降水和风对大气PM2.5、PM10的清除作用分析

对合肥2015—2017年的降水、风和PM_(2.5)、PM_(10)浓度观测数据统计研究发现,降水对PM_(2.5)、PM_(10)有一定的清除作用,尤其在秋冬季节.秋冬季节小雨、中雨分别导致PM_(2.5)和PM_(10)浓度降低23.1%、40.4%和32.0%、63.7%.雨日PM_(2.5)/PM_(10)比例上升8.4%,表明降水对PM_(10)清除作用更显著.降水前后PM_(2.5)浓度变化与降水前PM_(2.5)浓度、降水强度、降水时长密切相关.当降水强度大于4 mm·h~(-1)或PM_(2.5)初始浓度高于115μg·m~(-3)时,降水对PM_(2.5)产生明显清除作用;而降水强度小于1 mm·h~(-1)或PM_(2.5)初始浓度低于115μg·m~(-3)时由于吸湿增长作用极易造成PM_(2.5)浓度反弹升高;且持续3 h以上雨强介于1～4 mm·h~(-1)的降水也对PM_(2.5)产生清除作用.降水前后PM_(10)浓度变化与初始浓度密切相关,而与雨强相关性较弱.当PM_(10)初始浓度大于50μg·m~(-3),降水就对PM_(10)产生明显清除作用,且PM_(10)初始浓度越高,降水后PM_(10)浓度下降越多.风速大于2 m·s~(-1)可显著降低PM_(2.5)浓度,因此,当风速大于4 m·s~(-1)时合肥较少出现中度及以上污染,但易造成地面起尘,使PM_(10)浓度不降反升.合肥冬季严重污染主要出现在西北风向,夏季中度以上污染天气较少,主要出现在风速低于3 m·s~(-1)的东南风向.     

多模式集成方法在安徽地区PM2.5预报中的应用研究

分别采用算术平均、权重平均、多元线性回归和神经网络的集成方法,对3种空气质量模式在安徽地区2017年2月-2018年2月PM_2.5预报结果进行集成释用.结果表明：各模式和订正产品的预报值与实况值之间均能达到显著相关,相较于WRF-Chem,多元线性回归的均方根误差（RMSE）下降了21.7%,归一化平均偏差（NMB）下降了6%,且在16个地市中NMB均下降至-25%~25%之间;从不同时次的预报效果来看,在3个代表性城市（淮北、合肥和芜湖）,多元线性回归均能大幅度降低RMSE和NMB,但从时间和空间效果来看,其对于提升预报值与实况值之间的相关性方面,略差于权重平均的集成方法;多元线性回归方法对于重污染天气PM_2.5预报评分（TS）最高,为0.46.该方法能较为有效地提升不同模式的预报效果,可为重污染天气预报预警提供参考.     

1970~2009年安徽省大雾气候特征分析

为了弄清安徽省大雾时空演变规律,利用安徽地面气象站1970~2009年40a的气象观测资料,对安徽省大雾的气候特征进行了系统的分析。研究发现安徽省大雾具有显著的年代际、季节性和区域性变化特征,结果表明:(1)年代际变化,安徽省雾日数在80年代达到最高,由于城市发展和气候变化的影响,雾日数不断减少。同时,雾生时间年代际变化不大,而雾消时间则不断后延,直接导致雾的持续时间不断增加,40a间雾的持续时间增加将近1h;(2)安徽省大雾四季特征分明,空间分布不均。冬季是安徽大雾的高发期,大雾日数最多,持续时间最长,雾中最小能见度最低,雾的影响最为严重。在夏季,大雾日数最少,持续时间最短,雾中最小能见度最大,雾的影响最弱;(3)空间分布上,皖北和皖南山区雾日数和雾的持续时间都较长,雾中最小能见度都较低。而在中部地区则相反,雾的影响较弱。     

基于综合观测的中国中东部地区一次严重污染过程分析

利用寿县国家气候观象台GRIMM80颗粒物监测仪、Aurora3000浊度计等探测的气溶胶浓度、大气散射系数分析了2018年1月中国中东部地区发生的一次严重污染过程.利用Airda微波辐射计探测的近地层温湿廓线数据,结合地面常规气象观测资料及EC再分析资料,探讨了此次污染过程形成、短时消散及清除的气象原因.结果表明：与历史同期相比,500 hPa极涡较浅、经向环流减弱;850 hPa西南气流强盛,中低层水汽充足加剧污染.污染发生于冷空气间歇期.在此污染过程中,地面平均风速为1.5 m·s^-1,日均日照时数为0.1 h,相对湿度为91.2%,高湿、小风、多云寡照不利于污染水平扩散.1月18-22日边界层持续存在多层逆温,第一逆温层基本多为贴地逆温,逆温高度低于200 m,近地层大气比湿超过5 g·kg^-1,最大值高于7 g·kg^-1.在此期间出现两次空气质量短时段好转,这主要源于对流层中低层转为西北风,900 hPa以下聚集相当位温（Q_e）低于288 K的浅薄冷空气堆,导致贴地逆温层消失地面污染被稀释.但两次弱冷空气没有打破边界层内有利于污染聚集的逆温、高湿结构,地面气团温度露点差无明显变化.23日较强冷空气使高空干洁大气入侵近地层,850 hPa以下Q_e<284 K,表明地面污染气团被置换,污染过程结束.     

基于CALIOP的安徽沿淮地区霾天气溶胶类型及垂直分布特征

利用CALIPSO卫星气溶胶廓线数据、地面观测资料进行统计分析,给出了2012—2013年安徽沿淮地区霾日气溶胶的垂直廓线分布.基于后向轨迹及聚类分析,获得沿淮地区污染的主要来源及传输方向,并进一步利用卫星类型掩码产品(VFM)及EC再分析资料,对不同来源的气溶胶类型、气溶胶垂直分布及导致污染的典型天气形势进行分析.结果表明,沿淮地区消光系数随高度减小,霾日近地面消光系数为0.53km~(-1),约为晴空日的2.5倍.污染性天气主要为本地污染积累(占比为46%),其次为长三角区域污染带及京津冀等地污染传输作用影响.在静稳天气背景下,850 h Pa暖平流形成逆温层易导致沿淮地区本地污染,大陆污染型气溶胶为主要成分,近地面受低压上升气流影响,污染物在垂直方向上略有抬升,聚集高度为0.4~0.8 km.当西太平洋副热带高压5880位势高度等值线西伸北进,长三角区域整层大气均被高压控制,易产生污染沙尘型气溶胶,污染物聚集在近地面且浓度随高度减小.而在冷空气南下早期,850 h Pa冷平流易将京津冀地区污染传输到沿淮地区,气溶胶类型为大陆污染型气溶胶和污染沙尘型气溶胶,在1~2 km处高污染浓度最高,高于近地层.     

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.