五臺山大氣CO2本底濃度及源匯特征

李 瑩,閆世明*,王淑敏,張逢生,于小紅,楊愛琴,岳 江,靳澤輝

五臺山大氣CO2本底濃度及源匯特征

李 瑩1,閆世明1*,王淑敏1,張逢生1,于小紅1,楊愛琴1,岳 江1,靳澤輝2

(1.山西省氣象科學(xué)研究所,中國氣象局溫室氣體及碳中和監(jiān)測評估中心山西分中心,山西 太原 030002；2.五臺山氣象站,中國氣象局五臺山云物理野外科學(xué)試驗基地,山西 忻州 035515)

基于五臺山站2017年1月～2020年12月的大氣CO2連續(xù)觀測資料,采用平均移動過濾法(MAF)和后向軌跡分析方法,對五臺山大氣CO2本底濃度及源匯特征進行研究.結(jié)果表明:五臺山大氣CO2濃度受到區(qū)域或局地源匯的影響,篩分后的CO2本底小時濃度振幅為44.9×10-6,小于未經(jīng)篩分的CO2濃度振幅94.7×10-6.2017～2020年CO2本底濃度呈逐年上升趨勢,但增幅放緩; 抬升濃度占比有所下降,吸收濃度占比波動較小,表明人類活動對CO2濃度的影響逐年減弱,而五臺山周邊地區(qū)陸地生態(tài)系統(tǒng)碳匯作用相對穩(wěn)定.CO2本底濃度夏季最低,秋冬季次之,春季最高; 日變化夏季最明顯,峰谷值分別出現(xiàn)在05:00和16:00,其他季節(jié)日振幅僅在0.7×10-6～1.8×10-6之間.與本底濃度相比,抬升濃度的差異值自10月至翌年3月明顯增大,而吸收濃度的差異值在6～9月最顯著,分別反映出人為活動排放源以及陸地生態(tài)系統(tǒng)吸收匯對CO2本底濃度的影響.源匯濃度日變化均為單峰結(jié)構(gòu),抬升濃度白天高、夜間低,吸收濃度剛好相反.春、秋和冬季造成CO2濃度明顯抬升的地面風(fēng)向主要為西南風(fēng),且隨風(fēng)速的增加CO2濃度能夠保持較高水平,而夏季主要為東北偏東風(fēng); 春、夏季,2～4m/s的風(fēng)速有利于進一步降低CO2吸收濃度.后向軌跡分析表明,氣團遠距離輸送對源匯濃度的影響除了取決于氣團途徑區(qū)域的CO2排放情況,還與氣團的空間垂直輸送路徑有關(guān).

五臺山；溫室氣體；區(qū)域本底；源匯特征

CO2是地球大氣中最重要的溫室氣體,自工業(yè)革命以來,其濃度持續(xù)增加所導(dǎo)致的全球變暖已成為人類面臨的重大生態(tài)環(huán)境問題之一,引起國際社會的廣泛關(guān)注[1].迄今,全球已有60多個國家的200多個站點加入世界氣象組織大氣本底觀測網(wǎng)(WMO/GAW),開展溫室氣體觀測,為系統(tǒng)研究大氣溫室氣體濃度動態(tài)變化規(guī)律、源匯機制等做出了重要貢獻[2-7].我國自20世紀(jì)80年代以來,在青海瓦里關(guān)、北京上甸子、浙江臨安、黑龍江龍鳳山等地建立7個全球/區(qū)域大氣本底站,目前已實現(xiàn)CO2等溫室氣體的長期、定點和連續(xù)觀測.國內(nèi)外學(xué)者通過建立溫室氣體本底資料篩分方法[8-9],進一步研究不同本底站的地域代表性,分析得出代表典型氣候、生態(tài)和經(jīng)濟區(qū)的溫室氣體濃度特征及變化趨勢[10-12].目前關(guān)于高分辨率溫室氣體觀測數(shù)據(jù)的本底值篩分方法主要有3類,一類是氣體示蹤法[13-14],它以特定示蹤氣體濃度的變化特征為依據(jù)進行CO2濃度篩分,例如Tsutsumi等[13]利用CO作為示蹤物對日本與那國島站CO2在線觀測數(shù)據(jù)進行本底和非本底篩分;一類是氣象因子法[15-16],該方法通常利用氣象條件因子研究空氣團的輸送和來源以判斷其是否受到區(qū)域源匯的影響進行篩選;此外,數(shù)學(xué)統(tǒng)計方法如局部近似回歸法、傅里葉變換法和平均移動過濾法,也常常被用于噪音(源或匯)信息提取和本底值的篩分中,一般基于實際觀測值進行平滑擬合,然后確定某些觀測值與該平滑曲線的殘差來進行區(qū)分和診斷其是否受到了區(qū)域或局地影響[17].有些研究[18]還將幾種方法結(jié)合使用,以獲取充分混合均勻的、能更好地代表區(qū)域平均大氣狀況的本底數(shù)據(jù).經(jīng)篩分提取的源匯信息可用于反演特定區(qū)域碳循環(huán)溫室氣體的源匯分布動態(tài)變化[19-20],以及進一步結(jié)合數(shù)值模式研究其長距離輸送及其源匯[21-22].

山西省地處華北西部的黃土高原東翼,是國家煤炭能源基地和典型的高碳經(jīng)濟省份,有必要對該區(qū)域大氣CO2濃度變化及源匯特征進行深入研究.山西省自2012年已陸續(xù)在太原、大同、臨汾、晉城、朔州和五臺山建成6個高精度溫室氣體觀測站開展大氣CO2、CH4的連續(xù)觀測.其中,五臺山站位于五臺山國家地質(zhì)公園,遠離城市和工業(yè)帶,屬相對清潔地區(qū),能客觀反映區(qū)域溫室氣體的背景狀況,其觀測可為了解山西區(qū)域大氣溫室氣體本底濃度特征提供重要支撐.同時作為高海拔站點,五臺山地區(qū)的生態(tài)系統(tǒng)較為脆弱,對溫室氣體排放的反饋更明顯,對于氣候變化指示意義更大,有助于進一步分析區(qū)域溫室氣體源匯特征.本研究基于2017～2020年五臺山站大氣CO2觀測資料,利用平均移動過濾法(MAF)進行本底數(shù)據(jù)篩分,分析其本底濃度和源匯特征,討論近地面風(fēng)的可能影響,并結(jié)合氣團后向軌跡探討CO2源匯輸送的貢獻,以期了解山西區(qū)域溫室氣體背景特征及源匯輸送影響.

1 材料與方法

1.1 研究區(qū)概述

五臺山位于山西東北部,屬暖溫帶半干旱型森林草原氣候的北端.五臺山溫室氣體觀測站建于五臺山國家基本氣象站內(nèi),站址位于五臺山南臺“木魚山”山頂(113.52°E,38.95°N),海拔2208.3m.站點東北方向9.1km是臺懷鎮(zhèn)(五臺山風(fēng)景區(qū)核心景區(qū)),西南方向距離豆村鎮(zhèn)17.6km,忻州市90km,太原市150km(圖1).站址方圓30km無大型城市和工業(yè)區(qū),四周森林草地覆蓋良好,其觀測結(jié)果能夠代表山西區(qū)域本底濃度水平[23],現(xiàn)已納入國家溫室氣體觀測網(wǎng)和中國氣象局第二批野外科學(xué)試驗基地.

圖1 五臺山溫室氣體站地理位置

1.2 數(shù)據(jù)資料

溫室氣體在線監(jiān)測設(shè)備采用美國Picarro公司的G2301CO2/CH4/H2O分析儀.該儀器采用波長掃描光腔衰蕩光譜技術(shù)(WS-CRDS),數(shù)據(jù)測量時間間隔為5s,CO2測量精度為0.05′10-6(體積分數(shù),下同)/5min,最大漂移0.5′10-6/月,測量高度為30m,每4h標(biāo)定一次.標(biāo)準(zhǔn)氣體由中國氣象局大氣成分觀測與服務(wù)中心提供,并可追溯到WMO一級標(biāo)氣序列.選取五臺山站2017～2020年CO2在線監(jiān)測數(shù)據(jù),結(jié)合臺站值班記錄和氣象要素觀測對原始數(shù)據(jù)進行質(zhì)量控制,剔除由于儀器故障、儀器維護、畜牧干擾等原因引起的異常值,保留95.8%的有效數(shù)據(jù),在此基礎(chǔ)上計算小時均值和日均值等.用于后向軌跡模式計算的氣象場資料(2017～2020年)為美國國家環(huán)境預(yù)報中心(NCEP)提供的全球資料同化系統(tǒng)(GDAS)數(shù)據(jù),每日4個時次,即00:00、06:00、12:00和18:00UTC,水平分辨率為1°′1°.此外,選取2017～2020年五臺山國家基本氣象站逐小時風(fēng)向、風(fēng)速資料.

1.3 數(shù)據(jù)篩分方法

已有研究表明,數(shù)學(xué)統(tǒng)計方法更適用于受局地源匯影響不大的偏遠站點的本底篩分[24].平均移動過濾法(MAF)作為新發(fā)展的一種分析時間序列數(shù)據(jù)的數(shù)學(xué)統(tǒng)計方法,可對數(shù)據(jù)的短期波動進行平滑,能反映出長期趨勢周期,較其它方法更優(yōu)[17,25-27].首先標(biāo)記出約30%的高值或低值不參加平滑;然后選定2周時間(336h)作為平滑窗口,利用移動平均擬合法得到擬合值并計算標(biāo)準(zhǔn)偏差,將該窗口的第一個值與擬合值進行比較,若差值絕對值32,則標(biāo)記為受排放源或吸收匯影響的值,否則將其篩選為本底值.對下一個窗口重復(fù)上述過程.未能參與平滑擬合的約30%的數(shù)據(jù)點,如果在每個平滑窗口內(nèi)與擬合線的殘差在2之內(nèi),將被重新識別為本底值.MAF法因以每2周為一個擬合窗口,采用不斷變化和調(diào)節(jié)的過濾標(biāo)準(zhǔn)(即值),避免了在局部將抬升濃度或吸收濃度百分比過高或者過低估計[17].張芳等[17]采用該方法對瓦里關(guān)地區(qū)大氣CO2濃度進行了本底和非本底篩分,表明其可實現(xiàn)大氣CO2源匯及本底信息的有效準(zhǔn)確提取.由于五臺山站地處偏遠,周邊沒有大的人為污染源,同時海拔較高,各種大氣成分在到達該站之前已達到充分混合.基于此,本文采用MAF法對五臺山站大氣CO2觀測數(shù)據(jù)進行篩分,獲得篩分后的本底值和非本底值,同時非本底值又分為受排放源影響的抬升濃度和受吸收匯影響的吸收濃度.其中,排放源為受區(qū)域輸送或局地排放影響,使得CO2濃度升高的因子; 吸收匯即受局地吸收影響,消耗大氣中的CO2而使其濃度降低的因子[26].

2 結(jié)果與討論

2.1 五臺山大氣CO2濃度本底值篩分

圖2 五臺山站CO2篩分結(jié)果的時間序列

如圖2所示,研究期間有效的CO2小時平均數(shù)據(jù)為33586條,經(jīng)篩分后獲得本底濃度值為25474條,抬升濃度值為5699條,吸收濃度值為2413條,分別占總有效數(shù)據(jù)的75.9%、17.0%和7.1%.不同地區(qū)采用MAF法得出的大氣CO2本底濃度數(shù)據(jù)占比有所不同,瓦里關(guān)全球本底站CO2本底濃度數(shù)據(jù)約占有效數(shù)據(jù)的72%[17],珠江三角洲城市群大氣CO2本底濃度數(shù)據(jù)占比為66.6%[25].五臺山站本底濃度樣本數(shù)超過了有效數(shù)據(jù)的75%,表明觀測站具有較好的區(qū)域代表性,該站約25%的非本底數(shù)據(jù)則反映了CO2區(qū)域源匯和短期輸送等多種因素的影響.未經(jīng)篩分的五臺山大氣CO2濃度均值為(416.0±9.7)×10-6,篩分后的CO2本底濃度均值為(414.5±7.3)×10-6,污染源和吸收匯的濃度均值分別為(427.4±9.4)×10-6和(404.6±8.4)×10-6.未經(jīng)篩分的大氣CO2濃度波動大,小時濃度的振幅達94.7×10-6,篩分后的大氣CO2本底濃度波動較小,振幅44.9×10-6,表明在五臺山地區(qū)大氣受到一定的區(qū)域或局地排放源和吸收匯的影響.

2.2 CO2濃度時間分布特征

2.2.1 年際變化 如圖3所示,2017～2020年五臺山本底濃度分別為409.8×10-6、413.6×10-6、415.6×10-6、418.7×10-6,呈逐年上升趨勢; 2018～2020年本底濃度較前一年的相對增速分別為0.91%、0.48%、0.76%,即2019和2020年的增速均較2018年有所緩和,2019年增速放緩幅度顯著.這可能與2018年以來山西推進打贏藍天保衛(wèi)戰(zhàn),減污降碳取得一定成效有關(guān).對比發(fā)現(xiàn)[28-29],五臺山CO2本底濃度高出同期全球本底4.3×10-6～5.8×10-6,與我國7個全球/區(qū)域本底站相比,五臺山CO2本底濃度略高于青海瓦里關(guān)、云南香格里拉和新疆阿克達拉站觀測結(jié)果,但明顯低于北京上甸子、浙江臨安、黑龍江龍鳳山和湖北金沙站濃度水平(表1).從源匯濃度年際變化來看,2017～2020年抬升濃度呈逐年增加趨勢,但抬升濃度占比有所下降(從17.7%降至16.2%),其間由于受到新冠疫情停工停產(chǎn)的影響,2020年抬升濃度較2019年的相對增速為0.42%,遠低于前2a的抬升濃度增速(0.96%和0.90%),反映出人類活動減少對區(qū)域大氣CO2濃度的較大影響; 吸收濃度也呈逐年增加趨勢,但吸收濃度占比基本保持在7.2%左右,表明五臺山周邊地區(qū)陸地生態(tài)系統(tǒng)對CO2吸收匯的作用相對穩(wěn)定.

圖3 2017～2020年五臺山站CO2本底濃度、抬升濃度及吸收濃度平均值

表1 五臺山大氣CO2本底濃度與我國7個全球/區(qū)域大氣本底站CO2濃度比較(′10-6)

2.2.2 本底濃度季節(jié)變化和日變化 如圖4a所示,春、夏、秋、冬(春季3～5月、夏季6～8月、秋季9～11月、冬季12～次年2月)各季節(jié)CO2本底濃度均值分別為(418.1±4.4)×10-6、(407.4±6.6)×10-6、(413.7±7.2)×10-6和(418.0±5.1)×10-6.這種季節(jié)變化跟瓦里關(guān)全球本底站的研究結(jié)果一致[8],都與內(nèi)陸高原植被生長周期和土壤的生物化學(xué)過程密切相關(guān).夏季當(dāng)?shù)刂脖簧L旺盛,光照充足,植物光合作用強烈,雖然此時土壤呼吸也最強烈,但植物對CO2的吸收遠大于由土壤有機碳氧化所釋放的CO2,使得夏季CO2本底濃度最低[26].進入秋季,植物對CO2的吸收作用逐漸減弱,土壤呼吸作用持續(xù),CO2濃度開始上升.冬季植被的光合作用幾乎完全消失,呼吸作用釋放的CO2逐漸積累,本底濃度明顯增高.春季盡管植被復(fù)蘇,但五臺山氣溫仍較低(氣溫平均值為2.8℃[30]),植物光合作用緩和,隨著土壤溫度開始回升,呼吸作用增大,CO2濃度維持較高水平并達到最大.由圖還可看出,冬、春季節(jié)本底濃度的最大值、最小值和均值相當(dāng),數(shù)據(jù)波動小,均呈偏態(tài)分布,其中冬季的均值高于中位數(shù),說明冬季本底濃度中的偏大數(shù)占比略高.相比而言,夏季和秋季本底濃度的波動明顯增大,數(shù)據(jù)分布也更為對稱.

如圖4b所示,夏季的CO2小時濃度日變化最明顯,其峰值出現(xiàn)在凌晨05:00,谷值出現(xiàn)在午后16:00.夏季是植物生長季節(jié),夜間受呼吸作用及穩(wěn)定邊界層的影響,地表CO2濃度逐漸積累并在凌晨時刻達到最大,日出后由于光合作用和垂直混合運動的增強,CO2濃度緩慢下降并于午后達到最低,傍晚隨著日落及溫度降低,植被逐漸轉(zhuǎn)化為呼吸作用,CO2濃度又快速上升.夏季CO2的日變化直接反映了CO2在大氣和植物間的交換[31].五臺山夏季CO2小時濃度日振幅為2.8×10-6,略高于同期瓦里關(guān)站的CO2日振幅[31].其他季節(jié)由于光照及陸地植被源的減弱,CO2小時濃度日變化均相對平穩(wěn),日振幅僅在0.7×10-6～1.8×10-6之間.

圖4 五臺山站CO2本底濃度季節(jié)和日變化

箱線圖箱體上下線分別為75%和25%分位數(shù),中間線為中位數(shù),中間·為季平均值;須線上下端分別為95%和5%分位數(shù);箱體外上下·分別為最大值和最小值

2.2.3 本底濃度和非本底濃度對比 從季節(jié)變化看(圖5a),3類濃度的季節(jié)變化均呈雙峰單谷型,總體表現(xiàn)為冬半年濃度較高,夏半年濃度較低.與本底濃度相比,抬升濃度月均值均偏高,差異值自10月至翌年3月明顯增大,與北方采暖季時段吻合; 吸收濃度均偏低,差異值在6～9月最顯著,符合當(dāng)?shù)叵募局脖还夂咸紖R效應(yīng)最強的特點.此外,本底濃度年內(nèi)變化幅度最小,為15.7×10-6,抬升濃度和吸收濃度則顯示出更大的季節(jié)振幅,分別為19.6×10-6和20.5×10-6.

圖5 五臺山站CO2本底濃度、抬升濃度及吸收濃度的季節(jié)和日變化

如圖5b所示,CO2本底濃度的日變化最平穩(wěn),日振幅僅為1.0×10-6.抬升濃度日變化為單峰結(jié)構(gòu),峰值、谷值分別出現(xiàn)在15:00和6:00,日振幅4.7×10-6,抬升濃度在白天維持較高水平,夜間有所降低,這與人類活動白天多、夜間少呈相同趨勢,說明可能人類活動對CO2濃度抬升有一定作用.吸收濃度日變化也呈單峰結(jié)構(gòu),但整體表現(xiàn)出日間低、夜間高的態(tài)勢,與抬升濃度的日變化趨勢恰好相反.吸收濃度的日變化反映了五臺山區(qū)域植被光合/呼吸作用過程的日變化規(guī)律,其晝夜波動最大(7.6×10-6).

2.3 地面風(fēng)對CO2源匯濃度的影響

基于2017～2020年五臺山逐小時地面風(fēng)資料,對風(fēng)速￡0.2m/s的按靜風(fēng)()統(tǒng)計,>0.2m/s按照風(fēng)的來向統(tǒng)計為16個方位.計算表明,研究期間五臺山全年平均地面主導(dǎo)風(fēng)向為WSW-W-WNW扇區(qū),風(fēng)向頻率之和57.8%,E風(fēng)向頻率較高為12.5%,靜風(fēng)頻率極低僅0.2%.春、秋季風(fēng)向頻率分布特征與全年相似,夏季偏東風(fēng)的頻率增大,冬季幾乎全部為偏西風(fēng).此外,五臺山四季風(fēng)速主要分布在1.6～10.7m/s之間.根據(jù)大氣CO2源匯濃度的篩分結(jié)果及其對應(yīng)的逐小時地面風(fēng)向風(fēng)速資料,按抬升濃度和吸收濃度分別統(tǒng)計,計算不同風(fēng)向風(fēng)速下對應(yīng)的CO2濃度均值,得到春、夏、秋、冬四季CO2源匯濃度-風(fēng)向風(fēng)速玫瑰圖以及風(fēng)頻玫瑰圖(圖6、圖7).各季節(jié)出現(xiàn)源匯濃度時的風(fēng)向頻率分布與前述五臺山地區(qū)風(fēng)向頻率分布基本一致,因此可用來反映某一風(fēng)向?qū)Υ髿釩O2抬升/吸收濃度的相對影響程度.

由圖6可知,四季各個風(fēng)向均能引起CO2濃度抬升.春季,除N-NNE-NE扇區(qū)外,其余風(fēng)向上抬升濃度均偏高.在風(fēng)頻最大的SW-WSW-W扇區(qū),抬升濃度隨風(fēng)速的增加呈先降后升的變化趨勢,較高風(fēng)速(6～8m/s)下CO2難以富集,濃度抬升較低,當(dāng)風(fēng)速超過8m/s時抬升濃度升高明顯可能與西南方向城市群的遠距離輸送有關(guān);其次在ENE-E扇區(qū)對應(yīng)較高的抬升濃度,可能受站點東部華北平原城市群的外源輸送影響;另外在SE-S-SW扇區(qū)風(fēng)速小于4m/s時也觀測到較高濃度的大氣CO2,可能與局地排放短距離輸送有關(guān),但其出現(xiàn)頻率較低.夏季,CO2抬升濃度高值區(qū)集中在NE-E扇區(qū),站點東北方向約9.1km是五臺山風(fēng)景區(qū)核心景區(qū),夏季恰逢避暑旅游旺季,CO2人為源增多,受東北風(fēng)影響導(dǎo)致五臺山站大氣CO2濃度顯著抬升.秋季,偏東風(fēng)的頻率驟降,其對應(yīng)的CO2抬升濃度也明顯降低.此時偏西方向尤其是西南方向的風(fēng)頻較高,CO2濃度抬升明顯,且隨風(fēng)速增加呈增加趨勢,可能仍與偏西方向排放源區(qū)域的遠距離輸送有關(guān).冬季,各方向抬升濃度整體升高,尤其西-南方向風(fēng)速小于4m/s均帶來高濃度CO2,并且隨著風(fēng)速的增加抬升濃度保持較高水平,可能與西南地區(qū)冬季供暖燃料燃燒的區(qū)域輸送有關(guān).

從圖7可以看出,春季,在ESE-SSE-SSW扇區(qū)和W風(fēng)向,風(fēng)速介于2～4m/s時出現(xiàn)了CO2吸收濃度低值,而這些方位也容易造成春季抬升濃度的升高(圖6),由此推測很可能是來自東南、西南方向的高空風(fēng)給五臺山站帶來相對清潔的氣流,降低了吸收濃度.夏季,CO2吸收濃度顯著降低,同時低值區(qū)進一步擴大,再次表明五臺山夏季可能為區(qū)域大氣CO2的匯.此外適當(dāng)?shù)娘L(fēng)速(2～4m/s)引起的擴散作用使吸收濃度更低.秋、冬季吸收濃度受主導(dǎo)風(fēng)向的影響主要出現(xiàn)在WSW-W- WNW-NW扇區(qū),由于碳匯效應(yīng)減弱,CO2吸收濃度明顯升高,風(fēng)速大小對CO2濃度的影響不甚明顯.

綜上可知,CO2抬升濃度同時受風(fēng)向風(fēng)速和周邊環(huán)境的影響,表現(xiàn)為風(fēng)速大小引起的累積、擴散作用以及風(fēng)向引起的外源輸送作用.CO2吸收濃度則受風(fēng)向風(fēng)速的影響,在春、夏季表現(xiàn)為潔凈氣流的稀釋作用.

2.4 氣團輸送對CO2源匯濃度的影響

計算2017年1月～2020年12月期間出現(xiàn)CO2抬升濃度和吸收濃度時的72h后向軌跡,采用軌跡聚類分析的二分K均值法[32-36],將后向軌跡按照空間代表性進行分類.

對于CO2抬升濃度,研究期間春、夏、秋和冬分別有1321,1113,1727和1538條軌跡參與了聚類計算分析.如圖8所示,春季,第2、1和3類軌跡的CO2濃度依次最高,軌跡占比共53.8%,分別來自站點的東南、東北和西南方向,以上3類軌跡氣團主要經(jīng)過京津冀、汾渭平原及山東、河南等地區(qū),這些區(qū)域經(jīng)濟較發(fā)達、人口聚集,城市和工業(yè)化水平較高,CO2人為排放量大,大氣污染也較為嚴重,對抬升CO2濃度的貢獻較大.第4和5類軌跡主要源自西北方向新疆、蒙古國氣團的遠距離輸送,CO2濃度略低,表明該區(qū)域人為活動對CO2的影響稍弱.夏季,引起CO2濃度抬升的軌跡氣團主要來自東側(cè)華北平原的人為活動影響,偏東方向的第1類和第2類軌跡占比達74.7%.秋季的軌跡分布與春季相似,不同的是來自西南方向的第3類軌跡以及來自西北方向的第4類軌跡的CO2濃度最高,軌跡數(shù)也最多,而偏東來向氣團對CO2的抬升貢獻減弱.冬季,各類軌跡CO2平均濃度明顯高于其他季節(jié),來自偏東、西南方向的氣團軌跡對高濃度CO2的影響最大,盡管西北方向第3類軌跡的CO2濃度略低,但軌跡所占比例高達69.8%,對CO2濃度抬升也有較大貢獻.

綜上所述,五臺山大氣CO2抬升濃度受到來自華北平原、汾渭平原地區(qū)污染氣團的影響最顯著,其次是西北方向污染氣團的遠距離輸送.受當(dāng)?shù)丶撅L(fēng)氣候影響,不同路徑污染氣團的輸送頻率在各個季節(jié)有所差異,這與前述地面風(fēng)對CO2抬升濃度的影響結(jié)論相吻合.此外,相比西北來向的氣團軌跡,偏東和西南方向的氣團軌跡水平距離較短,說明水平方向移速較慢,且從軌跡空間分布來看,其垂直方向都有一個先下沉后上升的運動過程,因此更容易裹挾近地面高濃度CO2輸送至站點,造成CO2濃度的明顯抬升.

圖8 2017～2020年五臺山四季CO2抬升濃度傳輸路徑分布

對于CO2吸收濃度,研究期間春、夏、秋和冬分別有615,1294,177和327條軌跡參與了聚類計算分析.如圖9所示,春季,源自偏北方向的第3、4類軌跡共占比82.4%,它們均來自高緯地區(qū)高空氣團的遠距離輸送,能夠?qū)⑾鄬崈舻臍饬鬏斔椭琳军c,對降低五臺山大氣CO2濃度產(chǎn)生貢獻.第1和2類軌跡主要來自華北平原和汾渭平原,盡管軌跡氣團途徑人為活動影響大的城市和地區(qū),由于氣流是從高空垂直向下傳輸,起到稀釋擴散的作用,使CO2濃度降低,這印證了前述東南和西南風(fēng)帶來清潔氣流降低五臺山站CO2吸收濃度的推測.夏季,各類軌跡的CO2平均濃度明顯低于其他季節(jié),其中源自偏北方向遠距離輸送的3類軌跡仍對低濃度CO2有較大影響,而西向第3類軌跡和東向第2類軌跡的CO2濃度略高,可能與氣團途徑區(qū)域排放源的輸送有關(guān),抬升了吸收濃度.秋季,影響CO2吸收濃度的軌跡氣團都源自高緯地區(qū)高空氣流的遠距離輸送.冬季幾乎完全受到源自高緯地區(qū)西北氣流遠距離輸送的影響,軌跡占比高達99.4%.由此可見,源自偏北方向高緯地區(qū)高空氣流的遠距離輸送,在各個季節(jié)對降低五臺山大氣CO2吸收濃度都影響顯著.

圖9 2017～2020年五臺山四季CO2吸收濃度傳輸路徑分布

值得關(guān)注的是,與抬升濃度軌跡特征相比(圖8),同樣經(jīng)過華北平原、汾渭平原等高碳排放區(qū)域的氣團軌跡,由于氣流垂直方向的運動路徑不同,對五臺山大氣CO2濃度的貢獻也不一樣,當(dāng)氣流從低空先下沉后上升輸送至站點時,多表現(xiàn)為對CO2濃度的抬升作用,而當(dāng)氣流從高空垂直向下而后上升輸送至站點時,可使CO2濃度降低,春秋季尤為明顯.

3 結(jié)論

3.1 采用平均移動過濾法(MAF)篩分得出五臺山大氣CO2本底濃度為(414.5±7.3)×10-6,抬升濃度和吸收濃度分別為(427.4±9.4)×10-6和(404.6±8.4)×10-6.五臺山CO2本底濃度略高于同期全球本底以及我國青海瓦里關(guān)、云南香格里拉和新疆阿克達拉站觀測結(jié)果,但明顯低于北京上甸子、浙江臨安、黑龍江龍鳳山和湖北金沙區(qū)域站濃度水平.2017～2020年,CO2本底濃度呈逐年上升趨勢,但增幅放緩;抬升濃度逐年增加,但其占比有所下降;吸收濃度也逐年增加,但占比相對穩(wěn)定.

3.2 五臺山大氣CO2本底濃度夏季最低,秋季次之,冬季較高,春季最高.本底濃度日變化在夏季最明顯,峰谷值分別出現(xiàn)在05:00和16:00,日振幅為2.8×10-6,其他季節(jié)日振幅僅在0.7×10-6～1.8×10-6之間.源匯濃度季節(jié)變化均呈雙峰單谷型,與本底濃度相比,抬升濃度月均值均偏高,差異值自10月至翌年3月明顯增大; 吸收濃度均偏低,差異值在6～9月最顯著.源匯濃度日變化為單峰結(jié)構(gòu),晝夜波動較本底濃度更大; 抬升濃度在白天維持較高水平,夜間有所降低,吸收濃度剛好與之相反.

3.3 地面風(fēng)對CO2源匯濃度有一定影響.春、秋和冬季節(jié),西南風(fēng)是引起五臺山CO2濃度抬升的主要來向,該方向不僅能夠帶來高濃度CO2,且隨著風(fēng)速的增加CO2濃度保持較高水平; 夏季,來自東北偏東方向的地面風(fēng)容易造成CO2的明顯抬升.吸收濃度受風(fēng)向風(fēng)速的影響,在春夏兩季,2～4m/s的風(fēng)速有利于CO2濃度的稀釋擴散,進而降低吸收濃度.

3.4 后向軌跡分析表明,五臺山大氣CO2抬升濃度主要受到來自東部華北平原、西南汾渭平原地區(qū)污染氣團的影響; 源自偏北方向高緯地區(qū)高空氣流的遠距離輸送,在各個季節(jié)對降低五臺山大氣CO2吸收濃度都影響顯著.研究發(fā)現(xiàn),同樣經(jīng)過華北平原、汾渭平原等高碳排放區(qū)域的氣團軌跡,當(dāng)氣流從低空先下沉后上升輸送至站點時,多表現(xiàn)為對CO2濃度的抬升作用,而當(dāng)氣流從高空垂直向下而后上升輸送至站點時,可使CO2濃度降低,春秋季尤為明顯.

[1] 樊 星,秦圓圓,高 翔.IPCC第六次評估報告第一工作組報告主要結(jié)論解讀及建議 [J]. 環(huán)境保護,2021,49(Z2):44-48.

Fan X,Qin Y Y,Gao X. Interpretation of the main conclusions and suggestions of IPCC AR6working group Ⅰ report [J]. Environmental Protection,2021,49(Z2):44-48.

[2] WMO. The state of greenhouse gases in the atmosphere based on global observations through 2019 [EB/OL]. https://gaw.kishou. go.jp/publications/bulletin,2020-11-23.

[3] Crotwell A,Steinbacher M. 19thWMO/IAEA meeting on carbon dioxide,other greenhouse gases and related measurement techniques (GGMT-2017) [R]. GAW report No.229,2017:1-150.

[4] Reimann S,Manning A J,Simmonds P G,et al. Low European methyl chloroform emissions inferred from long-term atmospheric measurements [J]. Nature,2005,433(7025):506-508.

[5] Conway T J,Tans P P,Waterman L S,et al. Evidence for inter-annual variability of the carbon cycle from the NOAA/CMDL global air sampling network [J]. Journal of Geophysical Research Atmospheres,1994,99(22):831-855.

[6] Thoning Kirk W,Tans Pieter P,Komhyr W D. Atmospheric carbon dioxide at Mauna Loa observatory 2. Analysis of the NOAA GMCC data,1974～1985 [J]. Journal of Geophysical Research Atmospheres,1989,94(D6):8549-8565.

[7] Gillette Dale A,Komhyr W D,Waterman L S,et al. The NOAA/ GMCC continuous CO2record at the South Pole,1975～1982 [J]. Journal of Geophysical Research Atmospheres,1987,92(D4):4231- 4240.

[8] 周凌晞,湯 潔,溫玉璞,等.地面風(fēng)對瓦里關(guān)山大氣CO2本底濃度的影響分析 [J]. 環(huán)境科學(xué)學(xué)報,2002,22(2):135-139.

Zhou L X,Tang J,Wen Y P,et al. Impact of local surface wind on the atmospheric carbon dioxide background concentration at Mt. Waliguan [J]. Acta Scientiae Circumstantiae,2002,22(2):135-139.

[9] Bousquet P,Gaudry A,Ciais P,et al. Atmospheric CO2concentration variations recorded at Mace Head,Ireland,from 1992 to 1994 [J]. Physics and Chemistry of the Earth,1996,21(5):477-481.

[10] Zhang F,Zhou L X,Conway T J,et al. Short-term variations of atmospheric CO2and dominant causes in summer and winter: analysis of 14-year continuous observational data at Waliguan,China [J]. Atmospheric Environment,2013,77(77):140-148.

[11] Fang S X,Tans P P,Dong F,et al. Characteristics of atmospheric CO2and CH4at the Shangdianzi regional background station in China [J]. Atmospheric Environment,2016,131:1-8.

[12] 浦靜姣,徐宏輝,顧駿強,等.長江三角洲背景地區(qū)CO2濃度變化特征研究 [J]. 中國環(huán)境科學(xué),2012,32(6):973-979.

Pu J J,Xu H H,Gu J Q,et al. Study on the concentration variation of CO2in the background area of Yangtze River Delta [J]. China Environmental Science,2012,32(6):973-979.

[13] Tsutsumi Y,Mori K,Ikegami M,et al. Long-term trends of greenhouse gases in regional and background events observed during 1998～2004 at Yonagunijima located to the east of the Asian continent [J]. Atmospheric Environment,2006,40(30):5868-5879.

[14] Pu J J,Xu H H,He J,et al. Estimation of regional background concentration of CO2at Lin’an Station in Yangtze River Delta,China [J]. Atmospheric Environment,2014,94:402-408.

[15] Fang S X,Tans P P,Steinbacher M,et al. Comparison of the regional CO2mole fraction filtering approaches at a WMO/GAW regional station in China [J]. Atmospheric Measurement Techniques,2015,8(12):5301-5313.

[16] 欒 天,方雙喜,周凌晞,等.龍鳳山站大氣CO2濃度2種篩分方法對比研究[J]. 中國環(huán)境科學(xué),2015,35(2):321-328.

Luan T,Fang S X,Zhou L X,et al. Comparison of two flagging approaches to the observed CO2mole fractions at the Longfengshan WMO/GAW Regional Station in China [J]. China Environmental Science,2015,35(2):321-328.

[17] 張 芳,周凌晞,王玉詔.不同源匯信息提取方法對區(qū)域CO2源匯估算及其季節(jié)變化的影響評估 [J]. 環(huán)境科學(xué),2015,36(7):2405-2413.

Zhang F,Zhou L X,Wang Y Z. Evaluation on the impacts of different background determination methods on CO2sources and sinks estimation and seasonal variations [J]. Environmental Science,2015,36(7):2405-2413.

[18] Wang S M,Zhu L Y,Yan S M,et al. Atmospheric CO2data filtering method and characteristics of the mole fractions at Wutaishan station in Shanxi of China [J/OL]. Aerosol and Air Quality Research. https: //doi.org/10.4209/aaqr.2020.01.0026.

[19] Reimann S,Manning A J,Simmonds P G,et al. Low European methyl chloroform emissions inferred from long-term atmospheric measurements [J]. Nature,2005,433(7025):506-508.

[20] Fang S X,Tans P P,Yao B,et al. Study of atmospheric CO2and CH4at Longfengshan WMO/GAW regional station: The variations,trends,influence of local source/sinks,and transport [J]. Science China Earth Science,2017,60(10):1886-1895.

[21] Cheng S Y,Zhou L X,Tans P P,et al. Comparison of atmospheric CO2mole fraction and source-sink characteristics at four WMO/GAW stations in China [J]. Atmospheric Environment,2018,180:216-225.

[22] Giemsa E,Jacobeit J,Ries L,et al. Investigating regional source and sink patterns of Alpine CO2and CH4concentrations based on a back trajectory receptor model [J]. Environmental Sciences Europe,2019,31:49.

[23] QX/T 174-2012 大氣成分站選址要求 [S].

QX/T 174-2012 Site selection for atmospheric composition monitoring stations [S].

[24] Zhang F,Zhou L X,Xu L. Temporal variation of atmospheric CH4and the potential source regions at Waliguan,China [J]. Science in China Series D: Earth Sciences,2013,56(5):727-736.

[25] Mai B R,Deng X J,Zhang F,et al. Background characteristics of atmospheric CO2and the potential source regions in the Pearl River Delta region of China [J]. Advances in Atmospheric Sciences,2020,37(6):557-568.

[26] 韋芬芬,林惠娟,曹舒婭,等.蘇南地區(qū)CO2本底濃度及源匯特征[J]. 中國環(huán)境科學(xué),2020,40(3):975-982.

Wei F F,Lin H J,Cao S Y,et al. A study on background concentration and source-sink characteristics of CO2in south of Jiangsu [J]. China Environmental Science,2020,40(3):975-982.

[27] 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(xué)D輯,2009,39(2):222-228.

Liu L X,Zhou L X,Zhang X C,et al. The concentration variations of atmospheric CO2at four background stations in China [J]. Science in China (Series D),2009,39(2):222-228.

[28] 中國氣象局氣候變化中心.中國溫室氣體公報 [R]. 北京:中國氣象局,2017-2019.

Climate Change Center of China Meteorological Administration. China greenhouse gas bulletin [R]. Beijing: China Meteorological Administration,2017-2019.

[29] World Meteorological Organization. WMO Greenhouse Gas Bulletin: The state of greenhouse gases in the atmosphere based on global observations through 2020 [R]. Geneva: WMO,2021.

[30] 鄭德宏.近20年五臺山氣候特征分析及對現(xiàn)代農(nóng)業(yè)的影響 [J]. 南方農(nóng)機,2020,51(15):98-99.

Zheng D H. Analysis of climatic characteristics of Wutai Mountain in recent 20years and its impact on modern agriculture [J]. China Southern Agricultural Machinery,2020,51(15):98-99.

[31] 趙玉成,溫玉璞,德力格爾,等.青海瓦里關(guān)大氣CO2本底濃度的變化特征[J]. 中國環(huán)境科學(xué),2006,26(1):1-5.

Zhao Y C,Wen Y P,Dliger,et al. Change characteristics of atmospheric CO2background concentration in Waliguan Qinghai [J]. China Environmental Science,2006,26(1):1-5.

[32] 閆世明,王 雁,郭 偉,等.太原市秋冬季大氣污染特征和輸送路徑及潛在源區(qū)分析[J]. 環(huán)境科學(xué),2019,40(11):4801-4810.

Yan S M,Wang Y,Guo W,et al. Characteristics,transportation,pathways,and potential sources of air pollution during autumn and winter in Taiyuan [J]. Environmental Science,2019,40(11):4801- 4810.

[33] 閆世明,王 雁,張岳軍,等.五臺山春季氣溶膠傳輸特征[J]. 中國環(huán)境科學(xué),2020,40(2):497-505.

Yan S M,Wang Y,Zhang Y J,et al. Aerosol transmission characteristics of spring in Wutai mountain [J]. China Environmental Science,2020,40(2):497-505.

[34] Zhang F S,Zhu L Y,Yan S M,et al. Analysis of the carbon dioxide mole fraction variation and its transmission characteristics in Taiyuan [J]. Atmospheric and Oceanic Science Letters,2020,13(4):363-370.

[35] Xia L J,Zhang G,Liu L X,et al. Atmospheric CO2and CO at Jingdezhen station in central China: Understanding the regional transport and combustion efficiency [J]. Atmospheric Environment,2020,222:117104.

[36] 夏玲君,張 根,陳 昆,等.江西景德鎮(zhèn)站大氣CH4和CO季節(jié)變化及源解析[J]. 中國環(huán)境科學(xué),2021,41(12):5485-5494.

Xia L J,Zhang G,Chen K,et al. The seasonal variations of atmospheric CH4and CO concentrations and their emission sources at Jingdezhen station in Jiangxi [J]. China Environmental Science,2021,41(12):5485-5494.

致謝：感謝山西省五臺山溫室氣體觀測站工作人員對溫室氣體在線觀測系統(tǒng)的日常維護工作.

Studies on background concentration and source-sink characteristics of CO2in Wutai Mountain.

LI Ying1,YAN Shi-ming1*,WANG Shu-min1,ZHANG Feng-sheng1,YU Xiao-hong1,YANG Ai-qin1,YUE Jiang1,JIN Ze-hui2

(1.Shanxi Institute of Meteorological Sciences,Shanxi Branch of Monitoring and Assessment Center for GHGs & Carbon Neutrality,China Meteorological Administration,Taiyuan 030002,China；2.Wutaishan Meteorological Station,Wutaishan Cloud Physics Field Experiment Base,China Meteorological Administration,Xinzhou 035515,China).,2022,42(8)：3572～3583

Based on the continuous CO2datasets from 2017 to 2020,observed at Wutaishan GHG station,the background concentration and source-sink characteristics of CO2in Wutai Mountain were studied by using the Moving Average Filtering (MAF) method and backward trajectory analysis. The results show that the atmospheric CO2concentrations were affected by regional or local sources/sinks,with the smaller hourly amplitude of background concentration (44.9×10-6),compared to that of unselected CO2concentration (94.7×10-6). The CO2background concentration had slowly increased from 2017 to 2020. Particularly,the proportion of rising concentration had decreased probably due to the weakened human activities. On the contrast,the variation in the absorption concentration was stable,inferring that the effect of terrestrial ecosystem on CO2concentration was relatively stable. The seasonal mean of CO2background concentration was the lowest in summer,secondly in autumn and winter,and the highest in spring. The diurnal variation in CO2background concentration was most obvious in summer,with the peak and valley value around 5:00a.m. and 16:00p.m.,respectively; the diurnal variation fluctuated slightly in other seasons with amplitudes merely between 0.7×10-6and 1.8×10-6. Compared to the background concentration,the CO2uplifting concentration differed remarkably from October to March,whereas the change in absorption concentration occurred from June to September,indicating impacts of anthropogenic emission and terrestrial ecosystem carbon absorption on CO2concentration. The diurnal variation in source-sink concentrations displayed a single peak structure,and the rising concentration was high during the day and low at night,and the reversion was just for the absorption concentration. In spring,autumn and winter,the southwest wind was mainly responsible for the significant CO2uplift,and CO2concentration could stay at a high level with an increase in wind speed; while,in summer,the northeast easterly wind obviously enhanced the observed values. Besides,in spring and summer,the wind speed between 2 and 4m/s was conducive to reduce the CO2absorption concentration. Evidently,the impact of long-range transport of air masses on the source-sink concentrations depend not only on the source strength of CO2in the pathway,but also on the spatial vertical transport path of the air masses.

Wutai Mountain；greenhouse gases；regional background；source-sink characteristics

X511

A

1000-6923(2022)08-3572-12

2022-01-18

山西省基礎(chǔ)研究計劃青年科學(xué)研究項目(20210302124617);山西省氣象局面上項目(SXKMSDW20217114)

* 責(zé)任作者,正高級工程師,qksysm@126.com

李 瑩(1986-),女,山西運城人,高級工程師,碩士,主要研究方向為溫室氣體及大氣成分研究.發(fā)表論文4篇.