初冬一次冷锋输送过程对中国东部霾天气的影响

利用常规地面气象资料、NCEP/NCAR再分析资料以及全国PM_2.5浓度数据,并结合后向轨迹、空气污染输送指数和传输通量分析,针对2019年12月10~11日一次冷锋输送造成我国中东部地区出现的大范围霾天气过程进行了分析.结果表明：（1）霾期间高空500hPa以经向环流为主,伴随着高空低压槽引导地面冷锋向东南方向移动,污染物浓度大值区也依次由华北地区移至黄淮、江淮地区.（2）冷锋过境前,华北至长江三角洲区域PM_2.5浓度均有明显增涨;北京以偏南方向的污染物输入为主,济南以西北和偏东方向输入为主,南京则主要是偏北和偏西方向的输入.（3）冷锋过境时,冷空气迅速将北京站的污染物清除;而济南站则受高压底部偏东风回流的影响,PM_2.5浓度维持在50μg/m³左右;冷锋推进至南京站时西北风已较小,对污染物的清除作用不明显.以江苏省为例,整个过程中,江苏本地污染物贡献占25.8%,江苏以外的污染物贡献占74.2%,以输送为主.（4）冷锋过境后,3站的边界层结构也略有不同,北京站的逆温层迅速被打破;济南站由于受海上暖湿平流影响,近地面由等温层变成逆温层;而南京站的近地面则由逆温层变为等温层.本研究揭示了在冷锋南下过程中,上游污染物对下游地区的影响,以及南北方站点表现出不同的污染物变化和清除特征.     

中国东部春季一次强冷锋活动空气污染输送过程分析

利用CMAQ(4.7.1)和HYSPLIT后向轨迹模式,结合长岛和洪泽湖站点污染物观测数据,对2011年3月31日—4月3日影响我国东北部地区的一次典型强冷锋天气空气污染过程进行模拟分析,验证表明模式能较好地模拟此次强冷锋过程. 由结果可知,此次强冷锋前后污染物浓度呈先升后降又上升的现象. 在冷锋移动过程中,锋前出现一条高浓度污染带,锋面将污染物抬升至800～500 hPa的高度,使污染物在对流层中层快速向西太平洋传输;冷锋对当地污染物的去除不仅有水平方向的推动作用,还会使污染物向高空输送. 锋面过后污染物浓度急剧降低,冷锋对长岛站点SO₂、O₃、NO_x、PM_2.5的清除率分别为90.87%、34.10%、50.56%、72.69%,对洪泽湖站点则分别为82.53%、50.45%、65.11%、36.80%. 锋面过去1~2 d后,高压控制天气形势下污染物再次开始积累、浓度回升. 冷锋前后污染物形成一个“积累—锋前抬升—高空平流输送—锋后大风清除—积累”的循环.      

一次冷锋过程中我国区域空气污染边界层特征

利用常规地面气象和探空资料、ERA-interim再分析资料、以及全国PM_2.5浓度数据,针对2015年3月7~11日一次冷空气南下的锋面天气过程中,我国华北、华东地区出现的大范围空气污染,开展了高空各层天气形势分析,以及本次过程中污染区域由北至南6个城市（北京、章丘、郑州、南阳、武汉、长沙）边界层气象要素的垂直结构及其时空演变特征的研究.结果表明：在污染前期（3月7~8日）中高纬度500hPa平直的纬向环流和地面均压场,为污染天气的发生和维持以及空气污染物的集聚提供了有利的环流场.污染中期（3月8~10日）冷空气南下,地面冷高压向华东地区移动,重污染区域随冷高压前部的弱低压场或均压场由北向南移动.伴随着天气系统移动,六个地面观测站的边界层特征在时空上表现出相似性,由北向南各站在污染期间先后出现多层逆温,风速较小,逆温层下相对湿度较大.此次多层逆温的形成是由于夜间近地面辐射冷却、冷锋移动过程中产生的锋面逆温以及边界层以上的下沉运动造成的.本研究揭示了在天气系统移动中,位于天气系统相同部位站点的边界层结构具有共同的特征,及其与空气污染的关系.     

一次冷锋过程中我国区域空气污染边界层特征

利用常规地面气象和探空资料、ERA-interim再分析资料、以及全国PM_2.5浓度数据,针对2015年3月7~11日一次冷空气南下的锋面天气过程中,我国华北、华东地区出现的大范围空气污染,开展了高空各层天气形势分析,以及本次过程中污染区域由北至南6个城市（北京、章丘、郑州、南阳、武汉、长沙）边界层气象要素的垂直结构及其时空演变特征的研究.结果表明：在污染前期（3月7~8日）中高纬度500hPa平直的纬向环流和地面均压场,为污染天气的发生和维持以及空气污染物的集聚提供了有利的环流场.污染中期（3月8~10日）冷空气南下,地面冷高压向华东地区移动,重污染区域随冷高压前部的弱低压场或均压场由北向南移动.伴随着天气系统移动,六个地面观测站的边界层特征在时空上表现出相似性,由北向南各站在污染期间先后出现多层逆温,风速较小,逆温层下相对湿度较大.此次多层逆温的形成是由于夜间近地面辐射冷却、冷锋移动过程中产生的锋面逆温以及边界层以上的下沉运动造成的.本研究揭示了在天气系统移动中,位于天气系统相同部位站点的边界层结构具有共同的特征,及其与空气污染的关系.     

基于车载雷达探测的一次华北冬季重污染天气成因研究

基于车载微脉冲气溶胶激光雷达、多普勒风廓线激光雷达和扭转拉曼廓线激光雷达的中山大学环境气象综合观测车,于2018年12月18日-22日在河北省望都县PM_2.5重污染期间开展定点观测.结合地面PM_2.5浓度和气象要素观测资料,对本次污染过程的成因展开分析.本次重污染过程日均PM_2.5浓度为163.2μg·m^-3,PM_2.5浓度的日变化特征明显,表现为白天PM_2.5浓度降低,傍晚至次日早晨PM_2.5浓度升高.气溶胶激光雷达观测结果发现,污染期间,700 m高度以下存在明显的消光系数高值区;夜间存在明显的消光系数高值区分层现象,气溶胶消光系数高值区出现高度可达1700 m.本次PM_2.5重污染过程受静稳边界层气象条件和高空气溶胶输送、沉降共同影响.在污染时段内,大气边界层低层小风持续,近地面和大气低层逆温和同温层频发,静稳边界层条件不利于PM_2.5的输送和扩散;此外,夜间高空气溶胶伴随强西风带出现...     

2015年“十一”期间北京市大气重污染过程分析

采用垂直观测、地面观测、PM_2.5化学组分观测和气团轨迹分析等手段,对2015年10月份北京市一次大气重污染过程进行了分析.结果表明,重污染时近地面层气溶胶消光系数升高,污染物主要积聚在600m以下.重污染期间气象要素特征为：风场弱,湿度大,地面受弱气压场控制,边界层高度极低.重污染期间不同站点PM_2.5浓度变化趋势和峰值出现时间较为一致;大部分时段PM_2.5中NO₃^-浓度明显高于其他组分;周边区域受重污染的影响面积相对较小,高浓度区主要集中在北京市及近周边地区.多手段的观测结果以及PM_2.5浓度与气象要素和各化学组分的相关性分析的结果均表明：区域传输,包括秸秆焚烧,对本次北京市重污染天气过程具有一定的影响,但本地机动车排放在不利气象条件下的积累、二次转化以及垂直方向空间的极端压缩是导致重污染的主要原因.     

卫星遥感AOD反演地面细颗粒物浓度方法与效果

使用2015~2018年MODIS AOD产品融合地表气象资料反演了地面细颗粒物（PM_2.5）浓度,并以反演的PM_2.5浓度为依据,比较了地面PM_2.5观测资料的各种空间插值方法.结果表明：2015~2018年反演的PM_2.5平均浓度与地基观测平均浓度的R²达0.94;干季反演效果好于湿季,珠江三角洲反演效果好于非珠江三角洲地区,原因是湿季天气系统较不稳定,非珠江三角洲地区多山脉和秸秆燃烧,导致气溶胶标高、质量消光效率等假设误差较大.使用4种插值方法对地基观测的PM_2.5浓度进行插值,插值结果大致相当,反距离加权插值法较好,站点分布不均、部分区域站点密度小影响插值效果,建议在站点稀疏地区增加地面PM_2.5观测站点.     

深度学习方法在上海市PM2.5浓度预报中的应用

为提升PM_2.5浓度预报能力,尤其是对PM_2.5重污染的预报能力,以中尺度气象-化学耦合模式系统（WRF-Chem）为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM_2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM_2.5统计预报模型.结果表明,人工智能深度学习算法（Seq2seq）明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM_2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM_2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m³下降至15.01μg/m³.而单独使用套索法（Lasso）线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM_2.5浓度预报修正模型能够有效提升预报精度.     

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

2018年春节期间京津冀地区污染过程分析

为了解2018年春节期间京津冀地区空气污染情况,利用近地面污染物浓度数据、激光雷达组网观测数据,结合WRF气象要素、颗粒物输送通量和HYSPLIT气团轨迹综合分析污染过程.结果表明,春节期间出现3次污染过程.春节前一次污染过程,各站点PM_2.5浓度均未超过200μg/m³;除夕夜,廊坊站点PM_2.5峰值浓度达到504μg/m³,是清洁天气的26倍;年初二~初五,各站点PM_2.5始终高于120μg/m³,且污染主要聚集在500m高度以下,北京地区存在高空传输,800m处最大输送通量达939μg/（m³·s）,此次重污染过程为一次典型的区域累积和传输过程.京津冀地区处于严格管控状态时,燃放烟花爆竹期间PM_2.5峰值浓度可达无燃放时PM_2.5峰值的3.2倍.为防止春节期间重污染现象的发生,需对静稳天气下燃放烟花炮竹采取预防对策.     

边界层低空急流导致北京PM2.5迅速下降及其形成机制的个例分析

2015年3月17日18:00~23:00北京地区的PM_(2.5)质量浓度快速下降,在此期间并未出现与冷空气活动相伴的强偏北风.本研究分析了导致空气质量迅速改善的原因,结果表明边界层急流起着关键的作用.随着边界层内偏南风速增大,大气的通风量增大,污染物浓度降低.急流发展也加大了边界层内水平风的垂直切变,从而导致湍流增强和混合层增厚.此外,3月17日20:00在混合层顶附近出现气旋性地转涡度,Ekman抽吸的方向为垂直向上,于是底层的污染物就被带到高空并随强劲的西南风输送到下游.边界层急流的发展与惯性振荡和大气的斜压性有关.     

河南省冬季3次重污染过程的数值模拟及输送特征分析

利用WRF-Chem模式模拟2015年11月27日—12月1日、12月5—14日、12月19—25日河南3次重污染过程,结合空气污染资料和ERA-Interim再分析资料,对比分析了这3次重污染过程的开始、持续和结束及污染物的输送特征.结果表明,静稳天气有利于污染的发展持续,3次重污染过程的结束均是由西路冷空气入侵造成的.第1次重污染过程平均风场上的风速均为小风或静风,从湖北到河南南部风向为偏南风;而第2和第3次重污染过程平均风场分别以偏东和偏北风为主.第2和第3次重污染过程中均存在明显的由北向南的污染物输送过程.3次重污染过程中,河南省本地排放对本省PM_(2.5)浓度的平均贡献率最大,而河南省周边区域对河南PM_(2.5)浓度的平均贡献率在这3次过程中不一样,第1次重污染过程,河南南部主要受偏南风影响,湖北对河南PM_(2.5)浓度的平均贡献率最大,为20.7%;第2和第3次重污染过程主要受偏东风影响,安徽和江苏对河南PM_(2.5)浓度的平均贡献率最大,分别为17.7%和18.5%.3次重污染过程中,安阳的主要污染输送源均不相同,分别来自河北、江苏和安徽、本省.     

上海地区通风指数的应用研究

利用2013—2014年上海地区的风廓线资料及NCEP再分析资料,计算研究了上海地区通风指数的变化情况,并结合实际天气情况和预报经验,对常用通风指数公式进行本地化修正.通过分析修正前后的通风指数与颗粒物浓度的关系发现,修正后通风指数的时间变化特征与PM_(2.5)浓度的时间变化有显著的负相关关系,且经过修正的通风指数对于PM_(2.5)浓度变化的指示意义更强;研究其在典型污染个例中的应用情况发现,修正后的通风指数低时,对应的PM_(2.5)浓度值高,说明修正后的通风指数能较好地反映出边界层内大气对污染物的扩散和输送作用;另外,与未修正的通风指数对比发现,修正后的通风指数降低了原通风指数的数值,对污染的指示意义更强,尤其表现在上海地区受冷空气影响时,修正后的通风指数较原通风指数降低明显,能更好地反映出大气对上游地区污染物的输送作用.由此可见,经过修正后的通风指数更适用于本地化的预报服务,这也为上海地区的空气质量预报和霾预报提供了一个新的参考指标.     

浙江北部一次爆发式发展重度大气污染的气象特点和成因

基于全国空气质量指数和PM_(2.5)监测、常规气象观测、浙江省6种主要大气污染物和自动气象监测、宁波镇海激光雷达、美国国家环境预报中心GDAS和欧洲中期天气预报中心ERA-interim再分析等多种资料,对2017年12月30日―2018年1月1日浙江北部一次爆发式发展大气污染事件气象特点及成因进行分析,应用HYSPLIT4模式进行粒子后向轨迹分析.结果表明:PM_(10)和PM_(2.5)质量浓度在浙江省表现出明显的爆发性增长和自西北向东南传输的特征,污染程度自浙北向浙中、浙南逐渐减轻,重度污染时浙北大范围出现2000 m以下的重度霾,污染粒子主要来自上游的安徽和江苏省.大气污染爆发式发展与冷空气有关,1000 m以下边界层内冷空气偏弱,但足以将盛行风改变为西北风,是污染物粒子输送的动力条件,污染粒子集中在该层内,层内没有下沉运动,因此水平风场对污染事件爆发有决定性作用;1000 m以上层次冷平流表现明显,且伴有下沉运动,抑制了边界层粒子的垂直扩散,对污染事件的发展和维持有间接影响.激光雷达的消光系数变化不仅与污染物粒子浓度变化有关,还与气象条件密切相关.污染物粒子质量浓度通量散度的变化对预报粒子浓度的增减有较好的参考作用.     

江西省冬季大气典型污染过程的气象成因研究

选取2019年1月江西省两次大气污染过程为研究对象,利用常规气象观测资料、美国国家环境预报中心（NCEP）再分析资料、全球资料同化系统（GDAS）气象数据和空气质量数据,分别从局地气象要素变化、地面天气形势、大气动力和热力条件及污染潜在源区等进行分析,对比两次污染过程形成机制.两次污染过程地面天气形势分别为冷锋前部型和低压倒槽型.冷锋前部型污染形成主要原因为冷空气南下在江西省减弱辐合导致上游细颗粒物输送并堆积,西北风增大细颗粒物浓度降低.低压倒槽型污染形成原因为较长时间处于高湿、小风或静风、逆温下的污染累积.对两次过程中污染较为严重的九江市进行分析,冷锋前部型九江市近地面主要受西风影响,低压倒槽型主要受东北风影响,低压倒槽型九江市风速多在2 m·s^-1以下.两次污染期间大于3 m·s^-1的风速有利于污染物清除.长时间高湿、小风（< 2 m·s^-1）及风场辐合,是低压倒槽型九江市重污染维持较长时间的重要原因.低压倒槽型大气垂直结构较冷锋前部型稳定.低压倒槽型垂直湍流弱、低层风速小于2 m·s^-1,且存在多层逆温和深厚的湿区,冷锋前部型存在明显下沉运动,逆温强度明显弱于低压倒槽.九江市PM_2.5污染潜在贡献源主要来自河南东部、山东西部和安徽西北部;低压倒槽型九江市潜在源区主要位于江西省内及与江西省接壤的湖北东南部、安徽西南部.     

基于K-means聚类分析法的肇庆市干季PM2.5污染天气分型研究

通过分析肇庆市2013—2018年国控大气环境监测站的PM_(2.5)连续监测数据,发现肇庆市区PM_(2.5)浓度在干季(10月—次年4月)明显高于其余月份,轻度以上污染基本发生在干季,且PM_(2.5)浓度对年总浓度贡献达70.8%.基于Era-interim再分析资料采用K-means聚类分析法对2013—2018年干季逐日的海平面气压和10 m水平风进行分型,揭示了肇庆市易出现PM_(2.5)污染的6种大气环流形势,包括冷锋前部(CF)、变性高压脊(THR)、脊后槽前型(BRFT)、高压底后部(HSW)、弱冷高压脊(HR)和台风外围型(TP).2013—2016年易污染天气型影响天数呈明显减少趋势,2017—2018年呈增加趋势.不同天气型PM_(2.5)浓度与局地气象要素相关性不一致,其中CF、HR、HSW、TP天气型与湿度相关性最好,THR与风速、BRFT与气压相关性最好.PM_(2.5)污染除BRFT天气型主要以本地排放累积影响为主,其余易污染天气型存在不同尺度的外来输送影响,HSW、HR主要来自广州、清远、韶关, CF主要来自佛山、中山,THR来自广州、清远、佛山.同一污染天气型在不同月份的污染影响差异较大,其中HSW、THR污染型主要影响1月和10月,CF为1月和12月,HR为2月和12月,TP为10月,BRFT为1月和10—11月.不同年份的同一月份造成不同程度的PM_(2.5)污染除了排放影响,还与天气环流类型和同一天气型下的局地气象要素密切相关.     

车载激光雷达对北京地区边界层污染监测研究

介绍了自行研制的车载差分激光雷达AML-2探测原理及技术参数,于2006-08、2006-09在不同天气因素条件下对北京西南郊榆垡地区大气边界层污染物O3、NO2、SO2进行了实时监测,对比分析了3种污染物浓度垂直分布及日变化特征.结果表明,无外来污染输送时,3种污染物在阴雨天气总体浓度较小,O3和NO2浓度随高度升高而减小,SO2浓度垂直分布少见此特征,但在近地面0.6 km左右有较强SO2污染层.南部气流输送对北京地区大气环境影响明显,2006-08-23～2006-08-25这次强污染气流输送高度约1～1.5 km,3种污染物浓度垂直分布及日变化特征受到干扰,北京榆垡地区边界层O3、NO2、SO2总体浓度明显上升.     

成都市一次典型空气重污染过程特征及成因分析

为了研究成都市冬季空气重污染过程的成因,以2015年12月26日—2016年1月6日成都市一次典型重污染天气过程为例,基于HYSPLIT后向轨迹模式结合全球资料同化系统(Global Data Assimilation System,GDAS)气象数据和成都市7个监测站的AQI、PM_(2.5)、PM10、NO2质量浓度数据,使用气象分析、轨迹聚类(Cluster Analysis)、潜在源贡献因子法(Potential Source Contribution Function,PSCF)和浓度权重轨迹法(Concentration Weighted Trajectory,CWT),分析了此次过程的气象特征、轨迹输送特征和污染物潜在来源分布.结果表明,此次污染天气过程是以PM_(2.5)为主要污染物,其次为PM10、NO2.2015年12月30日14:00左右是此次污染天气过程各站点PM_(2.5)、PM10浓度到达峰值的时刻.缺少北方冷空气南下,四川盆地内空气水平运动弱,以及扩散条件差的静稳天气形势是导致此次大气污染过程成都市污染物累积的原因,而冷空气活动是改善这种天气形势的关键.污染过程辐射逆温层的形成对当时污染物浓度增长有促进作用,但随着每日生消、加强减弱,其并不是最终导致重污染天气形成的关键因素.川东北的广元、绵阳、德阳等地区和成都本地及其南向的眉山、雅安等地区是此次过程主要的潜在源区,这些地区人口较密集,工业较发达,且沿地形走向而分布.