基于HYSPLIT模式的西北干旱区典型沙尘事件沙源地及沙尘传输路径探析
吴芷瑜1, 辛智鸣2, 姜群鸥1,*, 于洋1, 王紫璇1
1. 北京林业大学水土保持学院, 北京 100083
2. 中国林业科学研究院沙漠林业实验中心, 内蒙古 磴口 015200
*通讯作者 e-mail: jiangqo@bjfu.edu.cn

作者简介: 吴芷瑜, 1999年生, 北京林业大学水土保持学院硕士研究生 e-mail: wuzhiyu@bjfu.edu.cn

摘要

沙尘天气事件作为一种危害性极大的灾害天气, 对我国西北干旱区生态环境影响显著。 借助于地面实测颗粒物数据、 MODIS影像数据、 OMI传感器影像数据、 CALIPSO激光雷达数据, 采用HYSPLIT模式对我国西北地区2016年一次典型沙尘事件时空演变特征进行研究。 首先, 基于PM2.5/PM10指数判断西北地区典型城市大气污染源性质以及污染情况; 然后, 利用MODIS影像MCD19-A2数据产品-气溶胶光学深度AOD数据、 OMI-Aura L3级OMAEROe数据产品-紫外吸水性气溶胶指数AAI数据和CALIPSO-Level1级数据, 分析大气气溶胶中沙尘水平空间分布特征; 最后, 借助HYSPLIT模式模拟沙尘气流后向轨迹, 确定区域内沙尘传送路径。 研究结果显示, 西北地区典型城市中西宁、 兰州、 银川在2016年4月30日—5月1日前后PM10指数均超过200 μg·m-3, PM2.5/PM10均小于0.6, 且处于较低值, 这表明是由于自然污染源影响导致空气中可吸入颗粒物含量上升, 可推测此次为沙尘暴事件影响; 大气气溶胶在沙尘事件发生期间呈现出明显水平变化特征, 沙尘事件起源于南疆盆地, 在5月1日至5月4日持续影响新疆南部和中部地区, 青海、 甘肃、 宁夏以及陕西部分地区也受到影响; 根据其变化可知, 塔克拉玛干沙漠是本次沙尘天气事件气溶胶污染形成的中心, 此次沙尘暴事件影响范围主要有新疆南部盆地和中部以及青海省北部地区; 通过对气流轨迹模拟结果来看, 2016年4月30日—5月1日沙尘暴事件通过偏西型路径主要影响新疆以及青海部分地区, 经分析可得其沙尘物质可能来源于南疆盆地、 新疆北部位于准噶尔盆地内部古尔班通古特沙漠以及境外哈萨克斯坦等地区。 这些研究结果将为抑制西北地区沙尘源地起沙过程、 保护生态环境可持续发展提供重要科学依据。

关键词: 沙尘天气; 遥感影像; 大气气溶胶; 沙尘运移; 西北干旱区
中图分类号:K903 文献标志码:A
Analysis of Dust Source and Dust Transport Path of a Typical Dust Event in Arid Area of Northwest China Based on HYSPLIT Model
WU Zhi-yu1, XIN Zhi-ming2, JIANG Qun-ou1,*, YU Yang1, WANG Zi-xuan1
1. School of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
2. Chinese Academy of Forestry, Experimental Center of Desert Forestry, Dengkou 015200, China
*Corresponding author
Abstract

As a kind of disastrous weather with great harmfulness, sandstorm event significantly impacts the ecological environment in Northwest China. This study, it is to explore the spatial-temporal evolution of a typical dust event in northwest China in 2016 based on ground-measured particulate matter data, MODIS data, OMI sensor data and CALIPSO LiDAR data. Firstly, the characteristics and pollution situation of typical urban air pollution sources in Northwest China were determined based on PM2.5/PM10 index. Then, the spatial distribution characteristics of dust levels in atmospheric aerosols were analyzed using MODIS image MCD19-A2 AOD data, OMAEROe data product OMAEROe data product AAI data and CALIPSO-Level1 data. Finally, the backward trajectory of dust flow was simulated by the HYSPLIT model to determine the dust transport path in Northwest China. The results showed that the PM10 index of Xining, Lanzhou and Yinchuan was more than 200 μg·m-3 from April 30th to May 1th, 2016, and their PM2.5/PM10 value was less than 0.6, which was at a low level, indicating that the content of inhalable particulate matter in the air increases due to the influence of natural pollution sources. It could be inferred that this was the influence of the sandstorm event. Aerosol showed obvious horizontal variation during the sandstorm event. The sandstorm originated from the Southern Xinjiang Basin and continuously affected southern and central Xinjiang from May 1th to May 4th. In addition, Qinghai, Gansu, Ningxia and some parts of Shaanxi were also affected. According to its spatial variation, the Taklimakan Desert was the center of the formation of aerosol pollution in this sandstorm event. The sandstorm event mainly affected the southern basin and central Xinjiang, and the northern part of Qinghai Province. It could be seen from the simulation results of the air flow track that the sandstorm event from April 30th to May 1th, 2016, mainly affected Xinjiang and some areas of Qinghai through the westward path. What is more, the sandstorm material might have come from Southern Xinjiang basin and the Gurbangut Desert in the inner Junggar Basin of northern Xinjiang and Kazakhstan outside China. These results would provide an important scientific basis for suppressing the process of dust generation and protecting the sustainable development of an ecological environment in Northwest China.

Keyword: Sandstorm event; Remote sensing; Atmospheric aerosol; Dust migration; Arid Northwest China
引言

沙尘天气事件作为一种危害性极大的灾害性天气, 因其生成迅速、 影响面广、 爆发频繁、 危害严重等特点引发了高度的关注[1, 2, 3]。 它的发生会对人类自身健康、 生产生活以及生存环境造成严重影响[2, 3, 4, 5, 6]。 相关研究证明, 沙尘事件发生具有一定的规律, 且二十世纪中后期以来其发生有逐渐增加趋势。 虽然我国2000年以后实施大规模植树造林, 在一定程度上减少了沙尘事件发生, 但其影响仍不能忽视。 我国西北地区独特的自然地理条件导致该区域内沙尘事件频发[5, 7], 探究该区域典型沙尘事件沙尘源地、 传输路径及影响因素, 有利于该区域开展防沙治沙工作、 决策防灾减灾以及治理沙源地。

1920年以来, 科研学者们对沙尘暴事件时空分布、 沙尘暴事件形成原因、 沙尘暴起沙机制等研究取得了长足进步[8, 10]。 顾润源等[22]基于观测资料深入分析了2009年4月23— 24日出现在我国内蒙古中西部的典型强沙尘暴天气发生前后及发生期间近地层气象要素变化及其内部热力、 动力结构特征变化。 目前沙尘暴监测主要有地基站点监测以及卫星遥感监测两个手段[11, 12, 13, 14]。 孙永刚等[23]基于内蒙古自治区内6个沙尘暴监测站仪器测量资料分析2004年— 2007年间内蒙古地区较强沙尘暴天气过程。 罗敬宁等[24]综述了利用遥感技术进行沙尘暴监测研究国内外进展, 并提出一种利用多源遥感数据识别和提取沙尘暴信息新方法。 王莉娜等[7]基于气象条件、 激光雷达、 风场和HYSPLIT轨迹模型等多源资料, 综合分析了2019年3月26日— 28日发生在甘肃省的强沙尘暴时空发展分布、 垂直结构特征以及主要来源和传输路径。 研究显示利用地基站点进行监测可以在事件发生第一时间就掌握研究区域实测资料。 但由于沙尘暴源地通常处于人口稀少的沙漠地带, 这些区域监测台站布设极其稀疏, 导致常规地面监测资料对沙尘暴监测研究有很大的局限性[15]。 卫星遥感具有多源性、 动态性、 现时性以及信息传递准确性等特征, 可获取连续地物分布以及光谱特性, 因此近年来基于遥感进行沙尘事件识别与监测逐渐被推广[16, 17]

西北干旱区是我国沙尘暴发生的主要区域, 因其地域广阔, 沙漠沙地分布广泛, 地面监测无法确定沙尘事件沙尘来源与传输路径。 鉴于此, 拟以中国西北干旱区为研究区域, 借助于地面实测颗粒物数据、 MODIS影像数据、 OMI传感器影像数据、 CALIPSO激光雷达数据, 采用HYSPLIT模式, 对我国西北地区2016年1次典型沙尘事件进行探究, 分析大气气溶胶中沙尘水平空间与垂直空间分布特征, 模拟沙尘气流后向轨迹, 确定沙尘暴事件发生时西北地区沙尘传输路径, 确定沙尘源地以及此次沙尘暴事件影响范围, 最终对区域防沙治沙措施提出政策性建议。

1 实验部分
1.1 研究区概况

中国西北干旱区包括陕西省、 甘肃省、 青海省、 宁夏回族自治区以及新疆维吾尔自治区, 该地区面积占中国总土地面积的近三分之一, 总人口超过9 500万[9]。 研究区域内冬季相对寒冷, 夏季气温高, 气候干燥降水少, 并且呈现出自东向西递减趋势。 该区域大部分地区年降水总量在400 mm以下。 西北地区大陆性气候大部分为中温带与暖温带两个区域, 小部分地区为高寒气候区, 气温日较差与年较差均很大。 研究区地形主要为高原以及盆地, 沙漠广布, 土壤则以荒漠土即黑灰钙土为主。 天然自然地理特征致使研究地区成为我国国境内荒漠化土地和沙漠最为集中地区。 区域内主要地区分布着中国八大沙漠中的四个, 包括班特古尔班通古特沙漠、 塔克拉玛干沙漠、 库姆塔格沙漠以及柴达木沙漠。

图1 研究区位图Fig.1 Location of the study area

1.2 数据来源与处理

根据中国气象出版社出版《沙尘天气年鉴》中2014年—2018年沙尘暴事件影响范围大小以及持续时间确定此次研究对象为2016年4月30日至5月1日沙尘事件。 可吸入颗粒物(PM10)和细颗粒物(PM2.5)来自国家环境监测中心城市空气质量实时发布平台(http://data.cma.cn/)。 对沙尘气溶胶光学特征分析选取MODIS卫星MCD19-A2数据产品, 波长为550 nm, 时间分辨率为日, 空间分辨率为1 km×1 km。 从NASA官方网站(https://search.earthdata.nasa.gov)获取数据, 解码计算获得AOD日均值。 对沙尘过程综合探究选取OMI-Aura L3级OMAEROe数据产品-紫外吸水性气溶胶指数AAI数据、 CALIPSO数据Level 1数据以及HYSPLIT模式后向轨迹模拟。 从NASA官方网站(https://disc.gsfc.nasa.gov/)免费下载OMI-Aura L3级OMAEROe数据产品选取其中紫外吸水性气溶胶指数AAI数据集, 其产品数据格式为HDF-EOS5。

还采用了CALIPSO卫星搭载的气溶胶激光雷达CALIOP Level 1级数据产品中532 nm总消光后向散射系数, 垂直分辨率为30 m, 水平分辨率为333 m, 数据从NASA的官方网站下载(https://www.arl.noaa.gov/hysplit/)。 HYSPLIT后向轨迹模式中采用美国气象环境预报中心全球数据通化系统NCEP GDAS(https://www.ready.noaa.gov/archives.php)1°×1°气象场资料。 基础地理数据各省域边界来自于天地图的行政边界数据接口。

1.3 研究方法

采用Hybrid Single-Particle Lagrangian Integrated Trajectory即HYSPLIT模式分析了沙尘事件传输路径。 HYSPLIT模式集合了欧拉和拉格朗日两种方法, 拉格朗日方法用于处理气团平流和扩散, 欧拉方法用于浓度计算。 由于其可计算和分析大气颗粒物扩散和传输过程特征, HYSPLIT模式气流后向轨迹在示踪空气污染物来源以及沙尘物质来源中得到广泛应用[18]

该模式中对于平流以及扩散计算采用的是拉格朗日方法的一种混合方法。 当轨道或空气包从其初始位置移动时, 它使用一个移动参考框架来计算对流和扩散[27]。 假设空气中颗粒物质随风飘动, 其移动轨迹为时间变化量Δ t和空间上V矢量积分, 计算公式如式(1)和式(2)

P(t+Δt)=P(t)+0.5[V(P, t)+v(P', t+Δt)]Δt(1)

P'(t+Δt)=P(t)+v(P, t)Δt(2)

式(1)和式(2)中, P'(tt)为中间假设位置, P(tt)为最终位置, v为风速, Δ t为可变时间步长(变量用斜体)。

利用研究区域五个省会城市PM10观测数据与沙尘事件发生期间气溶胶光学厚度(AOD)观测数据对模式模拟的结果进行了验证。

2 结果与讨论
2.1 西北干旱区典型沙尘事件期间气溶胶污染特征分析

对于干旱地区而言, 大气气溶胶重要来源是风蚀形成的沙尘。 在沙源区及其影响区, 大气中沙尘物质显著增加、 颗粒物浓度上升, 沙尘气溶胶是对流层气溶胶主要成分之一。 因此, 气溶胶污染特征是探究沙尘事件重要研究指标, 对其进行分析可使我们更全面了解沙尘事件。 本研究选取研究西北地区5个省会城市作为本次研究代表城市, 对城区大气颗粒物监测数据进行分析, 判断省会城市及其周边区域大气污染源性质和污染变化特征。 由于大气中细分散与硬分散气溶胶粒子具有不同来源以及物理化学性质[19], PM2.5/PM10比值可以用来衡量大气中存在颗粒物情况, 提供粒子来源以及它们的形成过程。 PM2.5/PM10比值较高, 表明主要是人为污染, 而其值较低时, 表明有与自然来源有关的硬颗粒物参与, 有可能是沙尘事件影响造成的。 因此, PM2.5/PM10比值可以作为污染源性质关键指标, 相当程度上说明了污染类型和可能的污染物来源。

图2 2016年典型沙尘事件期间中国西北主要城市 PM10及PM2.5/PM10统计图Fig.2 Changes of PM10 and PM2.5/PM10 in major cities of Northwest China during typical dust events in 2016

从PM2.5/PM10比值分析, 研究区域内5个省会城市沙尘事件发生期间4月27日— 5月3日, 其PM2.5/PM10比值均小于0.6, 且处于较低值, 这表明期间大气颗粒物中细颗粒物在总颗粒物质中所占比重较小。 由此可推断, 自然污染源影响导致大气中可吸入颗粒物含量升高。 此次沙尘事件发生前后, 乌鲁木齐市PM10浓度一直处于较低水平, 均未超过国家规定的二级标准150 μ g· m-3。 西宁市从4月29日起至5月1日, PM10浓度不断上升, 起初为104 μ g· m-3, 后为118 μ g· m-3, 最后上升至230 μ g· m-3。 同样, 兰州和银川PM10浓度也在5月1日时分别上升到274和262 μ g· m-3。 然而, 到5月2日, 这三座城市PM10浓度均急剧下降, 分别降为75、 50和66 μ g· m-3。 这可能是因为沙尘天气过境时地面冷锋带走了空气大部分可吸入性粒子。 此次沙尘事件西安市所受影响较小, 5月2日其PM10浓度上升至178 μ g· m-3。 乌鲁木齐市PM10浓度也没有明显的上升, 推断该城市及周边区域未受到沙尘事件影响。 西宁、 兰州和银川三座城市及周边区域在5月1日左右受到沙尘天气影响, 导致其PM10指数剧烈上升, 西安及其周边区域在最后受到沙尘事件影响。 总体来看, 2016年4月31日— 5月1日, 我国西北地区沙尘天气主要影响区域为新疆维吾尔自治区的南疆盆地以及青海省北部等地区。

2.2 西北干旱区典型沙尘事件期间气溶胶光学特性分析

气溶胶光学厚度是气溶胶光学特性主要物理参数, 是表征气溶胶含量、 大气浑浊度和大气污染状况的关键因子。 分析区域气溶胶光学特性演变规律, 是全面科学认识沙尘事件的基础。 在沙尘天气事件中, 由于沙尘粒子具有一定消光作用, 地面能见度因此降低, 大气浑浊度上升, 影响气溶胶光学厚度指数。 选取MODIS MCD19-A2数据产品陆地气溶胶光学深度指数AOD数据对区域气溶胶光学特性进行分析。

图3 2016年4月27日— 5月4日550 nm日平均 AOD的空间分布图Fig.3 Spatial distribution of daily average AOD at 550 nm from April 27 to May 4, 2016

结果显示, 2016年沙尘事件发生期间, 我国西北地区大气气溶胶指数水平空间分布呈现出明显变化, 此次沙尘事件主要影响区域范围为新疆的南疆盆地以及中部地区。 沙尘事件发生之前4月27日— 4月30日区域大气气溶胶指数一直处于较低水平, 位于0~0.75之间。 5月1日起, 区域内出现明显大气气溶胶指数高值区, 其值范围在0.8-1之间, 且随着时间推移, 该区域空间特征不断发生变化。 气溶胶指数高值区最开始出现在新疆南部, 并且于5月1日— 4日期间一直保持在较高水平, 5月2日当天影响范围最大。 青海、 甘肃、 宁夏三个省区在5月1日也有气溶胶指数高值区域出现, 陕西则是在5月4日左右出现了气溶胶指数高值区。 由此可推断, 此次沙尘事件最开始发生在新疆南疆盆地, 且在5月1日至5月4日持续影响新疆南部以及中部地区, 青海、 甘肃、 宁夏以及陕西部分地区也受到影响。 根据大气气溶胶数据空间变化特征可知, 塔克拉玛干沙漠是本次沙尘天气事件气溶胶污染形成的中心, 沙尘气溶胶移动呈现出从西北向东南趋势, 此次沙尘事件影响范围主要有新疆南部盆地、 中部地区以及青海省北部地区。

2.3 西北干旱区典型沙尘事件期间沙尘传输过程分析

根据中国西北地区大气中吸收气溶胶指数(AAI)空间分布图, 对CALIPSO星下点轨迹穿过的多个潜在源区后向散射系数垂直廓线进行分析, 判断沙尘天气发生时尘源地。 基于HYSPLIT模式, 利用此次沙尘暴发生期间存在强气溶胶污染, 构建后向轨迹模型, 在500、 1 000和1 500 m高度利用48 h后退轨迹来确定沙尘气团起源, 模拟起沙、 传输线路。

2.3.1 典型沙尘事件沙尘中心识别

吸收性气溶胶指数AAI(absorbing aerosol index)是基于卫星观测的紫外后向散射辐射导出参数, 与大气中对紫外线有吸收作用的气溶胶有关, 能够定性反应吸收性气溶胶存在与空间分布特征。 将2016年4月27日至5月1日OMI观测到中国西北地区大气中吸收气溶胶指数进行多日平均处理, 得到图4。 从图中可以明显观测到北纬36° 至42° , 东经80° 至90° 之间存在明显的AAI指数高值区, 其值在3~5之间。 由此可以判断出, 新疆南疆盆地部分地区以及甘肃省北部部分地区为此次沙尘事件主要影响区域, 而此次沙尘事件中心区域为新疆南疆盆地区域。 在之前对沙尘事件气溶胶光学特性分析结果也显示, 沙尘事件发生的5月1日— 5月4日期间, 南疆盆地区域明显出现了AOD高值区。 AAI指数数据与之前AOD指数数据得到的此次强沙尘暴事件大致影响范围相符, 在本研究中二者可以相互印证。

图4 2016年4月27日— 5月1日平均AAI指数分布图Fig.4 Distribution of average AAI index from April 27 to May 1, 2016

2.3.2 典型沙尘事件沙尘气溶胶垂直分布特征

根据CALIPSO雷达获取532 nm 总衰减后向散射系数图(图4)来看, 沙尘事件发生期间大气气溶胶主要分布于0~13 km高空中。 其中, 浑善达克沙地区域沙云主要分布在7~11 km高空, 在这个区域内存在颗粒较大的沙尘气溶胶。 然而, 新疆吐鲁番盆地等区域沙尘气溶胶分布较为分散, 从距离地面3~12 km处均有分布。 塔里木盆地等地区受地形影响较大, 距离地面10 km以上高空有集中的沙云形成, 主要分布在塔里木盆地边缘地势较高区域。 综合来看, 研究区域内盆地上空明显分布有较大颗粒的沙尘气溶胶。

图5 5月1日CALIPSO获取的532 nm 总衰减后向散射系数图Fig.5 The total attenuation backscattering coefficient at 532 nm obtained by CALIPSO on May 1

2.3.3 典型沙尘事件沙源地与沙尘传输路径模拟

选取沙尘事件发生时段4月30日— 5月1日, 在海拔500、 1 000和1 500 m高空分别对五个省会城市模拟了48 h气流后向轨迹。 从轨迹模拟图(图6)可以看出, 产生的后向轨迹主要出现在北部与西北部气团输送中。 除去气溶胶强度污染以外, 气流高度大致上升于0~3 000 m之间。 在遭遇强气溶胶污染时, 沙尘气流高度可达3 500 m以上。 当沙尘物质来源是塔克拉玛干沙漠等地时, 气流高度可达3 500 m以上。 沙尘事件发生期间, 到达新疆乌鲁木齐市气流高度均较高, 特别是4月30日其气流高度达到6 000 m以上。 对于西安来说, 在4月30日影响该区域气流明显来自于西北方向, 5月1日气流轨迹围绕其周边地区, 这与气溶胶污染特征及光学分析中, 西安在此次沙尘事件中所受影响较小的结果相吻合。 对于影响西宁气流均来自于西北地区, 这与AOD分析中沙尘事件影响范围变化趋势自西北向东南一致。 兰州与银川在4月30日受到来自西部气流影响, 5月1日则受到来自于西北部气流影响。 结合对沙尘过程分析, 污染该区域沙尘物质可能来自于塔克拉玛干沙漠和古尔班通古特沙漠。

图6 2016年4月30日与5月1日中国西北地区不同城市沙尘后向轨迹模拟图Fig.6 Simulation of dust backward trajectories in different cities in Northwest China on April 30 and May 1, 2016

将模拟的后向轨迹结果与气溶胶光学特性AOD研究进行对比, 就模拟的后向轨迹来看, 高空气流基本呈现出西北— 东南走向, 而AOD高值区随时间变化也呈现出由西北向东南移动趋势, 二者具有较高的吻合度。 由此认为气流后向轨迹模拟结果是可信的。

3 结论

借助于地面实测颗粒物数据、 MODIS影像、 OMI传感器影像和CALIPSO数据, 采用HYSPLIT模式对西北地区2016年4月30日— 5月1日沙尘事件进行识别, 确定沙尘传输路径和主要沙尘源地。 具体结论如下:

(1)根据对典型城市地面实测颗粒物PM10及PM2.5/PM10比值结果显示, 西宁、 兰州和银川城市及其周边地区PM10指数在此次沙尘事件中有明显变化波动, 乌鲁木齐与西安变动值较小。 西宁、 兰州和银川城市沙尘发生期间PM2.5/PM10比值均小于0.6, 且数值较低, 这表明大气颗粒物中细颗粒物所占比例较小, 这是自然污染源导致大气中可吸入颗粒物质含量升高。 由此推断, 此次沙尘事件对这几个城市PM10指数产生较大影响。 这与艾力等人研究证实的PM10浓度随沙尘频率和强度的增大而增高, 二者之间存在着较强的正向线性关系相符合[18]

(2)西北地区气溶胶光学厚度值在此次沙尘事件发生期间, 水平空间上呈现出明显变化。 其中, AOD指数高值区最开始出现在南疆盆地, 5月1日至5月4日在新疆南部以及中部地区持续出现, 青海、 甘肃、 宁夏和陕西部分地区也出现。 而对于AAI空间分布特征, 新疆南疆盆地部分地区以及甘肃省北部部分地区存在明显的多日平均AAI高值区。 因此, 推断该区域为沙尘暴主要影响区域。 另外, AOD数值结果与AAI数值结果在沙尘暴影响范围具有较好的吻合性。 这一结果也证实了李富刚等人研究的AOD指数和AAI指数在气溶胶类型比较单一沙尘源区, 可以比较好展示沙尘水平分布特征[28]

(3)基于CALIPSO雷达获取532 nm总衰减后向散射系数图分析了气溶胶垂直分布, 沙尘气溶胶分布在距离地面0~13 km上空, 相对集中在10 km以上盆地上空, 尤其是在西北地区盆地上空明显分布有较大颗粒沙尘气溶胶。 在强沙尘天气下, 空气中大粒径颗粒增加, 盆地地貌类型将不利于气流扩散, 进而导致大量空气颗粒物在此聚集。

(4)2016年4月30日— 5月1日沙尘事件通过偏西型路径主要影响新疆南疆盆地和青海北部地区, 其沙尘颗粒物质主要来自于新疆北部位于准格尔盆地内古尔班通古特沙漠和境外哈萨克斯坦。 这与2016年《沙尘统计年鉴》中对于此次沙尘事件描述基本相符。 这也证实了基于地基实测数据与遥感数据, 研究沙尘事件追溯沙尘源和确定沙尘传输路径及影响范围可行性, 对单次沙尘事件研究具有借鉴意义。

在对气溶胶污染特性进行分析时, 仅选取少数省会城市, 并不能较好表征全域情况。 例如, 乌鲁木齐污染情况不能说明在这次沙尘暴事件中整个新疆地区污染情况, 南疆与北疆有明显不同。 因此, 本研究在进行气流轨迹模拟时仅选取少数几个城市作为代表城市, 存在一定局限性。 在未来研究中, 可以选择更多试点, 实现空气质量在更精细尺度分析, 从而更准确地反映研究区域空气污染情况。

对于沙尘天气事件包括沙尘暴以及扬尘事件等防治最首要的任务依旧是综合性环境治理, 抑制沙尘源地的起沙过程。

沙尘源区是沙尘颗粒物质的主要来源, 控制沙尘源区风蚀从源头上抑制沙尘气溶胶形成, 从而减少我国西北地区沙尘事件发生频率。 对于当前潜在沙尘源地区需要保护沙区现有绿洲区域植被, 做好潜在沙源区还林还草工作, 在荒漠绿洲过渡带建设合理有效乔灌草防风固沙带。 同时, 划定一定的封禁保护区, 恢复原有植被的生态功能。 另外, 在植树造林时必须考虑优先当地原有的立地条件, 选择适合该区域生长植被品种以及栽种密度。

在沙尘暴事件监测中应该采用卫星遥感、 星载激光雷达、 地基雷达以及地面气象站点监测等多种手段, 对沙尘源区建立并完善其动态监测体系, 对该区域内沙尘事件形成、 发展以及扩散实现实时监测与预警。 由于气候变化导致沙尘事件发生, 现阶段可着手于强化对极端天气预测, 提前做好防治工作。

参考文献
[1] HE Yuan-ping, ZHANG Yun-wei, GU Zhao-lin (贺沅平, 张云伟, 顾兆林). China Environmental Science(中国环境科学), 2021, 41(8): 12. [本文引用:1]
[2] ZHAI Hao-ming, SHI Jing(翟浩明, 石晶). Arid Land Geography(干旱区地理), 2017, 40(2): 462. [本文引用:2]
[3] YUAN Tian-gang, CHEN Si-yu, KANG Li-tai, et al(元天刚, 陈思宇, 康丽泰). Journal of Arid Meteorology(干旱气象), 2016, 34(6): 9. [本文引用:2]
[4] ZHAO Liu-yuan, LI Zi-xuan, Pei-cheng, et al(赵留元, 李子璇, 吕沛诚, ). Chinese Journal of Environmental Science(环境科学学报), 2020, 40(2): 13. [本文引用:1]
[5] YANG Mei, LI Yan-ying, ZHANG Chun-yan, et al(杨梅, 李岩瑛, 张春燕, ). Arid Land Geography(干旱区地理), 2021, 44(5): 11. [本文引用:2]
[6] KONG Feng(孔锋). Journal of Arid Land Resources and Environment(干旱区资源与环境), 2020, 34(8): 116. [本文引用:1]
[7] WANG Li-na, YANG Li-li, YANG Yan-ping, et al(王莉娜, 杨丽丽, 杨燕萍, ). Acta Atmospheric and Environmental Optics(大气与环境光学学报), 2021, 16(5): 12. [本文引用:2]
[8] PAN Lin, HAN Yong-xiang, LU Zheng-qi, et al(潘琳, 韩永翔, 陆正奇, ). China Environmental Science(中国环境科学), 2020, 40(1): 9. [本文引用:1]
[9] GUO Yong-tao, XIN Jin-yuan, LI Xu, et al(郭勇涛, 辛金元, 李旭, ). Journal of Desert Research(中国沙漠), 2015, (4): 6. [本文引用:1]
[10] LUO Feng-min, GAO Jun-liang, XIN Zhi-ming, et al(罗凤敏, 高君亮, 辛智鸣, ). Journal of Arid Zone Research(干旱区研究), 2019, 36(4): 9. [本文引用:1]
[11] ZHOU Bo, ZHOU Nan-yin(周波, 周楠茵). Geomatics & Spatial Information Technology(测绘与空间地理信息), 2017, 40(6): 5. [本文引用:1]
[12] Kunte P D, Aswini M A. Atmospheric Research, 2015, 160: 109. [本文引用:1]
[13] QIU Yun, LI Ling-jun, LU Hai-feng, et al(邱昀, 李令军, 鹿海峰, ). China Environmental Science(中国环境科学), 2018, 38(9): 8. [本文引用:1]
[14] Sun K, Su Q, Ming Y. Remote Sensing, 2019, 11(15): 1772. [本文引用:1]
[15] HAN Tian, PAN Xiao-duo, WANG Xu-feng, et al(韩天, 潘小多, 王旭峰, ). Remote Sensing Technology and Application(遥感技术与应用), 2020, 35(4): 12. [本文引用:1]
[16] CHENG Hui-bo(程慧波). Environmental Study and Monitoring(环境研究与监测), 2018, 31(1): 4. [本文引用:1]
[17] YANG Jie, ZHAO Tian-liang, CHENG Xu-geng, et al(杨婕, 赵天良, 程叙耕, ). Acta Scientiae Circumstantiae(环境科学学报), 2021, 41(8): 10. [本文引用:1]
[18] AISHAJIANG Aili, LIANG Fei-fei, XU Hai-liang, et al(艾沙江·艾力, 梁菲菲, 徐海量, ). Acta Scientiae Circumstantiae(环境科学学报), 2020, 40(8): 2882. [本文引用:2]
[19] WANG Qin, CHEN Xi, HE Gong-li, et al(王秦, 陈曦, 何公理, ). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2013, 33(6): 1441. [本文引用:1]
[20] HU Jin-ming, CUI Hai-ting, TANG Zhi-ying (胡金明, 崔海亭, 唐志英). Journal of Natural Disasters(自然灾害学报), 1999, 8(4): 49. [本文引用:1]
[21] QIU Xin-fa, ZENG Yan, MIAO Qi-long (邱新法, 曾燕, 缪启龙). Acta Geographica Sinica(地理学报), 2001, 56(3): 316. [本文引用:1]
[22] GU Run-yuan, CHEN Lei, ZHOU Wei-can, et al(顾润源, 陈磊, 周伟灿, ). Chinese Journal of Atmospheric Sciences(大气科学学报), 2014, 37(4): 414. [本文引用:1]
[23] SUN Yong-gang, MENG Xue-feng, SONG Gui-ying, et al(孙永刚, 孟雪峰, 宋桂英, ). Meteorological Monthly(气象), 2009, 35(3): 87. [本文引用:1]
[24] LUO Jing-ning, FAN Yi-da, SHI Pei-jun, et al(罗敬宁, 范一大, 史培军, ). Journal of Natural Disasters(自然灾害学报), 2003, (2): 28. [本文引用:1]
[25] HU Wen-jie, MA Li, WU Xiu-qin, et al(胡雯婕, 马莉, 吴秀芹, ). Acta Scientiarum Naturalium Universitatis Pekinensis[北京大学学报(自然科学版)], 2021, 57(6): 1161. [本文引用:1]
[26] HUANG Yue, CHEN Bin, DONG Li, et al(黄悦, 陈斌, 董莉, ). Chinese Journal of Atmospheric Sciences(大气科学), 2021, 45(3): 524. [本文引用:1]
[27] LIU Zun-chi, LIU Tong, HAN Zhi-quan, et al(刘尊驰, 刘彤, 韩志全, ). Arid Land Resources and Environment(干旱区资源与环境), 2016, 30(12): 129. [本文引用:1]
[28] LI Fu-gang, LI Lun-ge, LIN Chun-ying, et al(李富刚, 李仑格, 林春英, ). Journal of Desert Research(中国沙漠), 2008, (3): 586. [本文引用:1]