合肥地区温室气体柱浓度直接观测与卫星数据对比分析

利用地基傅里叶变换光谱仪EM27/SUN观测了合肥地区H₂O、CO₂、CH₄及CO四种气体分子的柱浓度.观测结果表明：合肥地区XH₂O、XCO₂在测量期间变化较大，H₂O和CO₂的变化幅度分别为1 353.17~5 289.43 ppm及409.22~415.05 ppm；XCH₄和XCO两种气体分子的变化较小，其标准差均在10^-2数量级；XH₂O、XCO₂、XCH₄和XCO的平均值分别为2 109.10 ppm、411.59 ppm、1.87 ppm及0.13 ppm.将地基观测数据XCO₂、XCH₄分别与WACCM模式、GOSAT卫星数据进行了对比分析.结果表明，WACCM模式计算XCO₂、XCH₄的浓度比较稳定，仅在平均值附近有微幅变化，GOSAT卫星观测值略低于地基EM27/SUN的观测值，XCO₂、XCH₄相对偏差分别为0.45%和0.34%.利用GOSAT卫星数据分析了2010~2018年春季XCO₂与XCH₄的变化趋势，发现XCO₂值从390.83 ppm增加到410.30 ppm，相对增长率为4.9%；XCH₄值从1.802 ppm增加到1.869 ppm，相对增长率为3.7%.其结果可为追踪合肥及周边地区温室气体的源与汇提供科学依据.

Abstract

Observation of the total columns of H₂O, CO₂, CH₄, and CO in Hefei is presented based on ground-based Fourier transform infrared spectrometer (EM27/SUN). The results show that, the XH₂O and XCO₂ vary greatly during the measurement period while the XCH₄ and XCO vary slightly. The range of H₂O and CO₂ are 1 353.17~5 289.43 ppm and 409.22~415.05 ppm, at the same time, the standard deviation of XCH₄ and XCO are in the order of 10^-2. The average values of XH₂O, XCO₂, XCH₄ and XCO are 2 109.10 ppm, 411.59 ppm, 1.87 ppm and 0.13 ppm respectively. The measured XCO₂ and XCH₄ are compared with the WACCM model and GOSAT satellite data, respectively. The comparison results show that the XCO₂ and XCH₄ calculated by WACCM model are relatively stable, with only slight changes near the average value. The GOSAT observations are slightly lower than those of EM27/SUN observations, with the relative deviations of XCO₂ and XCH₄ are 0.45% and 0.34%, respectively. The time series of the total column of XCO₂ and XCH₄ from 2010 to 2018 are analyzed by the GOSAT satellite data. It is found that the value of XCO₂ increases from 390.83 ppm to 410.30 ppm, with a relative growth rate of 4.9%; the value of XCH₄ increases from 1.802 ppm to 1.869 ppm, with a relative growth rate of 3.7%. The results may provide the theoretical basis for tracking the sources and sinks of greenhouse gases in Hefei and its surrounding areas.

0 引言

大气辐射传输必须考虑大气分子的吸收作用，主要吸收分子包含H 2 O、CO 2 、O 3 、N 2 O、CO、O 2 及CH 4 等气体分子 [1] .其中，H 2 O、CO 2 、CH 4 、CO及N 2 O等气体吸收长波辐射，统称为“温室气体”.其浓度增加不仅影响辐射传输效率，也是导致全球变暖的最主要原因，如何降低全球变暖的速度以及监测温室气体浓度变化趋势已成为全球密切关注的课题.目前对温室气体最直观最有效的监测手段是地基监测，通过测量太阳吸收光谱，利用反演算法获取温室气体的信息，相比卫星监测，精度和准确度更高，对温室气体浓度的变化也更为敏感 [2] .

本文利用傅里叶变换光谱仪EM27/SUN观测了合肥地区温室气体的柱浓度，测量了该光谱仪的仪器线型函数(Instrument Line Shape，ILS)，首次同时获得H 2 O、CO 2 、CH 4 及CO四种温室气体的垂直柱浓度，分析了测量期间四种温室气体的平均值，并与Whole Atmosphere Community Climate Model(WACCM)模式计算值及GOSAT卫星数据进行了对比分析，利用GOSAT卫星数据分析了2010~2018年合肥春季CO 2 、CH 4 的浓度变化趋势.

1 测量仪器及反演方法

1.1 测量仪器EM27/SUN

利用傅里叶变换光谱仪(EM27/SUN)进行观测，如 图 1 .观测点位于合肥市西郊科学岛(经度117.17°E，纬度31.9°N)，站点海拔高度0.031 km，距离市中心约10 km.EM27/SUN的主要器件包含干涉仪和太阳跟踪器两个部分，光谱波段为4 000~120 000 cm －1 ，光谱分辨率为0.5 cm －1 (最大光程差为1.8 cm)，太阳跟踪精度为0.25 ms，光谱采集时间为58 s(10次扫描平均).该光谱仪可以实现多种气体分子的同时监测，如CO 2 、CO、H 2 O、O 2 及CH 4 等气体，本文重点围绕水汽和含碳分子进行了观测与分析.

图 1. Location site and the picture of Fourier transform infrared spectrometer based EM27/SUN

Fig. 1. Location site and the picture of Fourier transform infrared spectrometer based EM27/SUN

下载图片查看所有图片

1.2 反演方法

地基傅里叶变换光谱仪采集太阳光谱，利用算法对太阳光谱进行反演获得痕量气体浓度.目前，痕量气体反演算法主要有美国喷气推进实验室开发的GFIT反演算法 [3] ，卡尔鲁斯厄大气实验室HASE F等开发的PROFFIT算法 [18] 以及RINSLAND C等开发的SFIT算法 [18] .GFIT算法共有GFIT2009、GFIT2012以及GFIT2014三个版本；基于最优估算法的PROFFIT和SFIT算法，也不断更新完善，如SFIT从SFIT1、SFIT2到目前的最新版本SFIT4，其中PROFFIT、GFIT两种反演算法适用于近红外波段气体浓度的反演，SFIT反演算法适用于中红外波段气体浓度的反演.本文采用PROFFIT反演算法，利用Tikhonov-Phillips约束条件，在对数尺度上进行反演，其优点是避免结果出现负值，同时减少运算时间.反演算法PROFFIT主要包含前向模型和后向反演两个部分.将先验参数代入到前向模型计算大气透过率获得模拟光谱 S in

1 $\boldsymbol{S}_{\mathrm{in}}=\boldsymbol{S}(\boldsymbol{f}) $

式中， f 是状态参量(压力、温度、混合比等).基于前向模型 S ，将模拟光谱对每一个状态参量求偏导，得到 m \times n 阶雅可比矩阵 A

2 $ \boldsymbol{A}_{m n}(\boldsymbol{f})=\frac{\mathrm{d} \boldsymbol{S}_{\mathrm{in}}\left(\boldsymbol{k}_{m}\right)}{\mathrm{d} \boldsymbol{f}_{n}} $

如果 m 小于 n ，未知量多于实测量，此时需要约束条件求解方程；如果 m 大于 n ，则方程存在多个解.测量光谱可以写成

3 $ \boldsymbol{S}_{\mathrm{in}}\left(\boldsymbol{f}_{0}+\mathrm{d} \boldsymbol{f}\right)=\boldsymbol{S}_{\mathrm{in}}+\boldsymbol{A} \mathrm{d} \boldsymbol{f} $

式中，$\mathrm{d} \boldsymbol{f}=\boldsymbol{f}-\boldsymbol{f}_{0} $，计算模拟光谱与测量光谱的偏差，使得两者差异最小，即$ \Delta \boldsymbol{S}=\boldsymbol{S}_{\mathrm{mes}}-\boldsymbol{S}_{\mathrm{in}}$最小，由于非线性需要多次迭代，第i+1次迭代使得ΔS最小，即

4 $ f^{i+1}=f^{i}+\left[\left(\boldsymbol{A}^{i}\right)^{\mathrm{T}} \boldsymbol{A}^{i}\right]^{-1}\left(\boldsymbol{A}^{i}\right)^{\mathrm{T}} \Delta \boldsymbol{S}^{i}=\left[\left(\boldsymbol{A}^{i}\right)^{\mathrm{T}} \boldsymbol{A}^{i}\right]^{-1}\left(\boldsymbol{A}^{i}\right)^{\mathrm{T}}\left(\Delta \boldsymbol{S}^{i}+\boldsymbol{A}^{i} \boldsymbol{f}^{i}\right) $

地基反演测量值少于未知量，因此需要附加约束条件才能获得方程的解，反演过程中常用的两种约束条件是最优估算法和Tikhonov-Phillips方法.其中，Tikhonov-Phillips方法是一种对数尺度上的反演，更适合低分辨率光谱柱浓度的反演，因此本文采用Tikhonov-Phillips方法.由于傅里叶变换光谱仪EM27/SUN是低分辨率光谱仪(分辨率0.5 cm －1)，因此，在反演过程中采用缩放先验廓线的方法进行反演.垂直柱总量(Vertical Column Density，VCD)及气体柱平均摩尔分数(column-averaged Dry air Mole Fraction，DMFs)可以表示为

5 $ \left\{ {\begin{array}{*{20}{l}} {{C_{{\rm{gas}}}} = \int\limits_0^{{P_{\rm{S}}}} {} \frac{{{c_1}{w_{0, k}}(p)dp}}{{{m_{{\rm{dry}}}}g(\varphi , p)}}}\\ {{X_{{\rm{gas}}}} = \frac{{{C_{{\rm{gas}}}}}}{{{C_{{\rm{dryair}}}}}}} \end{array}} \right. $

式中， P S 为地表气压， p 为气压， g 为重力加速度， m dryair 干空气分子质量， c k 为缩放因子， w o, k (p)为先验廓线， C gas 为气体的柱总量， C dryair 为干空气柱总量，其公式为

6 $ C_{\text {dryair }}=\frac{P_{\mathrm{gr}}}{g \cdot m_{\text {dryair }}}-C_{\mathrm{H} 2\mathrm{O}} \frac{m_{\mathrm{H}_{2} \mathrm{O}}}{m_{\mathrm{dryair}}} $

式中， P gr 表示地表气压， m H 2 O 、 m dryair 分别为水汽和干空气分子质量， C H 2 O 为水汽柱总量.在反演过程中，地表气压的变化不仅改变压强廓线，且影响干空气柱总量，因此需要得到准确的地表气压值.在反演过程中为了减少仪器误差，常采用氧气作为内部标准反演气体柱平均摩尔分数DMFs，即

7 $ X_{\mathrm{gas}}=0.2095 \times \frac{C_{\mathrm{gas}}}{C_{\mathrm{O}_{2}}} $

式中， C gas 是气体的柱总量， C O 2 是氧气的柱总量，压强和温度廓线均来自美国国家环境预报中心(National Centers Environmental Prediction, NCEP)的分析数据.

2 仪器线型函数ILS的测量

光谱仪切趾、光学畸变等均会对太阳吸收光谱进行调制，其调制程度用仪器线型函数(Instrument Line Shape, ILS)来衡量.理想的仪器线型函数是Sinc函数和Rectangular函数的卷积，由于光学系统存在光学相差及未校准等，实际中的仪器线型函数ILS由振幅调制效率(Amplitude Modulation Efficiency, ME)和相位误差(Phase Error, PE)组成，振幅调制效率表征ILS的宽度，相位误差量化ILS对称程度.因此，需要对仪器进行定标.

图 2 是定标的照明系统，主要包含卤素灯(具体参数见 表 1)、电源及支架等结构.利用LINEFIT软件 [19 - 20] ，测量7 000~7 400 cm －1 光谱波段内的水汽谱线，获得了ILS函数的ME和PE两部分.振幅调制效率和相位误差随光程差的变化如 图 3 所示.测量ILS时，需要注意光源与光谱仪的距离选择，距离太近卤素灯发热影响实验温度，距离太远探测器信号弱，ILS的测量还与环境参数有关，本次定标环境参数见 表 2 .综合考虑，实验选择了401、519及605 cm三个距离进行了测量，实验结果如 图 4 所示.

图 2. Calibration lighting system

Fig. 2. Calibration lighting system

下载图片查看所有图片

表 1. 卤素灯参数

Table 1. Parameter of halogen lamp

Parameters	Rated voltage	Rated power	Color temperature	Rated illumination
Value	12.0 V	50.0 W	3 050 K	1 000 lm

查看所有表

图 3. Instrument line shape

Fig. 3. Instrument line shape

下载图片查看所有图片

表 2. 环境参数

Table 2. Environmental parameters

Parameters	Temperature		Pressure
Distance/cm	t₁/℃	t₂/℃	P₁/kPa	P₂/kPa
401	26.5	26	100.985	100.963
519	26.2	25.8	101.050	101.031
605	25.8	26.1	101.029	100.993

查看所有表

图 4. Variation of ILS with distance

Fig. 4. Variation of ILS with distance

下载图片查看所有图片

图 4 是ILS的ME和PE随距离的变化.从图可以看出，在401、519及605 cm处，ILS振幅调制效率及相位误差数值比较接近，三次测量的ME标准偏差仅为0.004 37(见 表 3)，平均值为0.961 1(见 表 3)，PE平均值为0.005 93(见 表 3)，傅里叶变换光谱仪EM27/SUN的仪器线型函数ILS标准值为：0.985 5(ME)及0.001 6(PE)，三次测量的平均值与标准值的绝对偏差分别为2.45%和0.433%.说明在运输及实验过程中，仪器性能较为稳定，这为后续的数据反演提供了保障.

表 3. ME、PE随距离的变化

Table 3. ME and PE change with distance

Distance/cm	ME	PE
401	0.957 2	0.005 69
519	0.965 8	0.006 13
605	0.960 2	0.005 98
Mean	0.961 1	0.005 93
Standard deviation	0.004 37	2.236 81×10^－4

查看所有表

3 结果分析与讨论

CO 2 、CO、CH 4 、O 2 以及H 2 O的浓度反演波段如 表 4 所示，所选择的反演波段干扰分子较少(PROFFIT反演算法采用缩放先验廓线的方法扣除干扰分子的影响).实验时间是2018年3月27日、28日，4月2日、3日、8日、9日、10日、20日，8天有效数据.实验期间天气晴朗，一天内大部分时间天气比较稳定.

表 4. CO₂、CH₄、CO、H₂O和O₂气体分子的反演波段

Table 4. Spectral windows for retrieval of column of CO₂, CH₄, CO, H₂O and O₂

Gases	Spectral windows/cm^－1	Interference molecule
H₂O	8 353.4~8 463.1	CH₄
CO₂	6 173.0~6 390.0	H₂O, HDO, CH₄
CH₄	5 897.0~6 145.0	H₂O
CO	4 208.7~4 318.8	CH₄, H₂O, HDO
O₂	7 765.0~8 005.0	H₂O, HF, CO₂

查看所有表

3.1 温室气体柱浓度的日变化

为了分析观测期间四种温室气体的变化规律，除去饱和光谱及太阳光强相对变化幅度超过5%的光谱(主要受云和气溶胶的影响)，选取观测期间8天有效数据进行分析，获得了合肥地区CO 2 、CO、CH 4 及H 2 O四种气体分子柱浓度的日变化特征，如 图 5 所示.

Daily variation of total column of XH2O, XCO2, XCH4 and XCO

图 5. Daily variation of total column of XH₂O, XCO₂, XCH₄ and XCO

Fig. 5. Daily variation of total column of XH₂O, XCO₂, XCH₄ and XCO

下载图片查看所有图片

观测结果显示，在测量期间XH 2 O、XCO 2 、XCH 4 及XCO的变化较大，如4月8日、9日两天的柱浓度比较低，4月2日、3日两天的柱浓度数值较高，尤其是水汽的变化最为显著，如 图 5(a) ，4月2日水汽柱浓度平均值达到5 289.43 ppm，是4月8日(1 353.17 ppm)的5倍；3月28日与4月2日XCO 2 、XCO、XCH 4 的日变化非常相似，可能三种气体的源相近.如3月28日的变化趋势在中午12:30左右达到最大值，在14:00达到波谷，随后又逐渐增大，由于当天风向是南风，观测点的结果会受城市区域排放量的影响，正午峰值反映了人为排放的影响.3月27日、4月3日、4月20日出现数据缺失情况，如3月27日12:30到13:30，说明这些时间段天气不稳定，可能是天空存在云，导致光强起伏较大；H 2 O柱浓度的值一天变化较大，CO 2 、CH 4 及CO柱浓度的日变化相对较小. 表 5 是四种气体分子测量期间的日变化量.

表 5. XH₂O、XCO₂、XCH₄、XCO的日变化量

Table 5. Daily variation of XH₂O, XCO₂, XCH₄ and XCO

Date	ΔXH₂O/ ppm	ΔXCO₂/ppm	ΔXCH₄/ppm	ΔXCO/ppm
180327	423.19	1.770	0.017 8	0.010 7
180328	922.21	2.206	0.018 4	0.016 3
180402	716.88	4.443	0.032 9	0.029 9
180403	289.75	2.797	0.010 0	0.015 3
180408	455.78	4.590	0.019 3	0.010 1
180409	846.09	1.857	0.006 8	0.012 3
180410	1 182.58	1.469	0.025 9	0.016 9
180420	1 080.12	2.254	0.011 9	0.021 7

查看所有表

文献[21]中指出CH 4 在大气中的浓度较低，约为1.8 ppm，混合均匀，不同区域浓度差较小，日变化量小于0.02 ppm.从 表 5 可以看出，CH 4 的日变化量最大可以达到0.032 9 ppm(4月2日)，相对变化率为1.7%(相对当日平均值的变化)，推测其原因可能是外来源的入侵导致.H 2 O的日变化幅值可以达到1 000 ppm以上，如4月10日日变化幅值达到1 182.58 ppm，CO 2 日变化幅值可以达到4.59 ppm(4月8日)，相对变化率为1.12%，CO的日变化量最大为0.021 7 ppm，相对变化率高达18%.为了观察四种气体分子柱浓度在测量期间的变化趋势，将每天数据进行平均，结果见 图 6 及 表 6 所示.

Averages of total column of XH2O, XCO2, XCH4 and XCO

图 6. Averages of total column of XH₂O, XCO₂, XCH₄ and XCO

Fig. 6. Averages of total column of XH₂O, XCO₂, XCH₄ and XCO

下载图片查看所有图片

表 6. XH₂O、XCO₂、XCH₄及XCO平均值及标准差

Table 6. Averages and standard deviation of XH₂O, XCO₂, XCH₄ and XCO

	XH₂O		XCO₂		XCH₄		XCO
	Mean	SD	Mean	SD	Mean	SD	Mean	SD
18-03-27	2 844.25	98.5	411.34	0.40	1.87	0.005 03	0.139	0.002 83
18-03-28	1 772.82	141.6	411.15	0.49	1.87	0.003 66	0.131	0.002 89
18-04-02	5 289.43	149.2	415.05	1.15	1.91	0.007 78	0.178	0.006 67
18-04-03	4 647.44	56.1	414.79	0.46	1.90	0.001 88	0.168	0.002 96
18-04-08	1 353.17	119.4	409.47	0.26	1.85	0.001 81	0.098	0.001 35
18-04-09	1 535.74	237.8	409.22	0.44	1.85	0.001 44	0.099	0.003 04
18-04-10	2 613.78	337.1	410.38	0.34	1.87	0.007 55	0.114	0.004 72
18-04-20	2 534.87	321.7	411.36	0.46	1.87	0.002 23	0.120	0.004 47

查看所有表

从观测期间H 2 O、CO 2 、CH 4 及CO四种气体分子柱浓度的日平均值可以看出，它们的变化趋势相似，H 2 O分子的柱浓度在4月2日最大，最大值为5 289.43 ppm(见 表 5)，且XH 2 O的日变化较大，标准差最大达到237.8 ppm(4月9日)，剔除水汽异常数据(4月2日、3日)，剩余六天的平均值为2 109.1 ppm；CO 2 柱浓度日变化标准差的数量级为10 －1 (除了4月2日)，柱浓度日变化相对较小，日平均柱浓度最大值、最小值分别为415.05 ppm、409.22 ppm(见 表 6)，八天的平均值为411.59 ppm；CH 4 和CO两种气体分子的柱浓度日变化均较小，其标准差均在10 －2 数量级上，实验观测的八天内平均值分别为1.874 ppm、0.131 ppm.从 图 6 及 表 6 可以看出，XH 2 O、XCO 2 、XCH 4 及XCO在4月2日、4月3日的数值相对较大，其原因可能是有外来源的入侵，如人为排放等因素.

3.2 测量结果与其它数据的对比

为了验证地基测量数据，将地基结果分别与WACCM模式计算值及GOSAT卫星数据进行对比分析，由于WACCM、GOSAT卫星只提供了CO 2 、CH 4 两种气体分子的柱浓度信息，因此只针对此两种分子柱浓度信息进行对比，WACCM经纬度设置是以测量地合肥为中心，提取经纬度在\pm1°范围内的数据作为分析对象，GOSAT数据的经纬度设置在\pm1.5°范围内.

图 7 给出了地基观测XCO 2 结果与WACCM模式计算值的对比.从图中可以看出，在测量期间，地基测量值具有明显的变化趋势，其幅值在409.22~415.05 ppm之间变化，而WACCM模式计算值在测量期间几乎没有变化，均是在平均值410.58 ppm附近，两者之间绝对偏差最大相差4.47 ppm(如4月2日)，测量期间的平均值相差1.01 ppm.与此同时，还将地基观测XCH 4 结果与WACCM模式计算值进行了对比，如 图 8 所示.从比对结果可以看出，XCH 4 结果与XCO 2 结果相似，地基测量值也具有明显的变化趋势，其幅值在1.848~1.907 ppm之间变化，WACCM模式计算值在1.877 ppm附近微小变化，两者之间绝对偏差最大相差0.029 7 ppm.通过以上分析，WACCM模式计算的结果不能描述CO 2 、CH 4 浓度的变化趋势，即不能研究CO 2 、CH 4 的源与汇.进一步验证地基观测结果，采用卫星GOSAT同期测量合肥地区的数据进行对比分析，如 图 9 所示.

Comparison of XCO2 based on ground-based EM27/ SUN with WACCM model and including absolute deviation

图 7. Comparison of XCO₂ based on ground-based EM27/ SUN with WACCM model and including absolute deviation

Fig. 7. Comparison of XCO₂ based on ground-based EM27/ SUN with WACCM model and including absolute deviation

下载图片查看所有图片

Comparison of XCH4 based on ground-based EM27/ SUN with WACCM model and including absolute deviation

图 8. Comparison of XCH₄ based on ground-based EM27/ SUN with WACCM model and including absolute deviation

Fig. 8. Comparison of XCH₄ based on ground-based EM27/ SUN with WACCM model and including absolute deviation

下载图片查看所有图片

图 9. Comparison of ground-based EM27/SUN with retrieved data from GOSAT satellite

Fig. 9. Comparison of ground-based EM27/SUN with retrieved data from GOSAT satellite

下载图片查看所有图片

由于卫星GOSAT过境周期是3天，且只记录天气晴朗的数据，卫星过境日期与测量日期不完全一致，但CO 2 、CH 4 两种气体分子柱浓度比较稳定.从 图 9 可以看出，在测量期间，地基EM27/SUN与GOSAT卫星监测的CO 2 、CH 4 的柱浓度存在一定程度上的正相关，具有相似的变化趋势，地基傅里叶变换光谱仪EM27/SUN观测结果略高于GOSAT卫星反演结果(如4月9日)，其原因是地基测量的精度更高，对浓度变化更为敏感.将测量期间两种监测的数据结果求平均值，地基观测XCO 2 测量期间的平均值为411.59 ppm，卫星GOSAT遥感平均值为409.73 ppm，两者之间的相对偏差为0.45%；地基观测XCH 4 平均值为1.874 ppm，卫星GOSAT遥感平均值为1.867 4 ppm，两种观测结果之间的相对偏差为0.34%.

为进一步分析合肥地区春季(3、4、5月)CO 2 、CH 4 柱浓度变化规律，提取了2010~2018年GOSAT卫星数据(3月、4月、5月平均值)以探究合肥地区春季温室气体浓度的变化趋势. 图 10 是GOSAT卫星2009~2018年春季CO 2 、CH 4 的柱浓度变化规律.从图可以看出，春季XCO 2 、XCH 4 均是逐年增加的(除了2011年略低于2010年)，9年内春季XCO 2 柱浓度从390.83 ppm(2011年)增加到410.30 ppm(2018年)，增加了19.47 ppm，相对增长率为4.9%，春季XCO 2 的逐年增加量分别为：－1.14 ppm、5.88 ppm、1.39 ppm、1.01 ppm、3.08 ppm、3.10 ppm、2.59 ppm、2.41 ppm；XCH 4 柱浓度从1.802 ppm增加到1.869 ppm，相对增长率为3.7 %.从增加量可以看出，2017年、2018年的增加量略有减少.

Variation of XCO2 and XCH4based on GOSAT satellites observation in the spring of 2010 to 2018

图 10. Variation of XCO₂ and XCH₄based on GOSAT satellites observation in the spring of 2010 to 2018

Fig. 10. Variation of XCO₂ and XCH₄based on GOSAT satellites observation in the spring of 2010 to 2018

下载图片查看所有图片

4 结论

连续采集近红外太阳吸收光谱，获得了2018年3月到4月合肥地区大气中的H 2 O、CO 2 、CH 4 及CO柱浓度信息.将地基观测结果分别与WACCM及GOSAT卫星数据进行对比分析，并利用GOSAT卫星数据分析了2010~2018年春季CO 2 、CH 4 柱浓度的变化趋势，结果表明：

1) 在测量期间，地基观测合肥地区H 2 O、CO 2 柱-平均干空气混合比(XH 2 O、XCO 2)变化较大，XH 2 O在1 353.17~5 289.43 ppm区间变化，XCO 2 在409.22~415.05 ppm区间变化；CH 4 和CO两种气体分子的柱浓度变化均较小，其标准差均在10 －2 数量级上；XH 2 O、XCO 2 、XCH 4 和XCO测量期间的平均值分别为2 109.10 ppm、411.59 ppm、1.87 ppm及0.13 ppm，首次同时获得四种气体分子的浓度信息.

2) WACCM模拟计算XCO 2 、XCH 4 的浓度比较稳定，均在平均值附件微小变化，GOSAT卫星观测值略低于地基EM27/SUN的观测值，XCO 2 、XCH 4 相对偏差分别为0.45 %和0.34 %.WACCM模拟值不能描述温室气体XCO 2 、XCH 4 的变化趋势，GOSAT卫星观测对温室气体的源与汇的敏感性较差.

3) 2010~2018年春季，XCO 2 柱浓度从390.83 ppm增加到410.3 ppm，增加了19.47 ppm，相对增长率为4.9 %；XCH 4 柱浓度从1.802 ppm增加到1.869 ppm，相对增长率为3.7 %.CO 2 、CH 4 浓度逐年增加，需要密切关注温室气体的浓度变化趋势.

研究结果可为研究合肥地区温室气体的时空分布及其变化规律提供理论依据，并为大气辐射传输计算提供理论参考.

参考文献

[1] 饶瑞中, 现代大气光学[M].北京:科学出版社2012:126.

[2] CHENG Si-yang, 程巳阳, 高闽光, GAO Ming-gang, XU Ling, 徐亮. 基于直射太阳红外吸收光谱技术的大气中CH₄柱浓度遥测研究[J]. 量子电子学报, 2014, 8(48): 0805002.

[3] WUNCH D, TOON G C, WENNBERG P O. Calibration of the total carbon column observing network using aircraft profile data[J]. Atmospheric Measurement Techniques, 2010, 3: 1351-1362.

[4] MESSERSCHMIDT J, GEIBEL M C, BLUMENSTOCK T. Calibration of TCCON column-averaged CO₂:the first aircraft campaign over European TCCON sites[J]. Atmospheric Chemistry and Physics, 2011, 11: 10765-10777.

[5] PETERSE A K, WARNEKE T, FRANKENBERG C. First ground-based FTIR observations of methane in the inner tropics over several years[J]. Atmospheric Chemistry and Physics, 2010, 10: 7231-7239.

[6] KIEL M, WUNCH D, WENNBERG P O. Improvement of the retrieval used for Karlsruhe TCCON data[J]. Atmospheric Measurement Techniques, 2015, 8: 12203-12242.

[7] KIEL M. Trace gas measurements from different spectral regions using FTIRspectroscopy[D]. Germany Karlsruhe: Karlsruhe Institute of Technology, 2016.

[8] KIEL M, HASE F, BLUMENSTOCK T. Comparison of XCO abundances from the total carbon column observing network and the network for the detection of atmospheric composition change measured in Karlsruhe[J]. Atmospheric Measurement Techniques, 2016, 9: 2223-2239.

[9] KIEL M, WUNCH D, WENNBERG P O. Improved retrieval of gas abundances from near-infrared solar FTIR spectra measured at the Karlsruhe TCCON station[J]. Atmospheric Measurement Techniques, 2016, 9: 669-682.

[10] HASE F, FREY M, KIEL M. Addition of a channel for XCO observations to a portable FTIR spectrometer for greenhouse gas measurements[J]. Atmospheric Measurement Techniques, 2016, 9: 2303-2313.

[11] FREY M, HASE F, BLUMENSTOCK T. Calibration and instrumental line shape characterization of a set of portable FTIR spectrometers for detecting greenhouse gas emissions[J]. Atmospheric Measurement Techniques, 2015, 8: 3047-3057.

[12] GISI M, HASE F, DOHE S. XCO₂-measurements with a tabletop FTS using solar absorption spectroscopy[J]. Atmospheric Measurement Techniques, 2012, 5: 2969-2980.

[13] HASE F, , BLUMENSTOCK T. Application of portable FTIR spectrometers for detecting greenhouse gas emissions of the major city Berlin[J]. Atmospheric Measurement Techniques, 2015, 8: 3059-3068.

[14] KLAPPENBACH F, BERTLEFF M, KOSTINEK J. Accurate mobile remote sensing of XCO₂ and XCH₄ latitudinal transects from aboard a research vessel[J]. Atmospheric Measurement Techniques, 2015, 8: 5023-5038.

[15] SHAN Chang-gong, 单昌功, WANG Wei, 王薇, LIU Cheng, 刘城. 基于傅里叶变换红外光谱技术测量大气中CO₂的稳定同位素比值[J]. 物理学报, 2017, 66(22): 220204.

[16] XU Xing-wei, 徐兴伟, 王微, WANG Wei, LIU Cheng, 刘城. 基于太阳吸收光谱观测大气一氧化碳柱总量[J]. 光谱学与光谱分析, 2018, 38(5): 1329-1334.

[17] WANG Wei, TIAN Yuan, LIU Cheng. Investigating the performance of a greenhouse gas observatory in Hefei, China[J]. Atmospheric Measurement Techniques, 2017, 10: 2627-2634.

[18] HASE F, HANNIGAN J W, COFFEY M T. Inter-comparison of retrieval codes used for the analysis of high-resolution, ground-based FTIR measurements[J]. Journal of Quantitative Spectroscopy Radiative Transfer, 2004, 87: 25-52.

[19] HASE F, BLUMENSTOCK T, WALSH P. Analysis of the instrumental line shape of high-resolution Fourier transform IR spectrometers with gas cell measurements and new retrieval software[J]. Applied Optics, 1999, 38: 3417-3422.

[20] HASE F, DROUIN B J, ROEHL C M. Calibration of sealed HCl cells used for TCCON instrumental line shape monitoring[J]. Atmospheric Measurement Techniques, 2013, 6: 3527-3537.

[21] TIAN Yuan, 田园, SUN You-wen, 孙友文, XIE Pin-hua, 谢品华. 地基高分辨率傅里叶变换红外光谱反演环境大气中的CH4浓度变化[J]. 物理学报, 2015, 64: 070704.

刘丹丹, 黄印博, 曹振松, 卢兴吉, 孙宇松, 涂倩思. 合肥地区温室气体柱浓度直接观测与卫星数据对比分析[J]. 光子学报, 2020, 49(3): 0301002. Dan-dan LIU, Yin-bo HUANG, Zhen-song CAO, Xing-ji LU, Yu-song SUN, Qian-si TU. Analysis of Total Columns of Greenhouse Gas Based on Direct Observation and Comparison with Satellite Data in Hefei[J]. ACTA PHOTONICA SINICA, 2020, 49(3): 0301002.