2000~2010北京大气重污染研究

根据北京市环境保护局公布的大气污染数据及气象部门公布的气象资料,用时间序列分析法对空气污染指数大于200的大气重污染做了系统分析.结果表明,北京大气重污染可分为静稳积累型、沙尘型、复合型以及特殊型4个类型,2000~2010年各类型发生次数分别为69、53、23、6次.从季节分布看,北京大气重污染主要集中在春季和秋冬季,其中春季以沙尘型为主,而秋冬季大部分为静稳积累型.从年际变化看,21世纪初期沙尘天气活跃,造成了北京大气重污染的高峰期,2003~2005年大气重污染有所回落,2006年受沙尘天气明显增多及大规模奥运建设的共同影响,北京大气重污染再次出现明显峰值;2007年北京沙尘天气明显减少,但静稳积累型重污染相对突出;2008年奥运减排措施效果显著,全市静稳积累型重污染降至历史最低,其后则呈缓慢上升趋势.大气重污染既呈现区域共性,也受局地环境影响.定陵站大气重污染全部为沙尘型;近年来随着首钢的减产、搬迁,石景山区古城站大气重污染明显减少;而受周边大规模城市建设影响,奥体站大气重污染表现相对突出.     

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.     

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.     

京津冀及周边区域PM2.5叠加沙尘重污染过程特征及预报效果分析

选取京津冀及周边区域2018年11月23日至12月4日一次大范围、长时间且PM_(2.5)叠加两次沙尘传输的复合型重度污染过程开展特征研究,分析了首要污染物PM_(2.5)和PM_(10)浓度的发展演变,以及污染气象影响因素;结合激光雷达地基和车载走航监测结果,以及HYSPLIT后向轨迹结果,讨论了区域污染传输的情况;并对重污染期间NAQPMS、CMAQ和CAMx这3个空气质量模式的预报效果进行了回顾分析.结果表明,研究时段PM_(2.5)叠加两次沙尘传输导致区域中南部多数城市达到重至严重污染水平,张家口、北京、石家庄、邯郸和郑州PM_(10)小时峰值分别为1 589、864、794、738和766μg·m~(-3),PM_(2.5)小时峰值浓度分别为239、319、387、321和380μg·m~(-3).地面弱气压场、高湿、逆温等静稳条件和沙尘是重要的污染气象和天气因素.激光雷达地基和车载走航监测数据结合HYSPLIT后向轨迹分析表明重污染期间区域西南和东南方向发生了PM_(2.5)传输;区域两次沙尘过程主要受西北路径传输影响.此外,NAQPMS、CMAQ和CAMx这3个模式均可较好地预测到京津冀及周边区域的重污染过程,但对个别城市预报略有偏差.该次重污染过程中模式对PM_(2.5)的预报效果要好于PM_(10),这与气象模式预报、大气化学反应机制、污染源清单的不确定性,以及重污染应急措施导致的污染源排放的改变有一定关系.     

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.     

基于无人机探空和数值模拟天津一次重污染过程分析

污染发生在边界层中,边界层热力和动力垂直结构对重污染天气形成有显著影响.本文基于无人机探空、地基遥感观测和数值模式,开展天津地区2019年1月10~15日重污染过程期间边界层垂直结构及污染成因分析,以期加强北方沿海城市边界层过程对重污染影响规律认知,提升重污染天气预报预警准确率.结果表明：大气温度层结对重污染天气形成、持续和消散有显著影响,此次过程伴随逆温层的发展和消散,PM_2.5高浓度区白天向大气上层发展,高度可达300 m以上,夜间向近地面压缩,高度在100 m左右;雾天气出现并在白天维持,改变了边界层垂直结构特征,雾顶逆温的持续存在抑制了污染物向大气上层扩散,使得白天湍流垂直混合过程贡献明显下降,导致近地面重污染天气维持和发展;过程期间区域输送贡献率为66.6%,边界层垂直结构与重污染天气区域输送密切相关,区域污染物输送高度主要出现在边界层顶部以及雾顶逆温层以上的大风速层处,且随着边界层和雾顶抬升高度的变化,通过下沉运动影响地面,形成北部弱高压天气控制下静稳天气区域输送;边界层垂直结构影响冷空气对空气质量的改善效果,S3阶段雾顶的强逆温导致冷空气无法通过湍流切应力传导到地面,在高低空存在明显的风速差,冷空气影响地面时间延后,作用减弱,重污染天气无法彻底缓解.     

荆州静稳天气综合指数构建及预报应用

该文采用相关分析、阈值统计、回算检验等方法，构建出荆州本地静稳天气综合指数（SWI）。结果显示，SWI与空气质量指数（AQI）表现为较弱的正相关；当首要污染物为细颗粒物时，SWI>1.30易出现污染天气；当首要污染物为可吸入颗粒物时，SWI>1.20易出现污染天气；当首要污染物为细颗粒物或可吸入颗粒物时，SWI>1.30易出现污染天气；SWI最大值出现在冬季，其次在秋季和春季，夏季SWI整体较小；SWI对空气质量预报有较好的指示意义，可应用于环境空气质量预报和污染物减排评估等方面。     

基于半级别的城市空气质量预报评估方法探讨

环境空气质量预报评估是提升预报能力的重要助力,为更好支撑空气质量精细化管理,将我国空气质量细化为12个半级别,参照英国预报评估方法,对2020年“2+26”城市AQI、 PM_2.5浓度和O₃-8h浓度预报开展探索性半级别预报效果评估,通过与AQI范围预报和AQI级别范围预报评估对比发现,半级别预报评估方法可将两者兼容合一,在城市业务预报评估中具有一定可行性和应用价值.具体的半级别预报评估结果表明,“2+26”城市AQI和O₃-8h浓度在低段级别和高段级别的预报效果明显差于中段级别,不同级别PM_2.5浓度预报效果相对稳定;AQI、 PM_2.5和O₃-8h浓度预报准确率月变化曲线分别呈双峰型、先升后降型和平缓型,PM_2.5浓度各月偏高预报显著;不同城市AQI和O₃-8h浓度预报准确率差距相对较小,PM_2.5浓度预报准确率波动较大;北京和天津AQI预报准确率高于周边省份,北京和河南PM_2...     

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.     

大气自净能力指数的气候特征与应用研究

为了定量地评估污染气象条件对空气污染的作用并实现对空气污染潜势的预报,本文在城市大气污染数值预报系统（CAPPS）预报原理的基础上,定义了大气自净能力指数,并分别给出了采用气象站观测资料和通过数值模拟计算大气自净能力指数的方法.基于气象站观测资料的全国大气自净能力指数分析计算表明,全国大气自净能力最差的地区分布在四川盆地和新疆塔里木盆地,大气自净能力最强的地区分布在青藏高原、蒙古高原、云贵高原、以及东北平原和三江平原、山东半岛和海南岛;1961~2017年,京津冀、长三角和珠三角地区的大气自净能力指数呈下降的变化趋势,全年低自净能力日数呈上升的变化趋势.采用大气自净能力指数评估2014年北京APEC会议期间大气污染防控效果,表明在11月8~10日极端不利扩散气象条件发生时,减排措施使北京市空气质量AQI平均降低77%,使京津冀平原地区11个城市的空气质量AQI平均降低37%.基于国家气候中心月动力延伸气候预测模式（DERF2.0）的预报产品和中尺度模式（WRF）,建立了可以预测全国未来40d逐日大气自净能力指数的延伸期-月尺度大气污染潜势预测系统,回报实验表明,在大多数情况下可以提前15d预报出大气重污染过程;月尺度的大气重污染过程预报效果更大程度上取决于月动力延伸气候预测模式（DERF2.0）的预报准确率.     

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.      

深圳市空气污染分区预报思路的建立

基于本市2005—2010年各区API日资料和污染日逐时资料、逐日气象要素资料、物理量因子,在对全市污染时空分布特征和各影响因素细致分析的基础上,运用典型天气形势和典型要素判定方法,在此基础上,进行气象要素的偏最小二乘回归提炼主要因子,建立污染天气预报思路,运用2011年重污染目的资料进行检验,结果表明：该种三级判定的方法预测污染小概率事件,吻合较好,为空气污染客观预报和高污染预警系统的建立提供依据。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

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.      

长三角地区2015年大气重污染特征及其影响因素

基于2015年长三角地区129个环境空气质量监测站的空气质量指数（AQI）及主要大气污染物浓度数据,结合气象资料和HYSPLIT后向轨迹模式,探究长三角地区大气重污染的时间变化和空间集聚特征,并深入分析气象条件和区域传输对重污染过程发生和维持的影响.结果表明,2015年长三角地区各城市平均出现AQI超过200的重污染天气共8 d,重污染频率为2.01%,PM_2.5作为首要污染物出现频次最多.从时间变化看,重污染主要分布在1月和12月;从空间分布看,北部地区重污染相比南部地区更为严重,徐州和常州市出现频率最高.选取典型重污染过程1月9—11日（纬向扩散型）、1月24—26日（经向扩散型）和12月20—26日（两种模式相结合的重污染天气）进行成因分析,发现长三角地区重污染天气主要受到西北风向、低风速、高湿度和逆温层的影响,导致大气污染物积累且不易扩散.基于HYSPLIT的大气传输轨迹及频率分布表明,来自西北方向的气流对江苏北部地区的污染输送特征有着显著影响.     

长三角秋冬季典型区域霾天气特征及对比

为总结出霾天气发生时的相关影响因子、特征共性,选取长三角地区8个主要城市,2016~2019年秋冬季发生的7次典型霾天气过程,对比分析了3次霾天气过程中AQI、PM_2.5浓度、气象要素、天气形势、边界层特征的变化以及污染物来源.结果表明：不利的气象条件及高低空配置的静稳天气型导致霾天气的形成.3次过程AQI指数峰值分别为247、306及272,与PM_2.5浓度变化趋于一致.PM_2.5浓度和能见度呈明显负相关关系,且污染过程发生时能见度普遍偏低,2、3次过程能见度谷值均低于50m.高相对湿度、稳定的气温及静风与霾过程的形成有着紧密的联系.总体上混合层高度与AQI呈现负相关关系,混合层高度较低抑制垂直对流,从而使污染物在低空区域性积聚,3次污染过程混合层高度最低值均小于100m.逆温层的出现利于霾污染过程中污染物的累积,近地层的贴地逆温将污染物集聚在地表,第1次过程贴地逆温强度高达8.2℃;脱地逆温导致污染物在边界层内堆积并抑制其扩散,均易导致高浓度污染发生,第2次过程脱地逆温为主,强度高达4.8℃.气溶胶类型多为沙尘、大陆型污染物、污染型沙尘及烟粒.污染发生通常受局地排放、区域输送及长距离输送的共同影响,气团携带的因人为产生的细粒子也是造成污染的主要原因之一.     

斜剖面图的设计及在PM2.5中期潜势预报中的应用

本文将强降水潜势预报的“配料法”原理引入到环境预报中,选取ECMWF数值预报产品中的700hPa相对湿度、1000hPa风向风速和850hPa温度作为气象要素“配料”,沿占比最多的冷空气输送路径穿过华北重污染区和上海,设计制作了未来10d气象要素“配料”时空斜剖面图,并具体定义了业务中常见的典型污染过程（冷空气输送、干静稳和湿静稳累积）和清洁过程（冷空气清洁、湿沉降清洁）共5种图形的识别特征.该斜剖面图由于融合了单站时序图和单时次空间面图的优点,无需一张张翻阅天气形势图,显著缩短了看图分析时间;斜剖面图还建立了气象要素图形特征、污染气象条件和PM_2.5污染潜势三者的对应关系,通过图形特征可以快速掌握区域内天气形势演变情况,识别出上述典型污染和清洁过程,最终得出PM_2.5中期污染潜势,便于在业务中应用和推广.一次典型污染个例应用显示,斜剖面图和污染实况的图形型态特征非常相似,斜剖面图中静稳累积和冷空气输送过程图形特征辨识度高,区域和单站提前5d的预报结论和实况较为一致;进一步评估显示,2018年冬季期间预报时效5d以内的TS评分维持在0.32~0.50区间,未来10d的预报准确率维持在74.4%~86.7%区间.     

2015年12月北京市空气重污染过程分析及污染源排放变化

2015年12月,北京市及周边地区连续多次出现重污染天气.在此期间,北京市空气重污染应急指挥部两次发布红色预警.为厘清该月重污染的发生过程、生消变化,测算了应急措施下的污染源排放变化情况,并采用数值模拟和地面观测相结合的分析方法,对重污染的形成原因进行初步分析,同时对应急措施的环境效果进行评估.结果表明:1虽然2015年12月北京市主要大气污染物排放量较去年同期有所下降,但排放强度仍然较大,是重污染过程的内因;气象扩散条件不利是重要的外因,地面风速弱,大气稳定度高,相对湿度高,边界层高度降低,源排放及气象因素共同导致了此轮重污染过程.2红色预警应急措施可实现污染物日排放强度减少36%左右,PM_2.5浓度下降11%~21%,预警的应急措施不能扭转重污染的态势,但对于缓解PM_2.5污染加重趋势有明显的效果.3在重污染天气下,污染物仍在大气中累积,应急措施最明显的效果发生在实施后的48~72 h后,因此建议在PM_2.5浓度快速上升前36~48 h实施减排措施,从而对空气质量预报准确性提出更高的要求.