多轴差分吸收光谱技术对冬季大气HONO垂直分布特征研究
田鑫1,3, 任博3,5, 谢品华1,3,4,5, 牟福生2,*, 徐晋3, 李昂3, 李素文2, 郑江一3, 李晓梅3, 任红梅3, 黄骁辉1, 潘屹峰1, 田伟1
1.安徽大学物质科学与信息技术研究院, 安徽 合肥 230601
2.淮北师范大学污染物敏感材料与环境修复安徽省重点实验室, 安徽 淮北 235000
3.中国科学院安徽光学精密机械研究所, 环境光学与技术重点实验室, 安徽 合肥 230031
4.中国科学院区域大气环境研究卓越创新中心, 福建 厦门 361021
5.中国科学技术大学环境科学与光电技术学院, 安徽 合肥 230026
*通讯作者 e-mail: moufusheng@163.com

作者简介: 田 鑫, 1990年生, 安徽大学物质科学与信息技术研究院讲师 e-mail: xtian@ahu.edu.cn

摘要

HONO作为大气OH自由基的前体物和重要贡献源, 影响着大气中污染物的氧化降解, 控制着对流层大气的自净能力, 对灰霾和光化学烟雾形成起到重要作用, 同时受污染排放特征、 垂直传输和混合、 非均相反应和大气光氧化等影响, HONO具有明显的垂直分布特征, 因此探究大气中HONO的垂直分布特征对于了解大气灰霾和光化学污染的形成和控制都十分重要。 MAX-DOAS作为一种被动遥感技术, 能够快速有效地获取大气中污染物的立体分布特征。 采用MAX-DOAS仪器对合肥市科学岛2017年12月冬季大气HONO和NO2进行了立体探测, 通过基于最优估算的气溶胶和痕量气体廓线反演算法PriAM获取了两种气体的垂直分布特征。 研究结果表明, 在观测期间NO2在近地面10 m内体积混合比(VMR)和垂直柱浓度(VCD)的范围分别在0.51×1011~20.5×1011 molecules·cm-3和6.0×1015~5.5×1016 molecules·cm-2, 在垂直方向上其浓度主要集中在1 km内, 且在近地面浓度混合均匀。 HONO的VMR和VCD分别在0.03×1010~5.1×1010 molecules·cm-3和3.5×1014~7.0×1015 molecules·cm-2之间, 浓度高值出现在100 m内, 浓度随高度的升高而明显下降。 通过对HONO和NO2的对比发现, HONO/NO2比值在0.17%~16.0%(VMR)和1.0%~25.0%(VCD)之间, 表明研究期间HONO主要来自于NO2的转化。 对冬季一次典型污染过程(2017.12.26—2017.12.31)分析, HONO/NO2的比值大于5%, 且HONO的浓度值升高(大于0.26×1011 molecules·cm-3), 表明污染条件下NO2向HONO的转化作用变强。 结合风场信息研究发现, 污染期间研究区域的NO2和HONO浓度受到合肥市城区、 安徽北部和西北部地区传输的影响。

关键词: 多轴差分吸收光谱; 二氧化氮; 气态亚硝酸; 垂直分布; 反演算法
中图分类号:O433.4 文献标志码:A
Study on Vertical Distribution of Atmospheric HONO in Winter Based on Multi-Axis Differential Absorption Spectroscopy
TIAN Xin1,3, REN Bo3,5, XIE Pin-hua1,3,4,5, MOU Fu-sheng2,*, XU Jin3, LI Ang3, LI Su-wen2, ZHENG Jiang-yi3, LI Xiao-mei3, REN Hong-mei3, HUANG Xiao-hui1, PAN Yi-feng1, TIAN Wei1
1. Institutes of Physical Science and Information Technology, Anhui University, Hefei 230601, China
2. Anhui Province Key Laboratory of Pollutant Sensitive Materials and Environmental Remediation, Huaibei Normal University, Huaibei 235000, China
3. Key Laboratory of Environmental Optical and Technology, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei 230031, China
4. CAS Center for Excellence in Urban Atmospheric Environment, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China
5. School of Environmental Science and Optoelectronic Technology, University of Science and Technology of China, Hefei 230026, China
*Corresponding author
Abstract

Nitrite (HONO), as one of the sources of OH free radical in the atmosphere, plays an important role in the oxidative capacity of the atmosphere. Moreover, previous studies have shown that HONO plays an important role in generating atmospheric haze in winter. The conversion of NO2 is considered one of the important sources of HONO. Therefore, researching the vertical distribution characteristics of HONO in the atmosphere has an important role in studying the formation and control of atmospheric pollution. Because of the important role of HONO in the atmosphere, currently, the methods of chemiluminescence and spectroscopy, as well as indirect methods, are mainly used to measure HONO in the atmosphere. MAX-DOAS method is a passive remote sensing technology that can quickly and effectively obtain the three-dimensional distribution of pollutants in the atmosphere. In this paper, the MAX-DOAS instrument was used for stereo detection of HONO and NO2 in the winter atmosphere of the Science Island of Hefei in December 2017. The vertical distribution characteristics of those are obtained through the PriAM algorithm. The research results show that during the observation period, the NO2 vertical mixed concentration (VMR) and vertical column concentration (VCD) in the range of 10m near the ground were in the range of 0.51×1011~20.5×1011 molecules·cm-3 and 6.0×1015~5.5×1016 molecules·cm-2, respectively.The concentration was mainly concentrated within 1 km, and evenly mixed near the ground. However, the VMR and VCD of HONO were between 0.03×1010~5.1×1010 molecules·cm-3 and 3.5×1014~7.0×1015 molecules·cm-2, respectively. The upper level of concentration was within 100m, and its concentration decreased significantly with the increase in height. The HONO/NO2 ratio was between 0.17%~16.0% (VMR) and 1.0%~25.0% (VCD), indicating that HONO was mainly derived from NO2 conversion during the study period. Under a typical polluted episode (2017.12.26—2017.12.31), HONO/NO2 was greater than 5%, and the concentration of HONO increased (greater than 0.26×1011 molecules·cm-3), indicating that the conversion of NO2 to HONO became strong. By combining the wind field changes to study the source of NO2 during the pollution period, it was found that the transmission in the urban area of Hefei, northern and northwestern Anhui has a significant effect on NO2 and HONO.

Keyword: Multi-Axis differential optical absorption spectroscopy; NO2; HONO; Vertical distribution; Inversion algorithm
引言

近几年, 人类活动向大气中排放的污染物浓度增多, 导致严重的大气污染问题。 气态亚硝酸(HONO)作为城市大气中OH自由基的重要来源之一, 其在大气中浓度低, 易被光解消耗, 但在夏季光化学烟雾和冬季雾霾等污染形成过程中具有重要的作用[1]。 日间HONO的来源主要分为直接排放源(如土壤、 工业的排放)[2]、 硝酸盐的光解和大气中氮氧化物的转化[3]。 HONO的光解产生OH自由基, 增强了大气的氧化能力, 对大气中O3和二次有机气溶胶(SOA)的浓度有明显的影响[1]。 研究表明HONO具有明显的垂直分布特征, 且不同区域不同高度HONO的来源也不尽相同。 研究大气HONO的垂直分布特征是了解城市大气氧化能力的关键所在。

目前, 国内主要通过湿化学法[4], 光谱法[5, 6]和间接法[7]对大气中的HONO浓度进行测定。 但以上测量技术对HONO的垂直分布特征探测需要搭载移动平台, 价格昂贵, 不够便捷且垂直分辨率容易受到搭载平台的限制, 难以用于长期的区域HONO垂直分布观测研究。 MAX-DOAS技术作为一种被动遥感技术, 在大气污染物的垂直分布探测方面具有突出的优势, 同时由于其具有快速、 便捷、 能够实现多种污染物同时测量的优点, 在大气环境监测中具有广泛的应用前景。 该技术通过采集不同仰角下的太阳散射光反演出气体的差分斜柱浓度(differential slant column densities, dSCD), 再通过大气辐射传输模型计算出气体的垂直柱浓度(vertical column density, VCD)和廓线。

1 实验部分
1.1 仪器的安装

MAX-DOAS系统在文献[8]中有详细的叙述, 系统示意图如图1(a)。 该系统主要由望远镜、 步进电机、 光纤、 光谱仪以及计算机组成。 研究中采用Princeton Instruments(PI)光谱仪, CCD探测器为2048像素, 并置于35 ℃的恒温箱中, 其采集光谱范围在290~410 nm内, 光谱分辨率为0.35 nm。 能够实现360° 全方位测量。 望远镜方向朝向正北(方位角为0° ), 通过1° , 2° , 3° , 4° , 5° , 6° , 8° , 15° , 30° 和90° (天顶方向)十个离轴角采集太阳散射光, 并通过光纤和光谱仪系统转化为数字信号存储在计算机中, 一个循环约为15 min。

图1 (a)MAX-DOAS工作简图, (b)仪器安装位置和实物图Fig.1 (a) Experimental setup of MAX-DOAS, (b) MAX-DOAS instrument and Observation site

MAX-DOAS系统安装在安徽光学精密机械研究所综合楼楼顶(31.91° N, 117.17° E), 距地面约为20 m, 北、 西北、 西部为农田, 西南部为合肥市市区, 东北部有一工业园区, 如图1(b)所示。 对2017年12月份采集的光谱进行处理, 选取335~375 nm波段范围内获取了NO2、 HONO以及气溶胶的浓度信息。

1.2 DOAS分析

DOAS技术是将太阳散射光光谱分为“ 快变化” 和“ 慢变化” 两部分, 通过滤除“ 慢变化” 去除Rayleigh散射和Mie散射的影响效应, 再对分离出的“ 快变化” 部分进行最小二乘法处理, 获取目标气体浓度的方法[8]。 采用QDOAS软件(http://uv-vis.aeronomie.be/software/QDOAS/)对太阳散射光谱进行处理。 QDOAS的参数配置如表1所示。 NO2(O4)以及HONO分别在338~375和335~373 nm波段进行反演, 获取气体的斜柱浓度(slant column densities, SCD), 即沿有效光程路径上的气体数密度的积分值。 在QDOAS的反演中需要输入夫琅禾费参考光谱(Fraunhofer reference spectrum, FRS)做为背景光谱。 研究中采用当圈循环天顶方向采集的光谱作为FRS, QDOAS输出的结果为差分斜柱浓度。 图2(a, b, c)分别为太阳散射光谱的QDOAS拟合结果, 图2(a)为O4, 图2(b)为NO2反演的RMS(root meansquare)约为5.39× 10-4, 图2(c)反演HONO的RMS约为4.35× 10-4, 相应的dSCD分别为9.30× 1016 molecules· cm-2, 2.04× 1043 molecules2· cm-5和2.93× 1015 molecules· cm-2

表1 QDOAS反演NO2, O4, HCHO和HONO的参数配置 Table 1 Parameter settings used for spectral analysis using the Windoas for NO2, O4, HCHO and HONO

图2 2017年12月09日上午09:00 2° 仰角光谱拟合的(a)O4, (b)NO2和(c)HONO曲线
蓝线表示测量曲线, 红线为拟合曲线
Fig.2 Example of deconvolution of the DOAS spectrum in evaluation (a) O4, (b) NO2 and (c) HONO slant column densities of 2° elevation spectrum at 9:00 (Local Time) in December 9, 2017
Bule lines represent the absorption signal and red lines represent the fit signal

为保证数据质量, 需要对获得的dSCD数据进行筛选。 研究中设定RMS阈值为0.002, 滤除高于该阈值的RMS, 同时将太阳天顶角(solar zenith angle, SZA)大于75° 的数据滤除, 避免散射光因在平流层中光程路径过长对对流层气体数据的反演造成影响[16]。 此外, 通过Ryan等[17]提出的方法保守估计了MAX-DOAS对NO2和HONO的探测限, 并对数据进行了筛选, 结果如表2所示。

表2 MAX-DOAS反演NO2和HONO的VCD和VMR的探测限 Table 2 Detection limits of VCD and VMR of NO2 and HONO inversion by MAX-DOAS

由于所获得的dSCD与有效光程相关, 不能直接作为目标区域的浓度信息, 因此需要将dSCD转换为垂直柱浓度。 大气质量因子(air mass factor, AMF)经常被用于将SCD转化为VCD[18], 如式(1)

VCD=SCDα-SCDα=90°AMFα-AMFα=90°=dSCDαAMFα-AMFα=90°(1)

式(1)中, α 为仪器仰角。 在一定条件下AMF可采用几何近似法获取[12], 即

AMF=1sinα(2)

将式(2)代入式(1)中可近似求得目标气体的VCD, 如式(3)

VCD=dSCDα1-sinαsinα(3)

研究表明, 15° 和30° 仰角采用几何近似较接近于边界层的几何光程, 但15° 的系统偏差要低于30° [18]

1.3 目标气体的浓度反演

由于在实际大气中情况较为复杂, 式(3)不能够完全适用。 研究中通过使用基于最优估算法的PriAM廓线反演算法[16]获取NO2、 HONO及气溶胶的VCD、 廓线及近地表体积混合比(volume mixing ratios, VMRs)。

PriAM反演算法通过使测量dSCD值和模拟dSCD值之间的价值函数最小化, 进而达到获取目标气体浓度信息的目的, 其中模拟dSCD值及AMF值由大气辐射传输模型(RTM)SCIATRAN v2.2获得[19]。 PriAM为两步反演算法, 第一步通过光谱拟合获取的O4dSCD获取气溶胶廓线; 第二步采用第一步得到的气溶胶信息和气体的dSCD获取气体的廓线信息。 研究中, RTM中输入的地表反射率设定为0.06, 单散射反照率(single scattering albedo, SSA)为0.95和气溶胶非对称因子为0.68。 获得的气溶胶廓线高度范围在0~4 km, 200 m为一层, 共21层(最低一层设为50 m), 气体的廓线高度范围在0~3 km, 50 m为一层, 共61层(最低一层设为10 m)。

在理想的气体环境中, 认为MAX-DOAS对每一层气体的探测灵敏度都相同, 但由于实际天气情况复杂且仪器分辨率有限, 使得MAX-DOAS系统在每一层的探测灵敏度存在差异, 且高层的灵敏度远小于低层。 工作中引入平均核(average kernel, A)矩阵, 用以反映不同层高的仪器探测灵敏度, 即A=∂ x/∂ xt[14]。 反演廓线x、 真实廓线xt以及先验廓线xa三者之间的关系如式(4)

x=xa+A(xt-xa)(4)

式(4)中, A为平均核矩阵, 每一列代表一个层高, 每一个元素代表灵敏度, 每层平均核最大值代表该层的探测灵敏度。 其对角线元素之和定义为自由度(degrees of freedom for signal, DOFS), 自由度值越大表明获得的廓线之间的独立程度越好, 反演越准确。 为了获取MAX-DOAS系统的灵敏高度范围, 将每层最大平均核元素值连接成一条曲线, 称为包络线。 如图3为上述dSCD值经PriAM反演得到的平均核矩阵, Aerosol[图3(a)], NO2[图3(b)]和HONO[图3(c)]对应的自由度分别为2.50, 3.13和2.04。 当DFS> 0.7时, 可认为反演所得廓线信息主要与测量相关[20], 由此MAX-DOAS系统很好地获取了气溶胶及气体的廓线信息。

图3 2017年12月08日上午09:00的(a)气溶胶、 (b)NO2以及(c)HONO的平均核结果
细线表示平均核连接曲线, 不同颜色代表不同的选取高度层(均取200 m为一层), 黑色粗实线代表反演获得的包络线
Fig.3 A totally average daveraging kernel of (a) aerosol, (b) NO2 and (c) HONO at 09:00 (Local Time) on December 8, 2017
The thin line represents the average nucleus connection curve, and the different colors represent different selected height layers (both 200 m are taken as one layer). The thick bmack solid line represents the envelope obtained by the inversion

2 结果与讨论
2.1 HONO和NO2浓度变化特征

由于MAX-DOAS系统受光照强度的影响, 剔除在阴雨天气下测得的数据。 经剔除后的反演数据浓度变化如图4所示, 研究期间NO2和HONO的近地面(10 m内)混合浓度范围分别在0.51~20.5× 1011 molecules· cm-3和0.03~5.1× 1010 molecules· cm-3之间[图4(a)上左], 其相应的垂直柱浓度VCD的范围分别在6.0× 1015~5.5× 1016 molecules· cm-2和3.5× 1014~7.0× 1015 molecules· cm-2之间[图4(b)上右]。 HONO/NO2值的在0.17%~16.0%(VMR)[图4(b)中]和图4(a)中1.0%~25.0%(VCD)图4(b)中之间。 同时NO2近地面浓度和垂直柱浓度呈现早晚高中午低的“ 双峰” 趋势, 而HONO浓度高值主要出现在早晨, 随着光照的增强浓度迅速下降。 当出现中度污染条件时[AQI> 150, 如图4(a)下图所示], NO2和HONO的VMR和VCD值在7:00— 11:30时段内较高, 且较AQI的变化存在明显的滞后性(如: 12月04日和12月30日(AQI> 200)), 表明在冬季大气雾霾的形成过程中NO2和HONO的转化具有重要的作用。 而在12月11日— 12月12日也发现了较高的HONO/NO2的比值, 在这一时段内HONO在早上7:00的近地面10m内浓度值分别达到4.87× 1010和4.15× 1010 molecules· cm-3, VCD分别为3.77× 1015和3.24× 1015 molecules· cm-2, 表明夜间大气中HONO的浓度受一次排放的影响并在夜间逐渐积累。

图4 (a)和(b)分别对应NO2和HONO的近地面浓度和垂直柱浓度, 第一行的图分别为NO2和HONO的浓度变化图, 第二行图为HONO与NO2的比值随时间的变化, 第三行图为董铺水库国控监测站点发布的AQI数据时间变化图
红色虚线方框表示因阴雨天气造成的MAX-DOAS观测数据剔除, 红色虚线椭圆框表示为因仪器的原因数据的缺失
Fig.4 The near-surface concentration (a) and vertical columndensity(b) of NO2 and HONO the first line of each figure is the profile of NO2 and HONO. The second line shows the time series for the ratio of HONO to NO2; And the third line is the time series of the AQI data released by the National Control Site named Dongpu Reservoir
The red dashed box indicates the deletion of MAX-DOAS observation data due to rainy, and the red dashed oval box indicates the lack of data due to instrumental observations

图5为HONO和NO2在近地面10, 50和100 m高度层的浓度变化, 由于HONO的在大气中存在的寿命很低, 因此可以发现HONO分层明显, 主要集中在10 m以内并随着高度的升高而降低[图5(a)]。 而对于NO2, 在较高层也有很高的浓度, 所以在近地面浓度混合均匀, 在三个层内浓度值变化不明显[图5(b)]。 同时对比AQI的变化也可以发现[如图4(a)下图所示], 当AQI值较高时HONO的浓度和HONO/NO2的比值也会很高, 因此可以说明污染条件对HONO的生成具有促进作用。

图5 HONO(a)和NO2(b)在10, 50和100 m内的体积混合比浓度变化Fig.5 Time series of HONO (a) and NO2 (b) VMRs in the height of 10, 50 and 100 m

2.2 冬季大气污染物的来源分析

在观测期间内, 捕捉到一次严重污染事件(12月30日AQI> 250)。 图6(a)为在本次污染期间内(2017.12.26— 2017.12.31)MAX-DOAS的观测数据, 图6(b)为Hysplit模型模拟的后向轨迹, 图6(c)为气体浓度-风廓线玫瑰图, 其中风场数据来自位于MAX-DOAS观测站点西北方向30 km的新桥机场的数据。 由图6(a)可以发现NO2在300~900 m之间有一个明显的传输层, 在12月29日尤为明显(8:00— 10:00和14:00后)。 而HONO浓度高值主要集中在上午8:00— 9:00之间, 并在该段时间内随着NO2的增高而增高。 结合后向轨迹可以发现[图6(b)], 12月29日风场由东南风逐渐向北风转变, 此时污染物主要来自合肥市城区(8:00— 10:00)。 在下午14:00后, 风场主要以东北风为主, 风速整体较低。 因此NO2主要来自合肥东北部地区传输过程的影响, 而12月29日夜间, 风场变为北风且风速变大, 研究区域受皖北地区的传输影响严重, 该过程持续到30日清晨, 高浓度的NO2和HONO在夜间通过风场输送至观测区域, 从而导致NO2和HONO廓线在30日呈现明显的“ 早高” 现象。 而在31日风场由强西北风逐渐转为弱西南风, 污染消散。 由此表明研究区域主要受合肥市城区、 安徽北部和西北部的影响, 而合肥市西南部较为清洁, 这一结果与图6(c)的气体浓度-风廓线玫瑰图一致。

图6 (a) 为NO2和HONO在污染期间的廓线分布图; (b) 采用Hysplit模型模拟的2017年12月29日到12月31日的风场后向轨迹图; (c) 整个污染期间气体浓度-风廓线玫瑰图Fig.6 (a) Temporal series profiles of NO2 and HONO VMRs for the period December 26— 31, 2017; (b) The backward trajectories of winds from December 29 to December 31, 2017, simulated by the Hysplit model; (c) Wind rose during the entire pollution period

3 结论

利用MAX-DOAS技术研究了合肥市冬季大气HONO和NO2的垂直分布特征。 结果表明, NO2集中在1 km内, 在近地表(100 m内)混合均匀。 而HONO主要集中在100 m内, 随着高度的升高浓度明显下降。 通过分析两种气体的变化特征发现研究期间内NO2的转化是HONO的重要来源。 尤其当NO2浓度很高时(大于7.69× 1011 molecules· cm-3), 近地面50 m内HONO的浓度大于3.84× 1010 molecules· cm-3, 并且在100 m高度处也有较高的浓度(大于2.05× 1010 molecules· cm-3)。 通过对污染期间(2017.12.26— 2017.12.31)的研究表明, NO2和HONO的浓度受合肥市城区、 安徽北部和西北部的影响严重, 且HONO在夜间存在传输。 当污染发生时, 促进了NO2向HONO的转化。

参考文献
[1] Tang Y, An J, Wang F, et al. Atmos. Chem. Phys. , 2018, 15: 9381. [本文引用:2]
[2] Su H, Cheng Y, Oswald R, et al. Science, 2011, 333(6049): 1616. [本文引用:1]
[3] Kirchstetter T W, Harley R A, Littlejohn D. Environmental Science & Technology, 1996, 30(9): 2843. [本文引用:1]
[4] Hou S, Tong S, Ge M, et al. Chemical Engineering Journal, 2014, 256: 187. [本文引用:1]
[5] ZHU Yan-wu, LIU Wen-qing, XIE Pin-hua, et al(朱燕舞, 刘文清, 谢品华, ). Environmental Science(环境科学), 2009, 30(6): 1567. [本文引用:1]
[6] DUAN Jun, QIN Min, FANG Wu, et al(段俊, 秦敏, 方武, ). Acta Phys. Sin. (物理学报), 2015, 64(18): 226. [本文引用:1]
[7] Levy M, Zhang R, Zheng J, et al. Atmospheric Environment, 2014, 94: 231. [本文引用:1]
[8] Platt U, Stuz J. Differential Optical Absorption Spectroscopy, Principles and Applications. Springer-Verlag, Heidelberg, Berlin. 2008. 137. [本文引用:2]
[9] Vand aele A C, Hermans C, Simon P C, et al. J. Quant. Spectrosc. Ra. , 1998, 59: 171. [本文引用:1]
[10] Thalman R M, Volkamer R. Phys. Chem. Chem. Phys. , 2013, 15: 15371. [本文引用:1]
[11] Bogumil K, Orphal J, Homann T, et al. J. Photochem. Photobio. A, 2003, 157: 167. [本文引用:1]
[12] Meller R, Moortgat G K. J. Geophys. Res. , 2000, 105: 7089. [本文引用:1]
[13] Stutz J, Kim E S, Platt U, et al. J. Geophys. Res. , 2000, 105: 14585. [本文引用:1]
[14] Lampel J, Pöhler D, Polyansky O L, et al. Atmos. Chem. Phys. , 2017, 17: 1271. [本文引用:1]
[15] Fleischmann O C, Hartmann M, Burrows J P, et al. J. Photochem. Photobio. A, 2004, 168: 117. [本文引用:1]
[16] Wang Y, Dorner S, Donner S, et al. Atmos. Chem. Phys. , 2019, 19(8): 5417. [本文引用:2]
[17] Ryan R G, Rhodes S, Tully M, et al. Science of the Total Environment, 2020, 749: 141460. [本文引用:1]
[18] Tian X, Xie P H, Xu J, et al. Atmos. Chem. Phys. , 2019, 19(5): 3375. [本文引用:2]
[19] Rozanov A, Rozanov V, Buchwitz M, et al. Adv. Space Res. , 2005, 36: 1015. [本文引用:1]
[20] Hendrick F, Müller J F, De Mazière M, et al. Atmos. Chem. Phys. , 2014, 14(2): 765. [本文引用:1]