程巳陽,安興琴,周凌晞,劉立新,方雙喜,姚 波,劉 釗 （中國氣象局中國氣象科學研究院,北京 100081）

北京上甸子大氣本底站CO2濃度的源匯區(qū)域代表性研究

程巳陽,安興琴*,周凌晞*,劉立新,方雙喜,姚 波,劉 釗 （中國氣象局中國氣象科學研究院,北京 100081）

為研究單個站點觀測濃度的源匯區(qū)域代表性及所在區(qū)域的CO2通量特征,利用大氣反轉模式FLEXPART模擬確定影響上甸子站觀測濃度的氣團主要來源,利用Carbon Tracker模式反演CO2濃度和通量的時空分布,并通過數(shù)值迭代方法和相關性分析方法獲取最優(yōu)印痕函數(shù)閾值,得到影響測站CO2濃度的源匯區(qū)域范圍.其次,將在線觀測CO2濃度篩分為本底和非本底濃度,利用FLEXPART模式追蹤測站本底和非本底源區(qū),研究發(fā)現(xiàn),本底和非本底源匯區(qū)域明顯不同并隨季節(jié)變化.在印痕函數(shù)大于一定閾值的潛在源區(qū)內,本底和非本底區(qū)域凈通量變化趨勢差異明顯,而且在各通量分支中本底區(qū)域化石燃料通量較小、生物圈通量較大,非本底區(qū)域化石燃料通量較大、生物圈通量較小.通過反演模式能夠定量得到影響測站觀測濃度的源匯區(qū)域及區(qū)域通量特征.

數(shù)值模擬；二氧化碳；源匯分析；區(qū)域大氣本底站

CO2作為重要的溫室氣體之一,在控制全球氣候變化、理解生物地球化學循環(huán)與大氣碳收支方面起著關鍵作用［1-2］.CO2的排放既有自然源也有人為源,其中與人類活動密切相關的排放源有化石燃料燃燒、水泥生產、土地利用變化等［3-4］.海洋和生態(tài)系統(tǒng)作為大氣中CO2的匯,吸收了接近一半的人為 CO2排放［5］.隨著人口增長和經濟高速發(fā)展,目前中國CO2排放量世界第一,并在近期仍可能繼續(xù)增加［6-7］.

大氣中CO2濃度的時空差異與區(qū)域CO2排放量密切相關［8］.為此,Keeling等［9］在美國夏威夷島莫納羅亞山最早開展了長期的溫室氣體觀測.目前,在世界范圍內有超過150個站點觀測溫室氣體濃度［10］.中國最長的溫室氣體連續(xù)觀測記錄來自全球本底站——瓦里關站,上甸子站、臨安站、龍鳳山站作為區(qū)域本底站也是世界氣象組織全球大氣觀測網絡的重要成員［11-13］.在觀測的技術手段上,既有現(xiàn)場瓶采樣-實驗室分析方法,也有自動化在線連續(xù)測量系統(tǒng)［13-14］.研究表明,這些觀測資料可以用于CO2通量反演［15］.

當前,估計區(qū)域碳通量或全球碳通量主要有2種方法,它們是“自下而上”方法和“自上而下”方法.“自下而上”方法是基于直接現(xiàn)場測量數(shù)據(jù)、生態(tài)系統(tǒng)模型等反演碳通量［16-17］.“自上而下”方法利用大氣中CO2濃度來反演碳源匯信息［18-20］.由美國國家海洋與大氣局基于大氣傳輸模型TM5 （Tracer Model, Version 5）和卡爾曼濾波方法開發(fā)的 CT（Carbon Tracker）模型是“自上而下”方法的典型代表,在觀測數(shù)據(jù)豐富的北美和歐洲地區(qū)有效追蹤了CO2源匯的時空變化,成功估計了區(qū)域碳通量［8,21-22］.在國內,中國氣象科學研究院、南京大學、中國科學院等單位也進行了將 CT模式應用到中國的研究,模擬了中國大氣本底站 CO2濃度變化特征,估計了中國陸地碳源匯與碳通量［19,23-24］.但是,受到觀測站點和有效數(shù)據(jù)數(shù)量限制,反演的通量仍然具有較大的不確定性.因此,定量得到影響測站觀測濃度的源匯區(qū)域及區(qū)域通量特征對于理解區(qū)域或者全球碳平衡,合理利用觀測數(shù)據(jù)減小區(qū)域乃至全球碳通量反演的不確定性,評價碳分布具有重要意義.

本研究以CT模型在中國區(qū)域的模擬應用為基礎,結合拉格朗日粒子擴散模式 FLEXPART （FLEXible PARTicle dispersion model）在潛在源區(qū)分析上的優(yōu)勢［25］,從上甸子區(qū)域大氣本底站瓶采樣觀測數(shù)據(jù)出發(fā),定量給出了影響上甸子區(qū)域本底站觀測濃度的源匯區(qū)域范圍,同時利用在線觀測數(shù)據(jù)追蹤本底和污染源區(qū)并分析它們的區(qū)域通量特征.

1　資料與方法

1.1FLEXPART模式簡介

FLEXPART模式是由挪威大氣研究所（NILU, Norwegian Institute for Air Research）開發(fā)的一種拉格朗日粒子擴散模式［26］.該模式的核心內容是研究大氣污染物的源匯關系（Sourcereceptor relationship）：污染排放為“源”,觀測站點為受體,相當于“匯”.通過計算點、線、面或體積源釋放的大量粒子的軌跡,來描述示蹤物在大氣中長距離、中尺度的傳輸、擴散、干濕沉降和輻射衰減等過程.該模式可以通過時間的前向運算來模擬示蹤物由源區(qū)向周圍的擴散,也可以通過后向運算來確定對于固定站點有影響的潛在源區(qū)的分布,分別得到隨時間序列變化的格點示蹤物濃度（正向模擬）或格點駐留時間（后向模擬）［27］.當研究區(qū)域內觀測站點數(shù)量少于排放源數(shù)量時,后向運算更具有優(yōu)勢［28］.

FLEXPART模式內核采用零加速度方案計算粒子軌跡,其表達式為：

印痕函數(shù)Footprint（也稱敏感性系數(shù)）由網格點的駐留時間確定,表示潛在源區(qū)對固定站點影響的大小.經過源-受體關系的轉換,后向模擬中格點i駐留時間公式可表示為：

式中：TΔ為時間分辨率；N為TΔ時間范圍內采樣的數(shù)量；J為釋放的粒子總數(shù)；ijnf是一個函數(shù),決定了對于指定格點有“貢獻”的粒子的多少.

1.2Carbon Tracker模式簡介

Carbon Tracker模式是NOAA/ESRL/GMD （National Oceanic and Atmospheric Administration Earth System Research Laboratory Global Monitoring Division）模式小組基于大氣傳輸模型研發(fā)的一種大氣反演模型,將大氣傳輸模式與地基觀測數(shù)據(jù)、氣象數(shù)據(jù)等相結合,在觀測數(shù)據(jù)和 CO2源匯之間建立起關系,從而實時反演CO2源匯時空分布［8］.它可用于長時間、連續(xù)地模擬大氣中CO2的濃度分布,追蹤地表CO2的排放與吸收情況.這個模型包括 7個部分［23］：生物圈模塊提供陸地生態(tài)系統(tǒng)源匯通量；海洋模塊提供海氣交換通量；火災模塊估計火源排放；化石燃料模塊估計化石燃料燃燒排放；大氣傳輸模型TM5；觀測數(shù)據(jù)；Kalman濾波數(shù)據(jù)同化系統(tǒng).生物圈模塊、海洋模塊、火災模塊、化石燃料燃燒模塊為 Carbon Tracker模型提供初始化CO2通量.采用Kalman濾波同化方法,根據(jù)模式模擬結果結合觀測數(shù)據(jù)調整 CO2源匯通量.因此,Carbon Tracker模型能夠估算生物圈、海洋、火災等自然碳源匯的吸收與排放,化石燃料燃燒等人類活動釋放和吸收的碳,區(qū)別自然界碳循環(huán)和人類活動碳排放的變化.

Carbon Tracker模型是一個全球雙向網格嵌套模型,全球粗分辨率的模擬中可以嵌套區(qū)域高分辨率的模擬.本文中設置了2重嵌套區(qū)域：全球3°×2°,亞洲1°×1°.驅動Carbon Tracker模型的氣象數(shù)據(jù)來自歐洲中心的中尺度天氣預報模式結果ECMWF（European Centre for Medium- Range Weather Forecasts）.

Carbon Tracker模型實現(xiàn)通量反演的基本依據(jù)是：某一時間t某一地點w的CO2觀測濃度c能夠通過初始時刻充分混合的 CO2濃度以及過去一段時間所有全球區(qū)域貢獻的通量得到［19］.這種方法的核心是最小化下面的價值函數(shù) J,使得模擬和觀測的CO2濃度偏差最?。?/p>

式中：H表示將模擬通量轉換為觀測濃度的大氣傳輸模型和觀測算子；誤差協(xié)方差矩陣R表示觀測濃度的不確定性；x表示表面通量估計值構成的向量；x0表示先驗表面通量值構成的向量；誤差協(xié)方差矩陣Q表示先驗通量的不確定性.表面通量 F（w,c,t）可以分成 4個部分：陸地生物圈通量Fbio（w,c,t）、海洋通量 Foce（w,c,t）、化石燃料燃燒通量 Fff（w,c,t）、火源排放通量 Fire（w,c,t）,它們滿足如下關系：

式中：Neco表示由氣候區(qū)域、陸地版塊、植被類型等確定的全球生態(tài)系統(tǒng)區(qū)域數(shù)目,表示與其對應的特定時間各區(qū)域的比例因子；Noce表示依據(jù)海洋盆地劃分的全球區(qū)域數(shù)目,表示與其對應的比例因子.通過反演獲得的最優(yōu)比例因子λr以及 Fbio、Foce、Fff、Ffire就可以得到最優(yōu)的CO2瞬時通量.

1.3研究站點和觀測數(shù)據(jù)

北京上甸子站位于北京城區(qū)的東北方向,坐落在密云縣高嶺鎮(zhèn)的上甸子村,北緯40°39′,東經117°07′,海拔 293.9m,距北京市區(qū)約 120km,距離天津約210km,距離石家莊約520km.該站地處暖溫帶半濕潤季風氣候區(qū),春、秋季節(jié)較短,夏季炎熱多雨,冬季寒冷干燥,周圍30km沒有密集的工業(yè)區(qū)和人群,主要植被類型為林地和農田等.影響該站的氣團主要受到當?shù)厥⑿酗L向影響,春夏季主導風向是“西南西”,秋冬季主導風向是“東北東”,其濃度水平代表了京津冀經濟圈的區(qū)域大氣狀況.

圖1　上甸子站地理位置Fig.4　Location of Shangdianzi regional atmospheric station

參照WMO/GAW推薦方法,通過便攜式采樣器和硬質玻璃瓶采集大氣樣品和實驗室分析得到CO2濃度［29］.采樣頻率為1次/周,采樣時間則選擇在正午至下午時段.基于非色散紅外吸收法NDIR（Non-Dispersive Infrared spectroscopy）,利用工作標氣、高純氮氣對樣品中 CO2濃度進行分析［30-31］.大氣 CO2在線測量系統(tǒng)使用的是CRDS（cavity ring down the spectroscopy）技術,從2009年1月開始在上甸子站運行服務［14］.每次進樣分析5min,并且使用后3min測量結果平均值作為CO2濃度儀器測量值［32］.通過質控、篩分、擬合等方法對數(shù)據(jù)進行處理.實驗中使用的 CO2標氣可溯源至WMO X2007標準［1］.

2　結果與討論

前期,本課題組基于 2009年上甸子站 CO濃度數(shù)據(jù)對 FLEXPART模式反演結果進行了驗證和評價,追蹤了 CO本底與非本底印痕函數(shù)分布,證明了該模式在潛在源區(qū)追蹤上的有效性［25］.利用WMO/GAW大氣本底站CO2觀測資料,通過CT2010模式對中國區(qū)域碳源匯進行了精細化反演,驗證了該模式結果的可靠性與適用性［23］.

2.1測站源匯區(qū)域空間范圍

2.1.1北京上甸子站印痕函數(shù)分布 利用FLEXPART模式得到水平分辨率1°×1°的印痕函數(shù)分布如圖2所示.印痕函數(shù)單位為s,代表了潛在源區(qū)對北京上甸子區(qū)域大氣本底站的影響大小.在圖 2a中可以明顯看出,對上甸子區(qū)域大氣本底站有主要影響的源匯區(qū)域是北京、天津、河北大部、山西東部和北部、內蒙古中部等.在不同季節(jié)模擬結果中較大印痕函數(shù)值（＞4）所代表的潛在源區(qū)集中分布在上甸子區(qū)域大氣本底站的北-西北-西扇區(qū)內；但是隨著一年四季大氣環(huán)流不同（如圖2b～e）,印痕函數(shù)分布略顯不同.春季是冬季環(huán)流向夏季環(huán)流過渡季節(jié),冷空氣活動仍較頻繁,路經偏北,蒙古一帶逐漸形成蒙古低壓,多西南風,若冷空氣勢力增強南下則為偏北大風,印痕函數(shù)分布表現(xiàn)為：潛在源區(qū)主要分布在西西北-北西北扇區(qū)和西南-南扇區(qū).夏季太平洋副熱帶高壓北上,蒙古高壓回退,北京地區(qū)偏東氣流有所加強,印痕函數(shù)分布表現(xiàn)為：相對其他季節(jié),夏季印痕函數(shù)分布有偏東方向趨勢,潛在源區(qū)主要分布在東東南-南扇區(qū)和西北-北西北扇區(qū).秋季是夏季環(huán)流向冬季環(huán)流過渡季節(jié),太平洋副熱帶高壓南撤,蒙古高壓得以發(fā)展南侵,偏南氣流日漸衰退,轉變?yōu)槠睔饬?印痕函數(shù)分布表現(xiàn)為：潛在源區(qū)主要分布在西-西北扇區(qū).冬季北京地區(qū)多受蒙古高壓控制,盛行西北氣流,印痕函數(shù)分布表現(xiàn)為：西北扇區(qū)是對上甸子站有較大影響的潛在源區(qū).

可見,通過 FLEXPART模式后向模擬獲得Footprint印痕函數(shù),能夠確定對上甸子站有影響的潛在源區(qū)分布,是后續(xù)分析上甸子站CO2觀測濃度所代表源匯區(qū)域的基礎和依據(jù).

2.1.2北京上甸子站 CO2源匯分析 利用CT模式可以得到2006年8月到2009年12月空間分辨率 1°×1°的大氣 CO2濃度分布和源匯通量［23］.CO2濃度月均觀測值與上甸子站所在模式網格處的通量具有一定的相關性,相關系數(shù)為0.65,如圖3a所示.上甸子站大氣CO2濃度受區(qū)域 CO2排放和吸收通量的影響,因此站點采樣獲得的大氣CO2濃度與影響該站點區(qū)域的源匯通量緊密相關.為此,利用FLEXPART模式模擬確定影響測站的潛在源區(qū)分布范圍,通過選取不同閾值,界定特定區(qū)域,并利用CT模式模擬的CO2通量結果計算該界定區(qū)域內的CO2源匯通量.通過迭代計算可以得到一個最優(yōu)閾值邊界和影響測站 CO2觀測濃度的源匯區(qū)域范圍. 圖3b給出的是以FLEXPART模式月均印痕函數(shù)最優(yōu)閾值（4.7）界定對應月份的 CT模式通量反演結果,得到閾值區(qū)域內模擬的 CO2月均源匯通量與觀測濃度值之間的相關性,相關系數(shù)為0.90.圖3中a、b兩圖相關性差異說明：北京上甸子站 CO2觀測濃度,不僅僅受站點所在模式網格（1°×1°）的源匯通量影響,更與反轉模式追蹤獲得的最優(yōu)閾值區(qū)域內源匯通量關系密切,因此將FLEXPART模式和CT模式相結合可以定量給出影響上甸子站CO2觀測濃度的源匯區(qū)域范圍以及該區(qū)域內的CO2通量.

圖2　北京上甸子站印痕函數(shù)分布Fig.4　Footprint distribution at Shangdianzi station in Beijing

圖3　Carbon Tracker模式模擬通量與上甸子站測量濃度的相關性分析Fig.4　Correlation analysis between concentrations measured at Shangdianzi station and fluxes simulated by Carbon Tracker model

圖4給出的是上甸子區(qū)域本底站CO2濃度觀測值所代表區(qū)域范圍內 CT模式模擬的 CO2凈通量月均值以及各分支.從圖4可以看到,火災和海洋對上甸子本底站CO2源匯貢獻較??；化石燃料燃燒是很強的CO2源；生物圈是主要的CO2匯,并隨著季節(jié)變化可能成為CO2源；最優(yōu)閾值區(qū)域內CO2凈通量月均值具有明顯的季節(jié)周期.圖5給出的是最優(yōu)閾值確定的區(qū)域網格和上甸子站所在網格的模擬凈通量時間序列.可以看出,站點所在網格凈通量明顯偏高,特別是在冬季；最優(yōu)閾值確定的凈通量周期性更明顯.兩者差異說明：瓶采樣 CO2觀測濃度不僅與站點所在網格冬季供暖等局地碳源有關,也受生物圈碳匯、遠距離輸送影響.瓶采樣觀測CO2濃度代表的是一個更大區(qū)域的碳源匯平衡,并且這個區(qū)域由最優(yōu)印痕函數(shù)閾值確定.

圖4　影響上甸子站CO2觀測濃度的區(qū)域通量Fig.4　Simulated regional fluxes influencing CO2observation concentrations at Shangdianzi station

圖5　模擬凈通量比較Fig.4　Comparison of simulated net fluxes at different grids

2.2本底與非本底CO2源匯特征

2.2.1本底和非本底印痕函數(shù)分布 根據(jù)上甸子站在線測量系統(tǒng)獲得的CO2濃度觀測數(shù)據(jù),借鑒 Stohl等［33］的方案,運用 REBS （robust extraction of background signal）算法［34］,將上甸子站觀測時段內CO2濃度-時間序列篩分為本底濃度和非本底濃度.采用與安興琴等［25］相同的方法,利用FLEXPART模式分別獲得對應本底與非本底時次的 Footprint印痕函數(shù)分布,如圖 6所示. 在1月份,本底濃度潛在源區(qū)主要處于西西北-北西北扇區(qū),非本底濃度潛在源區(qū)不僅分布在西北部,還分布在南部甚至偏東部區(qū)域.在4月份,本底濃度和非本底濃度的潛在源區(qū)都有南移趨勢,但是兩者的主要潛在源區(qū)分布明顯不同,前者來自于西-西西北扇區(qū)后者來自于南西南-西西南扇區(qū).與其他月份相比,7月份本底和非本底濃度潛在源區(qū)總體上受到東部和南部更多影響,前者的潛在源區(qū)仍然主要來自于西北扇區(qū)并從西南到東北方向呈現(xiàn)帶狀分布,較其他季節(jié)后者的潛在源區(qū)覆蓋南部更大的空間范圍.在 10月份,本底濃度潛在源區(qū)分布在西-西西北扇區(qū),非本底濃度的潛在源區(qū)分布在西西北-西西南扇區(qū).事實上,北京東西北三面環(huán)山,西北部下墊面多為高山、地勢較高,屬于相對較少污染的非城市工業(yè)區(qū),因此本底濃度潛在源區(qū)主要分布在這一區(qū)域.對于人們通常關注的非本底濃度潛在源區(qū),則主要來自人口密集城市化較高的北京城區(qū)方向以及京津冀經濟圈.同時由于大氣環(huán)流的季節(jié)變化,不同月份的本底濃度和非本底濃度潛在源區(qū)并不相同.但總體上看,通過在線測量的本底濃度和非本底濃度時間序列,結合Flexpart模式反演印痕函數(shù)分布,能夠很好捕獲本底和非本底潛在源區(qū).

2.2.2本底區(qū)域與非本底區(qū)域源匯特征 利用CO2源匯反演模式CT,獲得與CO2在線觀測時次相對應時段（2009年1～11月）的CO2源匯通量,包括海洋通量（Ocean）、火災通量（Fires）、生物圈通量（Bio）、化石燃料通量（FF）.在本底濃度和非本底濃度的印痕函數(shù)分布月均值大于一定閾值的潛在源區(qū)內,統(tǒng)計該區(qū)域內的CO2凈通量月均值以及各通量分支,如圖7所示.

從圖7可以看到,上甸子站本底和非本底區(qū)域凈通量特征明顯不同：前者在7月份出現(xiàn)最大值,7月份之前不斷遞增,7月份之后波動下降,而后者在4月份和10月份出現(xiàn)兩個極大值,在7月份出現(xiàn)最小值.在各通量分支中,本底和非本底的海洋和火災通量較小,對上甸子站CO2濃度變化影響較?。槐镜缀头潜镜椎纳锶突剂贤枯^大,對上甸子站CO2濃度變化影響較大.整體上看,本底區(qū)域生物圈通量比化石燃料通量大；非本底區(qū)域化石燃料通量比生物圈通量大,生物圈主要表現(xiàn)為碳匯.之所以出現(xiàn)這樣的變化規(guī)律,主要由于本底和非本底濃度的源匯區(qū)域不同、來源不同、局地排放和大氣環(huán)流輸送的影響不同.研究結果表明,采用多種模式相結合的方法能夠獲得影響測站CO2觀測值的源匯區(qū)域和特征.下一步將在多個站點進行更長時間的觀測資料積累和模式模擬研究,并對源匯特征進行進一步分析.

圖6　上甸子站2009年在線CO2的本底（1）和非本底（2）印痕函數(shù)分布Fig.4　Background （1） and non-background （2） Footprint distribution of in-situ CO2observation concentrations in 2009 at Shangdianzi station

圖7　2009年區(qū)域CO2通量Fig.4　Regional CO2fluxes in 2009

3　結論

3.1利用FLEXPART模式與CT模式,通過數(shù)值迭代方法和相關性分析手段,在月均時間尺度下建立了一種固定站點 CO2觀測濃度空間代表性獲取方法.印痕函數(shù)值大于閾值所界定的網格范圍是影響測站觀測濃度的源匯區(qū)域.

3.2與在線觀測CO2本底和非本底濃度所對應的本底和非本底印痕函數(shù)分布差異明顯,并隨季節(jié)變化.北京上甸子站本底潛在源區(qū)主要處于觀測站點的西北部,而非本底潛在源區(qū)主要來自西南部或南部.

3.3北京上甸子站本底區(qū)域凈通量在7月份出現(xiàn)最大值,生物圈通量大于化石燃料通量；非本底區(qū)域凈通量表現(xiàn)為雙極值的波動變化,極大值出現(xiàn)在4月和10月,化石燃料通量大于生物圈通量.研究結果表明,通過文中方法能夠獲得該站 CO2濃度所代表的源匯區(qū)域.

［1］ LIU L X, ZHOU L X, Vaughn B, et al. Background variations of atmospheric CO2and carbon-stable isotopes at Waliguan and Shangdianzi stations in China ［J］. J. Geophys. Res. Atmos., 2014, 119（9）：5602-5612

［2］ 麥博儒,鄧雪嬌,安興琴,等.基于衛(wèi)星遙感的廣東地區(qū)對流層二氧化碳時空變化特征 ［J］. 中國環(huán)境科學, 2014,34（5）：1098-1106.

［3］ Peters G P, Marland G, Quéré C L, et al. Rapid growth in CO2emissions after the 2008-2009 global financial crisis ［J］. Nat. Clim. Change, 2012,2：2-4.

［4］ Houghton R A. Revised estimates of the annual net flux of carbon to the atmosphere from changes in land use and land management 1850-2000 ［J］. Tellus B, 2003,55（2）：378-390.

［5］ Ballantyne A P, Alden C B, Miller J B, et al. Increase in observed net carbon dioxide uptake by land and oceans during the past 50years ［J］. Nature, 2012,488：70-73.

［6］ Quéré C L, Andres R J, Boden T, et al. The global carbon budget 1959-2011 ［J］. Earth Syst. Sci. Data, 2013,5：165-185.

［7］ Marland G. Emissions accounting： China's uncertain CO2emissions ［J］. Nat. Clim. Change, 2012,2：645-646.

［8］ Peters W, Jacobson A R, Sweeney C, et al. An atmospheric perspective on North American carbon dioxide exchange：CarbonTracker ［J］. P. Natl. Acad. Sci. USA, 2007,104：18925-18930.

［9］ Keeling R F. Recording earth's vital signs ［J］. Science, 2008, 319：1771-1772.

［10］ Sirignano C, Neubert R E M, R?denbeck C, et al. Atmospheric oxygen and carbon dioxide observations from two European coastal stations 2000-2005： continental influence, trend changes and APO climatology ［J］. Atmos. Chem. Phys., 2010,10：1599-1615.

［11］ 欒 天,周凌晞,方雙喜,等.龍鳳山本底站大氣 CO2數(shù)據(jù)篩分及濃度特征研究 ［J］. 環(huán)境科學, 2014,35（8）：2864-1870.

［12］ 方雙喜,周凌晞,臧昆鵬,等.光腔衰蕩光譜（CRDS）法觀測我國 4個本底站大氣CO2［J］. 環(huán)境科學學報, 2011,31（3）：624-629.

［13］ 劉立新,周凌晞,張曉春,等.我國4個國家級本底站大氣CO2濃度變化特征 ［J］. 中國科學D輯：地球科學, 2009,39（2）：222-228.

［14］ Fang S X, Zhou L X, Masarie K A, et al. Study of atmospheric CH4mole fractions at three WMO/GAW stations in China ［J］. J. Geophys. Res. Atmos., 2013,118：4874-4886.

［15］ 麥博儒,安興琴,鄧雪嬌,等.珠江三角洲近地層 CO2通量模擬分析與評估驗證 ［J］. 中國環(huán)境科學, 2014,34（8）：1960-1971.

［16］ Chen B Z, Coops N C, Fu D J, et al. Characterizing spatial representativeness of flux tower eddy-covariance measurementsacross the Canadian Carbon Program Network using remote sensing and footprint analysis ［J］. Remote Sens. Environ., 2012, 124：742-755.

［17］ Liu S N, Zhou T, Wei L, et al. The spatial distribution of forest carbon sinks and sources in China ［J］. Chin. Sci. Bull., 2012, 57（14）：1699-1707.

［18］ Piao S L, Fang J Y, Ciais P, et al. The carbon balance of terrestrial ecosystems in China ［J］. Nature, 2009,458（7241）：1009-1013.

［19］ Jiang F, Wang H W, Chen J M, et al. Nested atmospheric inversion for the terrestrial carbon sources and sinks in China ［J］. Biogeosciences, 2013,10（8）：5311-5324.

［20］ Chevallier F, O'Dell C W. Error statistics of Bayesian CO2flux inversion schemes as seen from GOSAT ［J］. Geophys. Res. Lett., 2013,40（6）：1252-1256.

［21］ Deng F, Chen J M, Ishizawa M, et al. Global monthly CO2flux inversion with focus over North America ［J］. Tellus B, 2007, 59（2）：179-190.

［22］ Peters W, Krol M C, van der Werf G R, et al. Seven years of recent European net terrestrial carbon dioxide exchange constrained by atmospheric observations ［J］. Glob. Change Biol., 2010,16（4）：1317-1337.

［23］ Cheng Y L, An X Q, Yun F H, et al. Simulation of CO2variations at Chinese background atmospheric monitoring stations between 2000 and 2009： applying a Carbon Tracker model ［J］. Chin. Sci. Bull., 2013,58（32）：3986-3993.

［24］ Zhang H F, Chen B Z, van der Laan-Luijkx I T, et al. Net terrestrial CO2exchange over China during 2001-2010 estimated with an ensemble data assimilation system for atmospheric CO2［J］. J. Geophys. Res. Atmos., 2014,119：3500-3515.

［25］ An X Q, Yao B, Li Y, et al. Tracking source area of Shangdianzi station using Lagrangian particle dispersion model of FLEXPART ［J］. Meteorol. Appl., 2014,21（3）：466-473.

［26］ Stohl A, Forster C, Frank A, et al. Technical Note： The Lagrangian particle dispersion model FLEXPART version 6.2 ［J］. Atmos. Chem. Phys., 2005,5：2461-2474.

［27］ 蔡旭暉.湍流微氣象觀測的印痕分析方法及其應用拓展 ［J］.大氣科學, 2008,32（1）：123-132.

［28］ Seibert P, Frank A. Source-receptor matrix calculation with a Lagrangian particle dispersion model in backward mode ［J］. Atmos. Chem. Phys., 2004,4：51-63.

［29］ Tans P P, Thoning K W, Elliott W P, Conway T J. Background atmospheric CO2patterns from weekly flask samples at Barrow, Alaska： optimal signal recovery and error estimates ［C］//NOAA Technical Memorandum ERL ARL-173 Boulder： Environmental Research Laboratories, 1989：112-131.

［30］ 尹起范,盛振環(huán),魏科霞,等.淮安市大氣 CO2濃度變化規(guī)律及影響因素的探索 ［J］. 環(huán)境科學與技術, 2009,32（4）：54-57.

［31］ Fang S X, Zhou L X, Tans P P, et al. In situ measurement of atmospheric CO2at the four WMO/GAW stations in China ［J］. Atmos. Chem. Phys., 2014,14：2541-2554.

［32］ Zhou L X, Conway T J, White J W C, et al. Long-term record of atmospheric CO2and stable isotopic ratios at Waliguan Observatory： Background features and possible drivers, 1991-2002 ［J］. Global Biogeochem. Cy., 2005,19（3）：GB3021.

［33］ Stohl A, Seibert P, Arduini J, et al. An analytical inversion method for determining regional and global emissions of greenhouse gases： sensitivity studies and application to halocarbons ［J］. Atmos. Chem. Phys., 2009,9：1597-1620.

［34］ Ruckstuhl A F, Henne S, Reimann S, et al. Robust extraction of baseline signal of atmospheric trace species using local regression ［J］. Atmos. Meas. Tech., 2012,5：2613-2624.

致謝：感謝美國國家海洋與大氣局地球系統(tǒng)研究實驗室全球監(jiān)測組（NOAA/ESRL/GMD）提供的Carbon Tracker模型及技術支持.感謝挪威大氣研究所（NILU）Andreas Stohl博士提供的FLEXPART模式,以及瑞士聯(lián)邦材料測試和研究室（EMPA）的Stephan Henne博士在反演方法方面提供的幫助.感謝北京市氣象局上甸子區(qū)域本底站工作人員在觀測采樣等方面的辛勤工作.

CO2concentration representation of source and sink area at Shangdianzi atmospheric background station in Beijing.

CHENG Si-yang, AN Xing-qin*, ZHOU Ling-xi*, LIU Li-xin, FANG Shuang-xi, YAO bo, LIU Zhao （Chinese Academy of Meteorological Sciences, China Meteorological Administration, Beijing 100081, China）.

China Environmental Science, 2015,35（9）：2576～2584

In order to study the spatial representativeness of CO2source and sink about observing concentrations at a single station and the regional flux characteristics, the atmospheric inversion model FLEXPART was used to simulate and determine the main source of air mass impacting on observed concentration at ShangDianZi station. Carbon Tracker model was also used to inverse spatial and temporal distributionof CO2concentrations and fluxes. The optimal threshold of footprint function was found with numerical iterative approach and correlation analysis, and then the distribution of source and sink area of CO2observation concentration at the station was obtained. Then, the in-situ CO2observation concentrations were screened into two parts, the background and the non-background, for tracking the background and non-background source area of station with FLEXPART model. The results showed that the background and non-background source regions were obviously different and changed with the seasons. In the potential source area where footprint function was greater than the threshold, the background and non-background regional net fluxes changed differently. The fossil fuel flux was smaller and the biosphere flux was larger in the background area. However, it was opposite for the non-background area. Therefore, source and sink area, influencing the concentrations of observing station, and regional characteristics of fluxes could be quantified using inversion models.

numerical simulation；carbon dioxide；source and sink analysis；regional atmospheric background station

X511

A

1000-6923（2015）09-2576-09

2015-02-27

國家自然科學基金項目（41505123,41175116）；中國氣象科學研究院基本科研業(yè)務費專項（2015Y002）；國家國際科技合作專項（2015DFG21960）；中國氣象局氣候變化專項（CCSF201431）

*責任作者, 安興琴,研究員, anxq@cams.cma.gov.cn；周凌唏,研究員, zhoulx@cams.cma.gov.cn

程巳陽（1985-）,男,安徽安慶人,助理研究員,博士,主要從事溫室氣體探測和源匯反演研究.發(fā)表論文10余篇.