2019, Vol. 39
[PDF全文]
2. 甘肃省张掖市环境保护局, 张掖 734000;
3. 甘肃省庆阳市环境保护局, 庆阳 745000
2. Zhangye City Environmental Protection Agency, Zhangye 734000;
3. Qingyang City Environmental Protection Agency, Qingyang 745000
甲醛(HCHO)是一种普遍存在的微量化学物质, 也是一种危险的空气污染物, 更是一种人类致癌物质(Luecken et al., 2018).甲醛的排放来源多种多样, 自然来源中, 动物粪便及生物性植物的排放, 尤其以异戊二烯的氧化贡献最大(Kaiser et al., 2014; 白建辉等, 2018), 但总体来说微不足道; 人类活动是主要来源, 包括工业生产、污水处理、汽车尾气、各类物质的燃烧等过程(Guven et al., 2011; Largiuni et al., 2002), 就连清洁能源天然气的不完全燃烧也能产生大量甲醛(Dasgupta et al., 2005).甲醛不仅自身是一种挥发性有机物, 而且能由挥发性有机化合物通过与氧化剂的反应而产生, 是光化学反应的参与者, 也是生成物(Zhu et al., 2014).
大气对流层甲醛的研究自20世纪90年代开始, 便借助于各类遥感卫星, 主要有欧洲资源卫星(ERS-2)、极轨对地观测卫星(ENVISAT)、太阳同步轨道卫星Aura, 搭载于这些卫星上的数量传感器便是甲醛等气体的监测工具, 分别对应的是全球臭氧监测实验(GOME)、大气层制图扫描成像吸收频谱仪(SCIAMCHY)、臭氧检测仪(OMI)和全球臭氧监测实验二号(GOME-2) (Bovensmann et al., 1997; Callies et al., 2000; Chance et al., 2000), 其中现在仍在服役的仅有Aura卫星上的OMI和GOME-2传感器, GOME-2空间分辨率为40 km×80 km, 1.5 d可覆盖全球一次, 而OMI空间分辨率为13 km×24 km, 扫描轨道幅宽范围为2600 km, 1 d便可覆盖全球一次, 相较于前者, 有更好的时间和空间分辨率, 且因为改善了信号对噪音的影响, 故而误差更小(Millet et al., 2008; Curci et al., 2010; Liu et al., 2018).现阶段, 国内外学者对甲醛长时间、大范围的研究分析多以以上遥感监测数据为基础.Smedt等(2015)结合GOME-2和OMI数据, 分析了全球范围内甲醛柱浓度的变化以及对某些地区甲醛浓度贡献较大的影响因素; Boeke等(2011)利用OMI数据和3D模型(GEOS-Chem), 对美国、墨西哥等太平洋地区的甲醛问题进行了探究, 发现城市及附近地区的甲醛浓度受人类活动的影响较大, 但自然条件较好地区, 植被却是甲醛的最大贡献者; Bauwens等(2016)基于OMI和GOME-2不同卫星数据对全球甲醛的时空分布、不同地区的来源及其影响因素进行了研究.就国内而言, 谢顺涛等(2018)讨论了全国2016年甲醛柱浓度的时空变化和相关影响评价; 王爽等(2018)、咸龙等(2018)分别对京津冀、珠三角等地的甲醛分布及各类因素做了相关性分析, 目前可知气温、降水、风向、秸秆焚烧、汽车保有量、能源消费量等社会经济因素是甲醛柱量的主要来源(张江峪等, 2018; 焦骄等, 2018), 且同一影响因子在不同区域对甲醛变化的影响程度也不尽相同.
川渝地区作为我国中西部交接的过渡地带, 连接着中、东部经济发达区和西部资源富集区, 是“一带一路”和长江经济带中重要的一环, 而四川创新改革试验区和成渝经济区更是新一轮西部大开发的辐射点, 可见其重要的战略地位和优越的区位优势.本文将利用2009—2017年OMI甲醛遥感数据, 分析川渝地区对流层甲醛柱浓度的时空变化和稳定程度, 并探究对其影响程度较大的相关因子及原因.
2 研究区概况(Study area)川渝地区指四川省(川)和重庆市(渝)两地, 又称”巴蜀”, 地处我国西南腹地的四川盆地与巫山东部地区, 属于长江中上游地带, 位于东经97°21′~110°11′和北纬26°03′~ 34°19′之间(图 1).四川省地形从东到西可分为3列, 东列川东平行岭谷和川中丘陵, 中列成都平原以及西列川西高原.由于各类地形地势海拔相差悬殊, 所以四川省形成了区域差异较大的气候特点, 东部夏热冬暖, 春旱秋雨, 云量多, 晴天少, 雨量充沛; 西部南侧为亚热带半湿润气候, 干湿季分明, 但四季不明显, 降水量较少, 云量少, 晴天多, 日照时间长; 川西北侧为高山高原气候, 垂直地带性明显, 夏凉冬寒, 河谷干暖, 山地湿冷, 水热不足, 天气晴朗, 日照充沛(蔺晖钧, 2011).重庆地貌以山地、丘陵为主, 坡地面积较大, 地势总体由南北两侧向长江河谷降低, 西北部和中部以低山、丘陵为主, 东北部和大巴山相靠, 东南部与武陵山相连.重庆属亚热带季风性湿润气候, 春早秋凉, 夏热冬暖, 降水丰沛, 四季分明, 且多云雾, 日照时间短, 太阳辐射弱(王妮, 2017).
 |
| 图 1 研究区概况 Fig. 1 Overview of the research area |
四川省是西部经济总量最高、金融机构数量最多、种类最全、开放程度最高的省份, 也是工业门类最齐全、优势产品最多、实力最强的工业基地, 且是西南地区各类商品要素的重要集散地, 市场辐射全国甚至东南亚.重庆则是国务院定位的国际大都市, 是长江上游地区的政治、经济、文化、科技、教育等中心, 也是西南地区的综合交通枢纽.川渝地区作为我国西部和中部的结合地带, 起着承东启西, 沟通中亚、南亚、东南亚的重要作用, 更关乎着西部的崛起和东西部的发展平衡(蔺晖钧, 2014).
3 数据来源与处理方法(Data sources and processing methods) 3.1 数据来源本文采用的是川渝地区2009—2017年的甲醛柱浓度逐日数据, 来自美国宇航局(NASA)Aura卫星上搭载的臭氧监测仪OMI, 数据在NASA官网上GES DISC处下载而得, 并储存为HDF5格式.研究区经纬度范围内所对应的数据时间处在北京时间17:00—18:30之间, 数据单位为1015 molec·cm-2.
四川省和重庆市的相关社会影响因子数据来源于四川省统计局和重庆统计信息网, 风向数据来源于中国天气网(http://www.weather.com.cn/).
3.2 数据处理方法对于所获得的2009—2017年研究区甲醛柱浓度日数据, 用HDF-View软件读取, 并依次按照经度、纬度、甲醛垂直柱浓度、云量等元素进行提取, 之后通过VB程序进行数据筛选, 在此过程中, 为了确保研究区甲醛数据覆盖面积最大, 将研究区经纬度范围扩大0.5°, 又因为云量会影响对流层甲醛柱浓度的精度, 使部分数据缺失, 所以过滤掉云量大于0.2的值, 以此提高数据精度(Martin et al., 2008; Sabolis et al., 2011), 最后在ArcGIS中通过shp栅格转换、克里金插值、平均计算(月平均、年平均)、掩膜裁剪一系列过程得出最终图像.经过一系列处理后的甲醛数据, 9年间平均每月可用样本量, 即有效天数分别为27.0、26.0、27.8、27.7、28.7、25.9、28.4、28.9、26.9、28.6、27.0、28.2 d.
川渝两地相关影响因子与甲醛浓度间的相关系数由SPSS相关性分析程序而得.
3.3 稳定性分析方法标准偏差(Standard Deviation)可以度量数据的分散程度, 一般用来评估污染物在一定时间长度上的稳定程度.通过计算2009—2017年川渝地区甲醛浓度的标准偏差, 以反映和分析研究区9年内甲醛变化的稳定性, 计算公式如下：
|
(1) |
式中, SD为标准偏差, n为研究时长, yi为第i年的甲醛柱浓度, yi为i年的甲醛浓度平均值, SD值越小, 表明数据分散程度和波动越小, 稳定性越好, 反之稳定性越差(张亮林等, 2018).
4 结果与讨论(Results and discussion) 4.1 川渝地区甲醛柱浓度月变化图 2根据ArcGIS系统分级将川渝地区9年甲醛柱浓度月均值空间变化分为5个等级, 4~9为1级, 9~14为2级, 14~19为3级, 19~24为4级, 大于24为5级, 单位统一为1015 molec·cm-2.由图可知, 3—5月, 研究区甲醛浓度整体较低, 大部分区域均处于1级和2级, 3月与4月仅有四川雅安、康定部分地区及周边浓度较高, 处在3级及以上, 5月92.6%的地区均在3级以下.6—8月, 研究区甲醛浓度整体上升, 6月3级浓度地区范围扩大至44.6%, 集中在四川省东部及中部地区, 7月3级区面积减少, 仅在成都平原、川西北部及重庆东北部有所分布, 8月3级区域再次大范围扩大, 除四川省康定县、西昌市、达川市、巴中县及重庆西南一小区域在2级外, 其他地区大多处于3级, 且有极少数区域呈现4级分布.9—11月, 甲醛浓度变化较大, 9月3级浓度范围整体东移, 几乎重庆全境和川东地区均在3级, 其余71.4%的地区基本处在2级, 10月处于2级的范围高达92%, 11月, 研究区甲醛浓度变化明显, 以川西东侧-成都平原和川东丘陵中列为两个纵向辐射中心, 甲醛浓度从5级分别向各自东西两侧递减.12月、1月和2月甲醛浓度起伏变化巨大, 12月出现1~3级浓度, 1级仅在重庆中部和南部, 3级范围也较小, 以2级浓度为主, 相较于11月浓度高值有所下降, 这与冬季伊始气温和积温均降低有关, 1月变化反常, 浓度整体从西、南、东3面向中间上升, 除康定部分地区处在1、2级外, 剩余87.3%的地区均在3级以上, 4级以上的高值区范围达到全年最大, 占比为19.1%, 2月浓度急剧下降, 仅在康定东部有5级分布, 并以此为中心向四周下降, 研究区基本处在2级及以下.
 |
| 图 2 2009—2017年甲醛柱浓度月变化空间分布 Fig. 2 Spatial distribution of monthly changes in formaldehyde column concentration during 2009—2017 |
结合图 3可知, 川渝地区9年平均各月的甲醛均值波动幅度较小, 除1月浓度较高, 为22×1015 molec·cm-2, 剩余月份平均值都在11.6×1015~14.1×1015 molec·cm-2范围之间, 上下波动范围很小, 没有明显的季节变化, 图中12个月的甲醛浓度最低值折线趋势也较为缓和, 浮动变化较小, 没有明显的高值和低值, 但最高值曲线起伏较大, 年中变化平和, 年初年末变化较大, 差距明显, 其中1月、2月和11月分别出现了54.2×1015、38.1×1015、36×1015 molec·cm-2的高值, 且为国内现已研究区域中的最高值, 这些异常值出现的范围正好对应图 2中的康定雅安交界地带, 这些地区由于处于盆地与山地的过渡带, 海拔落差巨大, 加之冬季冷空气下沉, 且静风频率大, 空气对流与扩散不畅, 致使甲醛浓度急速上升.
 |
| 图 3 2009—2017年甲醛柱浓度值月变化 Fig. 3 Monthly change in formaldehyde column concentration during 2009—2017 |
图 4为川渝地区甲醛柱量季节变化, 共分为7级, 从7×1015 ~33×1015 molec·cm-2每4个单位为一级(分级以ArcGIS系统为基础).图中春季研究区东西两侧甲醛浓度较低, 处于1~2级浓度, 其余地区浓度在3级及以上, 并从两侧向康定雅安一带逐级升高.夏季研究区甲醛浓度大幅度下降, 有77.7%的地区处于2级浓度, 在四川中东部有3级分布, 这是因为四川盆地夏季多暴雨天和雾天, 在降水多和日照少双重作用下, 甲醛浓度下降.秋季, 甲醛浓度再次上升, 高值区范围扩大, 以川西东侧-成都平原以及川中地区两纵列浓度最高, 均在3级以上, 原因在于研究区秋季积温较高, 空气湿度较大, 且晴天变多, 高温高湿的环境利于甲醛的生成.冬季, 除康定雅安交界处甲醛量较高, 其余地区均处在1、2级浓度, 且1级浓度占44.3%, 相较于其他三季范围最广.总体来说, 川渝地区9年间甲醛浓度季节变化为春季>秋季>夏季>冬季, 这与我国其他地区夏季甲醛浓度普遍最高有所不同(谢顺涛等, 2017; 刘洋洋等, 2018), 这也是该地区独有的特点.
 |
| 图 4 2009—2017年甲醛柱浓度值季节变化 Fig. 4 Seasonal changes in formaldehyde column concentration values during 2009—2017 |
图 5所示为川渝地区2009—2017年甲醛浓度变化, 全部浓度范围根据ArcGIS成图分级分为5个等级, 7~11为1级, 11~15为2级, 15~19为3级, 19~23为4级, 23~27为5级, 单位均为1015 molec·cm-2.纵观全图, 9年间甲醛浓度变化总体较小, 甲醛值普遍较低, 各浓度等级分布范围明显且变化规律可寻.9年中, 1级浓度均集中分布在四川省西北角, 即康定县西北部, 且面积在2014年前波动式变化, 2014年达到最大(占比21.7%), 之后有所减小, 但减小幅度不大.2级浓度在各年中均占最大面积, 2011年所占面积最小, 但也能占到50.55%.在这9年中, 3级及以上浓度占比均较小(除2011年占比为40.54%外, 其余年份均在8%以下), 除2011年外, 分布范围相对固定, 均分布在康定县和雅安市交界地带及周边地区, 且基本以3级浓度为主, 高浓度分布少之又少.2011年川渝地区甲醛浓度相对较高, 不仅常年的高值中心康定雅安交界处浓度值升高, 4级和5级浓度范围增大, 并以此为中心向周边辐射, 四川东部与中部均处于3级浓度.总体来说, 9年间川渝地区甲醛浓度整体先上升后下降, 大多处于2级及以下, 即15×1015 molec·cm-2以下浓度范围内, 2011年高值区范围最广且浓度最高, 甲醛贡献率2011年最大(12.98%), 2016年最小(7.55%).康定及雅安交界一带属于常年高值分布区.
 |
| 图 5 2009—2017年甲醛柱浓度年变化空间分布 Fig. 5 Spatial distribution of annual changes in formaldehyde column concentration during 2009—2017 |
从图 6可以看出, 四川省和重庆市9年甲醛浓度均值变化均较小, 曲线走向较为平缓.年度最高值出现在2011年, 这与两省市2011年经济增长率最快有关, 不同之处在于四川省2011年甲醛浓度均值最高, 为14.72×1015 molec·cm-2, 而重庆市最高值13.43×1015 molec·cm-2出现在2012年, 且重庆市2015年均值浓度下降速率最大, 为10.86%.从各级浓度所占比例来看, 重庆市9年间基本处于2级浓度范围(11×1015~15×1015 molec·cm-2), 浓度级别较为单一, 其中2009、2012、2013、2016全市都为2级浓度; 四川省2级浓度占比在一半以上(占研究区面积的42.93%~79.97%), 1级浓度次之, 再次是3级浓度, 2011年3级浓度范围最大, 也是9年中4级和5级浓度占比最大的年份, 且最高值最大, 最低值最低, 说明浓度值变化范围最大.
 |
| 图 6 四川省和重庆市甲醛浓度值和分级年变化 Fig. 6 Changes of formaldehyde concentration and grade year in Sichuan and Chongqing |
总体来说, 其中四川省甲醛浓度高于重庆市.与全国其他地区相比, 川西地区甲醛浓度较低(咸龙等, 2018), 这一特点与其地势海拔高、人口密度低和人类活动少有关.重庆市甲醛浓度变化小且分布均匀, 与山地海拔变化范围较小有关, 空气流畅, 加之重庆市以多雾出名, 为我国日照最少的地区之一, 缺少醛酮化合物生成的有利条件, 再加重庆降水丰沛, 更有利于消减甲醛浓度(王伯光等, 2009).
4.4 川渝地区甲醛柱浓度稳定性分析图 7为川渝地区2009—2017年甲醛柱浓度标准偏差分布图, 该图将研究区分散程度分为5级, 由图可知, 该地区9年间甲醛整体呈现中部偏西分散, 东西两部聚集的态势, 甲醛稳定性存在显著的空间差异.高波动区分布在康定和雅安交界处, 这些地区处在我国地势一二级阶梯结合部, 地势落差巨大, 甲醛稳定性程度低.中等波动区分布在川西山地东部和成都平原一列, 其次在川中丘陵北部也有分布.中等波动区属于高波动地区和低波动区的过渡区, 地形以盆地和丘陵为主.低波动区主要分布在川西山地、川东平行岭谷和重庆等地, 其中重庆中列和四川东北部两市属于极低波动区, 这些地区分别处在中等波动区的东西两侧, 区域内地形相对单一, 甲醛浓度变化较小, 稳定性强.
 |
| 图 7 2009—2017年甲醛柱浓度变化稳定程度 Fig. 7 The degree of stability of formaldehyde column concentration in 2009—2017 |
对比川渝地区2009—2017年的年变化和稳定性, 不难看出, 甲醛柱浓度常年较高的地区稳定性较低, 浓度较低的地区稳定性较高, 波动较小, 而浓度处在高值区和低值区中间的地区, 稳定度也属于中等波动区, 说明甲醛柱浓度高低和稳定程度有一定的反比关系.
4.5 川渝地区甲醛柱浓度的影响因素 4.5.1 自然影响因子地形、气候和风向的综合作用对川渝地区甲醛柱浓度的分布与变化影响显著.通过风向统计得出的两地常年风向(图 8)来看, 重庆北风和西北风盛行, 空气随着风向大多向南方和东南方扩散, 加之地形上无所阻挡, 所以污染物无所聚集, 甲醛浓度常年较低; 四川省总体东北风较为强劲, 且位于雅安东北部的德阳和绵阳工业发达, 成都人口密集, 均属于甲醛产量较高的地区, 在盛行风向的作用下, 污染物被西南方向的高山阻挡包围, 使得雅安地区甲醛浓度常年较高, 而川西山地由于海拔高污染少, 则甲醛浓度常年较低.整个研究区横跨我国第1和第2两级阶梯, 地势起伏巨大, 因此天气同时受地形和热力作用影响, 四川盆地区域的低压涡旋向西受高原地形阻挡, 所以绕盆地逆时针旋转(郭晓梅等, 2016), 秋冬季节受高原冷高压控制, 盛行偏北风, 更是加强了逆时针气压涡旋的作用, 尤其在北、西、南三面环山的雅安一带, 空气随着气温下降而下沉, 难以向西扩散, 使得甲醛聚集, 浓度大幅上升, 这也是康定雅安交界处秋冬季节(尤其11月、1月、2月)甲醛浓度值异常高和稳定性较差的重要原因之一, 其中12月甲醛浓度高值较11月有所下降, 是由于天气逐渐转凉, 经过整个秋季的消耗, 积温大幅下降, 加之气温和降水减少, 使甲醛浓度有所下降.这一地区夏季在西南风作用下, 空气从无山脉阻挡的雅安东部向成都平原扩散, 甲醛浓度持续下降, 造成夏季浓度较低, 且四川盆地夏季多暴雨, 对甲醛有一定的清除作用(王少丽等, 2008), 该地区雨量充足, 日温高于10 ℃的天数在70%左右, 属于高温高湿地区, 所以川渝地区在全国范围内甲醛浓度值相对较低.
 |
| 图 8 川(a)和渝(b)两地常年盛行风向 Fig. 8 Wind direction prevailing all year round in Sichuan(a) and Chongqing(b) |
表 1为四川省有关影响因子与该省甲醛浓度间的相关性分析, 表中统计了8项指标, 其中四川省9年的甲醛浓度与生产总值增长速度、能源消费总量增长率、民用车拥有量和常住人口的相关系数分别为0.79、0.78、0.40和0.55, 除民用车拥有量之外, 其他3项的相关系数均大于0.5, 表现出显著的正相关, 说明生产总值和能源消费总量的增长快慢及常住人口的数量对四川省的甲醛浓度变化有较大的影响.纺织业、木材加工及草制品业、化学原料和化学品制造业、石油和核燃料加工业与四川省甲醛量之间均呈现出较强的负相关关系, 相关系数分别为-0.64、-0.93、-0.52和-0.64, 说明9年间这4项产业的工业产值与资产的增减与甲醛浓度的升降有较为明显的相反关系, 对甲醛的贡献呈减弱趋势.
| 表 1 2009—2017年四川省甲醛柱浓度与影响因素相关性矩阵 Table 1 Correlation matrix of formaldehyde column concentration and influencing factors in Sichuan Province during 2009—2017 |
 |
表 2为重庆市甲醛浓度与影响因子的相关性矩阵, 2009—2017年9年间, 重庆市生产总值增长速度和能源消费增长率对当地甲醛柱浓度的影响较大, 相关系数分别为0.72和0.64, 表现出较强的正相关关系.民用车拥有量、常住人口和纺织业对甲醛浓度的影响相对较弱, 相关系数分别为0.36、0.43和0.13.木材加工及草制品业、化学原料和化学品制造业、石油和核燃料加工业确与甲醛浓度呈现出负相关关系, 其中木材加工及草制品业与甲醛的负相关性高达-0.71, 而其它两类产业与甲醛浓度的相关系数分别为-0.41与-0.43, 相较而言, 负相关关系较弱.
| 表 2 2009—2017年重庆市甲醛柱浓度与影响因素相关性矩阵 Table 2 Correlation matrix of formaldehyde column concentration and influencing factors in Chongqing City during 2009—2017 |
|
对比四川省和重庆市两地的影响因素相关矩阵可知, 人类活动对甲醛浓度的高低和变化有着不可忽视的作用.生产总值和能源消费总量本身与川渝地区的甲醛浓度相关性并不高, 但二者的增长速率确与甲醛浓度有极强的相关性, 这是因为随着经济社会的发展, 各省市的这些指标一般均处于平稳增长或持平状态, 但它们的增长速度确有快有慢, 恰好能与甲醛浓度的变化产生或高或低的相关性.与此同时, 不同于其他地区的是, 民用车拥有量对川渝地区甲醛的影响作用并不大, 而在研究的9年中, 四川省2009年民用车拥有量最低, 值为289万辆, 这一结果符合汽车保有量超过200万后, 此因素和甲醛浓度相关性降低的结论(刘宏庆等, 2018).在表 1和表 2中, 纺织业、木材加工及草制品业、化学原料和化学品制造业、石油和核燃料加工业4项指标对川渝两地甲醛浓度的影响差别较大, 说明同种因素对不同地区甲醛的作用强度差距较大.综合以上分析, 甲醛浓度的大小与分布变化受多种条件综合影响, 不同地区受人类活动影响的程度与类型都有其各自的特点.
5 结论(Conclusions)1) 2009—2017年间, 川渝地区甲醛柱量时间变化总体较为平稳, 年内月均值变化较小, 最高值差异较大, 1月、2月和11月出现显著高值, 且高值区面积较大.年变化较小, 其中四川省2011年甲醛浓度均值最高, 高值区范围最大, 而重庆市2012年甲醛浓度最高, 2015年下降速率最大, 为10.86%, 总体来说四川省甲醛浓度高于重庆市, 高值区范围也更大.
2) 整体来看, 9年间研究区甲醛浓度变化较小, 各浓度等级分布范围明显且变化规律可寻, 以2级浓度为主, 1级次之, 3级再次, 浓度整体先上升后下降, 绝对高值最高, 集中分布在康定及雅安交界一带, 季节变化中春季>秋季>夏季>冬季, 与全国其他地区夏季最高有所不同.
3) 川渝地区甲醛空间变化呈现中部偏西波动较大, 东西两部较为稳定的态势, 且甲醛浓度值与稳定性有一定的相反关系, 其中康定雅安交界处为不稳定波动区, 甲醛浓度也最高, 川西山地东部及成都平原一列为中等波动区, 川西西部、川东平行岭谷和重庆等地为低波动区.
4) 四川省和重庆市的甲醛浓度变化受多种因素影响, 社会经济因素中, 两地甲醛浓度与生产总值增长速度和能源消费总量增长率正相关关系较强, 与木材加工及草制品业负相关关系较强, 而纺织业、化学原料和化学品制造业、石油和核燃料加工业只与四川省甲醛浓度有较强的负相关性, 重庆相对较弱.自然因素中地形、气候和风向的综合作用显著, 是影响川渝地区甲醛空间分布的主要原因.
5) 川渝地区大气甲醛柱浓度平均值比全国其他地区较低, 极端高值高且集中的特点与该地区自然地理条件关系密切, 雅安康定一带甲醛柱量变化剧烈, 是大气环境应急管理的重点区域.
Bauwens M, Stavrakou T, Müller J F, et al. 2016. Nine years of global hydrocarbon emissions based on source inversion of OMI formaldehyde observations[J]. Atmospheric Chemistry & Physics, 16(15): 1–45.
|
Boeke N L, Marshall J D, Alvarez S, et al. 2011. Formaldehyde columns from the Ozone Monitoring Instrument:Urban versus background levels and evaluation using aircraft data and a global model[J]. Journal of Geophysical Research Atmospheres, 116(D5): D05303.
|
Bovensmann H, Burrows J P, Buchwitz M, et al. 1997. SCIAMACHY:Mission objectives and measurement modes[J]. Journal of Atmospheric Sciences, 56(2): 125–150.
|
白建辉, 郝楠. 2018. 亚热带森林植物挥发性有机物(BVOCs)排放通量与大气甲醛之间的关系[J]. 生态环境学报, 2018, 27(6): 991–999.
|
Callies J, Corpaccioli E, Eisinger M, et al. 2000. GOME-2-Metop's second-generation sensor for operational ozone monitoring[J]. ESAbulletin, 102: 28–36.
|
Chance K, Palmer P I, Spurr R J D, et al. 2000. Satellite observations of formaldehyde over North America from GOME[J]. Geophysical Research Letters, 27(21): 3461–3464.
DOI:10.1029/2000GL011857
|
Curci G, Palmer P I, Kurosu T P, et al. 2010. Estimating European volatile organic compound emissions using satellite observations of formaldehyde from the Ozone Monitoring Instrument[J]. Atmospheric Chemistry & Physics, 10(23): 11501–11517.
|
Dasgupta P K, Li J, Zhang G, et al. 2005. Summertime ambient formaldehyde in five U.S. metropolitan areas:Nashville, Atlanta, Houston, Philadelphia, and Tampa[J]. Environmental Science & Technology, 39(13): 4767–4783.
|
郭晓梅.2016.四川盆地空气质量气候特征及其大地形影响效应的观测模拟研究[D].南京: 南京信息工程大学
http://cdmd.cnki.com.cn/Article/CDMD-10300-1016198165.htm |
Guven B B, Olaguer E P. 2011. Ambient formaldehyde source attribution in Houston during TexAQS Ⅱ and TRAMP[J]. Atmospheric Environment, 45(25): 4272–4280.
DOI:10.1016/j.atmosenv.2011.04.079
|
焦骄, 刘旻霞, 李俐蓉, 等. 2018. 近12年华北五省区域对流层甲醛柱浓度时空变化及影响因素[J]. 环境科学学报, 2018, 38(6): 2191–2200.
|
Kaiser J, Wolfe G M, Bohn B, et al. 2014. Evidence for an unidentified ground-level source of formaldehyde in the Po Valley with potential implications for ozone production[J]. Atmospheric Chemistry and Physics, 15(3): 1289–1298.
|
Largiuni O, Giacomelli M C, Piccardi G. 2002. Concentration of peroxides and formaldehyde in air and rain and gas-rain partitioning[J]. Journal of Atmospheric Chemistry, 41(1): 1–20.
DOI:10.1023/A:1013845910688
|
Liu R, Feng T, Wang S, et al. 2018. OMI satellite observed formaldehyde column from 2006 to 2015 over Xishuangbanna, southwest China, and validation using ground based zenith-sky DOAS[J]. Science of the Total Environment, 613-614: 168–175.
DOI:10.1016/j.scitotenv.2017.08.210
|
Luecken D J, Napelenok S L, Strum M, et al. 2018. Sensitivity of ambient atmospheric formaldehyde and ozone to precursor species and source types across the United States[J]. Environmental Science & Technology, 52(8): 4668–4675.
|
蔺晖钧.2011.四川三个典型地区大气降水化学特征初步探讨[D].成都: 四川农业大学
http://cdmd.cnki.com.cn/Article/CDMD-10626-1011222215.htm |
刘宏庆, 巨天珍, 裴洁, 等. 2018. 黑龙江省近12年甲醛柱浓度时空变化及其影响因素[J]. 中国环境科学, 2018, 38(6): 2001–2011.
DOI:10.3969/j.issn.1000-6923.2018.06.001 |
刘洋洋, 刘宏庆, 王振乾, 等. 2018. 辽宁省近12年对流层甲醛柱浓度时空变化及其影响因素[J]. 环境科学学报, 2018, 38(2): 618–628.
|
Martin R V. 2008. Satellite remote sensing of surface air quality[J]. Atmospheric Environment, 42(34): 7823–7843.
DOI:10.1016/j.atmosenv.2008.07.018
|
Millet D B, Jacob D J, Boersma K F, et al. 2008. Spatial distribution of isoprene emissions from North America derived from formaldehyde column measurements by the OMI satellite sensor[J]. Journal of Geophysical Research, 113(D2): D02307.
|
Sabolis A, Meskhidze N, Curci G, et al. 2011. Interpreting elevated space-borne HCHO columns over the Mediterranean Sea using the OMI sensor[J]. Atmospheric Chemistry & Physics Discussions, 11(6): 12787–12798.
|
Smedt D, Stavrakou T, Hendrick F, et al. 2015. Diurnal, seasonal and long-term variations of global formaldehyde columns inferred from combined OMI and GOME-2 observations[J]. Atmospheric Chemistry and Physics, 15(8): 12241–12300.
|
王伯光, 刘灿, 吕万明, 等. 2009. 广州大气挥发性醛酮类化合物的污染特征及来源研究[J]. 环境科学, 2009, 30(3): 631–636.
DOI:10.3321/j.issn:0250-3301.2009.03.002 |
王妮.2017.重庆主城区大气污染物时空变化及影响因素分析[D].重庆: 重庆师范大学
http://cdmd.cnki.com.cn/Article/CDMD-10637-1017169032.htm |
王少丽, 王会祥, 刘斌. 2008. 北京市大气甲醛浓度研究[J]. 环境科学研究, 2008(3): 27–30.
|
王爽, 巨天珍, 咸龙, 等. 2018. 京津冀对流层甲醛的时空演变特征及其影响因素[J]. 环境科学学报, 2018, 38(4): 1297–1305.
|
咸龙, 葛建团, 徐敏, 等. 2018. 珠江三角洲对流层HCHO柱浓度遥感监测及影响因子[J]. 中国环境科学, 2018, 38(9): 3221–3231.
DOI:10.3969/j.issn.1000-6923.2018.09.003 |
咸龙, 巨天珍, 陈雪萍, 等. 2019. 近三年中国甲醛时空分布特征及影响因素分析[J]. 环境科学学报, 2019, 39(6): 1886–1894.
|
谢顺涛, 巨天珍, 葛建团, 等. 2018. 基于卫星遥感中国甲醛的时空分布及影响因子[J]. 中国环境科学, 2018, 38(5): 1677–1684.
DOI:10.3969/j.issn.1000-6923.2018.05.009 |
谢顺涛, 巨天珍, 张惠娥. 2017. 基于OMI数据的兰州地区对流层甲醛时空变化研究[J]. 环境科学学报, 2017, 37(11): 4253–4261.
|
Zhu L, Jacob D J, Mickley L J, et al. 2014. Anthropogenic emissions of highly reactive volatile organic compounds in eastern Texas inferred from oversampling of satellite (OMI) measurements of HCHO columns[J]. Environmental Research Letters, 9(11): 114004.
DOI:10.1088/1748-9326/9/11/114004
|
张江峪, 巨天珍, 陈雪萍, 等. 2018. 宁夏近10年甲醛柱浓度时空分布及其影响因素[J]. 环境科学研究, 2018, 31(7): 1214–1222.
|
张亮林, 潘竟虎, 赖建波, 等. 2019. 基于GWR降尺度的京津冀地区PM2.5质量浓度空间分布估算[J]. 环境科学学报, 2019, 39(3): 832–842.
|
周国兵.2014.重庆市主城区气象条件对空气污染影响分析及数值模拟研究[D].兰州: 兰州大学
http://cdmd.cnki.com.cn/Article/CDMD-10730-1014297787.htm |