兰州市大气重污染气象成因分析

兰州市曾经是全国乃至全世界空气污染最严重的城市之一,重度空气污染特征明显.根据兰州市环境保护局公布的大气污染数据及气象局的气象观测数据,采用时间序列法和相关统计方法对兰州市2002—2011年空气污染指数(Air Pollution Index,API)大于200的大气重污染特征进行研究,并探析了其气象学成因.结果表明,静稳型重污染发生天数约占重污染发生总天数的77%,而沙尘型重污染只占23%.静稳型重污染是兰州市最主要的大气重污染类型,它往往存在PM10、SO2和NO2三种污染物同步累积的过程,持续时间长,主要发生在冬季;而沙尘型重污染持续时间短,由于外来高浓度沙尘输送的影响,PM10浓度会急剧升高,而SO2和NO2浓度则会明显下降(SO2、NO2浓度明显低于静稳型重污染),几乎都发生在春季.对它们的成因分析表明:静稳型重污染的气象学成因主要是风速小,稳定能量大,大气环境稳定度大,不利于湍流扩散,本地源污染物持续积累造成;沙尘型重污染气象学成因主要是春季气候干燥,相对湿度低,造成大风沙尘天气,给兰州市输送大量沙尘颗粒形成大气重污染.此研究结果可为兰州市大气重污染的防治提供科学依据.     

京津冀区域重污染天气过程数值预报评估新方法

利用区域空气质量监测数据、空气质量模式数值预报产品及天气图资料,建立了一种适用于区域重污染天气过程预报的评估方法,将其用于评估NAQPMS模式系统对2013年和2014年京津冀地区静稳型、沙尘型和特殊型3类重污染天气过程的预报能力,并探讨了重污染天气过程早报、晚报及漏报的可能气象条件原因,以提高预报准确率.结果表明:数值模式系统提前3 d预报重污染天气过程的预报准确率可达57%,秋冬季预报效果好于其他季节,静稳型预报效果好于沙尘型和特殊型.对模式AQI预报结果统计发现,当预报AQI值达到150以上时,实际发生重污染天气过程的概率较大,如定义AQI等于150作为重污染天气预警临界值,模式预报准确率可提高至70%以上.天气系统对污染过程预报有重要影响,WRF气象模式对中低层天气系统位置及强度预报偏差是导致静稳型污染过程早报和晚报的一个重要原因.     

杭州市静稳天气指数构建及应用研究

采用杭州市近7年的气象与环保监测资料,综合考虑2 m相对湿度、10 m水平风速、日均海平面气压、24 h变压、24 h变温、低层逆温等气象因子,通过历史样本统计划分阈值范围再权重求和的方法,构建了静稳天气指数（SWI）.经过实况回算检验,分析所建指数与污染天气的对应关系,并应用到重污染天气成因分析、空气质量预报和污染减排评估等方面.结果表明：①SWI可以综合反映大气静稳程度,与PM_2.5浓度有较好对应关系,SWI越大越容易出现污染天气,SWI大值最易出现在冬季,其次为秋季和春季,夏季主要污染物往往是臭氧,不易发生中度以上的污染天气.②SWI可用于判断杭州秋冬季重度及以上污染天气的成因,平均而言SWI<6.7时不易出现重度及以上污染;若SWI<6.7时仍出现重污染天气,可判断主导风向上游的外来污染物输入是引起重污染的主要原因,根据前期SWI的相对大小可判断有无叠加前期本地污染物积累;若SWI持续大于6.7且出现重度及以上污染天气,可判断由大气静稳而产生的本地污染物堆积是主要成因.③依据预报数据计算的SWI对空气质量分级预报有较好的参考价值,在短期和中期预报时效内均有表现力.④将SWI应用到G20会议期间污染减排效果评估中发现,在气象条件静稳程度相当时,减排措施有效降低了污染程度.     

沙尘天气对北京大气重污染影响特征分析

利用北京市具有代表性的大气污染物监测站资料,统计出2000-2005年各月重污染的天数,并对4和5级的重污染特征进行分析.结果表明,北京市大气重污染主要源于颗粒物.分析了北京沙尘型重污染年、季节变化特征和表现形式等.利用2000-2005年北京及周边地区环境监测、卫星遥感以及气象等数据,对沙尘天气影响北京城区大气中ρ(PM10)进行分析发现,ρ(沙尘粒子)约占ρ(PM10)的1%～13%;沙尘天气的影响区域逐渐加重的顺序为前门<古城<车公庄<农展馆<东四<天坛<奥体中心<定陵;沙尘天气下ρ(PM10)具有双峰型特征,细粒子(PM2.5)质量浓度的增加对人体健康影响极为不利.     

2013~2014年北京大气重污染特征研究

从污染物浓度的时间变化、空间分布以及大气污染类型等方面,对2013~2014年北京大气重污染过程进行了分析,并初步探讨其影响因素.结果表明:2013~2014年北京共出现大气重污染105d,重污染频率为14.4%.其中,首要污染物为PM_2.5的天数为103d,首要污染物为PM₁₀和O₃各有1d;冬半年重污染天数占全年的76.2%.重污染气象要素特征主要表现为风速小、湿度高、能见度低.重污染日PM_2.5/PM₁₀浓度比值为91.3%,明显高于全年平均水平,表明重污染时颗粒物以细颗粒物为主.北京大气重污染区域分布表现为南高北低,平原高、山区低的总体特征,交通站重污染天数普遍高于市区其它站点.北京大气重污染主要表现为积累型、光化学型、沙尘型以及复合型等类别;其中积累型大气重污染往往伴有区域污染水平的整体升高,PM_2.5组分中NO₃^-、SO₄^2-、NH₄⁺等水溶性二次离子的浓度增幅最为明显;O₃污染在近两年有加重的趋势.     

北京低能见度污染天气发生频率与成因特征研究

低能见度污染天气(LVPW)是气象条件与大气污染耦合形成的能见度<1000m且空气质量在3级以上的污染天气.本文利用谷耿搜索获取的资料作为样本观测值进行了统计,空气质量3级以上LVPW对污染日数的发生频率达4.7%,对样本总体的发生频率迭1.45%.与上世纪末相比,北京沙尘型污染天气相对活跃,但静稳型LVPW发生频率是沙尘型LVPW发生频率的3倍还多.北京LVPW的时空特征需进行深入研究.     

基于综合立体观测网的京津冀地区污染过程分析

为揭示大气污染的演变规律,推动京津冀及周边地区空气质量的持续改善,针对大气重污染发生—演变—消散全过程的核心科学问题,在京津冀及其周边地区建立大气污染传输通道立体观测网,围绕2017年秋冬季和2018年春、秋、冬三季开展重污染时段和重污染过程的地基和车载走航观测,评估区域大气污染输送和城市间大气污染的相互传输量.结果表明:北京市污染呈明显的区域性特征,春季主要受区域不利扩散条件及沙尘传输影响,秋季主要受西南通道传输影响,冬季主要受西南、南部、东南通道混合层内传输与区域扩散条件不利的共同影响.秋冬季京津冀地区NO₂、SO₂污染物垂直柱浓度整体低于西南、东南和南部输送通道区域,当弱南风静稳天气条件主导时,北京市易受到污染物输送的影响,形成局域污染过程.研究显示,北京市重污染时段外来污染物各类尺度输送通道中,西南通道污染传输为主导,部分时段还受到东南和东部通道污染传输的影响.      

基于风廓线雷达对成都地区典型持续性重污染天气的研究

基于风廓线雷达数据、大气污染数据及气象数据对2017年12月17日—2018年1月3日成都地区的一次持续性重污染天气过程进行研究,并对两次污染物浓度爆发式增长阶段的污染原因及污染物来源进行了分析.结果表明:①在这次重污染天气过程中,风廓线雷达高精度的风场资料(包括水平风速、风向、垂直风速、大气折射率结构常数C■)配合其他气象要素在分析两个污染阶段污染物的累积及扩散、输送中可以发挥重要的作用,即当成都地区水平风场风速较小且风向多变时,此时受静稳型天气控制,污染物浓度会快速累积增长,而当出现较强的东北风时,可能会有沙尘污染物的输入,应注意沙尘天气的提前预警.垂直风场中垂直速度和大气折射率结构常数C■的变化往往影响着污染物浓度的变化,由于风廓线雷达具有较高的时间分辨率,因此,对污染天气过程的变化有一定的指示意义.②结合局地环流指数和边界层通风量,重新定义了一种适合成都地区风场特征的通风指数:有效通风量(EVI),从而表明第一阶段污染的主要原因是成都地区由静稳型天气控制,边界层内风场对污染物的稀释扩散能力差,导致污染物累积.③通过后向轨迹模拟并结合PM_(2.5)浓度数据进行聚类分析,认为第二阶段污染主要是东北方向携带有大量沙尘污染物的气团输送到成都地区导致的,与源于西北地区沙尘天气的沙尘输送密切相关.     

传输指数在合肥市重污染过程中的应用分析

利用潜在源区贡献法计算了合肥市2015年冬季传输指数,并基于传输指数和PM_(2.5)浓度将合肥市的重污染过程划分为3类,同时对各类重污染过程进行气象成因分析.结果表明:污染物传输型重污染过程的传输指数明显增大且PM_(2.5)浓度急剧增大;污染物积累型重污染过程的传输指数无明显增大且PM_(2.5)浓度逐渐增大;污染物暴发性排放型重污染过程的传输指数无明显增大但PM_(2.5)浓度急剧增大.污染物传输型重污染过程主要是高压南下迫使北方重污染气团输送引起的;污染物积累型重污染过程主要是静稳的天气形势导致污染物堆积造成的;污染物爆发性排放型重污染过程是由污染物暴发性排放而无法及时扩散引起的.     

2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析

利用常规气象观测资料、空气质量监测资料、再分析资料和数值模式资料,分析了2014年2月20-26日京津冀地区持续重污染天气过程的环流背景、气象要素特征、静稳天气条件和传输条件.结果表明：2月20-26日,亚洲东部受弱高压脊控制,京津冀及周边地区位于地面高压后部,等压线较为稀疏,气压梯度小,造成地面风速较小;与此同时,混合层高度低,通风系数小和逆温存在,构成重污染天气出现和维持的气象条件,均不利于大气中污染物和水汽的垂直和水平扩散.静稳天气指数对于重污染天气有一定的指示意义,高静稳天气指数通常对应高PM_2.5浓度,且二者变化趋势一致性高;2月20-26日静稳天气指数总体上大于2014年1-3月其他几次污染过程,且在高位长时间维持,造成此次污染过程更严重.此外,传输条件也是京津冀重污染天气的主要成因：地面高压西侧的偏南或偏东气流有助于污染物和水汽向京津冀地区输送和聚集,使能见度进一步降低、污染物浓度进一步升高.     

北京冬奥会同期空气污染数值模拟

第24届冬季奥运会将于2022年2月4—20日在我国北京市和河北省张家口市联合举办,主要会场有北京奥体中心、北京延庆县和张家口市崇礼县.为了模拟分析冬奥会空气质量情况,利用冬奥会同期(2006—2016年2月)北京市和张家口市空气质量资料及韩国气象厅天气图资料(2013—2016年2月),分析该时段重污染发生的频次,统计不利于污染物扩散的天气形势出现概率及污染传输路径,并结合嵌套网格空气质量预报模式(NAPQMS),评估不同减排方案对ρ(PM_2.5)的影响.结果表明:① 2006—2016年冬奥会同期,北京奥体中心和延庆县发生重污染天气的概率分别为17%和9%,污染发生的风险频率为北京奥体中心>延庆县>张家口市,并且北京奥体中心和延庆县在2月13—16日易出现持续的重污染天气过程;② 2013—2016年2月不利于污染扩散的天气形势出现概率较为频繁,尤其在850 hPa高度和地面,不利天气形势出现的概率分别为35%和41%;地面偏南风易将在北京西南方滞留较长时间的污染气团沿太行山输送至北京;③ 冬奥会期间,若于2月2—12日及17—20日将京津冀及周边城市污染物排放量在当前的基础上减排50%、2月13—16日减排75%,将可能不出现重污染日.严格控制北京及周边地区的大气污染物排放是保障冬奥会期间空气质量的必要措施.      

奥运前期与奥运期间北京市大气细颗粒物特征比较分析

利用城市生态系统研究站对北京市奥运前后(2008年6～9月)大气中细颗粒物(PM2.5)进行连续监测,获得不同阶段PM2.5日平均浓度的动态特征,分析气象因素、人为控制管理措施对颗粒物浓度的影响.结果表明,近北五环的生态中心站点(RCEES)颗粒物日均浓度平均值为0.067 mg.m-3,奥运期间的颗粒物浓度(0.060 mg.m-3)比奥运前期(0.081 mg.m-3)减少了约26%.而位于南二环市中心的教学植物园站点(JX)颗粒物浓度平均含量为0.078 mg.m-3.JX站点奥运期间的颗粒物浓度(0.069 mg.m-3)比奥运前期(0.095 mg.m-3)减少了约27%.各个阶段PM2.5的日变化都基本呈现双峰态势.第一个峰值出现在08:00～10:00左右,RCEES站点颗粒物浓度为0.068 mg.m-3,JX站点浓度值为0.089 mg.m-3;另一个峰值出现在晚20:00～22:00左右,RCEES和JX站点颗粒物浓度为0.079 mg.m-3和0.083 mg.m-3,这主要与上班交通高峰导致的尾气排放污染和道路扬尘污染等有关.研究气象参数发现奥运期间与奥运前期气象条件无显著差异,属于高温高湿风力不大的典型北京夏季天气条件.奥运期间颗粒物浓度与温度呈显著正相关(P<0.01),而与风速、相对湿度及降水相关性不显著(P>0.05).而连续多年大气污染综合治理措施和奥运空气质量保障措施的实施,产生了显著环境效益.在自然因素相差不大的条件下,人为控制因素对奥运期间颗粒物的下降起到主导作用.     

半干旱区一次典型沙尘重污染天气过程分析——以青海东部为例

利用常规气象观测资料、颗粒物监测数据,并结合污染源溯源,采用天气学原理和轨迹分析等方法对2019年5月青海东部一次沙尘重污染天气的主要成因及沙尘传输特征进行了分析.结果表明,此次沙尘重污染天气主要由贝加尔湖低槽东移携带的强冷空气沿河西走廊东移下滑,沿湟水河谷自东向西倒灌入青海东部导致,污染物随着强劲的东风影响青海东部.此外,西风环流将甘肃中部的沙尘传输至青海东部.此次沙尘天气过程地面冷空气在东移南压的过程中,沿河西走廊下滑的冷空气自青海东部河谷地区倒灌进入青海东部,甘肃境内沙尘进入青海后自东向西输送到青海东部,造成青海东部出现重污染天气.逆温层的存在使青海东部大气边界层趋于稳定,不利于污染物向外扩散,无法及时扩散的沙尘长时间维持是导致重污染天气的主要原因.沙尘天气出现前期,青海东部地区湿度条件逐渐变差,沙尘发生前,地面感热明显增加,大气中水汽减少、空气干燥是沙尘天气形成的重要条件.此次沙尘暴传输路径是自东南向西北传播,先后影响海东、西宁两地,与轨迹分析结果一致.     

沙尘天气过程对北京空气质量的影响

利用气象、沙尘暴特种观测以及环境监测等多种资料,对2010年3月19─22日沙尘天气过程的大气结构、沙尘源地和垂直水平输送条件以及北京近地层气象要素、空气质量的变化特征进行了分析.结果表明:这次强沙尘暴天气过程是由冷空气短波槽快速东移南下、地面冷锋明显发展东移造成的;前期沙尘源地土壤湿度的减小为起沙提供了有利条件,同时低层存在的较强西北气流将从源地卷起的沙尘输送到下游地区;沙尘发生时,20 m气层内风速迅速增大,气层内垂直方向风速梯度也逐渐增大,相对湿度急剧降至20%～30%之间;受这次沙尘天气影响,北京地区ρ(TSP)以及10个区县的ρ(PM10)均迅速增加,空气质量达到重污染.     

北京市秋冬大气污染传输特征遥感研究

综合地基遥感、卫星遥感与地面监测数据对北京市2016年10月—2017年3月的污染来源及传输特征进行分析,并结合气象数据对污染形成的气象条件进行研究.结果表明,冬季重污染发生频率最高,2016年12月和2017年1月发生频率均超过30%.平缓型污染以本地来源为主,单峰型和多峰型污染由本地污染与区域传输共同导致.平缓型和单峰型本地污染集中在北京中南部,多峰型扩散至全市.区域传输方向均以西南为主,单峰型和多峰型存在东南传输.单峰型以1次传输为主,多峰型均为多次传输.传输层的高度差异较大,但均在0.3～0.5 km高度存在低空传输层,并且存在高于1.0 km的高空传输.平缓型、单峰型和多峰型污染的垂直延伸高度分别为0.5、0.7和1.0 km.研究污染发生时的气象条件,发现污染发生时风向均以西南风为主,发生频率高于60%,其次为东南风.相对湿度和消光系数随污染等级提升逐渐升高,当相对湿度高于70%时,多峰型污染消光系数高于2.0 km~(-1)的频率达到63.33%.3种类型污染发生时的逆温频率均高于75%,高强度的贴地逆温是造成本地污染的成因之一.     

北京奥运会及残奥会期间PM10质量浓度演变特征及成因

2008年8─9月北京及周边各省市ρ(PM_(10))明显低于2006─2007年同期值. 结合污染物监测数据及气象资料,采用影响因子资料统计以及典型个例诊断对比法,研究造成北京奥运会及残奥会期间低ρ(PM_(10))的原因. 对2006─2008年同期风速的统计表明,2008年7─10月北京各月平均风速均低于往年,2 m/s以上的风发生频率低于往年,不利于大气污染物扩散. 2008年8月北京月降水量与2005年接近,但ρ(PM_(10))明显优于2005年,可见降水并不是该次ρ(PM_(10))月均值低的原因. 对比2006─2008年8─9月典型相似累积型天气型背景影响下ρ(PM_(10))日均值及演变过程发现,2008年ρ(PM_(10))日均值及演变曲线均低于往年. 根据对影响因子统计和北京及其周边省(市、区)严格的减排措施等分析,指出天气形势及其伴生的气象因素演变可能影响ρ(PM_(10))日均值波动,但六省(市、区)协同减排是保障优质空气质量的主要原因.     

京津冀和长三角地区一次重霾过程气象成因及传输特征

基于气象数据和空气质量数据,研究了2016年12月29日~2017年1月8日京津冀与长三角地区一次大范围重度污染过程的特征及成因.结果表明,均压场、低边界层高度、静小风是本次重污染过程的主要气象特征,重污染过程的结束得益于后期气压梯度变大,水平扩散条件转好.此外,基于WRF-CMAQ（气象研究与预报建模系统及区域多尺度空气质量模型）模式情景分析法评价了区域传输和局地累积对本次重污染过程的作用,分析显示重污染前期当中东部地区受南风控制时,京津冀地区受长三角地区传输影响较大（15%~20%）,长三角地区以本地贡献为主;累积阶段,长三角地区本地贡献显著下降,受到京津冀地区的贡献明显上升（20%~30%）,京津冀地区主要受本地排放影响.传输通量结果显示长三角向京津冀输送的净通量峰值发生在重污染前期（-21.52t/d）,京津冀向长三角输送的净通量峰值发生在累积阶段（17.29t/d）,区域传输作用在1001~1478m之间最为活跃.     

北京冬季疫情期间空气质量及气象影响分析

针对北京地区2020年冬季疫情防控期（1月24至2月29）的空气质量及两次持续性重污染过程进行分析,探究了该时段的大气污染特征及其气象影响.与过去5a同期相比,2020年疫情防控期间北京冷空气强度偏弱,活动频次偏少50%,气温偏高0.73℃,风速和混合层高度偏低17.8%和32.5%,相对湿度和露点温度增加60.9%和48.1%,偏北风频率减少7.5%,而偏南风和偏东风频率均增大6.0%;气象条件较历史同期明显转差;虽然降水量偏多,但整体降水强度弱、时次集中,因而颗粒物的整体清除作用有限.两次重污染过程（1月24~29日和2月8~13日）分别维持59和75h,两个过程累积阶段（1月24~25日和2月9~11日）均受区域输送影响较大,输送占比为70%和58%,分偏东和偏南两个通道.针对污染过程的源解析显示,本地污染贡献占比为67%和48%,可见在维持和加重阶段颗粒物的吸湿增长和二次生成占比增加.经分析,“高湿静稳”的不利气象背景下,大气垂直动力和水平辐合的叠加使PM_2.5和水汽在北京平原累积,将其压制在边界层内快速增长;升高的污染物也与静稳的边界层气象因子双向反馈,导致污染进一步加重.根据EMI指数计算,2020年冬季疫情防控期的气象条件约引起70.1%的PM_2.5浓度增加;而与过去5a同期相比,疫情防控期间排放的减少抵消了约53%的不利气象条件影响;两次污染过程与过去5a同期的9次过程相比,EMI分别偏大26.9%和19.7%,但PM_2.5浓度基本持平或略有降低.可见,在目前的排放基数上,即使出现特殊情况下的城市封锁,排放量的减少将削减污染浓度峰值,但仍不足以完全抵消不利气象条件的影响.