2. 中国人民解放军95871部队, 湖南 衡阳 421000;
3. 北京师范大学全球变化与地球系统科学研究院, 北京 100875
大气污染会造成北极地区的辐射强迫、地表反照率、云特性发生变化, 这些变化会进而影响北极地区的气候变化(Fisher et al, 2011a), 因此, 北极地区的大气污染问题近些年受到了广泛关注。虽然北极当地没有污染源, 但是观测数据表明北极上空大气中存在着气溶胶物质, 即存在所谓的“北极霾”(Arctic Haze)或北极污染(付培健, 1998)。关于北极的污染物来源, 目前已有众多研究表明北半球中纬度地区的污染物可以侵入到北极地区(Eckhardt et al, 2003; Fisher, 2011b; Law et al, 2014; Liu et al, 2015; Arnold et al, 2016; Raut et al, 2017; Qi et al, 2017)。Klonecki et al(2003)通过化学传输模式CTMs模拟研究发现, 欧洲是北极低层气溶胶污染的主要源头, 而来源于东亚和北美的气溶胶对冬春季北极中上对流层大气中的气溶胶有着重要的贡献。Shindell et al(2008)通过分析13个模式的模拟结果后也发现北极低层大气中黑碳气溶胶主要来自欧洲, 北极对流层中部大气中的黑碳气溶胶主要来自东亚和欧洲, 而北极对流层上层大气中黑碳气溶胶则主要来自东亚, 且随高度的增加, 东亚排放的黑碳气溶胶所占的比重增大。Wang et al(2015)进一步指出起源于东亚的黑碳气溶胶对北极黑碳气溶胶柱总量的贡献最大, 但其对北极地表面黑碳浓度的贡献并不显著。
中低纬度的污染物如何传输到北极地区目前还是一个颇受争议的问题。Pierro et al(2011)发现, 在春季, 北美和东亚排放的污染物可以进入中纬度边界层中, 伴随着气旋的暖输送带, 随后在自由对流层里沿着倾斜的等熵线向北极运动, 最后在辐射冷却的作用下从对流层上层进入极地。詹建琼等(2011)利用EEMD方法、后向轨迹和簇分析方法进行分析后发现, 夏季北极新奥尔松地区的黑碳气溶胶有10%~30%源自远距离输送, 其主要源区为欧洲、俄罗斯和北美。Ikeda et al(2017)也利用GEOS-Chem模式研究发现北极黑碳气溶胶的主要来源在不同高度上是不同的: 5 km以下的层结, 黑碳气溶胶的大型源区主要分布在欧洲和北美, 然而在中对流层, 41%的黑碳气溶胶来自东亚。这些研究不仅使我们了解了北极地区污染物的来源以及中纬度地区的气溶胶向北极传输特征, 也使我们认识到中纬度不同地区的气溶胶对于北极不同高度上的贡献是不同的。
从上述以往的研究可以看出, 尽管有确信的证据表明中低纬度的大气污染排放可以传输到北极地区, 但是中低纬度的污染是如何传到北极地区的?特别是中国低纬度地区的污染物向北极地区的传输路径和传输量目前还是一个很受争议的问题。中国是全世界拥有人口最多的国家, 气溶胶造成的雾霾天气不仅严重影响着中国地区(Chen et al, 2015; Fan et al, 2018), 而且其排放的黑碳和沙尘气溶胶都被证实可以通过大气环流传输到北美(Liang et al, 2007), 而且已经有研究证实中国西北地区的沙尘气溶胶还可以传输至北极地区(付培健, 1998; 黄忠伟, 2012)。近年来随着印度、东南亚等国家污染排放与中国南方地区本地污染排放的共同作用, 中国南方低纬地区污染日趋严重(秦世广等, 2006; 吴兑等, 2006)。研究中国南方等低纬度地区的污染排放向北极地区传输的细节对于污染防控和应对极地气候变化具有非常重要的意义。
本文将利用中尺度模式WRF(Weather Research and Forecasting Model), 以及FNL(Final Operational Global Analysis)客观分析资料的气象场作为模式的驱动场, 通过4个数值试验, 模拟分析在2010年不同气象条件下, 中国低纬度地区排放的示踪物向北极地区传输的总量、传输特征及传输机制。
2 模式及数据使用的模式是美国国家大气研究中心NCAR(The National Center for Atmospheric Research)开发的中尺度天气研究与预报模式WRF, 采用2016年8月12日更新的3.8.1版本, 在耦合了海温数据的情况下, 进行模拟试验(胡向军等, 2008)。数值试验中的物理过程参数化方案如表 1所示(李斐等, 2017)。在数值模拟试验中, 模式的初始场及侧边界条件选用0.5°×0.5°分辨率的美国国家环境预报中心NCEP客观资料FNL, 每6 h更新一次。每天一次的0.5°×0.5°的海平面温度资料RGT_SST被均匀插值到每个积分时步, 每天输出1次模式结果, 模式的spin-up时间取模拟的第一天(董俊玲等, 2011; 吴遥等, 2017)。
选定模拟区域为6°N-76°N, 70°E-160°E。模拟区域的中心点为55°N, 115°E。模式水平分辨率为100 km, 东西向95个格点, 南北向110个格点; 垂直方向上分为47层, 模式层顶高度为10 hPa。通过4个试验, 分别模拟不同气象条件下(2010年3月、6月、9月和12月), 中国华南地区的地表排放物在大气中的传输特征。模式试验设计参考Xie et al(2016)和Blaylock et al(2017)的设计思路, 在初始场中华南地区的所有规则格点(东西向22个格点, 南北向7个格点)的第一个高度层(以代表地表)上加入被动示踪物, 使每个格点的示踪物相对浓度值(约是0.6)相同, 所有格点上的示踪物的相对浓度之和为100, 而且示踪物只在初始时刻释放, 需要说明的是文中示踪物的相对浓度(下称排放物浓度)数值只代表浓度的大小, 不代表实际浓度, 所以没有单位。
风场分析资料为NCEP/DOE 1979-2016年风速分量(u、v)的月平均资料。
还采用了由美国国家海洋和大气管理局NOAA(National Oceanic and Atmospheric Administration)空气资源实验室和澳大利亚气象局联合研发的HYSPLIT模式(Hybrid Single Particle Lagrangian Integrated Trajectory Model)(http://www.arl.noaa.gov/ready/hysplit4.html)进行前向轨迹模拟(许平平等, 2015; 康丽泰等, 2017; 郝巨飞等, 2017; 张雪莹等, 2017; 姚俊强等, 2018), 以进一步确认中国华南地区的地表排放物在大气中的传输特征。
3 模拟结果分析 3.1 传输至北极的排放物总量从图 1中可以看出, 3月到达北极的中国低纬地区排放物先随时间增多然后逐渐减少, 最后趋于消失。排放物传输到达北极的时间约为9天, 11日传输至北极地区的排放物最多, 能达到总量的0.105
由图 1的分析可知, 中国华南地区的排放物在12月到达北极地区所需的时间最短, 约3天时间, 其次是9月和6月, 分别是5天和6天, 3月排放物传输到北极所需的时间最长, 约为9天。Pierro et al(2011)的卫星观测研究结果显示东亚排放物在纬向西风较弱的情况下向北极传输的时间尺度是5~7天, 这与本文的研究结果基本一致。另外, 12月到达北极的排放物最多, 其次是6月和9月, 3月传输到北极地区的排放物最少。
3.2 排放物的传输过程分析为了更清晰认识不同时间和不同天气背景下中国华南地区排放物侵入到北极的传输特征, 以下将进一步分析排放物在传输过程中的时空分布特征。图 2是不同个例模拟的不同时间传输到北极地区的排放物浓度随高度的变化图。从图 2可以看出, 3月排放物浓度较大值出现在11, 16, 18和23日, 最大浓度出现的高度主要集中在850~700 hPa之间。6月高浓度排放物持续时间较长, 从6月8日开始到6月末北极地区的排放物浓度都较高, 其中9, 15, 21和23日的浓度分别达到6×10-6、2×10-6、5×10-6、3×10-6, 高度在850~200 hPa之间。9月10日在北极出现一个排放物的高浓度区, 高度在400~200 hPa之间。12月北极的排放物浓度明显增大, 而且在较短时间内形成高浓度中心, 在5日北极地区的排放物浓度在400 hPa达到极值, 约为3×10-5, 随后浓度开始减小, 8日在700 hPa又出现一个排放物浓度的高值区, 约为2×10-5。
从图 2和图 1的分析可知, 传输到北极的排放物, 其峰值浓度12月最大, 9月和6月差别不大, 但是6月呈多峰值的分布特征, 3月传输到北极的排放物最少。不同个例模拟的达到排放物浓度峰值所需的时间也不同, 12月需要6天左右, 6月为8天左右, 3、9月是10天左右。另外, 6月排放物在北极停留的时间最长, 约20天, 12月和3月停留时间分别约是13天和5天, 9月停留时间最短, 只有3天左右。
图 3是不同个例模拟的750 hPa高度排放物浓度随时间的经向变化。从图 3可以看出, 3月排放物从释放区域分别向高纬和低纬地区传输, 而且向低纬地区传输的略多一些。在11日和16日有少量排放物从低纬度区域传输到北极地区。6月排放物从释放区域有明显向北传输的趋势, 向赤道方向传输的排放物较少, 在8日左右传输至北极地区, 而且侵入北极的排放物的浓度也比3月的大。9月6日以前排放物向北传输, 但是传输到60°N以后又向南传输, 9月11日和21日左右有少量的排放物侵入到北极地区, 而且可以推测这种传输没有持续发展, 因为北极地区排放物浓度的经向变化是不连续的。12月排放物从源区释放后向南北两个方向传输, 而且向北传输的特征更明显, 5日左右传输至北极地区, 7日左右到达北极的排放物浓度达到了最大值(约为0.001), 较其他个例中传输到北极地区的排放物浓度大, 随后排放物从源区向北极地区侵入的特征不太明显, 而且北极地区排放物浓度值随时间逐渐减小, 20日以后北极地区排放物浓度基本减小为0。
从图 4中可以看出, 排放物在3月8日之前主要是向东传输, 8日以后开始有部分排放物向西传输。在6月排放物向东传输的特征比较明显, 只有很少的排放物在较短时间内向西传输。9月7日之前排放物并没有表现出明显的纬向传输特征, 随后有缓慢向东传输的趋势。在12月排放物从源区向东传输, 12月5日以后排放物也开始向西传输。
为了进一步研究不同个例中上述传输特征的形成机理, 图 5给出了1979-2016年模拟区域750 hPa高度4个月份的经向气候态风场。从图 5中可以看出, 3月我国大部分地区被北风控制, 不利于排放物向北极传输, 而在150°E以东区域被南风控制的低纬和高纬区域有利于排放物向北极传输。6月低纬地区南风较强, 有利于排放物从低纬传输到北极。9月经向风明显减弱, 不利于排放物向北极输送。而12月我国大部分地区都被北风控制, 不利于排放物向北极地区传输。然而模拟结果却显示[如图 1(d)、图 2(d)]12月较多的排放物在较短时间内可以传输到北极地区。是什么原因导致2010年12月大量排放物向北极地区传输?本文在不同风场背景下的4个个例中分别选取排放物首次传输至北极地区的过程做具体分析, 以此来深入了解排放物的传输机制。从图 1、2和3中都可以看到, 3、6和9月的第6~11天能够包含排放物首次侵入到北极并达到一个峰值的完整过程, 而12月从第4~9天完成了排放物从源地传输到北极地区而且达到峰值的过程。因此每个月份选取连续的6天作为一次排放物侵入北极的过程并结合风场做具体分析。
从图 6中可以看出, 从3月6日开始, 排放物受到平直西风气流的影响, 大部分向东传输, 虽然在35°N, 150°E附近有槽前偏南风, 但是40°N, 150°E以北脊后都是偏北风, 所以排放物难以到达北极地区。7日在青藏高原北部有反气旋环流形成, 由于排放区在环流的东南侧, 因此一部分排放物就随着环流被输送到高原北侧; 9日60°N, 85°E附近又形成了一个反气旋中心, 这样在高原北侧积累的排放物又被这一环流场输送到60°N附近; 11日排放物继续向北传输, 最终到达北极地区。另外, 从图 6中也能看到, 大量排放物被输送到低纬地区与图 3(a)的分析结果一致。从图 6中可以看到, 排放物在排放源区东侧(135°E-160°E)并不能有效侵入北极, 而是靠排放区域西侧(70°E-100°E)的两个反气旋环流通过接力的方式将排放物传输至北极地区。
从图 7中可以看出, 排放物在6月6日主要向北、向东两个方向传输, 向北传输至50°N附近由于较强的纬向西风的阻隔无法继续向北传输, 而向东传输; 8日传输至50°N, 135°E附近的排放物受到槽前西南风的影响侵入到北极地区, 随着低压槽向南向东方向发展加强, 将40°N, 150°E附近的排放物向北传输到北极地区; 槽前西南气流将排放物传输到北极地区的这一特征, 而且可以看出向南传输的排放物较少, 这与图 3(b)的分析结果也相吻合。在图 7(e)中还可以看到在110°E附近50°N的纬向西风并不像6月8日图 7(c)中那么强烈, 并且由图 5(b)的分析得到在6月在110°E, 10°N-30°N附近的偏南风比较强, 从图 7(e)中也可以看到, 在30°N, 115°E附近有较强的偏南风, 这有利于传输到50°N的排放物继续向北传输。图 7(f)显示在110°E附近存在低压中心, 排放物受到槽前西南风的影响而侵入到了北极地区。
6月6-11日的传输过程是排放物一方面由源地开始向北向东传输, 在150°E附近由于受到槽前较强西南气流的影响, 较高纬度的排放物输送到北极地区, 随着低压槽向东向南发展, 较低纬度的排放物也被传输到北极地区; 另一方面由于6月较强的偏南风影响, 排放物表现出较强的经向传输特征, 在110°E附近也能由偏南气流直接输送至北极地区。6月传输到北极地区的排放物较3月多, 而且传输的路径也不一样。
从图 8中可以看出, 在9月6日排放物到达45°N附近时, 由于受到较强纬向西风的影响, 难以继续向北传输, 到达50°N左右的排放物主要向东传输, 由于受50°N, 135°E附近槽后西北气流的影响, 排放物向低纬地区传输。但是8日在60°N, 120°E附近形成一个气旋中心, 50°N附近的排放物由于随着槽前西南气流向较高纬度传输, 9日已有部分排放物侵入到北极地区。另外, 8日在45°N, 95°E附近又形成一个低压中心, 槽前有较强的西南风。虽然10日在60°N, 90°E附近存在一个较强的气旋中心, 但是由于传输至50°N, 105°E附近的排放物较少, 所以能传输到北极地区的排放物也很少, 大部分排放物随纬向西风气流向东传输。另外, 从整个过程可以看出由排放源区向南传输的排放物也较少, 这与图 3(c)分析结果也一致。9月排放物传输到50°N时, 受到较高纬度两个气旋的影响, 由于在120°E附近排放物值较高, 所以传输到北极地区的也较多, 而在105°E附近的排放物值较小, 所以由此传输到北极地区的排放物也较少。
从图 9中可以看到, 30°N附近的西风较强, 在35°N-55°N, 135°E-150°E区域内排放物值较高, 说明排放物在12月的传输速度较快, 而且在40°N, 150°E附近存在较强低压中心, 槽前较强的南风分量和槽后较大的西风分量, 使更多的排放物从源区快速输送至槽前进而向高纬度输送。12月5日偏南风将60°N附近的排放物向北极地区输送。另外, 由于受到西北气流的影响, 有部分排放物向南传输, 到达东南亚、印度洋地区(在6月和9月排放物很少向南传输), 这与图 3(d)的分析结果相吻合。虽然在12月和3月都有部分排放物向南传输, 但是3月的排放物主要是向南海和东太平洋传输, 而12月的排放物却是向东南亚和印度洋地区排放。Stohl et al(2002)的研究结果表明在冬季亚洲排放物积累在印度尼西亚和印度洋, 这与本文的模拟结果是一致的。从图 9(c)中依然可以看出, 稳定的低压大槽, 维持了排放物先受纬向西风的影响向东传输, 然后在150°E附近受较强偏南风的影响而传输到北极地区的传输特征, 这也和Ikeda et al(2017)定义的污染物从东亚传输到北极的重要的窗口区(66°N, 130°E-180°E, 3~8 km)相吻合。图 9(d)显示12月7日东亚大槽系统更加显著, 排放物的传输明显分成两条路径:一部分受纬向西风向东传输到窗口区以后基本都能继续传输到北极地区, 而另外一部分向西南方向传输到东南亚、印度洋和印度地区。从图 9(e, f)可以看出, 东亚大槽的环流场稳定维持, 使得更多的排放物传输到北极地区, 这也是图 1(d)和图 3(d)中12月北极地区的排放物较多, 且在北极地区停留时间较长的重要原因。
从不同个例中排放物在750 hPa高度的传输特征可知, 3月的传输通道主要在排放源区的西侧, 由于受到青藏高原北部反气旋的影响而进入北极地区。6月的经向传输较强, 150°E附近的窗口区不仅是排放物输送到北极地区的通道, 较强的经向气流也可以直接将部分排放物传送至北极。9月经向传输较6月弱, 导致输送到高纬地区的排放物也较少, 另外高纬地区较强的西北风使大部分排放物向南向东传输。虽然在青藏高原北部有气旋生成, 但是由于传输至此的排放物较少, 所以相应传输到北极的排放物也较少。图 5(a)、(d)中虽然38年月平均风速分量v显示3月和12月都是不利于排放物向北极传输的特征, 但是在2010年12月由于受到稳定深厚的东亚大槽控制, 加之150°E附近的窗口区是排放物传输到北极的重要通道, 不仅传输速度快, 而且传输至北极地区的排放物也较多, 所以造成了风速分量气候态和2010年12月模拟个例排放物浓度分布之间的差异, 但这也从侧面说明了虽然冬春季的气候态环流背景不利于中国华南地区排放物向北极传输, 但是在某些特定年份中也会形成有利于排放物向北极传输的持续稳定的条件。
总体而言, 排放物的传输主要靠风场驱动, 纬向西风带是阻隔排放物向北极传输的屏障, 而高低压配置形成的槽前偏南风是排放物向极地传输的重要驱动因素, 稳定持续的低压系统的存在是较多的排放物在12月向北极传输的重要原因, 这与Pierro et al(2011)指出的在120°E-150°E经度带存在频繁的阻塞天气系统和高低压配置是造成亚洲污染物向极地传输的重要原因相一致。
3.4 轨迹模式模拟结果分析本文还将采用HYSPLIT模式进行前向轨迹模拟, 诊断分析排放物的传输特征是否和WRF模式模拟的传输特征一致。使用的气象场资料是分辨率为1°×1°的GDAS1(Global Data Assimilation System)数据, 选择轨迹矩阵模拟, 模拟起始高度为0 m, 代表地面。
从NOAA HYSPLIT模式模拟的3月排放源区地面排放物的前向轨迹变化[图 10(a)]中可以看出, 3月只有少数路径上排放物向西向南短距离传输, 大部分向东向北传输, 经过华北、黄海、日本、北太平洋、白令海峡、美国阿拉斯加, 之后轨迹开始发散, 从总体传输路径上可以看出, 到达北极地区的轨迹较少。3月1-2日传输高度在2000 m以下, 2-6日在4000 m以下, 6-9日在8000 m附近以下, 之后的传输从地面到9000 m之间各个高度都有。还可以看出排放物在垂直方向是逐渐抬升的过程, 而且轨迹在初始阶段的高度较低, 在4000 m以下。
由图 10(b)可以看出, 在6月除少部分向南传输的轨迹, 其余轨迹可以分为两部分, 大部分向北传输, 还有一小部分向东传输的轨迹。向北传输的轨迹到达60°N之后开始转向东南方向传输; 向东传输的轨迹在150°E向东北方向偏转, 此后两分支汇聚继续向东传输, 但是之后的轨迹线不再密集, 这样的传输特征和图 7中6月排放物在750 hPa上的传输特征相符合。图 10(b)还显示部分轨迹线到达了极地地区。从垂直方向可以看出, 在6月2-7日轨迹传输的高度都集中在4000 m以下, 7日以后传输高度开始抬升, 10日传输高度最高到达9000 m左右, 2000 m以下无轨迹, 表明排放物在6月后期传输高度较高, 这与图 2(b)中显示北极地区的排放物高浓度中心高度较高也是相一致的。
从图 10(c)中9月的前向轨迹可以看出, 除少部分排放物向西传输, 大部分都是向东北传输, 在150°E附近一部分以反气旋式向南传输, 另外一部分呈气旋式向北传输。在180°E附近有轨迹线到达极地地区。从垂直方向上看, 9月6日之前轨迹主要传输高度也有逐渐增高的趋势。6日之后轨迹传输在各个高度上均匀分布。从图 10(c)可以看出9月到达北极地区的排放物轨迹较少, 这与图 8的分析结果基本一致。
图 10(d)显示12月的排放物轨迹表现出明显的经向性, 一部分轨迹是向南传输的, 这部分不仅轨迹数目多而且向南传输的距离也较远, 有的甚至到达南半球, 在其他个例的模拟结果中并未发现这种传输特征。另外一部分排放物向东向北传输, 在150°E附近向北传输的特征更加明显, 而且有大量的轨迹线进入北极地区。轨迹传输的路径和影响的范围与图 9显示的排放物在12月的传输特征较相似。
通过以上分析可知, 轨迹模式与WRF模式模拟的不同气象条件下的中国华南地区排放物的传输特征具有较好的一致性。
4 结论与讨论利用WRF模式对2010年不同气象条件下, 中国华南地区排放的示踪物向北极地区的传输进行了模拟研究。定量地给出了传输到北极地区的排放物总量, 并进一步分析了排放物向北极地区的传输特征和相关机制。最后用HYSPLIT轨迹模式, 对比验证了WRF模式模拟的排放物的传输路径和传输特征。得到以下主要结论:
(1) 12月从中国华南地区传输到北极的排放物最多, 其峰值约占排放总量的44
(2) 不同气象条件下排放物在北极地区存在的高度也不同。3月高度较低, 主要集中在850~700 hPa之间, 9月在400~200 hPa之间, 而6月和12月在850~200 hPa的高度之间都出现浓度较高的排放物。
(3) 排放物传输的路径主要受环流场和风场控制, 较强的径向南风和气旋系统有利于排放物向北极地区传输, 持续并且稳定的低压系统是排放物在12月向北极传输量级最大的重要原因。
文中试验是在理想情况下模拟的, 没有考虑实际排放情况和排放物在传输过程中的干湿沉降过程以及可能产生的化学反应, 并且缺少观测资料的验证, 传输总量结果是一个理论值, 示踪物在纯动力作用下传输, 仅为理解传输提供参考。下一步工作准备利用WRF-chem模式加入华南地区实际排放, 以考虑传输过程中化学成分的反应和变化、接近实际大气中发生的过程。
致谢: 感谢兰州大学桑文军在WRF模式使用中的指导和黄金龙在NCL编程画图中的帮助。感谢NCAR官网提供的数据和HYSPLIT轨迹模式。感谢中国科学院大气物理研究所黄永杰博士提供的包含正确中国国界和行政区划的地图数据(https://coding.net/u/huangynj/p/NCL-Chinamap/git)。
Arnold S R, Law K S, Brock C A, et al. 2016. Arctic air pollution:Challenges and opportunities for the next decade[J]. Science of the Anthropocene, 4: 000104.
DOI:10.12952/journal.elementa.000104 |
|
Blaylock B K, Horel J D, Crosman E T. 2017. Impact of lake breezes on summer ozone concentrations in the salt lake valley[J]. Journal of Applied Meteorology Climatology, 56(2): 353–369.
DOI:10.1175/JAMC-D-16-0216.1 |
|
Chen F, Dudhia J. 2001. Coupling an advanced land surface hydrology model with the penn state ncar mm5 modeling system. part Ⅱ:Preliminary model validation[J]. Monthly Weather Review, 129(4): 569–585.
DOI:10.1175/1520-0493(2001)129<0569:CAALSH>2.0.CO;2 |
|
Chen H, Wang H. 2015. Haze days in north china and the associated atmospheric circulations based on daily visibility data from 1960 to 2012[J]. Journal of Geophysical Research, 120(12): 5895–5909.
|
|
Eckhardt S, Stohl A, Beirle S, et al. 2003. The North Atlantic Oscillation controls air pollution transport to the Arctic[J]. Atmospheric Chemistry & Physics, 3(5): 3223–3240.
|
|
Fan T, Liu X, Ma P L, et al. 2018. Emission or atmospheric processes? An attempt to attribute the source of large bias of aerosols in eastern China simulated by global climate models[J]. Atmospheric Chemistry & Physics, 18(2): 1395–1417.
|
|
Fisher J A, Jacob D J, Wang Q, et al. 2011a. Sources, distribution, and acidity of sulfate-ammonium aerosol in the Arctic in December-March[J]. Atmospheric Environment, 45(39): 7301–7318.
DOI:10.1016/j.atmosenv.2011.08.030 |
|
Fisher J A. 2011b. Atmospheric pollution in the Arctic:Sources, transport, and chemical processing[J]. Dissertations & Theses, 73(4): 1–148.
|
|
Hong S Y. 2004. A revised approach to ice microphysical processes for the bulk parameterization of clouds and precipitation[J]. Monthly Weather Review, 132(1): 103–120.
DOI:10.1175/1520-0493(2004)132<0103:ARATIM>2.0.CO;2 |
|
Ikeda K, Tanimoto H, Sugita T, et al. 2017. Tagged tracer simulations of black carbon in the Arctic:Transport, source contributions, and budget[J]. Atmospheric Chemistry & Physics, 17(17): 1–31.
|
|
Janjic Z I. 1996. The surface layer in the NCEP eta model, Preprints, eleventh conference on numerical weather prediction[J]. American Meteorological Society, 8(1): 354–355.
|
|
Kain J S. 2004. The kain fritsch convective parameterization:An update[J]. Journal of Applied Meteorology, 43(1): 170–181.
DOI:10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2 |
|
Klonecki A, Hess P, Emmons L, et al. 2003. Seasonal changes in the transport of pollutants into the Arctic troposphere-model study[J]. Journal of Geophysical Research Atmospheres, 108(D4): 109–125.
|
|
Law K S, Stohl A, Quinn P K, et al. 2014. Arctic air pollution:New insights from polarcat-ipy[J]. Bulletin of the American Meteorological Society, 95(12): 1873–1895.
DOI:10.1175/BAMS-D-13-00017.1 |
|
Liang Q, Jaeglé L, Hudman R C, et al. 2007. Summertime influence of asian pollution in the free troposphere over north America[J]. Journal of Geophysical Research Atmospheres, 112(D12): D12S11.
DOI:10.1029/2006JD007919 |
|
Liu D, Quennehen B, Darbyshire E, et al. 2015. The importance of Asia as a source of black carbon to the European Arctic during Marchtime 2013[J]. Atmospheric Chemistry & Physics, 15(10): 14843–14887.
|
|
Pierro M D, Jaeglé L, Anderson T L. 2011. Satellite observations of aerosol transport from East Asia to the Arctic:Three case studies[J]. Atmospheric Chemistry & Physics, 11(5): 2225–2243.
|
|
Qi L, Li Q, Henze D K, et al. 2017. Sources of springtime surface black carbon in the arctic:an adjoint analysis[J]. Atmospheric Chemistry & Physics.
DOI:10.5194/acp-2016-1112 |
|
Raut J C, Marelle L, Fast J D, et al. 2017. Cross-polar transport and scavenging of siberian aerosols containing black carbon during the 2012 access summer campaign[J]. Atmospheric Chemistry & Physics, 17(18): 1–41.
|
|
Shindell D T, Chin M, Dentener F, et al. 2008. A multi-model assessment of pollution transport to the arctic[J]. Atmospheric Chemistry & Physics Discussions, 8(3): 5353–5372.
|
|
Stohl A, Eckhardt S, Forster C, et al. 2002. On the pathways and timescales of intercontinental air pollution transport[J]. Journal of Geophysical Research Atmospheres, 107(D23): ACH 6-1–ACH 6-17.
DOI:10.1029/2001JD001396 |
|
Wang H, Rasch P J, Easter R C, et al. 2015. Using an explicit emission tagging method in global modeling of source-receptor relationships for black carbon in the Arctic:Variations, sources, and transport pathways[J]. Journal of Geophysical Research Atmospheres, 119(22): 12888–12909.
|
|
Xie F, Li J, Tian W, et al. 2016. A quantitative estimation of the transport of surface emissions from different regions into the stratosphere[J]. Sola, 12(1): 65–69.
|
|
董俊玲, 韩志伟, 张仁健, 等. 2011. WRF模式对中国城市和半干旱地区气象要素的模拟检验和对比分析[J]. 气象科学, 31(4): 484–492.
DOI:10.3969/j.issn.1009-0827.2011.04.016 |
|
付培健. 1998. 一个可能的北极地区气溶胶源-中国戈壁沙漠与黄土高原[J]. 兰州大学学报(自科版)(1): 128–134.
|
|
郝巨飞, 张功文, 王晓娟, 等. 2017. 一次环境大气重污染过程的监测分析[J]. 高原气象, 36(5): 1404–1411.
DOI:10.7522/j.issn.1000-0534.2016.00118 |
|
胡向军, 陶健红, 郑飞, 等. 2008. WRF模式物理过程参数化方案简介[J]. 甘肃科技, 24(20): 73–75.
DOI:10.3969/j.issn.1000-0952.2008.20.028 |
|
黄忠伟, 2012.气溶胶物理光学特性的激光雷达遥感研究[D].兰州: 兰州大学.
|
|
康丽泰, 陈思宇. 2017. 中国北方一次沙尘天气过程的数值模拟[J]. 中国沙漠, 37(2): 321–331.
|
|
李斐, 邹捍, 周立波, 等. 2017. WRF模式中边界层参数化方案在藏东南复杂下垫面适用性研究[J]. 高原气象, 36(2): 340–357.
DOI:10.7522/j.issn.1000-0534.2016.00041 |
|
秦世广, 丁爱军, 王韬. 2006. 欧亚大陆生物质燃烧气团的输送特征及对中国的影响[J]. 中国环境科学, 26(6): 641–645.
DOI:10.3321/j.issn:1000-6923.2006.06.001 |
|
吴兑, 毕雪岩, 邓雪娇, 等. 2006. 珠江三角洲气溶胶云造成的严重灰霾天气[J]. 自然灾害学报, 15(6): 77–83.
DOI:10.3969/j.issn.1004-4574.2006.06.014 |
|
吴遥, 李跃清, 蒋兴文, 等. 2017. WRF模拟青藏高原东南部极端旱涝年降水的参数敏感性研究[J]. 高原气象, 36(3): 619–631.
DOI:10.7522/j.issn.1000-0534.2016.00057 |
|
许平平, 田文寿, 张健恺, 等. 2015. 春季青藏高原西北侧一次平流层臭氧向对流层传输的模拟研究[J]. 气象学报, 73(3): 529–545.
|
|
姚俊强, 杨青, 毛炜峄, 等. 2018. 基于HYSPLIT4的一次新疆天山夏季特大暴雨水汽路径分析[J]. 高原气象, 37(1): 68–77.
DOI:10.7522/j.issn.1000-0534.2017.00031 |
|
詹建琼, 陈立奇, 李伟, 等, 2011.北极新奥尔松黑碳气溶胶特征及其来源解析[C]//青年海洋科学研讨会.
|
|
张雪莹, 王鑫, 周越, 等. 2017. 兰州市夏季大气中碳类气溶胶含量变化特征及其来源分析[J]. 高原气象, 36(2): 528–537.
DOI:10.7522/j.issn.1000-0534.2016.00103 |
2. 95871 Troops of People's Liberation Army of China, Hengyang 421000, Hunan, China;
3. College of Global Change and Earth System Science, Beijing Normal University, Beijing 100875, China