利用卫星、再分析数据和新现场CUPI传感器网络对喜马拉雅中部PM2.5的综合评估

《Atmospheric Environment》：Integrated Assessment of PM 2.5 in the Central Himalaya using Satellite, Reanalysis, and a new In-situ CUPI Sensor network

　　

•一个15个站点的CUPI网络提供了跨越北阿坎德邦的首个全州PM2.5观测数据。•季风前尘埃和冬季生物质燃烧的明显输运特征塑造了中喜马拉雅地区PM的负荷分布。•平原、山谷和山顶/斜坡站点表现出不同的季节性和日变化PM2.5特征。•Aqua MODIS优于Terra，而Wang处理的MERRA-2显示出与地形相关的偏差。

引言

空气污染，主要与细颗粒物（PM2.5，空气动力学直径<2.5 μm）相关，是全球主要环境风险因素之一，每年导致数百万人过早死亡（Cohen等，2017；Manisalidis等，2020；Pozzer等，2023；Vohra等，2021b）。除人类健康之外，PM2.5还影响辐射强迫、云微物理和更广泛的气象条件，从而对区域气候产生重大影响（Li等，2016；Pandey等，2020；Twomey，1991）。当气溶胶被输送到高海拔山区时，吸光气溶胶组分——尤其是黑碳和矿物尘埃——会降低地表反照率并加速冰雪融化，从而改变冰冻圈过程（Gautam等，2011；Lau和Kim，2018, 2010；Painter等，2024；Prasad和Singh，2007；Ramanathan和Carmichael，2008）。喜马拉雅山等山岳系统尤为敏感：它们是南亚的主要"水塔"，栖息着脆弱的生态系统，且极易受大气成分变化的影响，即使微小的变化也可能加剧山体滑坡、落石、雪崩和其他极端事件（Meena等，2022；Pandey等，2021；Xu等，2009）。位于喜马拉雅山麓南侧的印度-恒河平原（IGP）仍然是全球污染最严重的热点之一，从该地区输送来的污染物经常恶化喜马拉雅山麓和山谷的空气质量（Bhattacharjee等，2007；Rana等，2019；Rawat等，2023）。这种远距离输送抬升了PM2.5浓度并扰乱了中喜马拉雅地区（CH）的大气条件，对冰川质量平衡和区域气候产生潜在影响。最近的灾难性事件，如查莫利灾难，凸显了喜马拉雅环境对气候和大气复合胁迫的脆弱性（Siddique等，2022）。

位于高海拔中喜马拉雅地区的北阿坎德邦代表了人口稠密的印度-恒河平原（约9亿人）与偏远山区之间的复杂过渡带。该地区跨越了急剧的海拔梯度，从相邻平原（约400 m）到深切山谷（约1000–2000 m）再到山顶/斜坡（1500 m及以上），导致大气动力学强烈的空间变化。这种地形复杂性控制着局地边界层演化、山谷风系统、夜间逆温和大尺度输运，所有这些都调节着气溶胶负荷（Bonasoni等，2010；Decesari等，2010；Dumka等，2025；Kumar等，2020；Rawat等，2023）。早期研究表明，气团（来自沙尘暴和生物质燃烧）的远距离输运如何影响中喜马拉雅地区"清洁"的背景大气（Bhattacharjee等，2007；Chauhan等，2022；Dumka等，2015, 2010；R. Kumar等，2018；Rawat等，2024, 2023）。近几十年来，该地区还经历了日益增加的暴雨气象极端事件，如冰川湖溃决洪水（GLOFs）、突发性暴雨、山体滑坡，对脆弱的山地生态系统造成灾难性后果（Allen等，2016；Carrivick和Tweed，2016；Dimri等，2017；Lohan等，2025；Wester等，年份不详）。鉴于与气溶胶负荷相关的日益增加的气候驱动灾害，了解山区气溶胶的光学特性和动力学以及从IGP输送来的气团至关重要。虽然IGP受益于中央污染控制委员会（CPCB）和空气质量与天气预报研究系统（SAFAR）运营的密集监测网络，但中喜马拉雅地区缺乏连续覆盖，仅有孤立的高海拔站点。我们在北阿坎德邦部署的15个CUPI传感器是填补这一空白的重要举措。尽管CUPI网络大大提高了地面覆盖度，但剧烈的地形变化仍需要卫星和再分析数据集的支持来捕捉更广泛的空间模式。这些数据有助于扩展区域背景并将本地观测与大气尺度气溶胶行为联系起来。

尽管关于印度-恒河平原和喜马拉雅山麓部分地区的观测和模拟研究日益增多，但中喜马拉雅地区仍然缺乏一体化的、长期的、地形分辨的气溶胶行为评估。卫星和再分析产品揭示了反复出现的特征：来自西亚的季前尘埃输运、北印度广泛的季风后作物秸秆燃烧、喜马拉雅山麓频繁的森林火灾，以及IGP污染向中高海拔山谷的大尺度侵入（Bhattacharjee等，2007；D. G. Kaskaouti等，2014；Lau和Kim，2010；Sarkar等，2018）。然而，这些数据集在山区也表现出很大的不确定性：MODIS反演在崎岖地形上受到地表-大气耦合局限性的影响（Kumar等，2018），而MERRA-2和CAMS通常低估了突发峰值，并由于分辨率粗糙和简化的边界层物理过程而错误定位了气溶胶层的垂直分布（Gueymard和Yang，2020；Su等，2023）。经过Wang改进处理的MERRA-2通过增强AOD同化和偏差校正改善了PM2.5估计值（Diao等，2019；Vohra等，2021b；Wang等，2024），但其在喜马拉雅极端事件期间的表现——如抬升的尘埃层、夜间烟雾积聚和山谷冷空气排水——仍研究不足（Misra等，2025）。使用WRF-Chem的数值模拟工作推进了对尘埃和烟雾输运路径的理解，但其表现受到排放清单不确定性、烟羽抬升处理和地形驱动环流的强烈制约（Kajino等，2025；Singh等，2022）。总体而言，这些局限性突显了一个关键的区域空白：缺乏密集的地面测量来评估和解释北阿坎德邦不同地形上的卫星和再分析气溶胶产品。最近在印度-恒河平原使用CUPI网络的研究（Singh等，2023）展示了高密度低成本传感器如何揭示精细尺度梯度和突发性增强，但在中喜马拉雅地区尚无类似的观测框架。CUPI网络在北阿坎德邦的部署为评估复杂喜马拉雅地形上的区域输运和卫星-再分析产品提供了缺失的观测基础。

在AAKASH项目下——这是一个由RIHN与阿育婆陀观测科学研究所（ARIES，耐尼尔）合作发起的倡议——在全北阿坎德邦部署了紧凑有用PM2.5仪器（CUPIs）网络，以解决中喜马拉雅地区长期的观测空白。首次在所有13个地区安装了传感器，跨越相邻平原（德拉敦、哈里德瓦尔、乌德姆辛格纳加尔、哈尔德瓦尼）、深谷（昌帕瓦特、皮托尔加尔、巴盖什瓦尔、鲁德拉普赖亚格、斯里那加尔、乌特卡希）和山顶位置（耐尼尔、阿尔莫拉、查莫利、特里）。这种配置使得能够在地形分辨的尺度上监测跨越急剧海拔梯度的PM2.5，捕捉到边界层结构、山谷风系统和大尺度输运影响的差异，这些差异无法仅通过卫星或再分析来解决。北阿坎德邦的部署补充了西北印度-恒河平原先前的CUPI网络（Singh等，2023），并将高密度监测扩展到此前仅有孤立的、针对特定站点的测量区域。通过提供平原-山谷-山顶/斜坡系统中连续的空间分布观测，该网络建立了第一个区域基线，可以据此系统评估季节性行为、突发性增强和卫星-再分析产品。本文首次全面呈现了全州CUPI网络的结果，提供了2022年北阿坎德邦PM2.5行为的地形分辨评估。利用这些全州观测，我们考察了平原、山谷和山顶/斜坡站点的季节性和日变化PM2.5变异性，以及两个代表性突发事件：一次季前尘埃事件和一次冬季作物秸秆燃烧事件（从印度西北部输送而来）。除了表征PM2.5动力学之外，我们将卫星气溶胶产品（MODIS的Terra和Aqua以及Wang处理的MERRA-2再分析）与CUPI观测进行对比评估，以识别它们在复杂山地地形中的优势和结构性局限。通过将地面观测与卫星和再分析数据集相结合，本研究提供了北阿坎德邦气溶胶变异性的一体化区域评估，并建立了改进卫星产品、再分析数据集以及未来中喜马拉雅地区气溶胶输运和相互作用研究的基准。

各章节摘要

站点与研究时段

北阿坎德邦（28.7–31.5°N, 77.6–81.0°E）面积约为53,500 km2，占据了紧邻印度-恒河平原（IGP）北侧的复杂山区。急剧的海拔梯度，从相邻平原（约400 m）到深切山谷（约1000–2000 m）再到各山脉的山顶/斜坡，强烈影响着边界层演化、山谷环流和污染物输运（图1）。为了研究PM2.5变异性，CUPI传感器部署在这些……

北阿坎德邦各站点的PM2.5分布

图3中的小提琴图展示了2022年各监测站点PM2.5统计分布的全面视图。这些图将四分位距和中位数与完整数据密度结合起来，从而捕捉到某一地点的平均行为以及极端值的频率。这种方法比仅使用季节均值能实现更有意义的解释，使我们能够评估站点特定的地理和排放如何影响空气质量制度。

总结与结论

本研究利用分布式的CUPI传感器网络，辅以二十年的MODIS AOD观测、VIIRS火点检测和Wang处理的MERRA-2 PM2.5场，首次呈现了北阿坎德邦——一个物流困难、地形复杂的山区——PM2.5变异性的全州评估。综合分析提供了对气溶胶季节演化、地形对近地表PM2.5的影响以及卫星和……

CRediT作者贡献声明

Kiran Sharma：写作-审阅与编辑，资源，数据整理。Jaydeep Singh：写作-审阅与编辑，可视化，数据整理。Chandra Mohan Singh Negi：写作-审阅与编辑，资源，数据整理。Mayank Kumar Chauhan：写作-审阅与编辑，可视化，数据整理。Ravi Shankar Kuniyal：写作-审阅与编辑，资源，数据整理。Tomoki Nakayama：写作-审阅与编辑，资源，项目管理，资金获取。Nandan Singh Bisht：……

未引用参考文献

Kaskaoutis等，2014；Kumar等，2018；Sarkar等，2018。

数据可用性声明

数据可应要求提供。

利益冲突

我声明没有需要申报的利益冲突。

利益冲突声明

? 作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢：本研究由日本京都RIHN的AAKASH项目资助（项目编号14200133）。作者感谢耐尼尔ARIES主任提供的宝贵支持。作者也感谢美国国家海洋和大气管理局空气资源实验室（NOAA ARL）提供HYSPLIT输运和扩散模型和/或READY网站（https://www.ready.noaa.gov），用于本出版物。感谢审稿人提供的宝贵意见和建议，这对我们……

作者列表：Vikas Rawat | Narendra Singh | Surendra K. Dhaka | Ramesh P. Singh | Mayank Kumar Chauhan | Jaydeep Singh | Yutaka Matsumi | Tomoki Nakayama | Sachiko Hayashida | Chandra Prakash | Chhavi Pant Pandey | Alok Sagar Gautam | Kuldeep Singh | Anant Dimri | Dinesh Kumar Sharma | Chandra Mohan Singh Negi | Kiran Sharma | Nandan Singh Bisht | Ravi Shankar Kuniyal | Pushpa Bhakuni Negi | Mahender Partap Singh Rana