引用本文
项雅静, 王珊珊, 周斌. 基于光谱分析的大气混合层高度测量研究. 光谱学与光谱分析, 2018,38(12): 3653-3658
XIANG Ya-jing, WANG Shan-shan, ZHOU Bin. Study of the Estimation of Atmospheric Mixing Layer Height Using Spectral Analysis Technology. Spectroscopy and Spectral Analysis, 2018,38(12): 3653-3658.  
Doi: 10.3964/j.issn.1000-0593(2018)12-3653-06
Permissions
Copyright©2018, 光谱学与光谱分析
光谱学与光谱分析 所有
基于光谱分析的大气混合层高度测量研究
项雅静1, 王珊珊1,2, 周斌1,2,3,*
1. 上海市大气颗粒物污染防治重点实验室, 复旦大学环境科学与工程系, 上海 200438
2. 上海崇明生态研究院, 上海 202151
3. 复旦大学大气科学研究院, 上海 200438
*通讯联系人 e-mail: binzhou@fudan.edu.cn

作者简介: 项雅静, 1993年生, 复旦大学环境科学与工程系硕士研究生 e-mail: st11_xyj@163.com

收稿日期: 2018-04-04 接受日期: 2018-08-15
基金项目: 国家重点研发计划项目(2016YFC0200400), 国家自然科学基金项目(21777026, 21477021)资助
摘要

基于地基主动和被动差分光学吸收光谱(DOAS)分析方法, 在2015年5月至2016年5月期间对上海近地面NO2浓度(cNO2)及对流层NO2的垂直柱浓度(NO2 VCDtrop)进行了观测。 主动长光程差分光学吸收光谱系统(long-path DOAS, LP-DOAS)观测得的cNO2小时均值与上海市全市空气质量cNO2小时均值呈正相关, 相关系数为0.81。 被动多轴差分光学吸收光谱系统(multi-axis DOAS, MAX-DOAS)观测得的NO2 VCDtrop与GOME-2和OMI卫星传感器测得的NO2 VCDtrop也均呈正相关, 相关系数分别为0.89和0.88。 大气污染物的输送、 扩散、 稀释和沉降等过程主要发生在边界层中, 白天混合层占到边界层的大部分, 混合层高度(MLH)以上的自由对流层中污染物浓度较小, 混合层内NO2接近均匀混合时, 利用地基主、 被动DOAS观测得到的NO2数据可以快速计算大气混合层高度。 计算得的MLH与GDAS气象数据库中的边界层高度(PBLH)明显相关, 相关系数达0.93, 二者结果大小均在0.1~2 km之间。 实验观测期间, MLH与PBLH日变化趋势均呈单峰形, MLH高值出现在12:00—15:00, 由于PBLH时间分辨率低, 最高值出现在14:00, 同时二者月均变化趋势一致, 2015年9月和2016年2月数值较高, 2015年7月和2016年3月数值较低, 另外求得MLH约为PBLH的0.98±0.59倍, 符合狭义MLH与PBLH的关系。 计算得的MLH与同点位激光雷达测得的PBLHLidar也具有较高的相关性, 相关系数达0.75, PBLHLidar略大于MLH, 但是二者在早晨5和6时和下午5和6时大小趋于相同, 符合大气发展规律。 说明该算法具有较高的可行性。

关键词: 差分光学吸收光谱技术; NO2; 混合层高度; 光谱分析
中图分类号:O433.4 文献标识码:A
Study of the Estimation of Atmospheric Mixing Layer Height Using Spectral Analysis Technology
XIANG Ya-jing1, WANG Shan-shan1,2, ZHOU Bin1,2,3,*
1. Shanghai Key Laboratory of Atmospheric Particle Pollution and Prevention (LAP3), Department of Environmental Science and Engineering, Fudan University, Shanghai 200438, China
2. Shanghai Institute of Eco-Chongming (SIEC), Shanghai 202151, China
3. Institute of Atmospheric Sciences, Fudan University, Shanghai 200438, China;
Abstract

The ground surface NO2 concentration (cNO2) and tropospheric NO2 vertical column density (NO2 VCDtrop) in Shanghai area were measured by ground-based active and passive DOAS methods from May 2015 to May 2016. The hourlycNO2 measured by LP-DOAS was positively associated with Air Quality monitoring data ( r=0.81), while the NO2 VCDtrop retrieved form MAX-DOAS measurements agreed well with GOME-2 and OMI satellite observations (r=0.89, 0.88). The results of both active and passive DOAS were reliable. In daytime, Mixing Layer takes up a majority of Planetary Boundary Layer, where most of the air pollutants’ transportation, dispersion, dilution and deposition occur. The concentration of pollutants such as NO2 mixes well within the Mixing Layer and reduces nearly to zero in free troposphere above the Mixing Layer. A new method was proposed to estimate the Mixing Layer Height (MLH) by combining the active and passive DOAS observations. The feasibility of this method was discussed in details in this paper. The calculated MLH was significantly correlated to Planet Boundary Layer Height (PBLH) deduced from GDAS meteorology database ( r=0.93). Both MLH and PBLH ranged from 0.1 to 2 km. The diurnal variation showed a single peak. The MLH reached the maximum during 12:00 to 15:00, whereas the PBLH peaked at 14:00 due to the lower temporal resolution. The monthly averaged MLH and PBLH had similar seasonal variation, which were higher in Sept. 2015 and Feb. 2016, and lower in July 2015 and March 2016. The ratio of MLH and PBLH was 0.98±0.59, which was consisted with the relationship between them. The deduced MLH was also highly correlated with PBLHLidar obtained from the co-located Lidar results ( r=0.75). PBLHLidar value was slightly higher than MLH, but they tended to be the same at the beginning and end of daytime. The validations with other methodologies suggested that this method was evidently reliable.

Key words: Differential optical absorption spectroscopy; NO2; Mixing layer height; Spectral analysis
引 言

行星边界层(planetary boundary layer, PBL)存在各种尺度的湍流, 动力学与热力学因素共同影响近地面大气污染物的扩散和累积[1]。 PBL白天发展比较迅速, 其结构中的混合层(mixing layer, ML)达到相当厚度, 占到PBL的大部分, 入夜之后下垫面冷却, PBL逐渐发展成逆温层, 且混合层逐渐消失[2]。

目前廓线观测和参数化模型为主要边界层探测方式。 廓线观测包括系留气球探测、 近地层气象塔和遥感探测等。 参数化模型包括英国气象业务模式和中尺度气象模式等。 两种方法不能同时满足观测范围、 时空分辨率和操作费用等方面的要求[3]。

差分光学吸收光谱法(differential optical absorption spectroscopy, DOAS)利用气体分子对紫外-可见波段的特征吸收进行识别和定量分析[4], 50余年前由德国海德堡大学Platt教授等[5]提出, 已相继出现了地基、 星载和车载等观测方式。 根据使用光源不同, 可分为主动和被动两类, 前者使用氙灯等人工光源, 主要用来监测光路上痕量气体的平均浓度; 后者使用自然光源, 结合大气辐射传输模式, 能够得到痕量气体在整层大气中的垂直柱浓度和垂直廓线等。

主、 被动DOAS联合观测, 可以获取更多的大气信息[6, 7]。 本工作综合主、 被动DOAS观测, 运用合理的假设, 采用简单模型快速计算出混合层高度, 可进一步为实时连续环境监测与预报提供帮助。

1 实验部分
1.1 仪器

在复旦大学第四教学楼(31.30° N, 121.48° E)的楼顶(高约20 m)安装了主动长光程差分光学吸收光谱系统(long-path DOAS, LP-DOAS)和被动多轴差分光学吸收光谱系统(multi-axis DOAS, MAX-DOAS)。

LP-DOAS由角反射镜、 150 W的高压短弧氙灯光源、 210 mm口径发射望远镜、 美国B& W公司的BRU741E-1024型号光谱仪、 1024象元的光二极管阵列(PDA)探测器和计算机等组成。 角反射镜置于东偏南680 m外的杨浦孵化基地50 m高阳台处, 其余仪器部件均位于四教楼顶。 光谱采集范围200~450 nm, 光谱分辨率为0.75 nm, 测量时间分辨率为3 min。

MAX-DOAS由接收望远镜、 光纤光谱仪(美国海洋光学QE65 Pro)、 望远镜控制器和计算机等组成。 接收望远镜口径50 mm, 朝北偏东约10° 方向, 在步进电机的带动下, 依次扫描5个俯仰角(elevation viewing angle, EVA, 3° , 6° , 10° , 18° , 90° ), 扫描一个循环需要约6 min。 仪器夜间自动测量暗电流, 白天当太阳天顶角小于85° 时自动采集光谱, 并根据积分时间自动扣除相应的暗电流成分。

1.2 DOAS基本原理

受大气成分的吸收和散射的影响, 光束消光前后的光强关系[8]为

I(λ)=I0(λ)exp[-∫(∑i=1n(σi0(λ)+σ'i(λ))ci+εR(λ)+εM(λ))dL](1)

式(1)中, λ 为波长, 单位nm; I为测量光强, I0为发射光强; n为所测气体的种类数; σ 'i(λ )是气体i的窄带吸收截面, 也称差分吸收截面; σ i0(λ )表示气体i的宽带吸收截面, 随波长变化缓慢, 与慢变化部分的瑞利散射(衰减系数ε R(λ ), cm-1)和米散射(衰减系数ε M(λ ), cm-1)的变化效果相同; ci为第i种气体浓度, 单位molec· cm-3; L为光程, 单位m。

将式(1)两边取对数, 利用高通和低通滤波, 滤除吸收光谱中的慢变化和宽带吸收部分, 剩余窄带吸收A' (λ )

A'(λ)=∫∑i=1nσ'i(λ)cidL(2)

结合各类气体吸收截面和最小二乘法: 针对LP-DOAS观测, 光程L恒定, 单位m, 求得气体i的平均浓度ci, 单位molec· cm-3; 对于MAX-DOAS观测, 可求得气体i在不同望远镜俯仰角α 沿光路的积分浓度, 即斜程柱浓度(slant column density)SCDi, α , 单位molec· cm-2, 通常选择痕量气体吸收小的光谱(中午, 天顶方向)作为参考光谱, 测量光谱SCDα 和参考光谱SCDref的差值记为DSCDα (differential slant column density)

DSCDα=SCDα-SCDref=SCDα-SCD90°(3)

一般认为平流层吸收光谱在同一望远镜扫描周期内相同, 则EVA=α 时对流层斜程柱浓度DSCDtrop, α 与DSCDα 相等。 大气质量因子(air mass factor, AMF)为气体垂直柱浓度(vertical column layer, VCD)与SCD的比值, 由大气辐射传输模式求得, 则流层垂直柱浓度VCDtrop

VCDtrop=DSCDtropDAMFtrop=SCDα-SCD90°AMFα-AMF90°(4)

1.3 大气质量因子计算

采用辐射传输模式SCIATRAN[9]模拟AMF。 计算波长为354 nm, 选择伪球面大气模式并考虑大气多次散射过程。 将大气分为89层, 层顶高100 km°2 km以下, 网格精度0.1 km; 2~15 km, 网格精度0.5 km; 15~30 km, 网格精度1 km; 30~50 km, 网格精度2 km; 50 km到层顶, 网格精度 3 km。 地表反照率设为0.14[10]。 选择LOWTRAN气溶胶参数化模式: 边界层气溶胶类型为城市气溶胶, 相对湿度80%; 对流层能见度设为23 km, 相对湿度70%; 平流层气溶胶参数均设为背景值。 模拟时温度、 压强廓线替换为上海的探空数据(http://weather.uwyo.edu/upperair/sounding.html)。 痕量气体廓线采用模式提供的30° N— 40° N纬度带的各个月份McLinden气候学浓度廓线。

参考GEOS-CHEM模型模拟结果, 设置四季大气对流层NO2垂直廓线: 底部浓度均为53.75 molec· cm-3, 混合层内NO2浓度均匀分布, 混合层高度(冬季0.7 km, 春/秋季0.9 km, 夏季1.1 km), 冬、 春/秋和夏季NO2廓线浓度分别在1, 1.5和1.7 km高度处降为2.69 molec· cm-3, 2 km以上NO2浓度为0。

1.4 混合层高度计算

大气污染物的扩散和沉降等过程主要发生在边界层中[1], 大气污染物在大气湍流和对流的作用下向水平和垂直方向扩散, 并趋向完全混合。 混合层高度(mixing layer height, MLH)以上, 污染物浓度减少到一个比较小的数值[11], 即自由对流层中的污染物浓度相对较小, 则气体i在对流层中的柱浓度VCDtrop可以约等于ci在混合层中沿高度的积分

VCDtrop≈∫0MLHcidh(5)

各污染物浓度日变化在不同程度上均受混合层发展过程的影响[12], 即污染物的浓度变化在一定程度上反映了当地城市的混合层变化特征。 选择NO2作为反演气体。 当NO2在混合层内均匀混合[13, 14]时, 求得MLH

MLH=VCDtrop, NO2cNO2(6)

2 结果与讨论
2.1 光谱分析结果

LP-DOAS测量光谱拟合波段为340~383 nm, 参与反演的气体有NO2, O3, HCHO, HONO, SO2和CHOCHO, 获得 cNO2小时均值。 MAX-DOAS光谱数据反演波段为338~370 nm, 设5阶拟合多项式, 参与反演的气体为O4, O3, NO2, HCHO和BrO, 剔除NO2反演误差大于10%的数据, 获得NO2 DSCD的小时均值。 结合天气信息筛选反演结果如表1所示, 其中2015年10月至2016年1月和4月因望远镜故障停止转动, 故无有效MAX-DOAS数据。

表1 各月有效数据的小时数 Table 1 Hours per month of the effective data

光谱分析如图1所示, 其中的图1(a)为LP-DOAS测量光谱拟合示意图, 该条光谱2016年3月1日8:01:47测得, 反演得到NO2浓度为166.93 μ g· m-3 , 拟合残余结构标准差为4.32× 10-4; 图1(b)为2016年3月1日8:01:59时刻MAX-DOAS3° 仰角测量光谱的拟合示意图, NO2 DSCD为1.89× 1017 molec· cm-2, 其中拟合残差均方根为9.59× 10-4。

图1 LP-DOAS和MAX-DOAS测量光谱的NO2拟合示意图Fig.1 NO2 spectral fitting of LP-DOAS and MAX-DOAS measured spectra

2.2 主、 被动NO2数据验证

观测期间LP-DOAS测得的NO2小时浓度值 cNO2, LP⁃DOAS与上海虹口和杨浦四漂等10个监测点测得的空气质量指数(air quality index, AQI)NO2小时浓度均值 cNO2, AQI(http://106.37.208.233:20035/)二者明显相关, 相关系数r为0.809。 由于空气质量NO2小时浓度为全市平均, 数值略低于DOAS观测结果。

考虑卫星过顶时间不同, 将GOME-2(Global Ozone Measurement Experiment-2)和OMI(Ozone Monitor Instrument)卫星观测得的上海市对流层NO2垂直柱浓度NO2 VCDtrop, GOME-2和NO2 VCDtrop, OMI分别与9:00— 10:00和13:00— 14:00时段的NO2 VCDtrop, MAX-DOAS进行对比, 各得到晴好天气下的观测样本50和52个, 相关系数r分别为0.89和0.88, 说明MAX-DOAS数据可靠。 MAX-DOAS结果略大是因为地基观测点位于机动车污染明显的城市区域, 而卫星观测结果则为一定范围的均值; 而且卫星探测器与MAX-DOAS接收到的太阳辐射传输路径不同, 地面气溶胶和高空云层会降低卫星探测污染物的敏感性。

图2 LP-DOAS与空气质量NO2浓度的相关性Fig.2 Relationship of cNO2 between LP-DOAS observation and AQI

图3 MAX-DOAS与卫星测得的NO2 VCDtrop的相关性Fig.3 Relationship of NO2 VCDtrop between MAX-DOAS and satellite observation

2.3 MLH结果及验证

通过后向轨迹模式(HYSPLIT)读取全球同化系统(Global Data Assimilation System, GADS, ftp://arlftp.arlhq.noaa.gov/pub/archives/gdas1)气象资料获得边界层高度(PBLH)数据, 该气象数据的空间分辨率为1° × 1° , 时间分辨率为3 h(均为UTC, 其中同化资料: 00:00, 06:00, 12:10, 18:00, 模式预报: 03:00, 09:00, 15:00, 21:00)。 气象要素资料含31种地表气象要素和九种垂直层要素。

根据式(4), 由MAX-DOAS光谱分析获得DSCD后, 需进行大气质量因子AMF模拟, 进一步向VCD转化。 由于AMF依赖于大气辐射传输特性, 受到各种大气成分吸收、 散射和折射作用[15]。 分别以5, 10 km和虹桥机场能见度数据(https://www.wunderground.com/history)进行AMF模拟, 结果表明以实测能见度开展AMF模拟能够进一步提高MLH与PBLH相关性(r=0.93)。 日后应用本算法时可以联合DOAS仪器与能见度仪观测。

图4 MLH与PBLH间的相关性分析Fig.4 Relationship between MLH and PBLH

统计DOAS观测期间的MLH和PBLH数据, 二者小时均值日变化如图5所示。 MLH和PBLH大小约为0.1~2 km。 二者日变化均呈现单峰结构, MLH高值出现在12:00— 15:00, 而PBLH时间分辨率低, 最高值出现在14:00。 白天整体上PBLH数值高于MLH, 前者的数据离散程度也明显大于后者。

图5 上海MLH和PBLH的日变化Fig.5 Diurnal variation of MLH and PBLH in Shanghai

统计MLH与PBLH在5:00— 17:00时间段的月均值, 二者的月变化趋势相似[图6(a)], MLH和PBLH在2015年9月和2016年2月数值较高, 2015年7月和2016年3月数值较低。 图6 (b)可见MLH/PBLH的大小范围为0.2~3.7, 均值为0.983± 0.591, 与文献相符[2]。

图6 MLH, PBLH和MLH/PBLH的月均变化Fig.6 Monthly variation of MLH, PBLH and MLH/PBLH

2.4 同点位雷达验证

相同观测点位安装有MPL-4B型脉冲激光雷达, 该仪器的时间、 空间分辨率分别为30 s和30 m, 属于弹性后向散射激光雷达。 反演雷达探测数据获得边界层高度PBLHlidar, 与相同日期求得的MLH小时均值的相关系数r为0.75[图7(a)]。 二者的日变化趋势一致[图7(b)], 均在12:00— 16:00时数值较高, 且二者在早、 晚5、 6时数值大小趋于相同, 与近地面大气发展规律相符。

图7 MLH与PBLHLidar间的相关性分析及日变化Fig.7 Relationship and diurnal variation of MLH and PBLHLidar

3 结 论

根据上海市2015年5月至2016年5月LP-DOAS和MAX-DOAS观测, 反演获得NO2近地面浓度及对流层垂直柱浓度及其有效性, 着重讨论了结合主、 被动数据计算MLH的可行性, 将计算结果与GDAS气象数据库中的PBLH数据以及同点位雷达观测数据进行对比验证:

(1)LP-DOAS测定的近地面NO2浓度与上海空气质量NO2浓度呈正相关。 MAX-DOAS测得的对流层NO2的垂直柱浓度与GOME-2和OMI卫星数据的相关性系数达到0.8以上, 明显相关。 DOAS观测结果可靠。

(2)结合LP-DOAS与MAX-DOAS计算MLH的算法具有一定的理论依据性。 MLH计算结果与GDAS气象数据库中的PBLH数据以及雷达边界层高度PBLHlidar数据相关性高, 相关系数分别为0.93和0.75。 日均变化及月均变化趋势相同, 同时求得MLH约为PBLHGDAS的0.98倍。 该算法具有明显可行性。

(3)该方法存在的主要误差可能是箱型廓线假设与真实情况存在不同, 经过误差讨论分析, 若NO2呈高斯分布和指数衰减时, 与箱型廓线的MLH结果相差0.5%~14%和26%~36%。 此外, 辐射传输模型中对边界层高度的定义也会对推算结果产生10%不确定性。

The authors have declared that no competing interests exist.

参考文献
[1] WANG Shi-qiang, LI Wei-biao, DENG Xue-jiao, et al(王世强, 黎伟标, 邓雪娇, 等). China Environmental Science(中国环境科学), 2015, 35(10): 2883. [本文引用:2]
[2] SHENG Pei-xuan, MAO Jie-tao, LI Jiao-guo, etal(盛裴轩, 毛节泰, 李建国, 等). Atmospheric Physics(大气物理学). Beijing: Peking University Press北京: 北京大学出版社, 2013. 243. [本文引用:2]
[3] Seibert P, Beyrich F, Gryning S E, et al. Atmospheric Environment, 2000, 34(7): 1001. [本文引用:1]
[4] Ortega I, Koenig T, Sinreich R, et al. Atmospheric Measurement Techniques, 2015, 8(6): 2371. [本文引用:1]
[5] Perner D, Platt U. Geophysical Research Letters, 1979, 6(12): 917. [本文引用:1]
[6] Macdonald S M, Oetjen H, Mahajan A S, et al. Atmospheric Chemistry Physics Discussions, 2012, 12(2): 5903. [本文引用:1]
[7] Wu F C, Xie P H, Li A, et al. Atmospheric Measurement Techniques, 2013, 6(9): 2277. [本文引用:1]
[8] Wagner T, Ibrahim O, Shaiganfar R, et al. Atmospheric Measurement Techniques, 2010, 2(6): 129. [本文引用:1]
[9] Rozanov V V, Rozanov A V, Kokhanovsky A A, et al. Journal of Quantitative Spectroscopy & Radiative Transfer, 2014, 133(2): 13. [本文引用:1]
[10] CAI Fu, ZHU Qing-lin, HE Hong-lin, et al, (蔡福, 祝青林, 何洪林). Resources Science(资源科学), 2005, 27(1): 114. [本文引用:1]
[11] Pasquill F, Smith F B, et al. Atmospheric Diffusion(大气扩散). Translated by QU Shao-hou, et al(曲绍厚, 等译). Beijing: Science Press北京: 科学出版社, 1989. 139, 212. [本文引用:1]
[12] WANG Yu-jun, HUANG Zu-zhao, ZHANG Jin-pu, et al(王宇骏, 黄祖照, 张金谱, 等). Research of Environmental Sciences(环境科学研究), 2016, 29(6): 800. [本文引用:1]
[13] Wagner T, Beirle S, Brauers T, et al. Atmospheric Measurement Techniques, 2011, 4(12): 2685. [本文引用:1]
[14] ZHAO Ming(赵鸣). Atmospheric Boundary Laye(大气边界层). Beijing: Meteorology Press北京: 气象出版社, 1992. 57. [本文引用:1]
[15] LI Wan-biao(李万彪). Atmospheric Physics: the Basis of Thermodynamics and Radiation(大气物理: 热力学与辐射基础). Beijing: Peking University Press北京: 北京大学出版社, 2010. 180. [本文引用:1]