2021492
年第卷第期
地球与环境
Vol.49. No. 2,2021
KARTHANDENVIRONMENT
147
冀中南平原区气溶胶标高变化及估算模型研究
张蒸腾，张凌云，沈坛，李夫星口〃，张佳怡，李欣悦1，
1111
郭云娟，冀文涛，李缘
111
(河北师范大学资源与环境科学学院，石家庄
1.050024;
2.050024)
河北省环境演变与生态建设省级重点实验室，石家庄
摘要：作为反映大气气溶胶垂直分布的重要参量，气溶胶标高被广泛应用于气溶胶反演及模型订正研究中。为研究气溶胶
标高时空变化规律并构建其简易计算模型，基于年气象站点观测资料及卫星反演数据，利用模型
2009-2016MOD1SPeterson
及多元回归分析对冀中南平原区气溶肢标高进行了估算分析。研究结果表明：区域气溶胶标高夏季最高，春秋季次之，冬季
最低，其中年气溶胶标高年均值最低。此外，标高空间分布差异性较大整体表现为东北高西南低分布模式。低值区主
2016
，
要分布于太行山山前平原区，而高值区则主要分布于冀中南平原北部地区。气溶胶标高与气温、气压、地面温度、相对湿度、
水汽压、能见度等气象要素具有显著相关性关系。通过多元回归分析，构建了基于气象要素的气溶胶标高经验估算模型，模
型分析结果表明气温等气象要素可以解释气溶胶标高61. 8%的变化，且研究期内平均标高的相对误差大都在10%以内，这对
于冀中南地区气溶胶浓度反演以及大气环境治理与优化有着重要的现实意义。
关键词：冀中南平原区；气溶胶标高；时空变化；模型；多元回归分析
Peterson
中图分类号：170.4510 文献标识码 文章编号：1672-9250(2021)02-0147-10 : 10. 14050/.. 1672-9250.202丨.49.025
：Adoijcnki
自上世纪80年代开始，随着我国工业化及城市
动船上利用微脉冲激光雷达对海洋气溶胶垂直廓
化的快速发展，大气颗粒物的排放增长迅速，导致
线进行了观测试验，发现海洋上空气溶胶分布高度
大气气溶胶垂直分布产生剧烈变化^。气溶胶标
不超过4 。虽然仪器测量精度较高，但是费用昂
km
高是假定大气气
（/ )溶胶浓
LS//,aerosolscaleheight
贵且在时空探测方面限制较大，难以满足对大范围
度随高度按指数规律递减到地面浓度1/时所处的
e
面状区域的动态监测需求。另一类是模型反演法，
高度。构建气溶胶标高估算模型对获取气溶胶粒
如大气模式模拟，其能提供覆盖整个区域的格
子浓度垂直分布及区域大气污染时空变化规律至
点空气质量数据，但是对污染物排放清单、理化性
关重要。作为中国北方重要的工农业基地及高密
质等资料的齐全性要求较高，所需参数众多且计算
度人口聚集区，冀中南平原区近年来大气污染问题
量大，大大影响其可操作性。遥感反演模型是利用
日益突出，严重影响该区域社会经济发展及生态环
气溶胶光学厚度（ )、地面
AOD-AerosolOpticalDepth
境建设。
气溶胶消光系数等遥感气象参数对气溶胶标高进
近年来，对气溶胶浓度垂直分布特性的研究受
行反演估算，如模型h2i。该法克服了地面
Peterson
到国内外专家的广泛关注。目前为止，通常将获取
监测的空间不连续性以及数值预报模型的资料难
气溶胶垂直分布的方法分为两类类是仪器直接
，一
获取性等缺点，被众多学者用于气溶胶标高的估算
测量法，例如将粒子测量仪等设备放置于气象铁
研究^5]。如成贺玺等、基于丨 0反演
MODSAD
塔、无人机、飞机等载体上对气溶胶粒子浓度垂直
产品及近地面能见度数据利用模型研究了
Peterson
分布进行观测2_4]。此外，激光雷达技术也被应用
河北地区气溶胶标高的时空变化情况，发现研究区
于气溶胶垂直分布研究中[5_8如等:9]在移 *
Welum
平均气溶胶标高夏季最高，春秋次之，冬季最低；而
收稿日期：改回日期：
2020-06-14;2020-07-30
基金项目：河北省向然科学基金（河北省教育厅科技项目（河北师范大学博士基金项目（
D2019205027);QN2018035);L2018B20)
第一作者简介：张蒸腾（，女，本科生，主要研究方向为大气污染防治。
1998-)E-maU:******************.
* 1987-)E-mail:UfU****************.
通讯作者：李夫星（，男，博士，讲师，研究方向为气候变化与大气污染防治。
148
地球与环境
2021 年
大气颗粒物排放强度和大气边界层高度对气溶胶
标高的贡献率分别为80. 1%和19.9%。基于-
MO
iHSAD
0 数据及常规能见度资料，万 和跃等 3 利用
Peterson
模型对华北地区气溶胶标高进行了模拟研
究，并将其与飞机实测资料相比较，发现模拟结果
较好，平原城市气溶胶标高较低，而山区城市标高
则相对较高。
虽然遥感反演模型可操作性强，并被广泛应用
于区域气溶胶标高估算研究。然而，受云覆盖、冰
雪反照等因素影响，遥感反演模型所需要的0
MDIS
遥感数据常常出现缺失及不连续等问题17:，并进一
步影响标高反演结果。考虑到气溶胶垂直分布与
下垫面气象要素、土地利用及覆被等要素关系密
切U，本文拟采用模型，以年
Peterson
2009~2016
MI)ISAI
() 0)和近地面气象数据为基础，分析冀中南
平原区不同时间尺度气溶胶标高时空变化特征，并
构建基于气象要素等影响因子的气溶胶标高简易
估算模型。本次研究可以为气溶胶标高的缺值修
复研究提供科学参考，为冀中南平原区气溶胶浓度
垂直分布变化及大气污染防治提供理论依据。
1研究区概况
冀中南平原地区是华北平原的重要组成部分,
跨越保定、石家庄、沧州、衡水、邢台、邯郸及廊坊7
市，面积8万2，海拔多在50 以下（见图1),是
kmm
京津冀地区的重要组成部分，也是天津港、黄骅港
的经济腹地。其中，能见度数据在年之前按照距离等级进行
冀中南平原地处太行山东簏，容易形成气流停
滞区，并且受气流下沉增温影响，容易在近地层形
成逆温，使山前平原地区空气流动性差，污染物和
水汽容易聚集，利于雾、®的出现。此外，该区域能
源消费结构以煤炭为主，工业生产活动产生的污染
物多，加上人口密度大，产生排放的污染物数量大,
加重了域内空气污染。
2数据与方法
2.1数据来源
(1)2009~2〇16年丨0产品数据。空
MODSAD
间分辨率为1〇 10 ,资料来源于地球
kmxkmNASA
观测系统（)基地轨道卫星 (当地时间下午
EOSAqua
13:30过境^0013戍00系列产品，可以通过~八5入
网站免费下载。以各监测站的矢量边界作为掩膜，
在丨10. 2中提取出该区域的 0
ArcGSMODISAD
114°E 117°E
f
f
3
z
f
6
o
1
：
s
N
〇
z
€
9
o
s
114° E 117° E
图1研究区海拔分布图
Fig. 1 Altitude distribution of study area
数据。
(2)2009~201663
年冀中南平原区个气象站
点的数据。包括地面水平能见度、水汽压、风速及
相对湿度等。数据资料由河北省气候中心提供。
1980
记录，之后则为实际能见度距离（单位：),经气候
km
中心数据处理换算后，能见度单位统一为m。我国
k
气象台站每天次定时观测，分别为
42: 00、8: 00、
14:00 20: 00。2: 00、8: 0()20: 00
和 考虑到 和 能见
度资料容易受光线、辐射雾、逆温等因素的影响，因
此本文使用的地面能见度观测资料来估算气
14:00
溶胶光学厚度。此外，考虑到极端天气的影响，因
此本文剔除了可能对能见度造成较大影响的天气
现象（如降水）以及高湿度天气条件下
（《//>90%)
能见度资料。
2.2 研究方法
2. 2. 1
Peterson
模型
根据气象能见度的定义，其与消光系数^的
k
关系为：
3.912
第2期
张蒸腾等：黄中南平: 气溶胶标高变化及估算模型研究
WK
149
式中^^^^^^为气溶胶粒子消光系数^,*
大气分子消光系数，即散射。
Rayleigh
在标准大气条件下（《=
15 ，= 1 013 )，
tPhPa
按照气溶胶大气消光系数垂直廓线指数衰减的假
定;|3|9_~,可建立能见度/、气溶胶标高和
IASW
AOD
的定量关系：
AOD
=—-——0. 0116 * ASH (2)
/3.912
PetersonlKoschmieder
等.:.在.模型基础上，将人眼对
比度阈值从〇.〇2调整为0.05,并将常数项增加到
0. 014 6,以此反映水平方向上大气分子散
Rayleigh
射和臭氧吸收的影响。许多专家认为模型
PHerson
是真正意义上描述0与气溶胶标高、能见度关系
AD
的模型12°]。本研究基于地面观测的能见度资料及
遥感反演的0资料，利用模型计算气溶
ADPeterson
胶标高。在假定地面能见度及0精度可以保证
AD
的基础上，模型的气溶胶标高计算值可近
Peterson
似作为实测值M3’22]。
2.2.2 气溶肢标高经验模型
受自然条件及人类活动等因素的综合影响，气
溶胶标高变化复杂，然而其一般呈现夏季高、冬季
低、春秋季过渡的“钟形”变化，可见其年内变化受
气温、风速、相对湿度等气象要素影响较大。因此，
为了揭示出气溶胶标高的时间变化规律，在 -
Peter
_模型计算获得的气溶胶标高基础上，首先对各
类型数据进行分布统计分析，利用相关分
Pearson
析研究每一气象要素与气溶胶标高之间的关系。
然后以区域气象要素数据为多重自变量、以气溶胶
标高为因变量构建多元回归模型，并利用软
SPSS
件进行数据统计分析。从而实现对在无遥感数据
条件下的标高计算，经验模型形式为：
YaXbXcXdX
ash
= + + (3)
,2, + 4 + ■■■
式中，„为气溶胶标高，义、..为影响标高的气
hsA
象影响因子，<1、/;、〇、<^等为经验模型参数。
3气溶胶标高时空变化特征
3.1时间变化
图为冀中南平原区年气溶胶标
22009~20丨6
高时间变化图。从图中可以看出，气溶胶标高年均
值在研究期内存在三个峰值期及
（2011、20丨22014
年）和三个谷值期及年）。其中，
（2010、20丨32016
2016
年气溶胶标高年均值降低比较显著，相比研究
期内平均值减少了 0.88 。从气溶胶标高月均值
km
变化图中可以看出，标高高值主要分布在夏季，其
次是秋春季，并且在2009-2012年及2014-2015年
两个时间段内表现尤为明显，其中2010年6月份标
高值最大，达到了 6 。原因可能是由于夏季气温
km
较高导致大气垂直扩散能力增强，有利于气溶胶粒
子向高空扩散，有效提高了气溶胶标高高度。相较
而言，2013年及2016年气溶胶标高月均值变化较
为异常，虽然最高值仍处于6月份，但是7月及8月
气溶胶标高值则明显低于3~4月及9〜10月。而受
低温引起的空气下沉等因素影响，冬季气溶胶粒子
垂直扩散能力减弱，导致冬季气溶胶标高高度降
低，其中2015~2016年冬季标高值最低，约为1 。
km
图3为2009 ~ 2016年冀中南平原区能见度
K
及0年四季平均值时间变化图。从图3可以看
ADa
出，能见度春季最高，夏秋次之，冬季最低，平均值
在13. 38~ 14.55之间，2015年最高，研究区近8年
平均值为14. 16。而冀中南平原区0夏季最高，
AD
其他三季相差不大，近8年来呈现微弱减少趋势
(图310。自2013年大气污染防治行动计划实施以
来，研究区空气污染确实得到有效缓解，2014〜2016
年0呈现显著下降趋势，其中2016年年均0
ADAD
最低，为0.61，使得研究区气溶胶标高年均值得到
有效降低。
3.2 空间分布特征
3.2.1月均值空间分布
图4为冀中南平原区各月气溶胶标高空间分布
图。从图4和41中可以看出，12月与1月份的气
a
溶胶标高数值及空间分布基本一致，均表现为太行
山山前平原区数值低，其他区域数值高的分布模
式，且东西部之间存在明显的过渡地带，标高数值
居中。其中，标高最低值位于石家庄地区，约为
1.40- 1.61 ,而最高值则位于沧州地区，约为
km
2. 16-2.50 。进人2月份以后（图4),冀中南
kmb
平原气溶胶标高整体有所上升，且呈现出北高南低
的分布模式，最低值仍位于太行山山前平原地区，
约为. 86 ;最高值则位于内洋淀及廊坊南部地
Ikm
区，约为3. 78 。而从图4~4中可以看出，3~5
kmce
月份大气气溶胶标高分布区域相似，高值主要集中
在保定与邯郸地区，约为3.60-4. 11 ，而在邢台、
km
衡水、沧州地区气溶胶标高数值普遍较小，大致在
2. 5 ~ 2. 8 之间，但3月份在邯郸和邢台的东南部
km
出现高值区域。进人夏季以后，冀中南平原区气溶
胶标高数值普遍升高（图4〜4),高值区域主要分
fg
布在石家庄南部、邪台及邯郸地区，最高值达到
2009 2010 2011 2012 2013 2014 2015 2016
年份
图2气溶胶标高时间变化图
FigTemporalvariationof
. 2
ASH
1.6
1.4
1.2
1.0
〇 0.8
<
0.6
0.4
0.2
0.0
2008 2010 2012 2014 2016 2018 2008 2010 2012 2014 2016 2018
年份 年份
图3 2009〜2016年四季平均能见度（)和()时间变化图
aAODb
FigTemporalvariationofasonalaveragevisibilityaandAODbfromto
. 3 () () 2009 2016
5.88 。相较而言，8月份气溶胶标高高值区主要
km
集中在廊坊、保定及衡水，低值区主要分布在石家
庄地区西部山麓地带（图4〉。进人秋季后，冀中南
h
平原区气溶胶标高进一步降低，9月份标高数值范
围在2.58~3.95 之间（图4),其空间分布与8
kmi
月大体相似。10月气溶胶标高的空间分布出现较
大变化，高值区域再次转移至邢台邯郸东南部，最
高可达4. 17 (图4)。而至11月份气溶胶标高
kmj
数值再次降低（图41〇,最高值降低至2.29 nl，其
k
空间分布从西向东主要呈现石家庄西部即太行山
山麓一带数值较低，中部保定、衡水、邢台、邯郸等
地部分地区标高数值居中，沧州、衡水、邢台以及邯
郸等地东部地区数值较高。
3.2.2 季均值及年均值空间分布
图5为冀中南平原区2009~2016年气溶胶标
高季均值分布图。由图中可以看出，气溶胶标高整
第2期
张蒸腾等：興中南平原气溶胶标高变化及估算模塑研究
K
151
图4气溶胶标高月均值空间分布图
FigSpatialdistributionofmonthlymeanASH
. 4
体呈现出夏季最高、秋春季次之、冬季最低的特点。
在空间分布上，春季气溶胶标高由北向南呈现出高
-低-高的分布模式（图5),高值区域主要集中在
a
保定地区，最高值约为3. 7 ;而低值区主要分布
km
在衡水地区，最低值约为2. 91 。相较于春季，冀
km
中南平原区夏季气溶胶标高升高显著（图5)，大部
b
分地区标高值超过了 4.00 ，尤其是保定内洋淀
km
及其周围以及邯郸地区，标高最高值达到了 5.04。 2016年气溶胶标高年均值分布图。从图中可以看
然而，石家庄和邢台部分地区标高数值相对较低，
最低值约为3. 83 。秋季的气溶胶标高空间分布
km
与夏季大体相似（图5 )，但是标高数值却大幅降
c
低，降低至1.99~3. 23 之间。冬季气溶胶标高
km
数值持续降低（图5 (1)，最高值约为2.58 ,主要
km
集中在北部的保定、廊坊、沧州及衡水等地的部分
地区，而邢台和邯郸的西南部则变为较低数值，最
低值约为1.73 。图5为冀中南平原区2009〜
kme
出，气溶胶标高在研究期内整体呈现出东北高西南
152
地球与环境
2021 年
z ((km)
溶胶紅卨
r.；i
: 3.71286
fit
: 2.92424
秋乍
A
: 3.23206
低：1.99636
图5气溶胶标高季均值及年均值空间分布图
Fig. 5 Spatial distribulions of asonal and annual mean ASHs
低的空间分布特征。其中，标高高值区主要位于保 度的逐步回升，春季气溶胶标高开始逐渐升高。研
定地区，最高值约为3.65 。此外，冀中南平原东
km
南部地区也存在一个稍低于东北部的次高值区，最
高值约为3. 3 。而气溶胶标高低值区主要集中
km
在太行山山麓地区，数值范围在2_69 ~ 3.0
km
之间。
综上所述，冀中南平原区气溶胶标高时间变化
及空间分布差异性较大。在时间变化方面，冬季大
气气溶胶标高最低，可能是由于冬季气温及空气相
对湿度较低，导致大气稳定度较高，静稳天气及逆
温现象较为频繁，不利于大气气溶胶粒子向高空扩
散，继而导致气溶胶标高普遍较低。随着气温及湿
究区夏季气温最高，空气湿度大且大气对流作用较
强，导致大气稳定性差，有利于大气气溶胶粒子的
产生及向高空扩散，导致该季节气溶胶标高达到顶
峰。秋季以后，温度及相对湿度开始降低，导致标
高又开始下降，逐渐到达冬季的最低值。在空间分
布方面，冀中南平原区东北部地区标高普遍高于西
南部地区，原因可能是由于该区域位于太行山山前
平原区，受山体阻挡作用，气流运动不够强烈，导致
大气稳定度相对较高，不利于气溶胶粒子的垂直扩
散。为了进一步验证气溶胶标高与气象要素的相
关关系，本文对研究区气溶胶标高与各气象要素进
第2期
张蒸腾等：冀中南平原气溶胶标髙变化及估箅模型研究
K
153
行了相关性分析。
3.3气溶胶标高与气象要素的关系研究
3.3.1标高与气象要素的相关性分析
为研究气溶胶标高与气象要素之间的关系，本
文运用软件的函数对气溶胶标高与
SPSSPearson
各气象要素的相关性进行了分析。其中，相关系数
的绝对值越大，代表其相关性越强，两组数据之间
存在的关系越紧密。相关性系数一般通过了 〇.〇5
的显著性（双侧）检验，则说明两者存在相关关系而
非偶然性。其中，气溶胶标高)、气温（)、气压
MSWt
()、地面温度（7)、相对湿度（/?//)、水汽压（£)、
PLG
能见度（)及水平风速数据均为季均数据，标高与
V
各气象要素均有2016组样本数据进行相关性分析
表1气溶胶标高与气象要素的相关性
Table 1 Correlation between and
ASH
meteorological factors
气象要素
气溶胶标高
相关系数标准误差
气温
0. 574“
0.013
气压
-0. 171 ••
-0. 231
地面温度
0. 573 **
0. 012
相对湿度
0. 215"
0. 176
水汽压
0. 564 "
0. 016
能见度
0. 506 "
0.020
水平风速
-0. 014
0. 200
注：**代表其通过了的显著性水平检验，说明两者存在较高相
0.01
关性关系
从表〗的相关性结果可以看出，除风速外，气溶
胶标高与气温、气压、地面温度、相对湿度、水汽压
及能见度呈现出显著相关关系，且均通过了 99%的
显著性水平检验，说明标高与各气象要素之间存在
较强的相关性。其中，标高与气温、地面温度、水汽
压及能见度的相关性最高，相关性系数均超过了
0.5,且标准误差均小于等于0.20;而与气压及相对
湿度相关性相对较低，相关系数分别为-0.171和
0.215。与此同时，气溶胶标高与风速的相关性系数
只有-0.014,相关性差，且未通过95%显著性检验，
具有很大的偶然性，可判定标高与风速无显著性相
关关系，原因可能是因为水平风速有利于气溶胶粒
子的水平扩散，而对其垂直高空扩散影响较小。
基于气溶胶标高与各气象要素的相关性关系，
本文探索利用气温、气压、地面温度、相对湿度、水
汽压及能见度等气象要素构建标高的经验估算模
型。由于标高与风速之间相关性差，无法成为回归
分析因子，所以剔除风速这一要素。
3. 3.2 气溶胶标高经验模型的建立
为建立冀中南平原区气溶胶标高经验模型，将
2009~2016年站点标高数值与相应的气温、气压、地
面温度、相对湿度、水汽压、能见度等因子进行拟合
回归分析并建立线性回归方程。在中进行回
SPSS
归分析，输入上诉6个自变量因子，为因变量，
回归结果如表2。
表2气溶胶标高与相关气象要素回归分析表
Table 2 Regression of and meteorological factors
ASH
气象要素
气溶胶标高
AS"
回归系数
标准误差
P
R2
水气压
0. 1280.0110.000
气温
-0. 055
0. 0140. 000
气压
0.0450.0020. 000
相对湿度
-0. 0510. 005
0. 0000. 618
能见度
0. 185
0. 007
0.000
地面温度
0. 2600. 0090. 003
截距
-44. 452
ft（GoodnessofFit
表示拟合优度 ),它是用来衡
量估计的模型对观测值的拟合程度，其值越接近
I
说明模型标准估计误差越小。一般认为，拟合优度
达到0. 1~0. 3为小效应，0. 3~0.5为中等，大于0. 5
为大，这是针对自然科学的一般界限。本次回归模
型的拟合优度大于0.5,拟合优度较好，达到了大效
应，说明回归模型可以合理反映数值变化。其中，
决定系数为0.618,其表示气溶胶标高（///)
fLS
61. 8%的变化可以通过气温等6个气象要素进行解
释。显著性检验结果（值）显示气温、气压、地面温
P
度、相对湿度、水气压、能见度等气象要素的显著性
指标值均小于0.05,表明这6个自变量对因变量标
高产生的影响具有显著性，所建立的回归模型较
好，且具有统计学意义。
通过数据分析，拟合模型能够有效的反映出6
个气象要素自变量对因变量标高影响的客观性，标
高的经验模型的方程为：
ASH = 0. 218£ - 0. 055/ + 0. 045 RH
P
- 0.051 +
0. 185 + 0. T_G 44. 452 (4)
V
026 -
该方程的拟合优度为0.786,较为准确地反映
了气溶胶标高//)的数值变化情况。
MS
图6为气溶胶标高实测值与计算值对比散点
罔。从图中可以看出，当实测气溶胶标高值大于5
时，绝大多数计算标高数值点分布于 = 线以下，
yx
这说明当气溶胶标高大于5时，估算值小于实测值，
意味着气温等6个气象要素不能完全揭示出研究区
强污染导致的标高高值变化规律。因此，为了提高
154
地球与环境
2021 年
8
6
|
4
^
_
实测标高
••LSTf
图6气溶胶标高实测值与计算值散点拟合图
Fig. 6 The scatter fitting diagram of measured and
calculated ASH value
气溶胶标高的估算精度，需要进一步考虑人类活动
因子（如汽车尾气排放等）对气溶胶标高的影响。
基于经验模型公式，本文还计算了冀中南平原区
2009~2016年63个气象站点气溶胶标高变化值，并
对绝对误差进行了分析。其中，绝对误差变化范围
为0.00~4. 11，平均值为0.635,其中气溶胶标高低
于5的平均绝对误差为0.555,高于5的平均绝对
误差为1.318。虽然一些站点气溶胶标高绝对误差
相对较高，但是经验模型还是能够揭示冀中南平原
区大部分站点气溶胶标高变化规律。图7为2009
~ 2016年冀中南平原区气溶胶标高实测值与模拟
值的相对误差空间分布图。从图中可以看出，研
究区气溶胶标高相对误差空间分布具有一定差异
性，从北向南整体呈现“高-低-高”的分布模式，
其中绝大部分地区相对误差在〇 ~ 1 〇%之间，说明
该经验模型模拟结果良好。然而，廊坊及邯郸部分
地区气溶胶标高模拟结果较差，相对误差在20% ~
48_ 15%之间，原因可能是受邯郸西南部地区海拔（超
过了 200 )因素的影响，导致在非标准大气条件下
m
的1//计算值产生了较大误差。而廊坊地区较大的
ZS
相对误差产生原因还需要进一步研究。
4结论
以冀中南平原区为研究区域，基于 0
MODISAD
遥感数据及地面站点气象数据，采用模型、
Peterson
Pearson
相关分析及多元回归分析等方法研究了气
溶胶标高的时空变化特征及其与气象要素的相关
关系，并构建了气溶胶标高的经验估算模型，主要
结论如下：
1)在时空变化上，冀中南平原区气溶胶标高月
| 20%~48.15%
20 40 80 km
图年平均气溶胶标高实测值与
7 2009~2016
模拟值相对误差
Fig. 7 Relative error between mean MODIS-ASH and
simulated-ASH from 2009 to 2016
均值夏季最高，春秋季次之，冬季最低；在研究期内
存（2011、20122014
在三个峰值期及年）和三个谷
值期及年），其中年气溶胶
（2010、201320162016
标高年均值最低。总体上看，冀中南平原区气溶胶
标高空间分布差异性较大，整体表现为东高西低，
南北高中间低的分布模式。其中，标高低值区主要
分布于太行山山前平原区，如石家庄和邢台部分地
区；高值区主要分布于冀中南平原区北部，主要集
中于保定地区。
2)冀中南平原区气溶胶标高与气温（)、气压
Z
()、地面温度（7)、相对湿度（/?//)、水汽压（£)、
PLG
能见度（)等气象要素关系密切，具有显著相关性
K
关系。通过多元回归分析，构建了基于气象要素的
气溶胶标高经验估算模型。模型分析结果表明气
温等气象要素可以解释标高61. 8%的变化，准确度
较高，能够用于揭示冀中南平原区大部分站点气溶
胶标高变化特征。除廊坊及邯郸部分地区外，绝大
部分研究区气溶胶标高实测值与模拟值的相对误
差在0~ 10%之间，说明该经验模型模拟结果良好，
第2期
张蒸腾等：冀中南平原区气溶胶标高变化及估算模型研究
155
这对于未来冀中南地区的大气环境治理与优化有
溶胶标高数据，只是单纯从气候气象角度阐述了其
着重要的现实意义。
与冀中南平原区气溶胶标高的相关关系。在提高
气溶胶标高是受人类活动和气候变化综合影
气溶胶标高估算精度的同时，还应进一步考虑人类
响下的变化过程，本文采用模型模拟的气
Pearson
活动对气溶胶标高的影响。
参考
文献
[1].U_.201,54(5) : 1174-1181.
周任君，刘鹏兵，周文，等平流层气溶胶的准两年周期特征分析地球物理学报，丨
[2 ] Wu H , Zhang Y , Han S, et al. Vertical characteristics of F>M2 5 during the heating ason in Tianjin, China[J]. Science of the Total Environ
ment, 2015, 523, 152-160.
[3].MODIS[J].2016,36(5) :655-660.
万和跃，董晓波，刘思瑶，等基于飞机和观测的华北地区气溶胶标高分析气象科学，
[4 ] Peng Z R , Wang D , Wang Z, et al. A study of vertical distribution patterns of PM2 5 concentrations bad on ambient monitoring with unmanned
aerial vehicles A ca in Hangzhou, China[ J ] . Atmospheric Environment, 2015,123 357-369.
：：
[5] .PM2 5[.2020,49(4) :43-52.
熊兴隆，李永东，冯帅，等质量浓度廓线的激光雷达反演研究门光子学报，
[6] Matthias V. Vertical aerosol distribution over Europe Statistical analysis of Raman lidar data from 10 European Aerosol Rearch Lidar Network
：
(EARLINET) stations[J]. Journal of Geophysical Rearch, 2004,109(018).
[7 ] Huang Z, Huang J, Bi J , et al. Dust aerosol vertical structure measurements using three MPL liclars during 2008 China-U. S. joint dust field ex
periment [J ] . Journal of Geophysical Rearch, 2010,115.
[8] Sicard M , Reba M N M , Rocadenbosch F, et al. Seasonal variability of aerosol optical properties obrved by means of an elastic-Raman lidar
over Northeastern Spain[J]. Atmospheric Chemistry and Physics, 2010, 10(6) 175-190.
：
[9] Welton E J. Measurements of aerosol vertical profiles and optical properties during INDOEX 1999 using micropul lidars[J]. Journal of Geo
physical Rearch, 2002,107( D19).
[10] Streets D G, Fu J S, Jang C J, et al. Air quality during the 2008 Beijing Olympic Games[J]. Atmospheric Environment ,2007, 41(3) 480-
：
492.
[11] He J, Wu L, Mao H , et al. Development of a vehicle emission inventory with high temporal-spatial resolution bad on NRT traffic data and its
impact on air pollution in Beijing-Part 2 Impact of vehicle emission on urban air quality^ J . Atmospheric Chemistry and Physics,2016,16( 5
：)：
3171-3184.
[12] Peterson J T, Fee C J. Visibility-atmospheric turbidity dependence at Raleigh, North Carolina[J]. Atmospheric Environment, 1981 , 15( 12
)：
2561-2563.
[13] [J].2006(5) :532-535.
范伟，韩永，王毅，等.内陆和沿海地区大气气溶胶标高的测量分析红外与激光工程，
[14] .[<1].2020,56(2):231-241.
张岩，李婧基于卫星气溶胶光学厚度反演地面能见度算法的研究北京大学学报（自然科学版），
[15] .[J].2015,44(6) : 151-159.
徐梦春，徐青山，范传宇，等基于太阳光度计分层算法获取气溶胶标高光子学报，
[16] [J].2015,28(2) : 190-197.
成贺玺，王卫，杜玮璐，等.河北省气溶胶标高时空变化及其成因环境科学研究，
[17] Xiao Q, Wang Y, Chang H, et al. Full-coverage high-resolution daily PM2 5 estimation using MAIAC AOD in the Yangtze River Delta of China
[J], Remote Sensing of Environment, 2017, 199 437-446.
：
[18] .[J].2011,37(9): 1 126-1 133.
马新成，吴宏议，嵇磊，等北京春季不同天气条件下气溶胶垂直分布特征气象，
[19 Han X，Zhang M , Han Z，et al. Simulation of aerosol direct radiative forcing with RAMS-CMAQ in East Asia [ J .• Atmospheric. Environment
」，
2011 , 45 6576-6592.
：
[20] Yu J, Gong W , Zhu Z. Optimized transformation model of aerosol optical depth and visibility bad on Gaussian curve[J]. Journal of Remote
Sensing, 201115(5): 1008-1014.
，
[21 ] Sun X，Yin Y , Sun Y, et al. Seasonal and vertical variations in aerosol distribution over Shijiazhuang, China J]. Atmospheric Environment,
2013,81:245-252.
[22]• Peterson[J].201136(9):1025-029.
朱忠敏，余娟，龚威模型的参数选择及优化武汉大学学报：信息科学版，，丨
156
地球与环境
2021 年
Variation of Aerosol Scale Height in South Central Hebei Plain and
Its Evaluation Model
ZHANGZhengtengZHANGLingyun,SHENTanLIFuxing
', 1 1, 1'2,
ZHANGJiayiUXinyueGUOYunjuanJIWentaoUYuan
1 , ' , ' , 1 , '
(1. Hebei Normal University, College of Resources and Environmental Science, Shijiazhuang 050024, China
；
2. Laboratory of Knvironmental Evolution and Ecological Construction, Shijiazhuang 050024, China)
Abstract
：
As an important parameter to reflect the vertical distribution of atmospheric aerosol, aerosol scale height ( ASH) has been
widely applied to aerosol inversion and model revision. The Peterson Model and Multiple Regression Analysis are employed to evaluate
the temporal-spatial variation of aerosol scale height in South Central Hebei Plain (SCHP) and to build its evaluation model bad on
llie meteorological obrvation data and MODIS satellite inversion dala from 2009 to 2016. I he results show that the
ASH is highest in
summer, then in spring and autumn, and lowest in winter. The annual mean
ASH is lowest in 2016 during the study period. In addi
tion ,the ASH indicated the spatial distribution patterns with high in northeast and low in southwest. And the low ASH mainly located in
the piedmont of Taihang Mountain, while the high
ASH in the north areas of SCHP. The ASH is significantly correlated to the air tem
perature ,air pressure, ground temperature, relative humidity, vapor pressure and visibility. Using the Multiple Regression Analysis,
tile empiriral estimation model of
ASH is built according to the meteorological factors. The analyzing results of empirical model indicate
that the meteorological factors could account for the 61. 8% variations of
ASH. The relative error between MODIS-ASH and simulated
ASH is almost less than 10%. Understanding the variation of/IS" and estimating the /LS" values has important implications for the in-
version of aerosol concentration and for the management of atmospheric environment in SCHP.
Key words
：；；；；
South Central Hebei Plain aerosol scale height temporal-spatial variation Peterson Model Multiple Regression Analy-
本文发布于:2023-11-12 05:18:37，感谢您对本站的认可！
本文链接：https://www.wtabcd.cn/zhishi/a/1699737517213241.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
本文word下载地址：冀中南平原区气溶胶标高变化及估算模型研究.doc
本文 PDF 下载地址：冀中南平原区气溶胶标高变化及估算模型研究.pdf
| 留言与评论（共有 0 条评论） |
