基于两种再分析资料的一次四川盆地大气污染过程气象要素数值模拟研究

利用ECMWF-ERA5和NCEP-FNL再分析资料作为中尺度气象模式WRF（The Weather Research and Forecasting）初始场,对四川盆地2018年1月一次大气污染过程气象要素进行了模拟,对比分析了气温、风速、风向、相对湿度、边界层高度、温廓线的模拟效果,并结合大气超级站观测数据对模拟结果进行评估.结果表明：两种资料均能较好地模拟出气象要素的变化情况,但由于两套资料时空分辨率、采用的模式、同化方案、数据来源和质量控制方案存在一定区别,导致各要素模拟效果并不一致.与NCEP-FNL相比,ECMWF-ERA5模拟的平均相对湿度（59.23%）与观测值差异更小,且均方根误差、偏差较小,分别为9.83%和-0.83%,但NCEP-FNL模拟的平均气温（8.99℃）更接近观测值,且偏差值较小,为-0.04℃.两组模拟结果均显示盆地内部为模拟区域的低风速区,相对湿度模拟值在60%以上,气温高于西部山地地区.NCEP-FNL模拟的盆地内部气温、相对湿度、风速小于ECMWF-ERA5模拟值,但边界层高度模拟值较大.ECMWF-ERA5模拟的逆温强度相比较小,且温度露点差较小.此次污染过程PM_2.5和PM₁₀日均浓度最大值分别为190.1 μg·m^-3和261.0 μg·m^-3,相对湿度增大引发的颗粒物吸湿增长是导致PM_2.5和PM₁₀质量浓度突增的主要原因.     

天津大气稳定度和逆温特征对PM2.5污染的影响

利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM_2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明,2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气（E,F类）较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高,5：00~8：00和21：00~23：00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM_2.5月均值和污染日数均有所增大,同时逐月PM_2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM_2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.     

常州市区逆温对大气污染物扩散的影响

影响大气污染的气象因素主要是湍流(风)和大气稳定度(气温的垂直分布).在对流层里,当气温随高度递增时,称为逆温.逆温的存在,在很大程度上制约着风场和湍流结构,使近地层大气稳定,湍流受到抑制,扩散稀释十分缓慢,地面污染浓度升高.本文通过常州市区1984年至1987年气象、遥感和环境监测资料,着重分析冬秋季逆温对大气污染物扩散的影响.     

逆温——空气污染的帮凶

1952年发生在伦敦的烟雾事件夺去了数千人的生命,那么,杀人凶手是谁呢?是有害的污染气体中的二氧化硫和粉尘.但是,另一个不容忽视的因素——低空中持久的“逆温”,无形中帮助了这些污染物,使其浓度越来越高而久久不能扩散,超过了人们所能忍受的最高限度而导致灾难发生.因此,逆温是这次惨案的杀人帮凶.     

逆温天气与鄂尔多斯高原中小城镇大气污染

本文根据鄂尔多斯高原逆温天气的形成，讨论了高原地区中小城镇大气污染的时空分布及控制污染的可行性途径。     

哈尔滨冬季大气污染及逆温对污染物扩散影响

利用实际监测资料研究分析了哈尔滨市2000-2003年大气污染物的变化状况,和冬季重度污染发生的气候条件,特别指出了逆温持续性、强度、和层厚对大气污染扩散影响的正比关系,即逆温日数越多,超标污染日越多,逆温强度越大,污染越重的规律.     

重庆主城区秋冬季逆温对空气质量影响的观测分析

2013年9—11月利用RPG-HATPRO地基多通道微波辐射计对重庆主城区大气进行连续探测,统计了大气逆温情况,并对典型重污染天气下大气逆温与空气质量状况进行综合分析。结果表明,逆温出现的频率为63.3%,基本为接地逆温类型,逆温层厚度为953 m,逆温强度为0.3℃/hm;逆温的存在为气溶胶的积聚和凝聚创造了有利条件。     

成都及周边城市一次区域性空气污染过程特征分析

2013年12月1-9日成都及周边城市出现了一次较为严重的区域大气污染过程,重污染区域集中在成都市,其API值最高达到225,首要污染物为PM2.5。对成都地区PM2.5源解析可得出本次污染过程是以机动车尾气和煤烟污染的混合型污染过程,贡献比重之和为42.8%。同时探讨了研究期间造成污染持续累积的相关因素:高空500hPa的大气环流形势处于弱高压前部以下层气流为主;主导风向西南风和东南风,平均风速分别为1.46m/s和0.99m/s,无降水,气温日较差较往年偏高7.1℃的气象条件;高湿及"双逆温"效应的大气结构均不利于污染物扩散。研究表明逆温强度变化与颗粒物浓度的消长具有显著的滞后一致性。研究结果可为成都平原地区发生重污染过程的预警预报及污染防治提供理论依据和研究参考。     

不同天气型下武汉城市圈PM2.5污染及大气层结特征分析

利用2015—2019年PM_2.5和气象要素观测资料、NCEP和ERA5再分析资料,分析不同天气型下武汉城市圈PM_2.5区域污染时空分布、天气尺度环流和大气层结特征.结果表明,城市圈污染以武汉为中心,多为轻度-中度污染,西部重于东部.造成武汉城市圈区域污染增长的天气形势包括4类,分别为冷高压底前部型、高压后部型、均压场型和低压倒槽型.4类污染天气型均有较低的混合层高度和地表通风系数,且边界层 存在弱下沉运动和逆温,抑制污染垂直扩散.但气象要素影响PM_2.5污染的机理各异：冷高压底前部型主要为大气压梯度引导偏北大风带来 污染物远程输送,边界层冷平流导致低温、锋面逆温和浅薄高湿层（65%~80%）,强输入性污染配合吸湿性累积增长造成严重污染,逆温厚度对PM_2.5增幅作用明显;低压倒槽型东南风输入污染弱,但高温、低压引起气流辐合导致本地污染汇积,边界层暖平流带来平流逆温和深厚湿层（1000~750 hPa）,逆温层底高偏低、厚度偏厚,促进污染物在近地面吸湿增长;高压后部和均压场型均为浅薄湿层（1000~975 hPa）、湿度中等（56%~75%）,污染物吸湿增长相对较弱,高压后部型主要为偏东风短程输入污染为主;均压场型则为小风静稳天气,多晴空辐射逆温,逆温 强度大,大气扩散能力差,污染主要为弱北风的输入和本地累积.     

2013年1月北京市一次空气重污染成因分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9日至15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析.结果表明,重污染过程期间10日至14日PM2.5平均值为323μg·m-3;重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因;重污染过程中区域输送对北京PM2.5贡献率在53%~69%之间且存在明显的二次转化,区域输送起着更为重要的作用;气象条件对持续性重污染的形成和破坏起到了关键性的作用,因此需要加强对重污染预警预报研究,以有效预防和控制空气重污染.