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.     

2015年干季佛山一次重空气污染过程形成机理研究

2015年12月21-23日,广东珠三角佛山地区出现了一次PM_2.5重污染过程.利用佛山地区顺德、禅城、三水3个站点风廓线雷达、激光雷达和微波辐射计观测资料,结合地面气象观测数据和污染物浓度数据,分析研究了这次重污染过程的形成机理.结果表明：1形成这次污染过程的主要原因是近地层偏南风和偏北风对峙导致水平风速减小,大气水平输送能力变差;持续时间长且强度达到3℃·km^-1的强逆温抑制了污染物的垂直扩散;800 m以下超过90%的高相对湿度造成气溶胶粒子吸湿增长显著.2持续时间长且比较深厚的小风层是造成这次污染过程的直接原因,小风层厚度是预报空气质量变化的较好工具.与地面风速相比,PM_2.5浓度与小风层厚度的相关系数最多能提高0.36,且具有较长的预报时效.佛山地区小风层的风速阈值为3.8 m·s^-1.3这次污染过程存在两种不同的污染形成机制,污染前期（21-23日中午）主要以本地污染物累积为主,污染后期（23日下午）下风向地区（三水）的污染主要是受上风向地区（顺德和禅城）的污染输送影响.     

北京2019年冬季一次典型霾污染特征与成因分析

为研究北京冬季霾污染过程的污染特征和成因,以北京2019年12月一次典型PM_2.5污染过程为分析对象,利用气溶胶垂直探测资料、边界层气象场和近地湍流资料,对霾不同污染阶段的特征与边界层理化特性的演变进行综合分析.结果表明：①观测期间北京共经历两次污染生消,历时5 d,PM_2.5小时浓度最高220 μg·m^-3,超过重度污染标准的时次占比53%.②高空稳定形势和地面均压场配置下,来自北京西南城市群地表的气溶胶和水汽传输（占比48%）,在近地层偏南弱风（风速1~2 m·s^-1）,贴地强逆温［0.8 K·（100 m）^-1］和高湿（相对湿度80%以上）等不利扩散的气象条件下不断吸湿增长,加之本地污染排放,成为霾日维持的主要原因.且随污染加重,气溶胶球形特征逐步显著（退偏比从0.05降至0.02）.③各湍流统计量（湍流强度、摩擦速度和湍流动能）在重污染发生与结束前提前出现规律性异常突降（小时波动率77%）与激增（超过一个量级的峰值）现象,表明湍流统计量可作为重污染过程发生和结束的预报指标,其中湍流强度响应提前的时长与其峰值后的持续湍流强弱有关.污染累积阶段摩擦速度（0.04~0.21 m·s^-1）、湍流强度（均值0.678）和湍流动能（均值0.643 m²·s^-2）等均维持在较低水平,底层大气混合扩散能力较差,对污染持续累积起重要作用.另外晴天和霾天感热通量均由地面向大气输送,且呈明显的日单峰变化特征,霾天感热通量（20W·m^-2）较晴天小（60W·m^-2）;潜热通量则全程在0值附近.     

杭州富阳地区2015—2018年冬季不同天气形势下PM2.5传输路径和潜在源区分析

利用2015—2018年杭州市富阳地区国控站污染数据、自动站和GDAS气象资料及对海平面气压场进行天气分型的基础上,使用HYSPLIT模型、潜在源贡献因子（WPSCF）分析法和浓度权重轨迹（WCWT）分析法,研究富阳地区冬季污染现状及不同天气形势下PM_2.5的输送路径与潜在源区分布特征.结果表明,2015—2018年富阳地区冬季PM_2.5浓度持续较高且变化趋势不明显,污染区域输送问题不容忽视.通过天气分型得到该地区冬季主要受高压、高压前部、高压底部、L型高压、低压和低压前部6种天气形势影响,其中,高压和高压底部控制下PM_2.5浓度均值较高,分别为65 μg·m^-3和58 μg·m^-3.对各天气形势下气团轨迹聚类分析得到,高压和高压前部控制下污染气团主要来自山东、江苏等地,高压底部和L型高压控制下污染气团主要来自内蒙古、辽宁等地,低压和低压前部控制下污染气团主要来自浙江中部、东南部地区.不同天气形势下WPSCF和WCWT得到的分布特征类似,高压控制下潜在源区分布范围最广,位于浙江西南部、东北部、上海和江苏东南部地区,其次为高压底部控制,潜在源区位于浙江中东部、东北部和上海地区,高压前部、L型高压、低压和低压前部的潜在源区范围较小,基本位于浙江、江苏南部和上海等地.     

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...     

北京平原和延庆地区山谷风异同及对污染的影响

在一定的地形与天气条件下,山谷风环流是影响山地和平原气溶胶污染的主要气象因素之一.本研究基于2015~2019年京津冀地区生态环境监测数据和多源气象数据,对比分析了北京平原和延庆地区山谷风异同,结合典型污染事件揭示了山谷风不同阶段对PM_2.5浓度的影响机制.经分析发现,观象台山谷风为偏西南风转偏东北风,延庆站为偏东南风转偏东北风,随着污染等级加重,山谷风强度减弱17.7%~32.4%;观象台风速2~6 m·s^-1时,最大为SE风向PM_2.5浓度83μg·m^-3,东南风浓度高于西南;延庆站风速2~6 m·s^-1时,偏东南方向浓度高于其他风向20~40μg·m^-3,谷风阶段PM_2.5浓度高于近5年均值10~12μg·m^-3.以2015年3月5~8日重污染事件为例,山谷风的影响作用主要体现在谷风时段东南风的高湿性及区域传输作用,延庆站3月6~7日谷风阶段PM_2.5浓度上升100~130μg·m^-3;山风时段逆温发展至1000 m,观象台和延庆站露点先后抬升18℃左右,延庆站露点峰值滞后观象台2 h,高湿环境下PM_2.5浓度小幅上升.同时,3月6~7日延庆站400 m高度和玉渡山站热力梯度逐渐减小,山谷风分别减小8%和6%,局地环流减弱可能与边界层和高浓度气溶胶双向反馈机制有关.     

2013年京津冀重污染特征及其气象条件分析

2013年中国东部地区多次发生持续的重霾污染事件.为探究其气象条件与重污染事件的关系,本文使用欧洲中心2013年东亚地区的逐日气象数据和北京、天津、石家庄的逐时PM_2.5浓度数据以及2013年MICAPS观测数据,分析了重污染事件对应的天气形势,并使用NAQMPS针对2013年1月的重污染事件进行情景模拟.研究结果表明：1北京、天津和石家庄地区PM_2.5浓度,夏秋季节日变化不显著,秋冬季节白天低夜间高;3地PM_2.5浓度均表现为12-1月浓度最高,7月最低;.2500 hPa平直西风气流,850 hPa弱暖平流,地面处于弱高压后部或高压底部高低空配置下的天气系统,对应着重污染事件的高发期;3源强不变的情况下,京津冀地区由弱高压前部控制转为弱高压控制时,地面温度升高0~5℃,相对湿度增加30%~50%,风速下降2~3 m·s^-1,PM_2.5浓度变化可达300 μg·m^-3.     

2013—2015年北京污染频发期细颗粒物重污染成因与天气形势关系的研究

我国重污染呈现愈演愈烈态势,重污染事件在供暖季节（污染频发期）尤为频发.本文利用北京2013—2015年采暖期逐小时PM_2.5浓度数据、再分析资料、气团后向轨迹、气溶胶雷达数据以及探空数据综合分析了北京地区重污染状况,概括了重污染发生时常见的天气形势,探讨了重污染形成原因与天气形势的关系.研究结果表明：2013—2015年采暖期北京发生重污染（日均PM_2.5浓度大于150 μg·m^-3）的天数分别为36、28及35 d,即北京采暖期21.9%的天数受重污染天气影响.2月份重污染事件最为频发,发生频次为27.3%.北京发生重污染事件时,地面被高压控制时,高空500 hPa多东移的槽脊,当位于脊后槽前时,为上升运动,西南风,850 hPa多暖平流,西南风输送暖湿气流,湿度较大,地面偏南风,可能会存在污染物的输送;地面为低压控制时,500 hPa一般为稳定的西风气流或西北气流,低空850 hPa可能存在暖平流,地面常伴随弱的风场辐合,导致污染物累积;当地面为均压场时,高空500 hPa多为脊后槽前的形势,低空无明显冷暖平流,地面等压线稀疏或无等压线,静风天气.这3类结构引发的重污染天数分别占总重污染天数的47.3%、18.2%及34.5%.进一步分析重污染成因与天气形势关系表明：北京地面受高压系统控制时,污染时间持续最长,也最为频发（47.3%）,PM_2.5平均浓度最高可达258.8 μg·m^-3,且常伴随来自西南方向的污染物输送,北京上空1 km附近存在逆温和逆湿.对污染传输路径研究发现：主要存在3条输送通道,①天津-廊坊-北京、②沧州-廊坊-北京、③石家庄-保定-北京.鉴于目前数值模式对天气形势的预报较为成熟,本文对区域重污染过程与天气形势之间的关系研究,有助于为北京地区空气质量的精准预报预警提供科学支持.     

2016~2019年江西省臭氧污染特征与气象因子影响分析

利用2016~2019年生态环境部环境监测总站提供的江西省11个设区市的监测数据及同期的国家气象观测站常规观测资料,研究江西省臭氧污染特征与气象因子的关系.结果表明,江西省近几年臭氧污染日益严重,2016年全省臭氧（日最大8 h滑动平均值）平均浓度为80.1 μg·m^-3,到2019年上升至98.2 μg·m^-3,平均年增长率为6 μg·m^-3.2019年江西省11个设区市O₃超标总天数为475 d,占总超标天数的72.6%.2016~2018年O₃月平均浓度具有典型的季节变化特征：夏季 > 春季 > 秋季 > 冬季,2019年秋季由于降水量显著减少、日照时数增多和气温升高等气象条件导致秋季近地面臭氧浓度异常升高,其平均浓度高于其它季节.臭氧浓度总体与气温、日照时数呈正相关,与相对湿度呈负相关,当气温高于30℃、相对湿度在20%~40%区间、风速在2~3 m·s^-1区间时易出现高浓度臭氧污染.江西省臭氧浓度呈现一定的空间分布特征：赣东北地区低于其他地区,南部城市高于北部城市.其中,赣州市臭氧污染较为严重,其2019年平均浓度居全省最高,为104.2 μg·m^-3.基于后向轨迹HYSPLIT模型和潜在源解析PSCF对赣州市进行分析,研究结果表明赣州市臭氧污染的主要潜在贡献源区存在一定的季节差异：春季臭氧污染的外来输送源主要来自广东中部和江西北部地区,夏季主要来自江西北部地区,而秋季则主要来自广东北部和安徽中部地区.     

哈尔滨市秸秆焚烧大气污染负荷估算方法研究

本文针对近些年哈尔滨秋末冬初大气污染程度增加的溯源问题,基于静风污染气象及降雪对秸秆焚烧的影响等基本假设,采用箱式模型和优化拟合的方法对秸秆焚烧产生污染物的源强及其负荷进行了估算.通过对2015年和2017年典型时段数据的优化拟合得到降雪前重污染天气下PM₁₀排放源强分别为20.16、21.83 μg·m^-2·s^-1,CO的排放源强分别为149.32、138.65 mg·m^-2·s^-1;降雪后重污染天气下PM₁₀排放源强分别为15.98、7.09 μg·m^-2·s^-1,CO的排放源强分别为122.91、89.21 mg·m^-2·s^-1.由降雪前后各污染物的源强差得到2015年和2017年秸秆焚烧产生的PM₁₀的排放源强分别为4.18、14.74 μg·m^-2·s^-1,负荷分别为20.73%、67.52%;CO的排放源强分别为26.41、49.44 mg·m^-2·s^-1,负荷分别为17.69%、35.66%.本文为相关清单的研究提供了一种客观的校核方法,具有重要的社会、环境及现实意义.     

2016年12月江苏省两次连续污染过程气象条件对比分析

利用地面常规气象观测资料、NCEP（National Centers for Environmental Prediction）再分析资料、AQI（空气质量指数）、ρ（PM_2.5）、ρ（PM₁₀）等大气环境监测数据,对2016年12月江苏省连续出现的两次大范围大气污染过程进行了对比分析.结果表明:这两次连续污染天气过程可分为颗粒物积聚-清除-再积聚-彻底清除4个阶段,相应地,地面形势表现为均压场-低压倒槽-西路冷空气-东路冷空气.第1次污染天气形成和维持主要是长时间受均压场控制、近地层逆温和高相对湿度有利于颗粒物积聚;第2次污染天气形成和维持主要是因西路冷空气南下、上游重污染地区颗粒物随冷空气向江苏省输送.持续降水和持续2.0 m/s以上偏东风对大气中颗粒物有较明显的清除作用.淮北西部垂直、水平扩散条件差、降水清除时间短,导致该地区在全省污染等级最严重、持续时间最长.西路冷空气影响期间,各站颗粒物质量浓度转为快速上升,东部地区在偏西风持续49~58 h后空气质量改善为良,中西部地区无法得到有效改善;东路冷空气影响7~22 h后,中西部地区空气质量转为良,高压底部持续偏东风使全省颗粒物得到彻底清除,连续污染天气结束.研究显示,西路弱冷空气的输送会加剧江苏省的污染程度,持续较长时间的东路冷空气则可以改善江苏省的空气质量.      

2011年10月珠江三角洲一次区域性空气污染过程特征分析

2011年10月18—25日珠江三角洲地区出现了一次区域性空气污染过程,重污染区域集中在西部,后期向中部转移,PM₁₀为首要污染物.针对本次空气污染过程的研究发现,此次珠江三角洲地区空气污染过程主要受大尺度冷高压活动的影响,一直为下沉气流所控制,500 m以下近地层风速很小,边界层高度较低,存在贴地逆温层,非常不利于污染物的输送和扩散.PM₁₀浓度与风速、能见度呈显著的负相关关系,与温度相关性不显著;且与风速和温度的相关性存在滞后性.稳定天气形势、大范围下沉气流、近地层静小风和贴地逆温是导致这次区域性空气污染过程的气象原因,PM₁₀浓度增加导致珠江三角洲能见度下降.     

珠三角秋季典型气象条件对空气污染过程的影响分析

利用空气质量指数(AQI)、主要大气污染物浓度和气象要素、天气图等数据资料,结合中尺度数值天气预报模式WRF,对2014年10月珠三角地区污染期间的天气形势及气象特征进行了分析.结果表明,WRF模式可以较好地反映珠三角地区主要城市地面和高空气象要素的时空变化,9个城市平均地表的温度、相对湿度和风速的模拟值与观测值的相关系数分别为0.90、0.87和0.78.对2014年10月3次污染过程的分析表明,造成该时段珠三角地区空气污染的天气形势主要是高压底部型和均压场型.静风或小风(2 m·s~(-1))及稳定的大气层结均不利于污染物的扩散,同时由于偏北气流输送周边污染物到珠三角地区,导致污染物浓度不断增加.相对湿度低于65%时,珠三角地区首要污染物以O_3为主;相对湿度高于70%时,PM_(2.5)浓度逐渐增加,成为主要污染物.高温等气象条件会影响光化学反应,加重珠江三角洲的空气污染,表现了该地区大气复合污染的特性.     

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.     

佛山地区干季边界层垂直风温结构对空气质量的影响

利用佛山地区2013年12月大气边界层观测试验得到的垂直风温资料和相应逐日AQI资料、逐时PM_(2.5)浓度资料,研究了佛山地区大气边界层垂直风温结构对空气质量的影响.结果表明:佛山地区干季持续存在的逆温结构是导致PM_(2.5)污染较重的重要原因.干季污染日近60%的最低逆温层高度低于1000 m,而非污染日低于1000 m的最低逆温层仅占36%,污染日佛山贴地逆温频率高达31.2%.逆温层出现高度较低,将污染物压缩积累在贴地层大气中导致污染较重.在大陆冷高压控制下,佛山地区的边界层结构演化非常典型,最大边界层高度和最大边界层通风量表现出了显著相关,污染日日平均边界层高度始终维持在较低的水平,多数时候不足500 m,最大边界层高度则大部分小于1000 m,日平均边界层通风量主要分布在500~1500 m~2·s~(-1)之间,在极端情况下甚至不足300 m~2·s~(-1),最大边界层通风量大部分处于1500~5000 m~2·s~(-1)之间,导致污染物始终聚集在较低的大气边界层内,使得PM_(2.5)浓度长时间维持在较高的污染水平.佛山地区风场存在显著的3层结构,较小的底层风速意味着大气的输送和扩散能力较弱,高度较低的中层使得污染物进一步被压缩累积在大气底层,垂直风场的不稳定性使得污染日佛山地区局地回流活跃,回流(RF)指数极小值多分布在0.2~0.4之间,污染日RF指数普遍小于非污染日,垂直风场的有效输送能力被显著削弱.     

北京地区偏南风和偏东风条件下污染特征差异

为探究污染的控制风向特征差异及其长期演变趋势,对2014~2019年北京地区逐小时气象要素和PM_2.5浓度统计分析.结果表明,研究时段内北京地区67%的污染发生在偏南风和偏东风的控制下,且冬季最易出现污染,其次为春季和秋季,各自对应的冬、春、秋和夏季平均污染概率为45.2%、34.1%、32.1%和26.1%及47.0%、45.8%、39.7%和29.6%.北京偏南风频率更高,但偏东风下污染概率更大,污染差异在春季最明显11.7%（2.8%~18.6%）,冬季最小1.8%（-7.6%~13.9%）.过去6 a,偏南风和偏东风下的污染概率分别以每年4.6%~8.0%和5.5%~7.9%的速度降低,很大程度体现在中度及以上程度污染占比的减少.偏南风下污染发生时,能见度和混合层高度偏高、风速偏大、小时风速≥3 m ·s^-1的时次偏多、相对湿度和露点温度偏低,春季、夏季和秋季的PM_2.5平均、峰值和75%百分位浓度显著低于偏东风控制下的污染,而冬季PM_2.5浓度则偏高.这表明,污染发生时,偏南风下大气对污染物的承载和扩散能力略好于偏东风,且偏东风下大气含水量的增加有利于污染的维持和加重.而冬季,原有排放加上城市供暖的影响,偏南风输送的污染气团可能更有助于PM_2.5浓度的升高.此外,春季、夏季和秋季的污染逐渐向"偏东风型"发展,但冬季一直保持"偏南风型"污染.     

2014~2017北京市气象条件和人为排放变化对空气质量改善的贡献评估

2014～2017年北京地区霾日数和污染日数逐年减少,PM_(2.5)、PM_(10)、SO_2和NO_2年平均质量浓度下降,污染程度缓解,采暖期中的11～12月尤为明显.针对空气质量的显著改善,从气象条件的改善和减排措施两方面进行探讨分析,并结合数值模式和大数据挖掘技术实现气象和排放对大气污染贡献率的定量化研究.结果表明,2017年与过去3 a相比,平均风速增加7. 9%,≥3. 4 m·s~(-1)的风速频次最高(10. 6%),≥70%湿度日占比最小(25. 1%);其中,采暖期与过去3 a同期相比,小风日数减少8. 6%、大气环境容量指数和通风指数平均增加约11%,边界层高度以3. 2%·a~(-1)的速率升高,尤其11～12月各要素改善更显著,且该时段内2014年各因子变化与2017年相似.非采暖期(4～10月)累积降水量558. 3 mm,仅次于2016年,有利于污染物的清除和湿沉降.利用WRF-CHEM对霾和污染频发的12月进行模拟发现,气象要素的改变导致2017年12月北京PM_(2.5)质量浓度较2014～2016年同期分别降低5%、38%和25%.因缺少政府实际施行的减排方案,无法利用WRF-CHEM量化气象和减排的具体贡献率,因此借助大数据挖掘算法,基于K近邻算法(KNN)和支持向量机(SVM)模型对气象和减排对空气质量改善的贡献进行评估,结果显示2017年减少的霾日和重污染日,65. 0%归因于减排的贡献,35. 0%归因为气象条件的改善.可见,气象与生态环境部门应继续加强数据开放共享,科学开展气象条件预报与减排评估.     

中国东部冷锋推进中的PM2.5三维结构变化特征

利用观测资料和中尺度天气-化学模式（WRF-Chem）对一次冷锋南下天气过程导致的我国东部大范围空气污染开展研究,强调了冷锋过境前后的边界层结构及其对PM_2.5三维结构和变化的影响.观测发现,地面重污染区域位于冷锋前部均压场或等压线稀疏区域,在冷锋由北向南快速移动过程中,途经各站点PM_2.5浓度峰值伴随锋前而至.WRF-Chem模式可以较好地模拟中国东部地面和高空气象要素以及PM_2.5浓度的时空变化.模拟结果表明,处于该移动冷锋天气系统相同位置的沿途各站点的边界层结构以及PM_2.5垂直廓线表现出相似的特征.即:当冷锋开始入侵时,锋前污染物从地面被抬升到高空,PM_2.5浓度的增加和高空风速的增大导致高空PM_2.5通量增大,且PM_2.5浓度高值区随着高度升高向暖气团一侧倾斜.夜间冷锋过境引发边界层内对流性不稳定增加,边界层高度可达1 km以上,打破了边界层昼夜演变特征.本研究表明,垂直观测和精细模拟的结合可以有效地解释天气过程对空气污染的...     

气象条件对河北廊坊城市空气质量的影响

气象条件是影响大气污染的重要因子.利用2013年3月—2014年2月廊坊颗粒物质量浓度监测资料、自动气象站观测资料和欧洲中期天气预报中心再分析资料,采用多种统计方法分析气象与污染的关系,量化天气形势和局地气象条件对城市颗粒物质量浓度变化的贡献.结果表明:天气形势是决定局地气象要素和城市空气质量的重要因子.当廊坊位于高压中心或高压后部时,大气层结稳定,易造成重污染;当廊坊位于高压前部(气压梯度较大)时,大气层结不稳定,易于污染物输送和扩散.利用客观天气分型结合污染物质量浓度统计分析方法,可以量化天气形势对城市空气质量的影响.在局地气象要素中,能见度与ρ(PM_2.5)、ρ(PM₁₀)相关性最高(相关系数分别为-0.75和-0.53,下同),其次依次为风速(-0.45和-0.31)、相对湿度(0.41和0.25)和温度(-0.15和-0.06).通过污染物浓度与局地风场关系分析发现,廊坊颗粒物质量浓度受天津市、河北省南部区域输送的影响明显,受北京区域输送的影响相对较弱.研究显示,气象条件可以解释廊坊ρ(PM_2.5)和ρ(PM₁₀)日均值变化的56%和49%,其在冬季对颗粒物质量浓度影响最为显著,春秋季次之,夏季影响最小.