2015年12月气流轨迹对长三角区域细颗粒物浓度和分布的影响

2015年12月中国长三角区域经历了4次高浓度、大范围、长时间的颗粒物污染.本研究基于HYSPLIT后向轨迹模式结合GDAS（Global Data Assimilation System,全球资料同化系统）气象数据和长三角区域15个主要城市的PM_2.5质量浓度数据,利用轨迹聚类、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2015年12月长三角区域主要气流轨迹方向和重污染过程中细颗粒物的潜在来源分布,探讨了不同污染过程的气象特征和影响气团分布.结果表明,2015年12月长三角区域主要受到来自西北和北方气流影响（B、C、D类）,其出现概率分别为39.5%、20.0%和25.8%;西方内陆（A类）出现概率最低,仅为14.7%.西北内陆方向长距离输送（B类）对长三角区域空气质量影响较大,在此类气团主导下,长三角区域颗粒物（PM_2.5、PM₁₀）质量浓度和气态污染物（SO₂、NO₂、CO）质量浓度平均值分别为90.9、135.1、32.4、54.4和1200 μg·m^-3,且粗颗粒物比重较其它3类聚类高;经过东北海面气团（C类）携带的颗粒物浓度也较高,且PM_2.5/PM₁₀比值最高,可能是其水汽含量较高加剧了污染物的二次生成.PSCF和CWT分析结果表明,污染过程1（12月5-8日）期间,长三角区域PM_2.5浓度主要受内蒙东部、京津冀、山东和江苏东部等地影响;污染过程2（12月10-11日）和污染过程3（12月13-15日）期间,京津冀地区对长三角区域PM_2.5浓度的贡献都较低,污染过程2的主要潜在源区较为集中,主要为内蒙东部、辽宁、山东东部、江苏和上海;而污染过程3的潜在源区较广,内蒙西南地区、甘肃、山西、陕西、河南、河北南部、山东、安徽北部等地及长三角本地对区域PM_2.5浓度均有重要贡献;污染过程4（12月20-27日）持续时间最长,相较前3次污染过程,京津冀地区和西南地区对长三角区域PM_2.5浓度的贡献相对增加.总体来说,2015年12月4次污染过程期间长三角区域PM_2.5污染的潜在贡献源主要集中在华北和华东（长三角）地区,区域性污染和长距离输送对冬季长三角区域空气质量有重要影响.     

基于CAMx的徐州市2016年冬季PM2.5污染过程及来源分析

徐州地处江苏西北部、华北平原的东南部,为内陆资源型工业城市,近几年来环境监测数据显示,徐州地区大气复合污染问题日益突出,准确模拟大气污染物状况及来源对于空气污染的防治十分关键.2016年1月,徐州市出现了多次持续的重污染天气,研究中以此次污染事件为例,首先基于WRF-CAMx空气质量模型系统对这次细颗粒物污染过程进行全面的模拟与分析,其次利用CAMx-PSAT系统模拟和分析本次污染的区域传输过程.研究结果显示：此次细颗粒物污染中,PM_2.5组成成分以硫酸盐、元素碳、硝酸盐和铵盐为主,分别占月平均浓度的29%、15%、14%、14%;PM_2.5的区域传输贡献中,长距离传输所占比重最大,月平均贡献率达46%,其次为本地源排放,平均贡献率为39%;重污染天气期间,PM_2.5污染主要从西北方向输入,此时长距离传输的影响明显增大.     

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.     

两湖盆地襄阳地区PM2.5重污染过程区域传输的观测和模拟分析

两湖盆地位于华中地区,横跨湖北、湖南两省,海拔高度低于200 m.襄阳为华中地区两湖盆地的“风口”,PM_2.5污染严重.为认识襄阳地区大气环境变化特征,对其2016年1月的大气污染过程进行研究分析,研究气象条件对PM_2.5浓度的影响.结果表明：冷空气南下入侵对两湖盆地襄阳地区产生PM_2.5重污染有重要驱动作用.强风是驱动大气污染物区域传输的主要因素,受东亚冬季风影响,上风方的PM_2.5跨区域传输到下风方两湖盆地,导致襄阳地区的PM_2.5污染水平上升.基于FLEXPART-WRF模式,定量估算了2016年1月襄阳地区4次PM_2.5重污染过程的区域传输贡献,估算发现4次大气重污染过程的外源贡献率均高于50.0%,最高达80.3%,体现了大气污染物区域传输对两湖盆地大气重污染事件的主导作用.两湖盆地襄阳地区PM_2.5污染主要潜在源来自东北路径,以华北平原为主.     

长江中游地区PM2.5重污染过程的典型天气环流分型及区域传输影响

作为一个新的区域性霾污染中心,长江中游地区地理位置特殊,是我国中东部地区大气污染物区域传输的重要枢纽,天气环流对该区域不同传输和累积型PM_2.5重污染的形成机制还不甚了解.利用T-mode斜交旋转主成分分析法（PCT）,对2015~2019年采暖季长江中游地区74 d PM_2.5重污染事件进行天气环流分型,得到：PCT1高压底部传输型（天数：41 d,占比：55.4%）、PCT2低压辐合累积型（天数：12 d,占比：16.2%）、PCT3高压静稳累积型（天数：11 d,占比：14.9%）和PCT4高压后部传输型（天数：10 d,占比：13.5%）这4种主要的大气环流类型.区域传输型污染（PCT1和PCT4）占比高达69%,是长江中游地区PM_2.5重污染发生的主导因素,突显了地域特殊性.其中,PCT1是最主要的环流型,冷锋南侵伴随强偏北风驱动上游地区污染物快速传输,使得PM_2.5浓度暴发式增长.境内传输通道城市襄阳、荆门和荆州PM_2.5传输过程具有12 h滞后特征,其PM_2.5影响源区主要分布在上游的河南中北部、山东西部和华北大部分地区.PCT4传输型受低层偏东风输送影响,污染上升速率也相对较快.PCT2和PCT3为静稳天气环流型,地面风速较小,低层水平辐合和下沉运动有利本地PM_2.5重污染累积,污染上升速率和持续时间都相对传输型更长.     

2014年海口市大气污染物演变特征及典型污染个例分析

主要分析了2014年海口市逐日的空气质量指数(AQI)和6种大气污染物的演变特征,同时,结合卫星遥感和轨迹模式等资料和方法对1次典型污染个例进行诊断.结果表明:海口市2014年的空气质量主要以优和良为主,6 d达到轻度污染级别,1 d达到中度污染(1月5日,AQI值为158).1月污染最为严重,其中,阶段1(1-6日)和阶段3(18-23日)AQI值偏高,阶段2(7-17日)和阶段4(24-31日)偏低.1月东亚地区天气形势演变对海口市AQI值具有动力影响.AQI偏高阶段,地面高压系统位于内蒙古东部,华南低层东北风场有利于污染物向海口市输送;而在AQI偏低阶段,地面高压系统东移出海,低层偏东风场不利于污染物的输送.后向轨迹聚类分析表明,1月海口市比率最大(39%)的气流主要经过大气污染相对严重的广东珠江三角洲(珠三角)地区,有利于污染物的区域传输.污染个例分析表明,海口市污染物浓度变化与气象要素有密切关系,10 m风速较小有助于近地面的污染物在区域内累积,水平风垂直切变偏弱对天气尺度扰动的发展和大气的垂直混合不利.卫星遥感和后向轨迹分析也表明,外源输送与海口市这次大气污染事件有直接关系.     

长三角地区典型PM2.5污染过程和跨区域传输对宁波污染贡献评估模拟

利用WRF模式和嵌套网格空气质量模式（NAQPMS）对长三角地区2015年1月一次典型PM_2.5区域重污染事件进行数值模拟.结果表明,NAQPMS模拟再现了长三角地区PM_2.5重污染的发展过程,外来区域污染输送是导致长三角地区发生重污染的一个重要因素,主要受3条通道传输影响：内陆（河南-安徽-江苏）通道、沿海（京津冀-山东-江苏）通道和海洋（京津冀-山东-黄海-江苏）通道.以宁波为对象评估污染跨区域输送贡献的解析结果表明：污染发生阶段以沿海通道输送为主,外来区域输送江苏贡献率较大（36.51%）;重污染阶段以内陆通道和海洋通道为主,主要外来区域贡献为浙江北（25.55%）、安徽（12.33%）和海洋（16.92%）;污染消散主要受海洋通道影响,外来输送主要为江苏（14.74%）和海洋（31.43%）.     

长三角区域性PM2.5污染的空间分型及其大气环流特征研究

本文提出了一种长三角区域性PM_2.5污染日的判别方法，以出现5个、8个连片污染城市为检验阈值，分别覆盖了96%和100%的区域污染日.然后利用T-mode斜交旋转分解方法（PCT）对2015—2018年11—2月长三角地区260个区域性PM_2.5污染日进行分型，揭示了4种不同的PM_2.5的空间分布形态（整体型、西部型、西北型和东北型），其影响范围、持续时间和污染程度存在显著差异.其中，整体型污染受L型高压控制，出现日数最多（139 d）、覆盖范围最广（31个城市）、区域平均浓度最高（104.3 μg·m^-3），是影响长三角地区PM_2.5环境质量的最重要的污染类型.西部型和西北型分别受东路冷空气、西路冷空气影响，PM_2.5分别呈现"西高东低"、"北高南低"的分布形态，前者主要影响安徽大部和浙江北部，后者主要影响安徽北部和江苏西北部.东北型是长三角本地排放在弱气压场和高压中心下混合产生，主要影响江苏大部和上海，基本不受跨区域输送影响.针对不同类型的污染影响范围和程度可以采取差异化的大气污染联防联控措施.     

阿克达拉大气本底站NO2输送路径及潜在源分析

基于HYSPLIT模式和全球资料同化系统气象数据（GDAS）,计算了2015年12月-2016年11月阿克达拉国家大气本底站48 h气流后向轨迹,并结合同期NO₂小时监测数据,综合运用聚类分析、潜在源贡献因子法（PSCF）和浓度权重轨迹法（CWT）,分析不同季节气流轨迹对阿克达拉NO₂污染物浓度的影响,并揭示不同季节NO₂潜在污染源区分布及其贡献水平.结果表明：冬季来自东南方向的气流轨迹占比最高,春、夏、秋季气流轨迹主要来自西北方向,来自西北的长距离气流轨迹NO₂质量浓度较低;WPSCF表明重度污染网格出现在冬季的风口区如阿拉山口、达坂城谷地,四季中度污染网格出现在准噶尔盆地及周边地区、额尔齐斯河谷、哈萨克斯坦东部和俄罗斯南部;WCWT和WPSCF潜在源区分布较为一致,WCWT分析表明春、冬两季的NO₂贡献高值区污染程度大于夏、秋两季,春、冬两季NO₂污染网格贡献值为6~9 μg·m^-3,夏、秋两季污染网格贡献值集中在5~7 μg·m^-3.对于阿克达拉背景站点而言,NO₂污染物总体浓度水平较低,揭示其NO₂输送轨迹和污染源区,为区域大气污染联防联控提供重要参考.     

宁夏典型工业城市2020年1月重污染过程特征及成因

2020年1月宁夏回族自治区典型工业城市石嘴山市出现了长时间、高强度PM_2.5污染天气.为揭示多因素综合作用对重污染天气的影响,在分析逐日空气质量指数（AQI）和常规污染物浓度变化特征的基础上,选取重点污染时段（2020年1月1—17日）为研究对象,基于环境空气质量数据、加密自动气象观测数据及NCEP再分析资料,采用统计分析、污染特征雷达图、气流后向轨迹聚类及天气诊断相结合的方法对重污染过程特征和成因进行分析.结果表明:①2020年1月1日、3日石嘴山市重污染天气主要受燃煤、工业（钢铁、焦化）和机动车等高强度污染排放影响,PM_2.5主要来自一次源;9日重污染天气PM_2.5受二次颗粒物生成影响显著,本地扬尘也有贡献,ρ（PM_2.5）和AQI均达峰值,分别为216 μg/m3和266;其他时段重污染天气由污染物累积和混合造成.②乌海市及其周边污染气团跨区域传输是促使石嘴山市出现高强度PM_2.5污染天气的另一重要因素,当巴彦淖尔市—乌海市—石嘴山市为一致偏北气流、风速小于2 m/s时,易使乌海市及其周边污染气团向南扩散,石嘴山市ρ（PM_2.5）出现短时间爆发增长.③持续高湿静稳气象条件使污染天气长时间维持并加重,当欧亚大陆中高纬度500 hPa盛行纬向弱西风气流、近地面石嘴山市处在蒙古弱高压底部均压场、风向为弱偏北风或偏东风时,易形成持续性PM_2.5污染天气;当风速减至0.7 m/s、相对湿度增至78%时,污染加重.研究显示,此次持续PM_2.5重污染过程是本地高强度污染排放、二次颗粒物生成、区域传输与不利气象条件等因素综合影响和相互叠加的结果;当出现静稳、高湿等不利气象条件时,应加强对各类污染物排放的管控力度,同时充分利用石嘴山市及其周边加密自动气象观测资料,研判污染发展趋势和传输特征,及时开展与乌海市及其周边地区的大气污染联防联控.      

长三角区域城市间一次污染跨界影响

长三角城市群作为我国三大经济圈之一,高强度的能源消耗致使区域大气污染问题十分突出.为了定量弄清城市之间一次污染传输情况,以长三角15个城市的污染排放清单、MM5气象场为基础,利用CALPUFF空气质量模型,模拟测算了长三角区域内城市间一次污染跨界输送影响.结果显示,环太湖地区的上海、苏州、无锡和常州等地由于自身排放强度...     

青岛冬季PM2.5持续重污染天气的大气边界层特征

鲜有出现空气质量问题的北方沿海城市青岛近年来也频频出现重污染天气. 2014年1月青岛市总计出现7 d重污染天气,其中1月15-18日是持续4 d的PM_2.5重污染,其余的则分别出现在1月6日、11日和30日.为了获得气象条件对持续重污染天气发展、维持和消除的影响机制,利用激光雷达、大气稳定度仪探测数据以及地面、高空气象观测和空气质量监测数据,重点分析了1月15-18日持续重污染期间青岛市大气边界层气象要素的时间和空间特征.结果表明,2014年1月影响青岛冷空气势力弱、青岛近地面低于3 m/s的风速不利于污染物扩散,66%以上的相对湿度有利于污染物浓度增大.在污染源稳定的背景下,气象要素的差异性导致了污染物浓度时空分布的差异.在持续的弱偏北风下污染物浓度居高不下;在偏南风影响下,污染物浓度趋于下降.边界层内存在高层干冷弱北风和低层暖湿弱南风的风切变、稳定层结、低层相对湿度为70%的高湿大气以及交替出现的近地面南北风是此次重污染持续的主要原因.大气边界层高度变化对污染物浓度具有6 h左右的延迟影响;而低边界层高度、大稳定度因子,低云的存在和较高的污染物浓度之间具有较好的一致性变化趋势.当近地面温度升高、相对湿度减小以及增大的偏南风和存在弱不稳定层结时,有利于提高青岛局地大气扩散能力.      

北京市大气重污染过程中AQI的时空扩散特征及其预测模型

通过对北京市大气重度污染时段AQI与气象因子分析,探讨AQI的时间和空间变化特征,并建立了AQI的空间预测模型。结果表明:1)风速>2.5 m/s,且持续时间长(超过5 h)时,AQI曲线特征呈现倒"V"型。若其在1.7 m/s中部>北部,4 d后则中部>南部>北部。3)各方向上中部和北部的AQI预测模型中幂函数模型精度最高,且两者受西南方向的影响最大。     

京津冀地区重污染天气过程的污染气象条件数值模拟研究

通过采用全球再分析格点资料的统计分析和WRF中尺度数值模拟,从天气学和大气边界层气象学角度分析了2013年12月和2014年2月两次重污染过程中京津冀地区天气尺度大气停滞气象条件和大气污染扩散气象条件的特征及其作用,并根据WRF模式精细化模拟结果分析了太行山和燕山对京津冀地区城市大气污染形成的作用.研究结果表明,两次重污染天气过程中京津冀地区500 h Pa等压面上的平均风速均表现为明显的气候异常特征,500 h Pa平均风速较近10年同期分别下降了约30.8%和50.4%,大气停滞系数较近5年同期分别偏高10%和20%以上;京津冀地区发生严重污染时,WRF模式模拟的日平均混合层高度低于200 m,日平均地面10 m风速低于2 m·s-1,日平均通风量可降低到1000 m2·s-1以下,空气质量指数与日平均通风量成负相关,重污染期间的平均通风量比近5年同期平均通风量偏低29.3%~52.8%,这些不利于污染扩散的天气条件持续数日,导致了重污染天气的发生.此外,太行山对西风气流的阻挡是河北中南部地区大气污染加剧的一个重要原因,而当主导风向为偏南风时,偏南气流遇燕山后或转向回流、或爬坡,导致近地面风速减小,不利于污染物扩散,亦加剧了京津冀地区中南部城市的大气污染.     

稳定天气形势下京津冀和长三角地区重度污染过程气象成因解析

基于空气质量数据、天气图、常规地面气象观测数据、秒探空资料以及高分辨率的降水数据，剖析了2015年12月19—27日发生在我国东部地区的一次大范围重度污染过程的特征及成因.结果表明，此次污染过程中，我国东部地区主要受到东路冷高压、均压场以及西路冷高压的影响，在东路冷空气及均压场的影响下，BTH（Beijing-Tianjin-Hebei）地区污染物不断累积，西路冷空气影响下污染物浓度开始降低，YRD（Yangtze River Delta）地区在稳定的均压场下污染物不断累积.污染期间，BTH及YRD近地层均有逆温现象发生，且逆温层越厚、强度越大，污染越重.此外，较低的近地面风速、较高的相对湿度，亦不利于污染物的扩散稀释，导致此次重度污染事件的发生和持续.YRD地区在重度污染发生时，有降水现象发生，导致YRD地区PM_2.5浓度呈现波动性变化.     

2014年10月中国东部持续重污染天气成因分析

2014年10月5─13日中国东部发生了大范围、长时间的(雾)霾及重污染天气. 采用AQI数据分析此次大气重污染过程的时、空演变特征,并应用NCEP(美国国家环境预报中心)再分析资料以及地面、小球探空数据,分析了主要天气型演变、边界层及上空的风场、气象条件特征,以研究此次秋季重污染天气的气象成因和形成过程. 结果表明:①华北、东北是此次污染最为严重的地区,其域内各城市持续数日的污染演变可分为AQI显著上升、持续高值、下降3个阶段. ②在AQI上升阶段(10月6—8日),受大陆高压控制,东部地区出现较弱地方风场和偏南风输送风场,风速在0～2 m/s,相对湿度在22%～86%,3 000 m逆温显著利于污染物积累. ③在持续污染阶段(10月8—11日),海上高压滞留,再加上台风“凤凰”北上阻挡大陆高压影响,使东部地区出现持续4 d的偏南风、偏东风弱风场,风速在1～4 m/s,相对湿度为57%～96%,造成严重污染. ④在AQI下降阶段(10月11—12日),后续大陆高压南下,前部冷锋利于污染物清除,风速达到6 m/s,是AQI降低的主要天气背景场. 因此,持续出现的稳定天气形势是导致此次中国东部重污染天气的主要气象原因.      

长江三角洲城市群霾的演变特征及影响因素研究

重建了长江三角洲1961~2007年霾气候数据序列,分析了霾日数的时空变化特征及城乡差异,并探讨了大气污染以及地面和近地层气象条件对霾发生的影响.结果表明,利用湿度—能见度指数参与霾气候序列重建的方法具有一定的合理性和科学性.过去47a间,长江三角洲霾日数总体上呈逐渐增多的趋势,并且四季霾日数都增加.空间上,整个长江三角洲霾日数基本上都呈增加趋势,并以杭州和南京增加最多.近30a来长江三角洲大城市、中等城市和城镇乡村站间霾日数变化具有明显差异.地面气象要素中风速和最长连续无降水日数与霾发生具有较好的对应关系.在霾天气过程和对应的清洁过程,近地层温度、位势高度和风场也都具有明显的差异.长江三角洲霾变化趋势与我国京津冀、珠江三角洲等地的变化一致.区域大气污染物排放量的增加,尤其是细颗粒物的增加是霾出现频率增加的可能原因,全球气候变化以及区域城市化造成的气象条件改变也有利于霾日的增加.     

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.     

2014年河北中南部两次重霾天气成因分析

利用河北省环保局环境监测站提供的污染物浓度数据及常规气象观测数据、NCEP再分析资料,结合HYSPLIT4.9后向轨迹模式,对2014年10月上旬发生在河北省的2次大范围的重霾天气特征和成因进行综合分析.结果表明,这2次重污染天气过程PM_2.5地面浓度最大值出现在邢台,为507μg/m³,水平能见度不足1km.均压场的分布和较为平稳的高空形势为2次霾天气提供了有利的气象背景.高湿,静小风以及较低的混合层高度不利于污染物扩散,是导致这两次重污染天气持续的主要原因.结合卫星火点及污染物来源分析表明,河北南部及周边省份的秸秆燃烧加重了第2次过程的污染,污染气团的输送对区域性重霾天气产生重要影响.