基于車載多軸差分吸收光譜技術(shù)對城市NO2污染分布和排放評估研究

劉浩然，胡啟后，談 偉，蘇文靜，陳羽佳，朱一芝，劉建國

1. 安徽大學物質(zhì)科學與信息技術(shù)研究院，安徽 合肥 230601 2. 中國科學院安徽光學精密機械研究所，環(huán)境光學與技術(shù)重點實驗室，安徽 合肥 230031 3. 中國科學技術(shù)大學地球和空間科學學院，安徽 合肥 230026

引 言

二氧化氮(NO2)是大氣中最重要的痕量氣體之一，在對流層和平流層化學中均起著關(guān)鍵作用。NO2參與對流層中臭氧(O3)的催化形成，有助于形成二次氣溶膠和酸雨[1-4]。高濃度的NO2對肺部和呼吸道有強烈的腐蝕與刺激性，損害人體健康[4-5]。對于城市區(qū)域，大氣中的NO2主要來自于人為源，如： 工業(yè)制備過程中的排放、化石燃料燃燒、機動車排放、生物質(zhì)燃燒等[4]。開展城市的NO2污染排放與分布研究，可以為城市大氣污染防治與管控提供數(shù)據(jù)支持與保障，具有非常重要的環(huán)境科學意義。

目前，城市區(qū)域的NO2研究主要基于地面站點的監(jiān)測結(jié)果，多聚焦于分析NO2的變化規(guī)律與分布特征，而對于城市NO2排放通量的評估研究仍較匱乏。多軸差分光學吸收光譜法(MAX-DOAS)是一種用于氣溶膠、NO2、SO2、HCHO等多種大氣污染物的被動遙感測量技術(shù)，目前已廣泛應用于大氣污染監(jiān)測領(lǐng)域[1, 6-10]。有研究表明，將MAX-DOAS技術(shù)應用于車載移動端可監(jiān)測獲得污染氣體柱濃度空間分布信息，若車載走航路線為完整閉環(huán)，基于走航觀測結(jié)果再結(jié)合氣象信息可進一步搭建污染氣體的通量計算模型，從而獲取目標區(qū)域的污染氣體排放通量[11]，可有效評估研究區(qū)域的本地排放與外部輸入的貢獻。

京津冀區(qū)域作為國內(nèi)的政治文化中心，面臨的大氣污染問題備受世人矚目[6]。河北省衡水市曾作為京津冀污染最嚴重的城市之一，對于開展污染防治與管控方面的研究具有很強的代表性。在工作使用車載MAX-DOAS針對衡水市區(qū)NO2的空間分布、污染區(qū)域貢獻和排放通量等方面進行了研究與分析。

1 實驗部分

使用兩套MAX-DOAS儀器系統(tǒng)： (1)車載MAX-DOAS，搭載至航觀測車的頂部用以走航觀測； (2)站點MAX-DOAS，搭建于衡水市區(qū)內(nèi)西南方向的融創(chuàng)大廈(37.739°N，115.628°E)樓頂進行定點觀測。基于這兩套MAX-DOAS儀器系統(tǒng)分別開展了平行對比實驗和走航觀測實驗，實驗期間的航行時間、行駛方向、氣象參數(shù)等信息如表1所示。

表1 實驗期間的天氣、風場和行駛方向Table 1 Driving direction, wind field and weather conditions during this campaign

兩套MAX-DOAS儀器的系統(tǒng)結(jié)構(gòu)整體一致，如圖1所示，系統(tǒng)由掃描望遠鏡、控制望遠鏡仰角的步進電機、一維電荷耦合器件檢測器(Sony ILX511，2048個像元通道)、紫外光譜儀(AvaSpec-ULS2048L-USB2)、光譜儀溫控系統(tǒng)和計算機組成。其中，車載MAX-DOAS光譜儀波段覆蓋范圍為300～460 nm，光譜分辨率為0.6 nm，而站點MAX-DOAS光譜儀覆蓋范圍為300～400 nm，光譜分辨率為0.45 nm，二者的儀器視場角均為0.5°。

圖1 MAX-DOAS儀器結(jié)構(gòu)示意圖Fig.1 Schematic diagram of the experimental setup of the MAX-DOAS instrument

1.1 平行對比觀測2.18年1月30日，將參與本研究的兩臺MAX-DOAS儀器(以下簡稱： 站點MAX-DOAS與車載MAX-DOAS)同時搭設至衡水市中心西南方向的融創(chuàng)大廈站點(37.739°N，115.628°E)，通過開展平行對比觀測確保儀器數(shù)據(jù)的一致性。

在該平行對比觀測中，兩套系統(tǒng)的望遠鏡方位角均指向287°(正北方向為0°)，且望遠鏡按照1°, 2°, 3°, 4°, 5°, 6°, 8°, 10°, 15°, 30°和90°序列進行觀測掃描，單個光譜的積分時間約為1 min，曝光時間和掃描次數(shù)根據(jù)接收的散射太陽光的強度自動調(diào)節(jié)，以得到較好的信噪比，每個掃描序列的完成約需12 min。

1.2 車載走航觀測實驗

2018年1月24日和2月9日在衡水市區(qū)環(huán)城路(圖2中藍線)分別開展了基于車載MAX-DOAS系統(tǒng)的走航觀測實驗，儀器系統(tǒng)安裝在觀測車頂部，高于街道約2 m，望遠鏡的方位角和觀測車行駛方向保持一致，按30°和90°的仰角序列進行掃描，單個光譜測量時間約為30 s，每個掃描序列約需1 min。表1和圖2分別為車載航測實驗的時間和路線，每次航測均從環(huán)城路西側(cè)的公路交叉口開始(圖2中藍色四角星)，每次走航觀測均為完整閉環(huán)路線。同時，車上配置了全球定位系統(tǒng)(GPS)數(shù)據(jù)接收器，以記錄實時坐標位置和車輛速度。環(huán)城路總里程為29.5 km，觀測車行駛速度保持在30 km·h-1左右，單次航測耗時約1 h，兩天的實驗路線均為沿環(huán)城路順、逆時針航測各1次，累計進行4次閉合繞圈觀測。

圖2 實驗期間的車載航測路線和衡水城市結(jié)構(gòu)示意圖Fig.2 The measurement routes taken and Hengshui city structure during this campaign

站點MAX-DOAS于2月9日在融創(chuàng)大廈站點(37.739°N，115.628°E)進行同步觀測，儀器的各設置參數(shù)與1.1節(jié)保持一致，用于同期的數(shù)據(jù)對比分析。鑒于工廠集群及交通樞紐均位于城市東部，為便于后續(xù)分析，現(xiàn)將115.68°E以東視為城市東部區(qū)域，另一側(cè)視為城市西部。

2 方法原理

2.1 光譜反演

基于差分吸收光譜法(DOAS)原理，選擇一條參考譜以扣除光譜中夫瑯禾費結(jié)構(gòu)的干擾，可從太陽散射光譜中反演出目標氣體的差分斜柱濃度(differential slant column density, DSCD)[12]，如式(1)所示

DSCDmeas=SCDmeas-SCDref

(1)

式(1)中，SCDmeas為測量譜，SCDref為參考譜，通常參考譜是選擇相對干凈的90°天頂觀測光譜，此時反演得到的DSCDmeas中同時包含了對流層和平流層兩部分信號，由于大氣化學研究過程中主要關(guān)注污染氣體的對流層信息，因此需要扣除其平流層的干擾信號。平流層光子路徑主要受時間的影響較大，對于觀測仰角并不敏感，考慮到在同一個觀測序列中，由于觀測時間相對較短，各仰角的平流層吸收幾乎相同，因此選擇每個觀測序列的90°光譜作為該序列的參考光譜，即可去除平流層信息

DSCDmeas(α)=SCDtrop(α)+SCDstrat(α)-SCDtrop(90)-

SCDstrat(90)=SCDtrop(α)-SCDtrop(90)=DSCDtrop(α)

(2)

式(2)中，DSCDmeas(α)和DSCDtrop(α)分別表示α仰角下反演得到的差分斜柱濃度和對流層差分斜柱濃度[12]。

在光譜數(shù)據(jù)反演之前，需要使用采集獲取的儀器偏置、暗電流信號以校正所有的測量光譜，所使用的反演軟件為QDOAS(http: //uv-vis.aeronomie.be/software/QDOAS/)，選擇338～370 nm波段進行反演，具體設置如表2所示。

圖3是2018年1月30日11:56時刻30°仰角的光譜擬合示意圖，紅線表示痕量氣體吸收結(jié)構(gòu)的擬合曲線，黑線表示吸收結(jié)構(gòu)的測量曲線，反演得到的NO2SCD為15.11×1015molecule·cm-2，擬合誤差為0.56×1015molecule·cm-2，剩余誤差的均方根為3.71×104。

表2 NO2 DSCD的反演參數(shù)設置Table 2 Parameter settings used for NO2 DSCD retrieval

2.2 對流層NO2垂直柱濃度

由QDOAS直接反演得到的NO2DSCD需要通過對流層差分大氣質(zhì)量因子(DAMF)轉(zhuǎn)換成與觀測方式、觀測路徑等幾何參數(shù)無關(guān)的垂直柱濃度(VCD)，見式(3)和式(4)

(3)

DAMF=AMF(α)-AMF(90)

(4)

氣溶膠和痕量氣體廓線的垂直分布對于大氣質(zhì)量因子(AMF)的計算非常重要，可以通過大氣輻射傳輸模型計算獲得，其中，大氣溫度和壓力廓線使用WRF(weather research and forecasting model)模式模擬的結(jié)果，而氣溶膠消光和NO2廓線使用WRF-Chem(WRF coupled with chemistry)模式的模擬結(jié)果。本研究中，使用矢量線性化離散坐標輻射傳輸模型(VLIDORT)[6]計算所有AMF，在計算時設定單次散射反照率為0.95，不對稱因子為0.68，地表反照率為0.06。

2.3 WRF-Chem模擬

污染物排放通量計算的最大誤差一般是由風場的不確定性引起的。為了獲得精準的高分辨率風場數(shù)據(jù)，利用WRF中尺度氣象模型將國家環(huán)境預測中心(NCEP)的全球預報模型(GFS)中獲得的全球氣象數(shù)據(jù)集(0.5°空間分辨率和6 h時間分辨率)縮放至目標區(qū)域的1 km分辨率。模擬的風場空間分辨率為1 km，垂直分布共有34層，用于NO2排放通量的計算。

圖3 一條光譜的NO2擬合示意圖Fig.3 NO2 fitting case of a measurement spectrum

使用WRF-Chem V3.7版本模擬大氣污染物的3維分布，其網(wǎng)格分辨率為20 km×20 km，垂直分布共有26層?；贛OSAIC(model for simulating aerosol interactions and chemistry)氣溶膠模型結(jié)合CBM-Z (carbon-bond mechanism version Z)氣相化學機制以模擬大氣中的化學過程。人為排放的輸入信息取自《中國多尺度排放清單數(shù)據(jù)庫》(MEIC，http://www.meicmodel.org/)。

2.4 NO2排放通量計算

車載繞圈航測可以用來量化城市空氣污染的傳輸和排放源強度，在引入氣象信息后，可通過式(5)計算城市NO2的排放通量[5，11]

(5)

由于測量過程是非連續(xù)的，且可以視為分段執(zhí)行，因此NO2排放通量可以估算如式(6)

FluxNO2≈∑VCDNO2(Si)ωisin(βi)ΔSi

(6)

其中，VCD表示由車載MAX-DOAS測量的NO2平均垂直柱濃度，ω表示觀測地點的風速，β表示風向與行駛方向之間的夾角，ΔS是相鄰測量結(jié)果之間的距離。研究中使用觀測車上的GPS傳感器記錄地理定位信息，WRF模擬獲得的1 km×1 km分辨率的每小時風場數(shù)據(jù)在空間和時間維度內(nèi)插到車載MAX-DOAS測量分辨率上。然后將風場數(shù)據(jù)與車載MAX-DOAS VCD組合以進行通量計算。

由于風速、風向和NO2濃度隨高度變化很大，使直接用平均風數(shù)據(jù)進行排放通量估算導致較大的誤差。因此，使用WRF-Chem模擬的NO2垂直廓線對平均風場數(shù)據(jù)作加權(quán)處理，見式(7)

(7)

其中vi表示高度層i的風矢量，wi表示層i的權(quán)重，即該層柱濃度占VCD的比重。

3 結(jié)果與討論

3.1 儀器對比驗證

圖4為2018年1月30日平行對比實驗中兩臺儀器各仰角的NO2DSCD的對比結(jié)果，兩臺儀器的NO2DSCD顯示出較好的一致性，DSCD的數(shù)值大小和趨勢幾乎重合[圖4(a)]，表明儀器之間沒有明顯的系統(tǒng)誤差。鑒于兩臺儀器各仰角的觀測時間并非完全同步，這里將二者的每個掃描序列的NO2DSCD分別取平均并作相關(guān)性分析，結(jié)果顯示二者相關(guān)性顯著[圖4(b)]，R值達到0.974。在整個對比觀測期間，車載MAX-DOAS的NO2DSCD平均值(88.4×1015molecule·cm-2)比站點MAX-DOAS的平均值(84.5×1015molecule·cm-2)高4.61%?？紤]到兩臺儀器的光譜覆蓋范圍、光譜分辨率均存在一定的差異，且各仰角的觀測時間也并非完全同步，這些因素可能是造成二者結(jié)果稍有差異的原因，但整體上兩臺儀器檢測結(jié)果基本一致。

3.2 衡水市NO2 VCD空間分布

圖5和表3可以看出2018年1月24日和2月9日的4次車載航測的NO2VCD空間分布情況，觀測得到的NO2VCD范圍在0.89×1015～56.33×1015molecule·cm-2，4次觀測的平均值及標準偏差分別為： (28.45±9.26)×1015，(30.20±1.03)×1015，(27.77±4.36)×1015，(22.42±5.70)×1015molecule·cm-2，該濃度整體要高于此前一些國內(nèi)其他區(qū)域的研究結(jié)果[5, 6, 10, 13-14]，表明衡水市區(qū)NO2污染水平相對較高。通過車載航測可以較清晰地看出衡水市區(qū)NO2的空間分布特征： 市區(qū)東部整體高于西部區(qū)域，且高濃度NO2主要聚集在環(huán)城路的東南角和東部，這兩處可能存在重要的NO2排放源?？紤]到環(huán)城路外部的東南方向處存在一個工廠群(包括玻璃加工廠、塑料廠、橡膠廠等)以及加油站，因此具備較強的NO2排放能力； 而環(huán)城路的東部的立交橋路段是衡水市區(qū)重要的交通運輸樞紐，該地段車流量大、大型貨車較多，因而尾氣排放總量高，亦是城市主要的NO2排放源。

圖4 對比實驗期間，站點MAX-DOAS與車載MAX-DOAS的NO2時間序列(a)及相關(guān)性圖(b)Fig.4 NO2 time series (a) and correlation (b) between the stationary and mobile MAX-DOAS during the inter-comparison measurement

圖5 實驗期間NO2 VCDs的空間分布及風場信息 黑色箭頭為風場信息，紅色五角星為站點MAX-DOAS所在位置Fig.5 Spatial distribution of NO2 VCDs and the wind information during this campaign The black arrow represents the wind field information, and the red five-pointed star represents the location of the stationary MA-DOAS

表3 走航觀測期間的衡水市各區(qū)域NO2平均VCD(1015 molecule·cm-2)Table 3 NO2 Mean VCDs of each area of Hengshui during the mobile MAX-DOAS measurement (1015 molecule·cm-2)

3.3 NO2污染區(qū)域貢獻

為評估東部污染區(qū)域的NO2相對貢獻，將相對潔凈的西部區(qū)域視為城市本底值，將二者進行對比分析。由表3可知，車載航測結(jié)果顯示衡水市區(qū)東部的NO2平均濃度比西部區(qū)域分別高了61.9%，35.9%，3.7%和14.6%，進一步說明了衡水市區(qū)NO2的主要排放源在市區(qū)環(huán)城路東部附近。相比于1月24日的結(jié)果，2月9日的車載航測表現(xiàn)出市區(qū)東部與西部的NO2濃度差異驟減，可能是受氣象條件影響所致，當日北風偏西3～4級，風速整體超過5 m·s-1，將相對潔凈的市區(qū)北部和西部的氣團輸送至污染源聚集的東部區(qū)域，產(chǎn)生了一定的清潔作用，因而使得東部區(qū)域整體的NO2平均濃度降低。2月9日的潔凈氣團使得污染源區(qū)(城市東部)的濃度相較于無風狀態(tài)下的1月24日檢測結(jié)果下降了23.8%，而對污染源較少的區(qū)域(城市西部)，清潔作用影響則并不明顯。

對于1月24日的車載航測結(jié)果，因處于微風狀態(tài)，風速小于1 m·s-1，該條件下污染區(qū)域的排放特征明顯，更適用于污染區(qū)域貢獻的評估，此時東部區(qū)域的NO2明顯高于西部區(qū)域，兩次觀測結(jié)果顯示東部區(qū)域比西部潔凈區(qū)域NO2貢獻值超出了13.32×1015和8.93×1015molecule·cm-2。

圖6 2018年2月9日走航觀測實驗期間，站點與車載MAX-DOAS的NO2檢測結(jié)果對比圖 黃色陰影： 車載臨近站點時的結(jié)果； 灰色陰影： 車載MAX-DOAS行駛至東部區(qū)域的結(jié)果Fig.6 Comparison of NO2 between the stationary and mobile MAX-DOAS during the mobile measurement on February 9, 2018 Yellow shadow: the time when the vehicle approaching the stationary MAX-DOAS； Gray shadow: time when the vehicle reached the eastern region of Hengshui

考慮到NO2具有較強的光化學特性，白天受光照、大氣狀態(tài)和氣象條件影響發(fā)生相應的大氣化學反應，從而產(chǎn)生一定的時間變化性。在車載航測實驗中，由于東部區(qū)域的測量時間和西部區(qū)域仍存在一定的差異，這樣直接做差值對比可能會存在一定的誤差。為消除NO2的時間變化差異，將車載與站點實驗的NO2結(jié)果進行了對比分析，由于站點MAX-DOAS搭設于1月30日，本次對比分析只考慮了2月9日的實驗結(jié)果。圖6為車載和站點NO2VCD的時間序列結(jié)果，可以看出，當走航車不在東部區(qū)域時，車載和站點的濃度較為接近且變化趨勢高度一致； 當監(jiān)測車行駛至東部區(qū)域時，二者濃度差異明顯，且變化趨勢亦不相同。站點位于衡水西部邊緣的中間位置，是西部潔凈區(qū)域頗具代表性的一個站點。因此，當走航車行駛至東部區(qū)域時，與同時段的站點結(jié)果進行比較，可以有效地評估出衡水市區(qū)東部污染源相較于城市西部的污染程度，分別高出30.1%和56.3%，多貢獻了7.89×1015和10.56×1015molecule·cm-2。

綜合1月24日無風條件下的觀測結(jié)果以及2月9日與站點的對比結(jié)果，可以得出衡水東部區(qū)域存在明顯的NO2污染源，其NO2濃度比西部高出了30.1%～61.9%、多貢獻了7.89×1015～13.32×1015molecule·cm-2。車載繞圈航測方法可以有效地評判出NO2等污染氣體的城市污染源位置及其貢獻特征。

3.4 本地排放與傳輸評估

圖5顯示了實驗期間的NO2VCD的空間分布和風場信息。通過2.4節(jié)的方法，在污染分布和氣象條件理想的狀態(tài)下，可計算得到車載繞圈區(qū)域的NO2向外部輸出的總通量和外部輸入通量，兩者之差即為目標區(qū)域的排放通量。本研究選取了3次航測結(jié)果進行排放通量的評估與分析，如表4所示，實驗期間航測區(qū)域內(nèi)向外輸出的NO2總通量分別為1.76×1024, 1.54×1024, 22.4×1024molecule·s-1，外部輸入的通量為1.66×1024, 1.43×1024, 21.54×1024molecule·s-1； 因此，區(qū)域內(nèi)的NO2排放通量分別為0.10×1024, 0.11×1024, 0.86×1024molecule·s-1，該排放通量結(jié)果相較于此前其他區(qū)域的研究[11]整體偏低，說明衡水市區(qū)相對于其他研究區(qū)域，其主要的NO2污染源并非在集中在市區(qū)內(nèi)部； 另一原因可能是選取的衡水市航測區(qū)域的面積約為50 km2，遠小于其他研究區(qū)域的面積，因而NO2總通量和排放通量相對較低。

表4 實驗期間衡水市區(qū)NO2的排放、輸入、輸出通量(1024 molecs-1)

排放通量的計算除了受本地的排放量影響外，還與風向、風速等氣象參數(shù)密切相關(guān)，風速偏低時(<2 m·s-1)通常不利于排放通量的計算。因此，風速更高的2月9日的檢測結(jié)果，可以更好地代表衡水市中心區(qū)域的NO2排放通量水平，其中96.16%來源于區(qū)域外部輸入，3.84%由區(qū)域本地排放所導致，外部輸入的NO2比本地排放高了25倍，且3次航測NO2的區(qū)域外部輸入占比均高于90%，進一步證明衡水市NO2主要污染源并不位于市區(qū)內(nèi)部，受市區(qū)外部污染源影響明顯。

排放通量結(jié)果可以確定本地排放和局地污染輸送影響，而基于拉格朗日混合單粒子軌道模型(HYSPLIT)模型模擬的氣團軌跡可以表征氣團在過去時段內(nèi)經(jīng)過的區(qū)域，用以鑒別長距離的外部污染源。為進一步探究衡水市區(qū)NO2的外部污染輸送源，本研究基于HYSPLIT模型對衡水市中心區(qū)域2018年1月16日至2018年2月15日觀測時段的每小時反演一條后向軌跡，并對所有軌跡進行聚類分析，考慮到NO2在大氣中停留時間相對較短，采用24 h氣團后向軌跡分析。再將聚類后的氣團集群疊加至改觀測時段OMI衛(wèi)星的NO2平均VCD，可以清晰地看出氣團集群是否經(jīng)過高濃度污染區(qū)域。從衛(wèi)星探測結(jié)果可看出(圖7)，保定、廊坊、石家莊等地均為主要的NO2污染排放聚集地，而衡水NO2濃度相對低于這幾個熱點區(qū)域。觀測期間的氣團集群基本來自這三個熱點區(qū)域，其中，主要受到來自北部的保定、廊坊區(qū)域(合計55.85%的氣團集群)的污染源，以及西北部的石家莊(40.95%的氣團集群)污染源輸送的影響。

圖7 2018.01.16—2018.02.15 OMI衛(wèi)星觀測的衡水及周邊地區(qū)的對流層NO2的空間分布及其0～100 m高度的氣團24 h后向軌跡集群

4 結(jié) 論

基于2018年初在衡水市開展的站點平行對比實驗、車載走航觀測實驗，分析了衡水市NO2的空間分布、污染區(qū)域貢獻、排放通量，評估了衡水市本地和周邊區(qū)域的污染傳輸影響，討論了車載多軸差分吸收光譜技術(shù)對于城市NO2的污染分布和排放通量研究的應用，結(jié)論如下：

(1) 實驗期間衡水市區(qū)NO2VCD范圍在0.89×1015～56.33×1015molecule·cm-2，每次航測的平均值在22.42×1015～30.20×1015molecule·cm-2，其污染源主要分布在環(huán)城路外側(cè)東南方向的工廠集群，以及環(huán)城路東部的立交橋路段；

(2) 基于車載走航觀測實驗在1月24日的無風狀態(tài)下的結(jié)果以及2月9日與站點檢測對比的結(jié)果，評估了衡水市東部NO2污染源的影響，比西部高出了30.1%～61.9%、多貢獻了7.89×1015～13.32×1015molecule·cm-2的NO2；

(3) 通過2月9日的走航觀測實驗可計算出衡水市NO2市區(qū)排放通量為0.86×1024molecule·s-1，該結(jié)果相對于其他區(qū)域的研究整體偏低，說明NO2污染源并非在集中在市區(qū)內(nèi)部，而本實驗選取的走航觀測區(qū)域遠小于其他研究區(qū)域，也是城市排放通量偏低的原因之一。此外，NO2通量有96.16%來源于區(qū)域外部輸入，3.84%為區(qū)域本地排放，進一步證明衡水市NO2污染源并不位于市區(qū)內(nèi)部；

(4) 結(jié)合實驗前后的OMI衛(wèi)星的NO2平均結(jié)果和后向軌跡氣團分析了衡水市的長距離傳輸源，實驗期間衡水市NO2外部傳輸源主要來自北部的保定、廊坊區(qū)域，以及西北部的石家莊區(qū)域。

車載多軸差分吸收光譜技術(shù)對于我國城市NO2等污染氣體的空間分布、排放源識別、通量計算和污染貢獻評估等方面有較出色的應用前景，可以為城市發(fā)展規(guī)劃和污染氣體控制政策的制定提供數(shù)據(jù)支持，有較好的推廣意義。