基于卫星遥感及SPAMS的石家庄市2017年秋冬季首次污染过程研究

娄拴柱 刘乙淼 任春雷 王玮

摘 要：2017年10月26日—28日，石家庄市出现了2017年冬防期以来的第一次重污染天气。为了进一步弄清此次污染过程的主要污染来源，以石家庄市空气质量自动监测站实况数据资料为基础，从气象条件影响、组分特征、时空变化、区域污染分布演变等方面进行了详细剖析。结果表明，在此次污染过程期间，地面持续处于低压幅合，相对湿度达80%以上，地面为偏南风，区域传输明显，致使26日开始污染物迅速累积。期间PM2.5和PM10在每日晚高峰时段出现明显上升，可能与本地机动车尾气排放与人们下班后活动增加有关；同时，根据对污染过程期间主要污染物PM2.5的组分分析，得出PM2.5的主要组分来源为机动车尾气，贡献率达到了35.3%，说明了机动车尾气排放为本地主要污染排放源。综合以上结果可知，石家庄市自然区位和气象条件先天不利，大气环境容量脆弱，

只有采取力度更大的管控和减排措施，尽最大努力降低本地基准污染量和浓度，才能达到污染削峰的目的。

关键词：卫星遥感；单颗粒气溶胶质谱仪（SPAMS）；重污染天气；石家庄市；组分分析；污染过程

中图分类号：X31 文献标志码：A

文章编号：1008-1534（2018）05-0354-09

近年来，随着城市工业化进程的加快以及社会经济的飞速发展，城市大气污染问题日益严重。近5年来，石家庄市本着“统筹兼顾、标本兼治、综合治理、注重实效”的原则，以壮士断腕的魄力采取了一系列举措治理大气污染，空气质量得以明显改善。尤其是2017—2018年秋冬季以来，石家庄市根据《关于印发〈京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案〉的通知》（环大气[2017]110号）[1]出台了《石家庄市2017—2018年秋冬季大气污染综合治理攻坚行动方案》（石政函[2017]113号），针对秋冬季污染特征，制定了40条强有力的治污措施，坚决打好“蓝天保卫战”。根据环保部通报2017年10—12月京津冀大气污染传输通道城市空气质量状况[2]显示，石家庄市2017年10—12月PM2.5平均质量浓度为85 μg/m3，同比下降54.8%，在“2+26”城市中排名第1位。

任毅斌等[3]、康苏花等[4]分别对石家庄市采暖期及冬季颗粒物进行了组分特征分析，孙峰等[5]、徐曼等[6]分别针对北京、石家庄出现的重污染过程进行了原因分析。各种研究多以浓度分布特征、污染过程与传输、污染来源及其影响因子等方面为主[7-12]。

秋冬季作为非采暖期向采暖期过渡的典型时期，具有明显污染特征，因此研究其污染源排放状况、气象条件及区域传输等污染因素影响更有利于深化对石家庄市大气污染特征的认识。笔者通过对2017年冬防期石家庄市首次典型大气污染过程分析，从气象条件影响、组分特征、时空变化、区域污染分布演变等特征进行剖析，分析该案例的形成原因及主要影响因素，旨在为政府决策提供理论依据和数据支持，同时也可以为其他城市进行有效的防治措施研究提供示范[13]。

1 资料来源

石家庄市是中国首批按照新《环境空气质量标准》（GB 3095—2012）[14]监测并发布环境空气质量的74个重点城市之一。国控、省控环境空气监测点位均对PM10，PM2.5，SO2，NO2，CO和臭氧等污染物浓度采用自动监测方式，并实时对外发布监测数据。本研究中，地面大气污染物浓度资料来源于2017年10月26日—28日石家庄市空气质量自动监测站的实况资料，所使用的气象资料包括石家庄市国家基本气象站气象五参数数据、中央气象台实况天气形势及欧洲中心提供的气候预测资料。

2 结果分析

2.1 石家庄市大气质量整体变化规律

污染过程中（26日—28日）石家庄市共出现四级中度污染1天、五级重度污染2天，同比2016年同期三级减少2天，四级增加1天，五级增加1天。污染过程期间（26日—28日）PM10质量浓度为271 μg/m3，PM2.5质量浓度为171 μg/m3，SO2质量浓度为11 μg/m3，NO2质量浓度为57 μg/m3，CO（95%）质量浓度为2.3 mg/m3，O38 h（90%）质量浓度为58 μg/m3；综合指数为11.30。同比2016年，PM10上升18.9%，PM2.5上升42.5%，SO2下降86.1%，NO2下降19.7%，CO下降11.5%，O38 h下降6.5%；综合指数上升4.3%。对比上述数据发现，作为2017年冬防期石家庄市首次典型大气污染过程，虽然本次污染高于历史同期，但除颗粒物（含PM10和PM2.5）外，其余污染物均有不同程度下降，说明在污染过程中石家庄市对工业污染源及机动车尾气的监管成效初显。

对比污染过程中石家庄市与“2+26”城市的小时AQI变化情况发现（如图1所示），石家庄市在“2+26”城市中处于区域污染的高值区域，说明本地排放量仍然较高。

2.2 气象过程分析

本次污染过程始于24日，至28日上午结束。污染过程基本可分为污染逐步加重（24日—26日中午）、中重度污染持续（26日下午到28日凌晨）和污染消散（28日上午）3个阶段。

1）污染逐步加重阶段 24日上午，石家庄市的平均风速为1.4 m/s，主导风向为西北风，平均相对湿度为80%且呈现逐步下降趋势，气象条件对污染物稀释扩散无明显不利影响，空气质量为良；但24日午后转偏南风2—3级，受偏南风辐合输送影响，污染物浓度有所上升；24日夜间到25日上午，石家庄市天气多云转阴有小雨或零星小雨，有轻雾，0：00—8：00平均风速为0.9 m/s，平均相对湿度为86%；风速小，湿度大，气象条件不利于污染物稀释和扩散，空气质量轻度污染。25日，石家庄市高空为弱西北气流，地面早上为高压控制，下午由高压控制转为低压扩散，T639-850 hPa风场显示25日下午至夜晚为东南风4～6 m/s，25日整体天气状况由较好逐渐转为较差，污染物于25日夜间开始累积。26日，石家庄市高空为弱西北偏西气流（见图2 a）），地面为低压扩散转低压控制的形势，地面温度与850 hPa高空温度同为11 ℃，高空与地面出现等温，并且26日白天地面与近地面高空天气条件稳定，边界层并未打开，持续维持在300 m左右水平，污染物垂直扩散条件较差，不利于污染物浓度的稀释扩散，致使26日空气质量持续转差；同时周边风场显示，石家庄市处于大气涡流中心地带，導致来自周边地区的污染物输送至石家庄市，而后受太行山阻挡在石家庄市不断聚集积累，形成污染物只进不出、反复叠加的典型风场辐合效应，造成石家庄市及区域周边相继出现重度污染。17：00石家庄市达到过程峰值，其中AQI值达到336，PM2.5质量浓度达到315 μg/m3。

2）中重度污染持续阶段 27日—28日凌晨，石家庄持续重度污染。27日，石家庄市地区地面仍为弱气压场控制，地面湿度仍维持在90%左右，高空为弱的偏西气流并有4 ℃升温，垂直方向与水平方向的污染物扩散条件均持续不利，叠加26日全天污染物的汇聚累积，27日石家庄市空气污染较26日又有所加重，空气质量指数达到了282，PM2.5的全天质量浓度为232 μg/m3，达到了五级重度污染的水平。

3）污染消散阶段 28日，石家庄市上午地面为低压控制转高压前部，高空为槽前偏西气流，下午18：00开始地面转为高压扩散，高空为冷锋槽过境（见图2 b）），并且有8 ℃左右的降温，到晚上19：00空气质量开始得到明显改善，石家庄AQI值为65，空气质量转为良。

从气象历史观测数据和重污染天气统计来看，类似本次过程的风场辐合气象条件在秋冬季常出现在石家庄市。在这种气象条件下，石家庄市的空气质量状况会呈现如下特点：1）污染加重迅速，明显快于周边城市；2）污染程度较重，可能显著高于周边城市；3）污染持续时间较长，空气质量改善时间往往会延后于周边城市。也就是说，与周边城市相比，石家庄市秋冬季气象条件先天不利。

3 污染特征分析

3.1 PM2.5等主要污染因子时间变化特征

如图3所示，污染过程期间主要污染因子各时段污染均值基本一致，但PM10和PM2.5质量浓度在晚高峰及人们活动增加且扩散条件转差时段（16：00—22：00）污染差值最大，分别为52，43 μg/m3，原因是晚高峰期间与夜间施工时段，机动车与大型运输车辆的增加，加重了机动车尾气的排放，而且此时段的环境条件不利于污染物扩散，致使污染物浓度上升，初步说明机动车尾气对本次污染过程影响较大。

本次污染过程影响明显；另一方面10月26日石家庄市在地面低压气旋的控制下，地面湿度增大，污染物开始汇聚，自中午11：00开始PM2.5小时浓度出现明显上升，并于17：00达到峰值，此后大气环境维持稳定，高空没有明显冷空气过境，因此PM2.5浓度没有明显改善。27日地面温度为10 ℃，高空850 hPa高度温度为13 ℃，地面与850 hPa高空存在明显逆温，因此垂直扩散较差，加之地面仍为弱气压场控制，致使27日全天污染物扩散条件较为不利，空气质量继续转差；28日随着西伯利亚高压南移，石家庄北部冷空气持续下压，并于17：00开始地面转为高压扩散的形势，高空为冷锋槽过境，天气条件利于污染物的扩散，PM2.5质量浓度迅速下降，并于19：00下降到50 μg/m3以下，空气质量明显转好。

3.2 PM2.5空间变化特征

本次重污染过程石家庄市7个国控点按照PM2.5浓度由高到低排序：人民会堂>高新区>职工医院>22中南校区>西北水源>西南高教>世纪公园。由此可见，本次重污染过程中，高新区、人民会堂、职工医院和22中4个点位相对污染更重，这些点位主要呈现点位周边车流量大、周边局地存在大型点源等特点。

如图5 a）所示，本次污染过程中PM2.5污染较重区域主要集中于城市中东部，呈现出市区高于周边县（市）区，中东部平原县（市）区明显高于西部山区县（市）区的污染特点。如图5 b）所示，本次污染过程中河北中南部城市（如邢台、邯郸、石家庄）PM2.5整体污染较重，说明本次污染过程呈现区域污染特征，并且因污染过程中区域主导风向为东南风，则存在东南方城市向石家庄市传输污染的可能。

3.3 卫星遥感反衍污染热点

研究表明[16-20]，卫星遥感获取的AOD（气溶胶光学厚度）与PM2.5浓度之间存在很大的相关性，并可经过订正获取区域PM2.5的空间分布。常规的垂直订正与湿度订正的方法需要获取较为精确的边界层高度数据与相对湿度数据，统计模型可以根据监测样本训练得到AOD-PM2.5的关系，但是在区域尺度上AOD-PM2.5之间的关系存在较大的时间和空间变化特性。考虑到AOD-PM2.5关系的时空特性，提出基于气溶胶光学厚度的PM2.5时空回归模型。首先，利用混合效应模型对AOD-PM2.5关系建模，通过随机效应解决时间差异；其次，考虑到AOD-PM2.5关系的空间差异性，利用地理加权回归模型对残差与AOD的关系进行建模；最后，将2个模型结合起来组成时空回归模型。使用时空回归模型，利用AOD进行区域尺度的PM2.5估算研究。如图6所示，以1 km×1 km网格为统计维度，以颗粒物阈值设定的方式，对超过一定颗粒物浓度阈值的网格区域设定为“热点”，发现污染过程期间石家庄市污染热点主要集中于市区东南部栾城区、高邑县、赵县等地区。对比图5发现，污染热点网格集中于城市污染较重区域东南部，这主要是由于污染过程期间石家庄市主导风向为东南风，东南风风频占19.0%，另一方面根据周边风场显示，市区处于大气涡流中心地带，导致来自周边地区的污染物传输至石家庄市后不断聚集积累，形成污染物只进不出、反复叠加的典型风场辐合效应，造成石家庄市区的污染物浓度高于周边区域。

3.4 组分分析

基于监测结果，参照《大气颗粒物来源解析技术指南》，结合当地的能源结构，按照环境管理需求对细颗粒物排放源进行分类，将石家庄市细颗粒物污染来源归结为七大类，分别为扬尘、生物质燃烧、机动车尾气、燃煤、工业工艺源、二次无机源和其他。其中扬尘源包含建筑扬尘、道路扬尘、地表土壤尘等；生物质燃烧源主要是秸秆、野草等的焚烧及生物燃料的燃烧产生的颗粒物；机动车尾气源包含柴油车、汽油车等交通工具排放的颗粒物；燃煤源包含燃煤电厂、锅炉等排放的颗粒物；工业工艺源包含化工、金属冶炼等工艺过程排放的颗粒物；二次无机源是指质谱图中只含有硫酸盐、硝酸盐、铵盐等二次离子成分的颗粒物，这类型颗粒可以在一定程度上反映大气二次反应的强度；未包含在上述源类以及未被识别的颗粒物归于其他源。PM2.5污染来源解析结果如图7 a）所示，从图中可以看出10月24日—28日细颗粒物首要污染来源为机动车尾气，贡献率为35.30%；第二大污染源为工业工艺，贡献率为23.00%；第三大污染源为燃煤，贡献率为19.60%，说明本次污染过程中点位周边机动车尾气对空气质量影响较大。图7 b）為SPAMS监测期间所测得的颗粒物成分饼图，从图中可以看出，10月24—28日细颗粒物的主要成分为元素碳，占比达52.94%；其次为有机碳，占比20.59%。矿尘颗粒位居第三，占14.86%。重金属颗粒、LEV（左旋葡聚糖颗粒）及混合碳的占比较小。

从细颗粒物的实时源解析结果（如图8所示）可以看出，10月24日监测点位的PM2.5质量浓度处于100 μg/m3以下的低值水平，各类污染源的贡献率较为稳定。从25日开始PM2.5质量浓度逐渐攀升，机动车尾气源的贡献波动上升，由24日8：00的21.5%升至25日6：00的35.1%。26日PM2.5质量浓度攀升加速，13：00升至209 μg/m3，17：00达到峰值质量浓度315 μg/m3。扬尘源的贡献出现一定幅度的波动，由26日7：00之前5.0%以下的贡献率，上浮至15：00的14.7%。在27日PM2.5质量浓度的持续高值时段，机动车尾气源的贡献呈上升趋势，由26日13：00的24.6%上升至27日6：00的42.1%，并一直维持在40%左右的高值。28日0：00PM2.5质量浓度出现大幅下降，机动车尾气源贡献降至20%以下。

4 结论与建议

形成本次污染过程的主要原因如下。

1）地面气压场由均压场转为低压幅合，并始终处于低压幅合的状态，高空也无明显的冷锋过境，致使污染物迅速累积，并且地面到高空垂直空间上始终存在逆温现象，不利于污染物扩散，污染物浓度出现了一个快速累积。

2）地面与近地面高空出现低温差、低气压、高湿度、低风速、多云量的特殊气象条件，致使近地面高空与地面之间形成了稳定的大气环境，逆温现象明显，致使污染物难以扩散到逆温层以外，持续汇聚在地面与近地面高空之间，形成了多次的污染峰值。

3）周边区域性因素仍然是一项重要的影响因素，26日上午地面开始转为偏南风，导致南面邢台市、邯郸市的污染物开始向本地传输，加速了不利天气条件下污染物的累积速度，致使本地污染物浓度水平不断上升。

4）通过对此次污染过程期间气态污染物与PM2.5的对比分析可知，此次污染过程期间CO，NO2与PM2.5浓度相关度较高，说明机动车尾气排放是此次污染过程的一项重要因素；Cl-与硫酸盐也与PM2.5浓度变化同源性较强，说明燃煤、垃圾焚烧等也是此次污染过程产生的一项重要因素。

石家庄市自然区位和气象条件的先天不利，大气环境容量脆弱，石家庄市只有采取力度更大的管控和减排措施，尽最大努力降低本地基准污染量和浓度，才可达到实现污染削峰的目的。主要建议如下：

1）本次重污染过程中，机动车污染占比最高，由此建议进一步加大机动车污染管控力度。①全市实施常态化2个号限行措施，一旦遇到橙色以上预警天气，即按照红色预警应急响应要求，启动单双号限行措施，切实减少机动车污染的影响。②加大对运煤重型车辆的管控。井陉县、赞皇县、平山县、行唐县、鹿泉区要加大对运煤重型柴油车辆的管控，禁止运煤重型柴油车辆进入所属辖区，分流走高速。③提前实施错峰运输方案，并确保落实到位。石家庄市钢铁厂、电厂（包括热电）、水泥厂等大型工业企业每日的原材料运输动辄就涉及几千辆重型柴油车，对于空气质量影响较大。建议实施错峰运输方案，有关部门要加强督导检查，确保落实到位。④规范重型柴油车辆运输通行证的发放和管理。为了确保重柴车辆限行措施能够真正落实到位，建议将运输通行证的发放归口到一个部门统一管理。

2）本次重污染过程工业排放占比较高，由此建议工业企业提前实施错峰生产，按照一厂一策严格落实应急减排，确保重点工业点源错峰生产和应急污染减排措施的落实。①全市工业企业提前实施错峰生产。石家庄市地理位置和气象条件先天不利，要想空气质量改善幅度达到甚至好于其他城市，就必须对污染源采取力度更大的管控和减排措施。据了解，邢台市、邯郸市、唐山市已经相继提前实施工业企业错峰生产、停限产。邯郸市2017-11-01至2018-03-31钢铁企业限产50%；邢台市扩大了工业企业错峰生产范围，电力行业中发电企业限产15%，热电联产企业实施“以热定产”；唐山市将钢铁等重点工业企业错峰限产时间从11月15日提前至10月12日。因此，建议石家庄市实施工业企业错峰生产，减少工业污染排放。②加强重点工业点源的日常管控，落实错峰生产和应急污染减排。对于对国控点位影响较大的石家庄钢厂、石家庄热电厂以及石炼化等局地大型点源，要严格落实错峰生产和应急污染减排，确保污染减排到位。

3）提前实施建筑工地涉土方、拆迁作业停工措施，严格落实《石家庄市严管建设施工扬尘十二条（试行）》要求。本次重污染过程扬尘污染占比也不小，而天津市、唐山市、廊坊市均提前采取秋冬季建筑施工扬尘治理措施。天津市从10月1日起，各类道路施工、水利工程土石方作业、房屋拆迁等全面停工。唐山市建筑类施工停工时间提前至10月12日，廊坊市提前至10月15日，且从11月15日起，停工范围扩大至水泥搅拌、浇筑、室外喷涂粉刷、电气焊等。建议石家庄市尽快实施各类道路施工、水利工程土石方作业、房屋拆迁等全面停工，并扩大至水泥搅拌、浇筑、室外喷涂粉刷、电气焊等施工活动。

参考文献/References：

[1] 环境保护部.關于印发《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》的通知[EB/OL].http：//www.zhb.gov.cn/gkml/hbb/bwj/201708/t20170824_420330.htm，2017-08-21.

[2] 环境保护部.环境保护部通报2017年10—12月京津冀大气污染传输通道城市空气质量状况[EB/OL].http：//www.zhb.gov.cn/gkml/hbb/qt/201801/t20180110_429445.htm，2018-01-10.

[3] 任毅斌，康苏花，杨丽杰，等.石家庄市采暖期环境空气颗粒物来源解析[J].河北工业科技，2015，32（2）：166-171.

REN Yibin，KANG Suhua，YANG Lijie，et al.Source identification of ambient air particulate matter in Shijiazhuang City during heating period[J]. Hebei Journal of Industrial Science and Technology， 2015， 32（2）：166-171.

[4] 康苏花，马玲，李海峰，等.石家庄市冬季大气颗粒物中元素组分的特征分析[J].河北工业科技，2015，32（2）：172-176.

KANG Suhua，MA Ling，LI Haifeng，et al. Feature analysis on elemental composition of atmospheric particulate matter in winter in Shijiazhuang City[J]. Hebei Journal of Industrial Science and Technology， 2015， 32（2）：172-176.

[5] 孙峰，张大伟，孙瑞雯，等.北京地区冬季典型PM2.5重污染案例分析[J].中国环境监测，2014，30（6）：1-12.

SUN Feng，ZHANG Dawei，SUN Ruiwen，et al.Typical heavy pollution episode analysis on PM2.5 in winter of Beijing [J].Environmental Monitoring in China，2014， 30（6）：1-12.

[6] 徐曼，张璇，张晓彤.石家庄市冬季典型重污染过程分析[J].河北工业科技，2015，32（4）：364-370.

XU Man， ZHANG Xuan， ZHANG Xiaotong. Analysis of typical heavy pollution episode in winter in Shijiazhuang City[J].Hebei Journal of Industrial Science and Technology，2015，32（4）：364-370.

[7] 曹鹏，王路光，崔立昌，等.河北省大气污染状况分析及防治对策探讨[J].煤炭与化工，2014，37（8）：144-152.

CAO Peng， WANG Luguang， CUI Lichang，et al. Analysis of atmospheric pollution and countermeasures in Hebei Province[J].Coal and Chemical Industry，2014， 37（8）：144-152.

[8] 房春生，温卓，杨楠，等.长春市大气中SO2与NO2长期污染特征及防治对策分析[J].科学技术与工程，2015，15 （10）：243-246.

FANG Chunsheng，WEN Zhuo，YANG Nan， et al. Pollution characteristic long-term trend and countermeasures analysis of SO2 and NO2 in the atmosphere of Changchun from 2000 to 2010[J]. Science Technology and Engineering，2015，15 （10）：243-246.

[9] 房春生，孙俪袁，孔茹钰，等.长春市大气环境中PM10外来源估算研究[J].科学技术与工程，2014，14（24）：146-150.

FANG Chunsheng， SUN Liyuan， KONG Ruyu， et al. Estimating the regional sources of PM10 in Changchun atmosphere environment[J]. Science Technology and Engineering，2014，14（24）：146-150.

[10]田伟，唐贵谦，王莉莉，等.北京秋季一次典型大气污染过程多站点分析[J].气候与环境研究，2013，18 （5）： 595-606.

TIAN Wei， TANG Guiqian， WANG Lili， et al. Multi-site study of a typical autumn air pollution event in Beijing [J]. Climatic and Environmental Research， 2013，18（5）： 595-606.

[11]赵辉，郑有飞，吴晓云，等.我国典型区域PM2.5化学组分特征及来源解析[J].科学技术与工程，2014，14（31）：129-135.

ZHAO Hui， ZHENG Youfei， WU Xiaoyun， et al. PM2.5 chemical component characteristics and source apportionment in our domestic typical areas[J]. Science Technology and Engineering，2014，14（31）：129-135.

[12]王壽兵，汪远安，马小雪.近十几年上海空气质量变化动态及主要污染指标间的相关性分析[J].复旦学报（自然科学版），2015，54（2）：229-233.

WANG Shoubing， WANG Yuanan， MA Xiaoxue. The changing trends of air quality in recent ten years and the correlations among the main pollution materials in Shanghai City[J].Journal of Fudan University（Natural Science），2015，54（2）：229-233.

[13]杨韫，付国臣.呼和浩特市NO2污染特征研究[J].北方环境，2012，27（5）：132-136.

YANG Yun， FU Guochen. Study on pollution characteristics of NO2 Hohhot City[J].Northern Environment，2012，27（5）：132-136.

[14]环境空气质量标准，GB 3095—2012[S].

[15]张永宏，朱灵龙，阚希，等.基于卫星遥感和气象数据的2015年徐州市PM2.5时空特征[J].科学技术与工程，2017，17（36）：124-129.

ZHANG Yonghong， ZHU Linglong， KAN Xi， et al. Time and spatial characteristics of PM2.5 in Xuzhou City in 2015 based on satellite remote sensing and meteorological data[J].Science Technology and Engineering，2017，17（36）：124-129.

[16]亢紅霞，那晓东，臧淑英.基于卫星遥感数据（AOD）估算PM2.5的研究进展[J].环境科学与管理，2016，41（2）：30-34.

KANG Hongxia， NA Xiaodong， ZANG Shuying. Research progress of estimating PM2.5 based on satellite remote sensing data （AOD）[J].Environmental Science and Management，2016，41（2）：30-34.

[17]蒋民，马贞立.南京市MODIS气溶胶光学厚度与PM10质量浓度的相关性分析[J].科学技术与工程，2012，12（31）：8327-8331.

JIANG Min， MA Zhenli. Correlation analysis between aerosol optical thickness and PM10 mass concentration in MODIS in Nanjing.[J].Science Technology and Engineering，2012，12（31）：8327-8331.

[18]王静，杨复沫，王鼎益，等.北京市MODIS气溶胶光学厚度和PM2.5质量浓度的特征及其相关性[J].中国科学院研究生院学报，2010，27（1）：10-16.

WANG Jing， YANG Fumo， WANG Dingyi， et al. Characteristics and correlation of aerosol optical thickness and PM2.5 mass concentration in Beijing MODIS[J].Journal of Graduate School of Chinese Academy of Sciences，2010，27（1）：10-16.

[19]陈辉，厉青，张玉环，等.基于地理加权模型的我国冬季PM2.5遥感估算方法研究[J].环境科学学报，2016，36（6）：2142-2151.

CHEN Hui， LI Qing， ZHANG Yuhuan， et al. Study on the estimation method of PM2.5 remote sensing in winter in China based on the geographical weighted model.[J].Journal of Environmental Science，2016，36（6）：2142-2151.

[20]陶金花，张美根，陈良富，等.一种基于卫星遥感AOT估算近地面颗粒物的方法[J].中国科学：地球科学，2013，43（1）：143-154.

TAO Jinhua， ZHANG Meigen， CHEN Liangfu， et al. A method of estimating near-surface particulate matter based on satellite remote sensing AOT[J].Chinese Science： Earth Science，2013，43（1）：143-154.