward trajectory model. The results showed that， the 8 typical cities of the Yangtze River Delta were dominated by the haze pollution during this event. Aerosol optical depth （AOD） increased significantly， air quality index （AQI） reached or was higher than the limit value of pollution， and it is mainly higher than the level of moderate pollution. During the event， the aerosol mainly exist in the level from the ground to 2km above， especially under 850m. Based on volume depolarization ratio and color ratio， the higher frequency of spherical aerosol than that of non-spherical aerosol and the higher frequency of large size aerosol particle than that of small aerosol particle indicated that the main aerosol type was "pollution" aerosol during the pollution event. Short distance transport of pollutants and static weather conditions with continuous low wind speed and no precipitation which made the pollutants difficult to disperse， led to the widespread， long-time and severe pollution event in the Yangtze River delta.

MODIS；CALIPSO；air pollution；aerosol optical depth；aerosol type

X513

A

1000-6923（2015）03-0641-11

刘 璇（1989-），女，新疆昌吉人，南京信息工程大学硕士研究生，主要从事大气化学大气环境方向研究.

2014-07-07

国家自然科学基金项目（41275143）；江苏省高校自然科学研究重大基础研究项目（12KJA170003）；江苏省“333”高层次人才培养工程项目；江苏省“六大人才高峰”计划项目

* 责任作者， 教授， binzhu@nuist.edu.cn