文章亮点

利用三个站点的观测资料，分析了南京地区SSR的季节和日变化特征。

研究了空气污染水平和SSR之间的关系。

与PM10相比，PM2.5主导了散射辐射的变化。

SBDART模型通常在晴朗的天空下很好地模拟SSR。

研究背景

空气污染减少了太阳辐射向地表的渗透，从而抑制了降水。人为气溶胶的增加导致太阳辐射的散射和吸收增加进而改变地球辐射收支的平衡。

云、气溶胶和辐射之间的相互作用是一项具有挑战性的任务。

有证据表明，空气污染水平有所下降，所报告的长期趋势可能不会持续。因此，在我国建立高精度辐射站并进行直接观测具有重要意义。

空气污染已成为南京的一个主要环境问题，目前对南京市空气污染与SSR关系的研究很少。

以往研究分析了中国东部40年的太阳辐射数据记录，表明空气污染的加速是全球直接辐射减少的一个可能原因。在无云条件下，空气污染引起的气溶胶浓度增加显著降低了中国的SSR。

大多数研究都是从定性角度探讨空气污染对SSR的影响，或从定量角度研究SSR的年际变化。

很少有研究分析在晴空下不同程度的空气污染对固态继电器的影响。

以前的研究没有确定SBDART模型是否适用于计算不同空气污染条件下的SSR。

研究方法

清晰度指数和漫射率的测定。

区分晴空天气和多云天气，其中晴空天气在这项研究中被定义为全球平均气温至少为相应地外太阳辐射一半的日子。

漫射部分用于研究晴空中由气溶胶、灰尘和其他颗粒物散射的辐射。

运用SBDART模拟了晴空条件下不同能见度的DNI、DHI和GHI，并分析了该模型在不同空气污染水平下的性能。

利用OPAC模型分析和比较了PM2.5和PM10的光学特性，并进一步解释了这两种污染物对SSR产生不同影响的原因。

部分研究成果图

向下滑动查看

图2.年3月至年6月中国南京地区GHI、DNI和DHI的季节平均值。菱形代表平均值，方框内的水平线是中间值，方框的底部和顶部代表第一和第三个四分位数。虚线是下(上)四分位数的1.5个四分位数范围内的最小(最大)值，加号是异常值。

图3.GHI、DNI和DHI的日变化:(1)春季；(b)夏季；(c)秋天；(d)冬季。横坐标是北京太阳时。

图4.年3月至年6月PM10和PM2.5浓度、空气质量指数和能见度的季节平均值。

图5.在(a)良好、(b)良好、(c)轻度污染、(d)中度污染和(e)重度污染条件下，全球健康指数、DNI和DHI的日变化。不同污染水平下扩散率的日变化。

图6.(a)PM2.5浓度和PM10浓度之间的相关性，(b)KD和PM10浓度之间的相关性，(c)KD和PM2.5浓度之间的相关性，以及(d)全天KD和pm2.5-10浓度之间的相关性(黑点)和晴空(红点)。

图7.(a)粒度分布，(b)单次散射反照率随太阳光谱波长的变化，(纳米处相位函数随情况1(蓝线)和情况2(红线)散射角的变化。

图8.(a)KD与能见度之间的相关性，(AQI与能见度之间的相关性，(c)PM10浓度与能见度之间的相关性，(PM2.5浓度与全天能见度(黑点)和晴空(红点)之间的相关性。

图9.全天空成像仪在(a)年1月21日，(b)年1月16日和(c)年2月9日拍摄的天空照片。

图10.(a)年1月21日(极好的AQ)，(b)年1月16日(良好)和(c)年2月9日(轻度污染)，全球健康指数、DNI和DHI的日变化。实线和虚线分别代表观察结果和模拟结果。

图11.对(a)全球健康指数，(b)DNI和(c)DHI的观测和模拟的比较。

研究结论

DNI、DHI和南京的季节变化显著。它们的下降趋势按季节依次为DNI的春季-夏季-冬季-秋季、冬季-春季-夏季-秋季和DHI的春季-夏季-秋季-冬季。冬季云量最少，导致四季中DNI最多。

由于单次散射反照率和相位函数的不同，PM2.5主导了KD的变化，而PM2.对KD的变化影响很小。

散射辐射和空气污染与能见度范围高度相关。

在不同的空气质量条件下，利用观测能见度的SBDART模型进行SSR（GHI、DNI和DHI）计算在中国是一种有效的方法。

小编说

这篇文章阅读下来对于新手来说可能有一些困难，小编自己阅读第一遍的时候充满疑问，并没有搞清楚核心内容，但反复阅读下来就明朗了许多。这篇文章主要揭示了南京市地表太阳辐射和空气污染水平的相关性，解决了不同空气污染水平下的SSR（GHI、DNI和DHI）特征，还讨论了不同季节下的空气污染情况和日变化特征，总体来看推荐阅读，会加深对地表太阳辐射的了解。

本期文案

朱梦瑶

本期编辑

朱梦瑶

点击阅读原文了解更多

UNDERSTANDTHEARTICLE