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

為研究單個(gè)站點(diǎn)觀測(cè)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(zhuǎn)模式FLEXPART模擬確定影響上甸子站觀測(cè)濃度的氣團(tuán)主要來(lái)源,利用Carbon Tracker模式反演CO2濃度和通量的時(shí)空分布,并通過(guò)數(shù)值迭代方法和相關(guān)性分析方法獲取最優(yōu)印痕函數(shù)閾值,得到影響測(cè)站CO2濃度的源匯區(qū)域范圍.其次,將在線觀測(cè)CO2濃度篩分為本底和非本底濃度,利用FLEXPART模式追蹤測(cè)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(nèi),本底和非本底區(qū)域凈通量變化趨勢(shì)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(guò)反演模式能夠定量得到影響測(cè)站觀測(cè)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(xué)循環(huán)與大氣碳收支方面起著關(guān)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(dòng)密切相關(guān)的排放源有化石燃料燃燒、水泥生產(chǎn)、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(zhǎng)和經(jīng)濟(jì)高速發(fā)展,目前中國(guó)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(shí)空差異與區(qū)域CO2排放量密切相關(guān)［8］.為此,Keeling等［9］在美國(guó)夏威夷島莫納羅亞山最早開(kāi)展了長(zhǎng)期的溫室氣體觀測(cè).目前,在世界范圍內(nèi)有超過(guò)150個(gè)站點(diǎn)觀測(cè)溫室氣體濃度［10］.中國(guó)最長(zhǎng)的溫室氣體連續(xù)觀測(cè)記錄來(lái)自全球本底站——瓦里關(guān)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(cè)網(wǎng)絡(luò)的重要成員［11-13］.在觀測(cè)的技術(shù)手段上,既有現(xiàn)場(chǎng)瓶采樣-實(shí)驗(yàn)室分析方法,也有自動(dòng)化在線連續(xù)測(cè)量系統(tǒng)［13-14］.研究表明,這些觀測(cè)資料可以用于CO2通量反演［15］.

當(dāng)前,估計(jì)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(chǎng)測(cè)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(lái)反演碳源匯信息［18-20］.由美國(guó)國(guó)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(kāi)發(fā)的 CT（Carbon Tracker）模型是“自上而下”方法的典型代表,在觀測(cè)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(shí)空變化,成功估計(jì)了區(qū)域碳通量［8,21-22］.在國(guó)內(nèi),中國(guó)氣象科學(xué)研究院、南京大學(xué)、中國(guó)科學(xué)院等單位也進(jìn)行了將 CT模式應(yīng)用到中國(guó)的研究,模擬了中國(guó)大氣本底站 CO2濃度變化特征,估計(jì)了中國(guó)陸地碳源匯與碳通量［19,23-24］.但是,受到觀測(cè)站點(diǎn)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(cè)站觀測(cè)濃度的源匯區(qū)域及區(qū)域通量特征對(duì)于理解區(qū)域或者全球碳平衡,合理利用觀測(cè)數(shù)據(jù)減小區(qū)域乃至全球碳通量反演的不確定性,評(píng)價(jià)碳分布具有重要意義.

本研究以CT模型在中國(guó)區(qū)域的模擬應(yīng)用為基礎(chǔ),結(jié)合拉格朗日粒子擴(kuò)散模式 FLEXPART （FLEXible PARTicle dispersion model）在潛在源區(qū)分析上的優(yōu)勢(shì)［25］,從上甸子區(qū)域大氣本底站瓶采樣觀測(cè)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(cè)濃度的源匯區(qū)域范圍,同時(shí)利用在線觀測(cè)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(jiǎn)介

FLEXPART模式是由挪威大氣研究所（NILU, Norwegian Institute for Air Research）開(kāi)發(fā)的一種拉格朗日粒子擴(kuò)散模式［26］.該模式的核心內(nèi)容是研究大氣污染物的源匯關(guān)系（Sourcereceptor relationship）：污染排放為“源”,觀測(cè)站點(diǎn)為受體,相當(dāng)于“匯”.通過(guò)計(jì)算點(diǎn)、線、面或體積源釋放的大量粒子的軌跡,來(lái)描述示蹤物在大氣中長(zhǎng)距離、中尺度的傳輸、擴(kuò)散、干濕沉降和輻射衰減等過(guò)程.該模式可以通過(guò)時(shí)間的前向運(yùn)算來(lái)模擬示蹤物由源區(qū)向周圍的擴(kuò)散,也可以通過(guò)后向運(yùn)算來(lái)確定對(duì)于固定站點(diǎn)有影響的潛在源區(qū)的分布,分別得到隨時(shí)間序列變化的格點(diǎn)示蹤物濃度（正向模擬）或格點(diǎn)駐留時(shí)間（后向模擬）［27］.當(dāng)研究區(qū)域內(nèi)觀測(cè)站點(diǎn)數(shù)量少于排放源數(shù)量時(shí),后向運(yùn)算更具有優(yōu)勢(shì)［28］.

FLEXPART模式內(nèi)核采用零加速度方案計(jì)算粒子軌跡,其表達(dá)式為：

印痕函數(shù)Footprint（也稱敏感性系數(shù)）由網(wǎng)格點(diǎn)的駐留時(shí)間確定,表示潛在源區(qū)對(duì)固定站點(diǎn)影響的大小.經(jīng)過(guò)源-受體關(guān)系的轉(zhuǎn)換,后向模擬中格點(diǎn)i駐留時(shí)間公式可表示為：

式中：TΔ為時(shí)間分辨率；N為TΔ時(shí)間范圍內(nèi)采樣的數(shù)量；J為釋放的粒子總數(shù)；ijnf是一個(gè)函數(shù),決定了對(duì)于指定格點(diǎn)有“貢獻(xiàn)”的粒子的多少.

1.2Carbon Tracker模式簡(jiǎn)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(cè)數(shù)據(jù)、氣象數(shù)據(jù)等相結(jié)合,在觀測(cè)數(shù)據(jù)和 CO2源匯之間建立起關(guān)系,從而實(shí)時(shí)反演CO2源匯時(shí)空分布［8］.它可用于長(zhǎng)時(shí)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(gè)模型包括 7個(gè)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(zāi)模塊估計(jì)火源排放；化石燃料模塊估計(jì)化石燃料燃燒排放；大氣傳輸模型TM5；觀測(cè)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(zāi)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(jié)果結(jié)合觀測(cè)數(shù)據(jù)調(diào)整 CO2源匯通量.因此,Carbon Tracker模型能夠估算生物圈、海洋、火災(zāi)等自然碳源匯的吸收與排放,化石燃料燃燒等人類活動(dòng)釋放和吸收的碳,區(qū)別自然界碳循環(huán)和人類活動(dòng)碳排放的變化.

Carbon Tracker模型是一個(gè)全球雙向網(wǎng)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(shè)置了2重嵌套區(qū)域：全球3°×2°,亞洲1°×1°.驅(qū)動(dòng)Carbon Tracker模型的氣象數(shù)據(jù)來(lái)自歐洲中心的中尺度天氣預(yù)報(bào)模式結(jié)果ECMWF（European Centre for Medium- Range Weather Forecasts）.

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

式中：H表示將模擬通量轉(zhuǎn)換為觀測(cè)濃度的大氣傳輸模型和觀測(cè)算子；誤差協(xié)方差矩陣R表示觀測(cè)濃度的不確定性；x表示表面通量估計(jì)值構(gòu)成的向量；x0表示先驗(yàn)表面通量值構(gòu)成的向量；誤差協(xié)方差矩陣Q表示先驗(yàn)通量的不確定性.表面通量 F（w,c,t）可以分成 4個(gè)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(guān)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(duì)應(yīng)的特定時(shí)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(duì)應(yīng)的比例因子.通過(guò)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(shí)通量.

1.3研究站點(diǎn)和觀測(cè)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(jīng)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(rùn)季風(fēng)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(méi)有密集的工業(yè)區(qū)和人群,主要植被類型為林地和農(nóng)田等.影響該站的氣團(tuán)主要受到當(dāng)?shù)厥⑿酗L(fēng)向影響,春夏季主導(dǎo)風(fēng)向是“西南西”,秋冬季主導(dǎo)風(fēng)向是“東北東”,其濃度水平代表了京津冀經(jīng)濟(jì)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(guò)便攜式采樣器和硬質(zhì)玻璃瓶采集大氣樣品和實(shí)驗(yàn)室分析得到CO2濃度［29］.采樣頻率為1次/周,采樣時(shí)間則選擇在正午至下午時(shí)段.基于非色散紅外吸收法NDIR（Non-Dispersive Infrared spectroscopy）,利用工作標(biāo)氣、高純氮?dú)鈱?duì)樣品中 CO2濃度進(jìn)行分析［30-31］.大氣 CO2在線測(cè)量系統(tǒng)使用的是CRDS（cavity ring down the spectroscopy）技術(shù),從2009年1月開(kāi)始在上甸子站運(yùn)行服務(wù)［14］.每次進(jìn)樣分析5min,并且使用后3min測(cè)量結(jié)果平均值作為CO2濃度儀器測(cè)量值［32］.通過(guò)質(zhì)控、篩分、擬合等方法對(duì)數(shù)據(jù)進(jìn)行處理.實(shí)驗(yàn)中使用的 CO2標(biāo)氣可溯源至WMO X2007標(biāo)準(zhǔn)［1］.

2　結(jié)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(duì) FLEXPART模式反演結(jié)果進(jìn)行了驗(yàn)證和評(píng)價(jià),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(cè)資料,通過(guò)CT2010模式對(duì)中國(guó)區(qū)域碳源匯進(jìn)行了精細(xì)化反演,驗(yàn)證了該模式結(jié)果的可靠性與適用性［23］.

2.1測(cè)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(duì)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(duì)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(nèi)蒙古中部等.在不同季節(jié)模擬結(jié)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(nèi)；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(guò)渡季節(jié),冷空氣活動(dòng)仍較頻繁,路經(jīng)偏北,蒙古一帶逐漸形成蒙古低壓,多西南風(fēng),若冷空氣勢(shì)力增強(qiáng)南下則為偏北大風(fēng),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(qiáng),印痕函數(shù)分布表現(xiàn)為：相對(duì)其他季節(jié),夏季印痕函數(shù)分布有偏東方向趨勢(shì),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(guò)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(zhuǎn)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(duì)上甸子站有較大影響的潛在源區(qū).

可見(jiàn),通過(guò) FLEXPART模式后向模擬獲得Footprint印痕函數(shù),能夠確定對(duì)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(cè)濃度所代表源匯區(qū)域的基礎(chǔ)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(cè)值與上甸子站所在模式網(wǎng)格處的通量具有一定的相關(guān)性,相關(guān)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(diǎn)采樣獲得的大氣CO2濃度與影響該站點(diǎn)區(qū)域的源匯通量緊密相關(guān).為此,利用FLEXPART模式模擬確定影響測(cè)站的潛在源區(qū)分布范圍,通過(guò)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(jié)果計(jì)算該界定區(qū)域內(nèi)的CO2源匯通量.通過(guò)迭代計(jì)算可以得到一個(gè)最優(yōu)閾值邊界和影響測(cè)站 CO2觀測(cè)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(duì)應(yīng)月份的 CT模式通量反演結(jié)果,得到閾值區(qū)域內(nèi)模擬的 CO2月均源匯通量與觀測(cè)濃度值之間的相關(guān)性,相關(guān)系數(shù)為0.90.圖3中a、b兩圖相關(guān)性差異說(shuō)明：北京上甸子站 CO2觀測(cè)濃度,不僅僅受站點(diǎn)所在模式網(wǎng)格（1°×1°）的源匯通量影響,更與反轉(zhuǎn)模式追蹤獲得的最優(yōu)閾值區(qū)域內(nèi)源匯通量關(guān)系密切,因此將FLEXPART模式和CT模式相結(jié)合可以定量給出影響上甸子站CO2觀測(cè)濃度的源匯區(qū)域范圍以及該區(qū)域內(nèi)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(cè)量濃度的相關(guān)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(cè)值所代表區(qū)域范圍內(nèi) 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(zāi)和海洋對(duì)上甸子本底站CO2源匯貢獻(xiàn)較?。换剂先紵呛軓?qiáng)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(nèi)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(wǎng)格和上甸子站所在網(wǎng)格的模擬凈通量時(shí)間序列.可以看出,站點(diǎn)所在網(wǎng)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(shuō)明：瓶采樣 CO2觀測(cè)濃度不僅與站點(diǎn)所在網(wǎng)格冬季供暖等局地碳源有關(guān),也受生物圈碳匯、遠(yuǎn)距離輸送影響.瓶采樣觀測(cè)CO2濃度代表的是一個(gè)更大區(qū)域的碳源匯平衡,并且這個(gè)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(cè)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(cè)量系統(tǒng)獲得的CO2濃度觀測(cè)數(shù)據(jù),借鑒 Stohl等［33］的方案,運(yùn)用 REBS （robust extraction of background signal）算法［34］,將上甸子站觀測(cè)時(shí)段內(nèi)CO2濃度-時(shí)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(duì)應(yīng)本底與非本底時(shí)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(shì),但是兩者的主要潛在源區(qū)分布明顯不同,前者來(lái)自于西-西西北扇區(qū)后者來(lái)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(lái)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(shí)上,北京東西北三面環(huán)山,西北部下墊面多為高山、地勢(shì)較高,屬于相對(duì)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(duì)于人們通常關(guān)注的非本底濃度潛在源區(qū),則主要來(lái)自人口密集城市化較高的北京城區(qū)方向以及京津冀經(jīng)濟(jì)圈.同時(shí)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(guò)在線測(cè)量的本底濃度和非本底濃度時(shí)間序列,結(jié)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(cè)時(shí)次相對(duì)應(yīng)時(shí)段（2009年1～11月）的CO2源匯通量,包括海洋通量（Ocean）、火災(zāi)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(nèi),統(tǒng)計(jì)該區(qū)域內(nèi)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(dòng)下降,而后者在4月份和10月份出現(xiàn)兩個(gè)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(zāi)通量較小,對(duì)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(duì)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(lái)源不同、局地排放和大氣環(huán)流輸送的影響不同.研究結(jié)果表明,采用多種模式相結(jié)合的方法能夠獲得影響測(cè)站CO2觀測(cè)值的源匯區(qū)域和特征.下一步將在多個(gè)站點(diǎn)進(jìn)行更長(zhǎng)時(shí)間的觀測(cè)資料積累和模式模擬研究,并對(duì)源匯特征進(jìn)行進(jìn)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(jié)論

3.1利用FLEXPART模式與CT模式,通過(guò)數(shù)值迭代方法和相關(guān)性分析手段,在月均時(shí)間尺度下建立了一種固定站點(diǎn) CO2觀測(cè)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(wǎng)格范圍是影響測(cè)站觀測(cè)濃度的源匯區(qū)域.

3.2與在線觀測(cè)CO2本底和非本底濃度所對(duì)應(yīng)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(cè)站點(diǎn)的西北部,而非本底潛在源區(qū)主要來(lái)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(dòng)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(jié)果表明,通過(guò)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(duì)流層二氧化碳時(shí)空變化特征 ［J］. 中國(guó)環(huán)境科學(xué), 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(xué), 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(cè)我國(guó) 4個(gè)本底站大氣CO2［J］. 環(huán)境科學(xué)學(xué)報(bào), 2011,31（3）：624-629.

［13］ 劉立新,周凌晞,張曉春,等.我國(guó)4個(gè)國(guó)家級(jí)本底站大氣CO2濃度變化特征 ［J］. 中國(guó)科學(xué)D輯：地球科學(xué), 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(píng)估驗(yàn)證 ［J］. 中國(guó)環(huán)境科學(xué), 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(cè)的印痕分析方法及其應(yīng)用拓展 ［J］.大氣科學(xué), 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(xué)與技術(shù), 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(guó)國(guó)家海洋與大氣局地球系統(tǒng)研究實(shí)驗(yàn)室全球監(jiān)測(cè)組（NOAA/ESRL/GMD）提供的Carbon Tracker模型及技術(shù)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(cè)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(cè)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(guó)家自然科學(xué)基金項(xiàng)目（41505123,41175116）；中國(guó)氣象科學(xué)研究院基本科研業(yè)務(wù)費(fèi)專項(xiàng)（2015Y002）；國(guó)家國(guó)際科技合作專項(xiàng)（2015DFG21960）；中國(guó)氣象局氣候變化專項(xiàng)（CCSF201431）

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