边界层方案对华北一次污染过程模拟的影响

采用WRF模式中YSU、MYJ和ACM2 3种边界层参数化方案,利用WRF模式和空气质量模式CAMx对2015年11月11~15日发生在京津冀地区的一次污染过程进行了模拟,同时利用地面气象要素、风廓线、秒探空和空气质量观测数据对3种参数化方案下的模拟结果进行了验证对比.一种基于临界垂直湍流交换系数确定边界高度的方法被用于对比3种参数化方案之间垂直扩散能力的差异.结果表明,MYJ方案对10m风速高估最大（平均高估0.66m/s）,对2m温度和2m湿度低估最小,YSU和ACM2方案对地面气象要素的模拟效果相近;ACM2方案对于边界层内垂直廓线模拟效果优于YSU和MYJ方案,但是3种参数化方案对边界层内风速均存在高估（高估可达2.6m/s）;基于临界垂直湍流交换系数方法定义的边界层高度更能反映大气的垂直扩散能力,MYJ方案边界层高度最小,其模拟的PM_2.5浓度最高;MYJ方案对于地面风速的高估,会降低模拟的区域整体PM_2.5浓度,但是会增加风速较大区域下风向的PM_2.5浓度;ACM2方案对边界层垂直廓线模拟最好,夜间底层垂直湍流交换系数计算值较大,使得ACM2方案对于本次过程中PM_2.5等污染物的模拟优于MYJ和YSU方案.     

边界层方案对南京地区PM2.5浓度模拟的影响

基于WRF-Chem空气质量模式采用YSU、MYJ、MYNN2、ACM2,4种边界层方案和基于ACM2的敏感性实验方案ACM2R2（模式最低6层的湍流扩散系数阈值改为2m²/s）和ACM2R5（模式最低10层的湍流扩散系数阈值改为5m²/s）,对南京地区冬季出现的一次天气污染过程进行模拟,分析了不同边界层方案对南京地区PM_2.5浓度模拟的影响.结果表明,6种方案对地面气象要素和风温湿廓线的模拟显示了较为合理的日变化特征及高度变化趋势,不同边界层方案之间气象要素差异较小.各方案均较好地模拟出了边界层高度逐日变化和日变化特征,以及PM_2.5浓度随时间的变化趋势,但是YSU、MYJ、MYNN2和ACM2,4种边界层方案在夜间对PM_2.5浓度的模拟均存在较大程度的高估,而ACM2R2和ACM2R5在ACM2的基础上显著地降低了PM_2.5浓度,甚至转为低估.从整个时段的偏差上看,ACM2R2最接近观测值.这是由于ACM2R2夜间湍流扩散系数较高,更利于源于地表的污染物向上扩散,使得ACM2R2方案在夜间相比原ACM2方案模拟所得的地表PM_2.5浓度更低,从而改善了原方案高估的现象.ACM2R5夜间湍流扩散系数更高,后期扩散过强从而产生较大低估.这些结果表明湍流扩散系数的不同是PM_2.5浓度模拟差异的重要原因,准确地参数化边界层方案夜间湍流扩散系数对于提高PM_2.5浓度模拟的准确度十分必要.     

四川盆地一次污染过程的WRF模式参数化方案最优配置

精准的气象场是空气质量模型的基础,本文对中尺度气象模式WRF(The Weather Research and Forecasting)中微物理过程方案、陆面过程方案、行星边界层方案以及积云参数化方案进行组合,设计了24组参数化方案,对2014年5月初四川盆地内一次空气重污染过程中的气象场进行了模拟,将模拟输出的10 m风速、2 m温度、2 m相对湿度、水汽混合比廓线及位温廓线与研究区内14个气象站及1个探空站的实测数据进行对比.结果表明,Mellor-Yamada-Janjic(MYJ)边界层方案能更好的模拟出盆地内风速的变化趋势,而Yonsei University(YSU)边界层方案模拟的2 m相对湿度效果更优.第16组参数化方案(由WRF Single-Moment 3-class(WSM3)方案,热扩散(SLAB)方案、Mellor-Yamada-Janjic(MYJ)方案及Grell-Devenyi(GD)方案组合)能够较好地模拟盆地近地面风场的水平分布及风速的日变化规律,模拟的温度日变化规律更贴合实际情况,同时能够模拟出边界层内水汽混合比及位温的垂直分布特征,对边界层内逆温层和混合层的模拟也更加贴近实际,尽管该方案对2m相对湿度的模拟并不是最好,但基本能够模拟出四川盆地气象要素的变化特征,因此认为第16组参数化方案(WSM3,SLAB,MYJ及GD)适用于模拟此次重污染过程的气象场.     

边界层方案与垂直混合对京津冀地区O3模拟的影响研究

采用WRF-Chem模式中的3种边界层方案YSU、MYJ和ACM2对2019年6月京津冀及周边地区典型O₃污染月份开展模拟研究.详细对比了各方案对地面气象要素、NO₂和O₃浓度时空分布,以及温湿风要素和O₃浓度垂直分布的模拟效果.结果表明：3种方案对地面气象要素的时空分布和温湿风要素的垂直变化模拟较为合理.MYJ方案模拟地面气象要素整体效果最佳.各方案对边界层高度的日变化特征模拟较好,相关系数为0.58~0.69,但存在白天偏高、夜间偏低的现象,YSU方案相比效果最佳.3种边界层方案对NO₂浓度模拟普遍高估,而O₃模拟结果则出现低估.白天模拟偏差较小而夜间偏差较显著.模拟最佳的是ACM2,其次为YSU和MYJ.3种方案均较好地模拟出了O₃的垂直分布特征,但整体低估了O₃浓度.对上午O₃垂直分布的模拟差异较下午更为明显.此外,基于YSU方案设置了3个敏感实验,通过调整化学模块所用的湍流扩散系数阈值,对比分析了垂直混合过程改变对O₃浓度模拟的影响,模拟的变化只反映由于边界层的垂直混合过程改变造成的污染差异,而不是由于热动力场的调整造成的变化.模拟结果表明3个方案均可改善区域上地面NO₂和O₃的模拟性能,尤其是对原3种边界层方案模拟O₃均明显低估的华北平原地区提升效果最显著,平均偏差降低了23.7%.在垂直方向上,湍流扩散系数阈值的调整增加了早间近地面模拟的O₃浓度,改善了模拟偏低的现象,但同时增大了高层O₃浓度的负偏差.敏感性方案显著改善了夜间的模拟,白天则并不明显.这些结果显示出湍流扩散系数对O₃垂直混合的重要影响.因此,改进湍流扩散系数的参数化对O₃模拟是必要的.     

基于长时间序列的北京PM2.5浓度日变化及气象条件影响分析

基于2005~2014年北京宝联(城区)和上甸子大气成分本底站(郊区)监测结果得到了PM_(2.5)质量浓度日变化特征,并且讨论了气象条件的影响.结果表明,北京城区PM_(2.5)质量浓度10年平均值的日变化呈双峰分布,对应早晚出行高峰.但是,该特征在2007年以后才比较明显.月际(季节)变化表现为单峰与双峰之间、日最大值在早高峰与晚高峰之间的转换.一年中早峰值浓度在5~8月最高,与地面风速小、相对湿度以及水汽压(空气绝对含水量)较高有关,该季节晚高峰期间浓度变化相对较小主要受混合层较厚、地面风速大、降雨天气发生频繁的影响.11~12月和1~2月的16:00以后浓度明显升高,混合层顶高度在14:00~17:00大幅度下降是重要的影响因素.此外,严重和重度污染日09:00以后污染加重,与年平均值和中度污染日不同.边界层偏南风对来自周边地区高架源的污染物输送是其重要的影响机制.PM_(2.5)质量浓度日变化幅度随污染加重而增大.日最大风速和相对湿度日变化对浓度日变化幅度有影响,而且午后地面出现4~6 m·s-1的偏南风也会加大日变化幅度.北京郊区PM_(2.5)质量浓度多年平均值日变化呈单峰分布,日最大值超前于城区.而且,昼间的浓度在5~7月高于冬季.本研究结果将有助于细化不利扩散条件下的污染减排方案.     

深圳地区海岸复杂地形下大气输送与扩散模拟

利用边界层预报模式提供的非定常的风场和湍流场，采用实用的考虑风切变的烟团模式模拟了海岸复杂地形下高架点源排放ＳＯ２的地面浓度变化特征。联接模式细致地考虑了地面反射，混合层穿透和反射。结果反映了风场湍流场的非均匀非定常对浓度分布有较大影响。     

一次以南京为中心的夏季PM_(2.5)污染岛污染事件的数值模拟

2013年6月23~24日南京及其周边地区发生了一次小范围、突发性的气溶胶污染事件,PM_(2.5)的平均浓度达到242μg/m3,在夏季比较少见.本文利用WRF-chem模式对该PM_(2.5)污染事件进行模拟,通过对模式结果进行分析表明:此次污染事件与天气形势和边界层结构有着直接联系.此次污染发生时江淮地区正处于梅雨时节,南京及其周边地区处于江淮低空切变线上,切变线附近有辐合的流场,东部上游排放源的贡献和南京本地的静稳风场导致污染物在南京堆积.污染期间有比平时更强的气粒转化过程,23日PM_(2.5)浓度受到SO2减半的影响,浓度减少量为9.8%,受NOx减半影响的减少量为7.3%.污染发生期间南京地区上空温度垂直梯度较小,温度层结不利于污染物的垂直扩散,边界层高度较低,低层大气湍流活动较弱,垂直高度上的稳定层结也为污染物集聚提供了条件.     

昆明低空大气温度层结特征与空气质量的Logistic判别模型

低空大气逆温及地面风速是影响空气质量变化的主要气象条件,特别是逆温的频率、强度制约着大气污染物聚积和扩散。定义了1km以下低空大气的温度层结强度。利用昆明L波段探空雷达加密数据,统计了2014—2018年08 h探空数据温度层结特征,分析了逆温的频率、强度和地面风速等气象要素与空气质量的相关性,建立基于Logistic判别方法的昆明空气质量指数和PM_(2.5)浓度的拟合模型。结果显示:基于定义的温度层结强度的统计,昆明1km以下低空大气整层的逆温发生频率10.7%,年平均强度0.13℃·(100m)~(-1),逆温的频率和强度月变化曲线与轻度污染及PM_(2.5)浓度的变化联系密切;温度层结强度和地面风速通过了α=0.05的相关系数显著性检验,与空气质量指数和PM_(2.5)浓度相关性好,最佳的气象要素因子的相关系数可达到0.3660;Logistic判别模型对轻度污染的拟合准确率在66.3%以上,优良空气的拟合准确率在72.5%以上;对PM_(2.5)浓度超标的拟合准确率在59.9%以上,PM_(2.5)一级浓度的拟合准确率在68.8%以上。     

京津冀区域重污染期间PM2.5垂直分布及输送

2016年12月17～19日重污染期间,在天津市武清区高村开展车载系留气球颗粒物浓度垂直观测,并以观测数据为基础,计算了区域内PM_(2.5)传输通量.结果表明重污染过程期间,大气混合层较低,约200 m左右,PM_(2.5)浓度垂直分布特征与混合层高度密切相关,混合层以下,PM_(2.5)浓度较高,垂直变化特征不显著,形成明显的污染层,混合层以上,PM_(2.5)浓度迅速降低并维持在降低水平.观测期间,粒径小于1. 0μm颗粒物浓度较高,粒径大于2. 2μm颗粒物浓度较低,近地层粒径为0. 777μm颗粒物浓度最高.颗粒物浓度粒径谱分布与相对湿度和混合层高度相关,高湿度和低混合层下颗粒物浓度粒径谱分布较宽泛.观测期间,PM_(2.5)在西南方向上的传输通量最高,占总传输通量的63. 3%,其中46～156 m和156～296 m高度之间PM_(2.5)传输通量最高.近地面300 m内PM_(2.5)传输主要以西南方向传输为主,300 m以上传输方向较分散.     

北京大气热力和动力结构对污染物输送和扩散条件的影响

利用北京、天津、河北地区常规气象数据、PM_(2.5)浓度、激光雷达数据,铁塔数据,结合风廓线数据对2015年10月13~17日发生在北京的空气重污染过程中大气热力和动力结构进行分析.结果表明,白天热力条件转好后,边界层低层垂直方向气流由上-下运动转变为倾斜运动,同时水平方向偏南风增大,高浓度气团向北京移动,污染物输送增强,造成这种空间结构的原因主要是热力条件加强后等温面由准东-西向转变为西北-东南向,由于山地加热激发的重力波振幅在白天增强,高空水平方向输送至北京的污染物在垂直方向出现向上和向下的传输.16日白天地面PM_(2.5)浓度的快速升高,这是在PM_(2.5)存在一定垂直交换的情况下,近地面偏南风输送的作用所致,以上出现的大气污染物输送和扩散机制可以在一定程度上解释区域重污染背景下,白天混合层高度升高而近地层PM_(2.5)浓度却随之升高的现象.     

2008～2017年北京市PM2.5周期性变化特征与影响机制

利用Morlet小波方法分析北京市2008~2017年PM_2.5资料,结果表明,北京市PM_2.5浓度存在显著的日变化、周变化、以及季节和年变化周期性特征,并且秋冬季的周期性特征显著高于春夏季.结合气象资料,包括水平风速、大气边界层高度、以及大气稳定度指数等,分析PM_2.5不同周期性变化对应的主要影响机制表明：大气边界层过程是PM_2.5日变化的主要影响机制,导致PM_2.5浓度白天低、夜间高.秋冬季PM_2.5日变化幅度高于春夏季;天气过程是PM_2.5周变化的主要机制,PM_2.5浓度与天气变化过程带来的风速变化和边界层高度呈强反相关关系;PM_2.5的季节变化与大气扩散能力的季节变化密切相关,秋冬季减弱的大气扩散能力加速了PM_2.5在近地面累积,春夏季则相反.     

新型垂直探测资料在污染天气分析中的应用

针对2017年1月上旬广州地区出现的一次持续时间长的重污染天气过程,基于地面观测资料、激光雷达、风廓线雷达和微波辐射计数据,从水平和垂直扩散条件2个方面分析了此次污染过程的形成和维持的原因.结果表明：（1）本次污染过程期间,广州地区地面风速基本为小于2m/s的偏北风,在300m高度以下普遍存在平均水平风速低于2.6m/s的小风层;污染前期640m高度内的各层回流指数廓线小于0.6,100m高度小于0.4,污染缓解后回流指数高于0.7.（2）地面PM_2.5浓度与逆温强度的相关系数为0.42,过程平均逆温厚度167m,平均逆温强度为1.08℃/100m;（3）PM_2.5浓度与边界层高度的相关系数为-0.56,清洁时段的平均边界层高度（876m）约为污染时段（620m）的1.4倍,过程最低边界层高度为267m;PM_2.5浓度与边界层通风量的相关系数为-0.61,清洁时段的平均边界层通风量（2538m²/s）约为污染时段（1136m²/s）的2.2倍,使用边界层通风量能更好表征大气污染的程度.     

2016年冬季寿县一次边界层低空急流对污染物扩散的影响

利用安徽寿县地区2016年12月16~17日的观测资料与模拟资料,分析了一次夜间边界层低空急流对PM_2.5扩散的影响.此过程中,急流分布范围广,强度大,最大风速可达10~12m/s,而且风向随高度有明显转向,高低层风向差可达90°.急流发展过程中,急流轴基本位于200m以下,急流的最小风速高度出现在400~800m之间.通过分析可知,对于不同高度,急流对污染物扩散的影响存在明显差异.地面至急流轴范围内,PM_2.5总体减少.急流的出现使湍流混合明显增强,在湍流作用下污染物向上混合,使该层PM_2.5显著减少,净质量通量的峰值可达-103×10^-3μg/(m²·s).急流的水平输送可带来上风方较为清洁气团,同样减少了该层的PM_2.5浓度.但与湍流作用相比其影响较小,净质量通量仅为-2.9×10^-3μg/(m²·s).急流存在时,还会加强向下的垂直风速,在垂直输送作用下,上层污染物向下输送,增加了该层PM_2.5浓度,净质量通量约为11×10^-3μg/(m²·s).急流轴至风向转变高度之间,PM_2.5总体增加.这是由于湍流作用将低层高浓度污染物输送至该层,使PM_2.5浓度增加,净质量通量约为23.9×10^-3μg/(m²·s);水平输送作用使该层PM_2.5浓度略有增加,净质量通量约为2.3×10^-3μg/(m²·s);而垂直输送作用带来了高处较为清洁的气团,减少了PM_2.5浓度,净质量通量约为-6.6×10^-3μg/(m²·s).风向转变高度至LLJ最小风速高度之间,PM_2.5总体增加.湍流作用仍占主导,净质量通量约为17.8×10^-3μg/(m²·s);垂直输送作用稍有贡献,净质量通量约为1.4×10^-3μg/(m²·s);而水平输送起减少作用,净质量通量约为-3.7×10^-3μg/(m²·s).     

2013~2019年上海早晨接地逆温指标与PM2.5定量关系研究

利用2013~2019年上海宝山观象台08：00时高分辨率气象探空资料识别SBI并计算其3个指标（垂直温差、厚度、强度）,发现在易污染月份（11月、12月、1月、2月）上海早晨SBI的发生频次为35.7%,垂直温差、厚度、强度分别为3.7℃、118m、3.6℃/100m.2013~2019年出现接地逆温的频次有所下降,但其3个指标均没有显著的年变化趋势.当出现接地逆温（SBI）时,2019年易污染月份早晨的PM_2.5浓度高达61.9µg/m³,较无逆温（NTI）时偏高了79%,表明SBI是促发早晨PM_2.5污染的重要气象条件之一.SBI的大气动力热力条件呈现水平风速降低（69%）、边界层通风能力下降（18%~44%）、垂直层结稳定（Ri>0.25）和低温（降低42%）、高湿（上升10%）的特点,非常有利于PM_2.5的局地累积和二次非均相生成,使得2013~2019年早晨的PM_2.5浓度较NTI时偏高了20%~107%.PM_2.5浓度与SBI的垂直温差、厚度都显著正相关,分别拟合为二次非线性关系（P<0.05）,然而与强度的相关性不显著.当接地逆温的垂直温差大于4.6℃、或者厚度大于100m,PM_2.5浓度超过100µg/m³,可作为判别PM_2.5重污染天气的参考阈值.     

基于多源资料天津一次雾-霾过程的边界层特征

为探究雾-霾过程的边界层特征,选取天津市2019年12月7~10日一次严重的雾-霾典型过程,采用常规自动气象站资料、环境小时浓度资料、以及微波辐射计、风廓线雷达、气溶胶激光雷达等多种观测资料及WRF-Chem源追踪方法对此次污染过程进行综合分析. 结果表明,此次雾-霾过程可明显分为雾生成、雾与霾交替、霾、霾消散等4个阶段;雾-霾天气与大气温度层结密切相关,伴随着逆温生成,相对湿度和液态水含量最大增长速率分别达13.44%/h和0.013g/(m³·h),呈爆发性增长,相对湿度快速增至92%,微波辐射资料可较好预报雾的生成;雾与霾交替出现阶段雾天气改变了边界层结构,雾层内大气呈中性状态,相对有利于污染物在雾区内扩散,PM_2.5高浓度主要出现在边界层400m以下,雾顶持续逆温抑制了污染物向上层大气扩散,造成雾区内污染物浓度加重,地面PM_2.5质量浓度为135~223μg/m³,维持中度-重度污染;雾-霾天气与垂直风场有较好的对应关系,雾与霾交替出现阶段存在低风速和较大风速(西南风带来充沛水汽)两种有利于雾维持的情况,雾顶逆温层以上风速为6~12m/s,雾层内为1~2m/s,雾的存在不利于近地面空气质量的改善;此次雾-霾过程天津本地源排放贡献为36.1%,区域输送贡献为63.9%,整个过程表现出明显的区域输送特征.     

北京一次重污染过程的天气成因及来源分析

采用天气学分析和GRAPES-CUACE气溶胶伴随模式相结合的方式,探讨了北京市2016年2月29日~3月6日一次PM_2.5重污染过程的大气环流特征、污染形成和消散原因,并利用伴随模式追踪了造成此次重污染过程的关键排放源区及敏感排放时段.结果表明：此次重污染过程北京市PM_2.5浓度存在明显日变化,在3月4日20：00达到污染峰值,观测数据显示海淀站PM_2.5浓度达到506.4μg/m³.形成此次重污染过程的主要天气学原因是北京站地面处于低压中心,且无冷空气影响,风速较弱,逆温较强,大气层结稳定,混合层高度较低,500hPa西风急流较弱,污染物水平和垂直扩散条件差,大气污染物易堆积;此次过程中,500hPa短波槽过境、边界层偏南风急流和冷空气不完全渗透导致了本次严重污染PM_2.5浓度的短暂下降.伴随模式模拟结果表明,此次污染过程目标时刻的污染浓度受到来自河北东北部和南部、天津、山西东部、以及山东西北部污染物的共同影响,目标时刻PM_2.5峰值浓度对北京本地源响应最为迅速,山西响应速度最慢;北京、天津、河北及山西排放源对目标时刻前72h内的累积贡献比例分别为31.1%、11.7%、52.6%和4.7%.北京本地排放源占总累积贡献的1/3左右,河北排放源累积贡献占一半以上,天津和山西分别占1/10和1/20,河北源贡献占主导地位,天津和山西贡献较小;目标时刻前3h内,北京本地源贡献占主导地位,贡献比例为49.3%,目标时刻前4~50h内,河北源贡献占主导地位,贡献比例为48.6%,目标时刻前50~80h,山西源贡献占主导地位,贡献比例在50%以上.