2019, Vol. 38
2. 中国科学院大气物理研究所云降水物理与强风暴重点实验室, 北京 100029;
3. 内蒙古气象服务中心, 内蒙古 呼和浩特 010051;
4. 浙江大学地球科学学院, 浙江 杭州 310027
大气气溶胶是悬浮在大气中的固态及液态粒子, 从来源方面可分为人为源和自然源。随着我国经济的高速发展、城市化进程的加快和工业规模的扩大, 各种污染物排放量迅速增加, 大气污染问题日益严重。作为当前科学研究热点之一, 空气质量问题越来越受到包括科学界在内的整个社会群体的关注, 空气污染对生态环境有严重影响, 造成对人类生活和人体健康等方面的负面效应, 如降低城市的能见度、影响交通安全和危害居民健康等, 目前越来越多的流行病学研究证明大气污染与许多健康问题有直接或间接的关系(Pleijel, 2009; 董雪玲, 2004)。
近年, 国内一些学者指出, 北京及周边地区雾霾天气频发, 频率达到或超过200 d·a-1, 且存在逐年递增的趋势, 无论是年均水平还是月均水平, 霾日占比都大幅高于雾日, 说明霾天气对北京及周边地区的影响更加严重(曹伟华等, 2012; 任芝花等, 2018)。而京津冀地区雾霾天气频繁出现, 据研究与较高的颗粒物浓度和空气湿度有关(马学款等, 2017)。国外对雾天气的研究始于20世纪80年代(Fuzzi et al, 1984), 21世纪以后, 我国对雾天气及霾污染过程的研究也开始兴起(于兴娜等, 2015; Ying, 2005)。多位研究者对各地霾的特征和成因进行了研究, 发现近年来各地的霾天气发生频率都在增加, 其中人为影响很重要(李菲等, 2012; 唐宜西等, 2013)。研究还对生成和维持霾过程的天气形势进行分析, 认为天气条件有利才能使霾得以维持。大气环流对霾污染物的扩散起主要作用(刘梅等, 2014; 魏建苏等, 2010; 夏冬等, 2013)。研究还发现, 气流输送条件及高空逆温层均对霾的发生发展有重要影响(吴兑等, 2014); 通过对典型霾过程分析以及对预报霾方法研究, 发现500 hPa高度场上的高压和中低层异常偏南风有利于层结稳定, 从而促进了霾的发展(张人禾等, 2014; 夏冬等, 2013)。Wu et al(2017)对霾天气的水汽输送机制和动力机制等做出了进一步的分析与总结。
数值模式经过数十年的开发与完善, 从最早的一维和二维发展至如今的三维模型, 这使模拟实验以及对空气质量、天气形势预报准确性上有了明显提高。侯梦玲等(2017)通过模拟实验发现, 模拟结果能较为准确地模拟北京周边地区细颗粒物PM2.5的日变化趋势和中心区域范围, 但由于模式误差使得极大值普遍偏低, 且重污染过程中, 大幅降低的边界层高度和静稳风场不利于污染物的扩散。张悦等(2016)使用WRF-Chem模式进行敏感性试验发现, 气溶胶直接半直接辐射效应使污染地区短波辐射减少, 2 m气温下降, 边界层高度降低, 10 m风速减弱。而气溶胶总辐射效应使上述参数进一步降低, 使污染物更难以扩散。Zhang et al(2010a, 2010b)利用WRF-Chem模型分析化学气溶胶云辐射气候之间的相互反馈效应, 气溶胶对各气象要素、化学反应都有一定程度的影响, 总体使大气层变得稳定, 并且气溶胶的反馈效应会对云凝结核及降雨量等都造成影响。Saide et al(2011)的研究发现利用数值模型还能很好的预报颗粒物PM10与PM2.5的污染事件, 并通过多个部门开展有效措施, 防治了一次污染事件的发生。国内多位学者也利用WRF-Chem模式对京津冀地区一次重雾霾过程进行研究, 发现模式基本反映了北京、天津污染物数值的变化趋势, 且京津冀地区气象场、地形和化学产生都对污染物的分布有影响, 并结合WRF-Chem和当地气象资料对颗粒物区域输送特征进行了研究, 发现其污染来源贡献度与风速风向等气象条件密切相关(庞杨等, 2013; 刘琳等, 2017)。麦健华等(2016)利用Hysplit后向轨迹模式及WRF-Cmaq模式, 对一次旱季霾过程进行了数值模拟, 并通过与观测对比验证了其可靠性。国内多个研究(花丛等, 2016; 翁之梅等, 2016)结合污染物排放源, 利用hysplit模式使用聚类方法对不同地区重污染过程的源区和传输路径进行了分析。
过去研究中已经较为完善地将雾霾的形成条件和机制进行了分析, 尤其是大气的稳定性方面, 越稳定的大气越有利于雾霾的形成发展已经成为了共识, 而判断大气稳定程度的依据包括逆温层, 边界层高度, 天气形势等。而本文对2016年冬季发生在京津冀地区的一次重污染过程进行模拟, 利用经过检验的模拟结果, 引入多个大气稳定度指数对雾霾过程中的大气状况进行分析, 定量研究怎样的大气状况促进了这一次雾霾的形成发展。由于定量研究对数据的分辨率和精准度有较高要求, 所以本次研究使用模式对雾霾过程进行模拟的目的是为了弥补站点资料分辨率过低导致不必要的误差, 无法进行精准分析的缺点, 用高精度, 且经过检验的模拟结果对此次过程进行研究。
2 模拟个例及试验设置WRF-Chem模式是美国国家海洋和大气管理局(NOAA)和美国国家大气研究中心(NCAR)等机构联合开发的区域大气动力-化学耦合模式, 是在WRF模式的基础上对气象模块和化学模块进行在线耦合, 可以更好地模拟气象场与大气污染物相互作用的过程。本文使用WRF-Chem的V3.5版本对本次重污染过程进行模拟, 模拟时间为2016年11月2日00:00(北京时, 下同)至6日12:00, 共108 h, 每小时输出一次结果, 前24 h作为模式起转时间不做分析。水平方向使用双层网格嵌套, 格距分别为18 km和6 km, 垂直方向分为间隔不相等的60层, 模式层顶设置为50 hPa。
模式模拟的气象初始场及侧边界使用了来自美国国家环境预报中心的全球分析资料(NCEP FNL), 水平分辨率为1°× 1°, 时间间隔为6 h。人为排放源使用2006年美国国家航空航天局(NASA)的INTEX-B(International Chemistry Transport Experiment-Phase B)计划中由Zhang et al(2009)制作的亚洲地区污染物排放清单, 包括了电力、工业、居民和交通等排放源排放的二氧化硫(SO2)、一氧化碳(CO)、挥发性有机物(VOCs)、氮氧化物(NOX)、可吸入颗粒物(PM10)、细颗粒物(PM2.5)、有机碳(OC)和黑炭(BC)八类污染物, 空间分辨率为0.5°× 0.5°, 氨气(NH3)的排放使用REAS(Regional Emission Inventory in Asia)亚洲排放清单中2006年的数据, 空间分辨率为0.5°× 0.5°; 生物源排放使用Guenther方案(Guenther et al, 1993)进行在线计算。
模拟中两重网格使用相同的参数化方案, 主要包括Runge-Kuntta三阶时间积分方案, RRTMG长短及短波辐射方案(Iacono et al, 2008), Grell-Freitas积云参数化方案(Grell et al, 2013), QNSE行星边界层方案(Hong et al, 2006)以及Noah陆面参数化方案, 并开启城市模块, 以便更好反映城市下垫面对边界层高度以及局地环流的影响。采用Morrison微物理二阶参数方案(Morrison et al, 2009), 该方案可预报云水、云冰、水汽、雨水、雪、霰的混合比以及云冰、雨水、雪、霰的数浓度, 可以较好地模拟出微物理过程及相应的天气学变化(肖辉等, 2011; 沈新勇等, 2015)。化学模块中使用RADM2气相化学机制(Stockwell et al, 1990), 包含液相化学反应的MADE/SORGAM气溶胶模块(Ackermann et al, 1998), 以及Fast-J光解方案(Wild et al, 2000), 在模拟过程中同时开启云化学反应、湿清除过程以及气溶胶辐射反馈效应。
3 模拟有效性检验 3.1 天气形势为分析导致雾霾过程发生发展的天气形势, 以下用美国国家环境预报中心的全球分析资料(NCEP FNL)展开。
北京市气象台2016年11月2日16:25发布霾黄色预警信号, 预计2日夜间至4日扩散条件逐渐转差。3日北京, 天津及河北大部分地区出现轻度至中度霾。11月3日08:00的环流形势中(图略), 中纬度表现为一大槽和大脊, 东西伯利亚至东海为一东亚大槽, 中西伯利亚至青藏高原西北侧为一高脊, 青藏高原南侧有一南支槽东移, 但低层水汽输送不足, 北方又无明显冷空气配合, 因此不会造成明显降雨。本次重雾霾过程污染集中区域(矩形区域), 处于高空脊前西北气流控制之下。在平直环流或高压脊环流型下, 京津冀对流层可产生持续而深厚的下沉气流, 配合地面形势(图 1), 会导致大气边界层高度降低, 低层产生逆温, 从而使得京津冀地区垂直扩散能力和大气环境容量下降, 为霾天气的维持和加剧提供了有利的动力条件。
|
图 1 2016年11月3日(a)、4日(b)、5日(c)08:00的海平面气压场分布(单位: hPa)矩形区域表示京津冀地区 Fig. 1 Distribution of sea level pressure field at 08:00 on 3 (a), 4 (b) and 5 (c) in November 2016. Unit: hPa The rectangular area represents Beijing-Tianjin-Hebei region |
分析3日08:00的地面形势[图 1(a)]可看出, 整个华东及华中地区处于一冷高压控制下, 京津冀地区位于此冷高压北侧, 配合高空形势使得大气状况非常稳定, 扩散条件差, 对于污染物的集聚和发展极其有利, 而从4日开始污染迅速发展为中度霾, 局地重度霾; AQI(空气质量指数)长时间处于300以上, 达到严重污染的级别, 能见度较低。北京及周边地区多地教育委员会要求中小学及各教育机构停课以应对本次重污染过程。污染最严重的时段也集中在3日和4日两天。从4日08:00开始[图 1(b)], 蒙古北侧的低压中心开始南移, 冷锋南压, 京津冀地区逐渐脱离高压控制, 直至5日[图 1(c)]冷空气开始影响京津冀地区, 使大气稳定程度减弱, 加速了污染物的扩散, 到6号为止污染过程结束。
3.2 数据对比本次试验使用了国家环保部2016年11月3—5日的污染物逐小时观测数据, 选取站点为北京, 天津, 保定, 石家庄这四个污染较为集中的区域, 数据均来自于地面观测, 站点信息如表 1所示, 所用观测数据均已通过质量控制。
|
表 1 模式检验所选用的污染物观测站点信息 Table 1 Pollutant observation site information used on model checking |
图 2(a)~(c)显示, 模式很好的再现了北京、天津以及保定PM2.5以及PM10浓度的逐时变化, 捕捉到浓度从3日早上到4日晚逐渐上升、4日晚到5日晚逐渐下降、整个过程从低到高再降低的特征, 并且峰值和整体变化趋势与实测值高度吻合。NO2和CO的模拟结果虽然整体偏小, 但也较好地捕捉了峰值以及变化趋势。图 2(d)显示, 模式对于石家庄站点PM2.5与PM10的模拟效果都很好, 但峰值明显偏低30~50 μg·m-3, 对NO2及CO的模拟也较好地捕捉了峰值出现的时机以及整体变化趋势, 对峰值的模拟值同样有较为明显的偏小。数据对比可以看出, 除了天津的PM2.5浓度没超过300 μg·m-3, PM10浓度没超过400 μg·m-3之外, 其余站点的PM2.5浓度峰值均达到了300 μg·m-3乃至400 μg·m-3以上, PM10浓度也超过了400 μg·m-3, 保定站点的PM10峰值更是超过了700 μg·m-3, 均达到了严重污染的级别。北京和天津的NO2平均浓度明显高于其他两个站点, 峰值最高的站点为北京站, 达到了230 ppb, CO以石家庄的平均浓度为最高, 大部分时间都处于2.5 ppmv以上, 最大峰值出现在天津站点, 达到了7.8 ppmv。NO2的变化趋势大体与PM2.5和PM10相同, 都是在3日出现第一个高峰值, 而后有所下降, 在4日出现第二个高峰值, 也是最高峰值, 并在随后缓慢下降直至污染结束。而部分地区的CO与其他三种污染物有所差别, 是在3日出现最高峰值, 而后的峰值呈下降趋势。
|
图 2 2016年11月3日00:00至5日23:00北京(a)、天津(b)、保定(c)、石家庄(d)的PM2.5、PM10、NO2和CO模拟结果与逐时观测值的对比 Fig. 2 The comparison between the simulation results and daily observational values of PM2.5, PM10, NO2 and CO in Beijing (a), Tianjin (b), Baoding (c), Shijiazhuang (d) from 00:00 on 3 to 23:00 on 5 November 2016 |
与观测资料的对比显示, 模式能较为准确地模拟出本次污染过程京津冀地区PM2.5以及PM10随时间的演变趋势, 对NO2与CO的变化模拟效果则相对没那么准确, 这与一次排放源的不准确、二次气溶胶形成机制的不稳定都有关系。过去的研究表明, 氮氧化物的模拟仍然是当今大气化学模拟的一个难点。模式所用的人为排放源网格分辨率较粗, 难以准确地反映污染源分布情况, 是造成模式偏差的主要原因, 且模式所用排放源强度为月平均值, 难以反映各项污染物在这次重污染过程中的实时强度, 这同样会影响模拟的结果
4 大气稳定度分析为了定量分析过程中的大气稳定状况, 探讨雾霾过程的主要成因, 引用了四种大气稳定度指数, 分别为K指数, TT(全总)指数, Ic指数(对流稳定度指数), JI(杰弗逊)指数, 结合经过检验的模拟数据, 来综合分析促进了雾霾形成和发展的大气稳定程度。各指数计算方程为:
| $ K=\left(T_{850}-T_{500}\right)+T_{d 850}-\left(T-T_{d}\right)_{700}, $ | (1) |
| $ T T=T_{850}+T_{d 850}-2 T_{500}, $ | (2) |
| $ I c=\theta_{e 500}-\theta_{e 850}, $ | (3) |
| $ J I=1.6 \theta_{\omega 900}-T_{500}-11, $ | (4) |
式中: T850为850 hPa上的环境温度; Td850为850 hPa露点温度; θe500为500 hPa相当位温; θω900为900 hPa湿球位温。
K指数计算式中第一项表示温度直减率, 第二项表示低层水汽条件, 第三项表示中层饱和程度。因此K指数可以反映大气的层结稳定情况。K指数越大, 层结越不稳定, 过去的研究成果显示: K < 20大气稳定, 无强对流现象发生, 并且越小越稳定; 20 < K < 35有发生强对流现象的可能; K>35容易出现成片雷雨等强对流过程, 越大越不稳定。TT指数的阈值为42, TT>42时容易发生强对流, 而TT越小则表示大气越稳定。对流稳定度Ic指数的阈值为0, 当Ic>0时对流性稳定, 且越大越稳定。JI指数是一种修正的综合性指数, 通过湿球位温与气层温度指示对流活动发生的可能性, JI越大, 气层越不稳定, 其阈值为121。(冯民学等, 2012; 赵玲等, 2013)
图 3~6显示, 京津冀地区的大气稳定度分布均呈现总体先升高后降低的趋势, 即2016年11月3—4日大气稳定度上升, 在4日达到最稳定状态, 4—6日稳定程度下降。图 3中, 3日00:00大部分区域的K指数维持在-16~-8之间, 4—5日先降低再回升, 部分地区达到了0值之上。整个污染过程中, 京津冀地区K指数极低值出现在4日的天津大部, 北京南部以及河北南部地区, 与污染最严重的的时间段以及区域基本符合。所以K指数较为有效地反映了污染过程中的大气情况, 在3—4日污染最严重的两天内数值远远小于阈值, 表现出大气状况相当稳定。而图 4显示, TT指数降低和升高程度相较K指数不太明显。3日大部分区域的指数维持在24~28之间, 4—5日与K指数变化相同, 即先降低再回升, 6日部分地区已经超过30, 全过程TT数值远小于阈值。其中, TT指数极低值出现在河北南部及东北部地区, 达到20以下, 且远小于阈值, 这两个区域均为污染高值区。而北京天津这两个同样处于污染高值区的区域中, TT指数都维持在26以下的低水平。
|
图 3 2016年11月3日(a)、4日(b)、5日(c)、6日(d) 00:00京津冀地区的K指数水平分布空白处为数值缺测 Fig. 3 The K index horizontal distribution in Beijing-Tianjin-Hebei area at 00:00 on 3 (a), 4 (b), 5 (c) and 6 (d) in November 2016. The blank is value missing |
|
图 4 2016年11月3日(a)、4日(b)、5日(c)、6日(d) 00:00京津冀地区的TT指数水平分布空白处为数值缺测 Fig. 4 The TT index horizontal distribution in Beijing-Tianjin-Hebei area at 00:00 on 3 (a), 4 (b), 5 (c) and 6 (d) in November 2016. The blank square is value missing |
|
图 5 2016年11月3日(a)、4日(b)、5日(c)、6日(d)00:00京津冀地区的Ic指数水平分布空白处为数值缺测 Fig. 5 The Ic index horizontal distribution in Beijing-Tianjin-Hebei area at 00:00 on 3 (a), 4 (b), 5 (c) and 6 (d) in November 2016. The blank square is value missing |
|
图 6 2016年11月3日(a)、4日(b)、5日(c)、6日(d)00:00京津冀地区的JI指数水平分布空白处为数值缺测 Fig. 6 The JI index horizontal distribution in Beijing-Tianjin-Hebei area at 00:00 on 3 (a), 4 (b), 5 (c) and 6 (d) in November 2016. The blank square is value missing |
图 5显示Ic指数总体分布是3—4日上升, 并从4日开始下降, 直至5日大部分地区的Ic值达到最低, 并在6日有所回升, 总体处于24~30之间, 而作为污染中心之一的河北南部同一时间的Ic值仅在30~34, 所以相较于前两个指数, Ic指数反映大气稳定度的效果相对较差, 但依然能反映大气稳定度的变化趋势。
图 6的JI指数与前三个指数的变化趋势有略微不同。3日JI指数的总体分布在0值左右; 4日小于0区域明显扩大, 大于0区域缩小; 而5日的JI指数依然在降低, 大部分地区达到了-40以下, 包括河北东北部, 河北南部, 北京和天津这几个污染高值区; 直到5日00:00之后JI指数才开始上升, 6日00:00大部分地区的指数迅速上升到了120以上。这种变化趋势与其他指数相比略有差异, 但高低值区的位置和变化仍然能与污染过程相吻合。
综上分析可知, 大气稳定度指数能较为完整地反映出这次雾霾过程中, 大气稳定性变化对于污染物集聚和发展的影响, 即大气越稳定越有利于雾霾污染的加重, 并在后期随着稳定性的降低, 污染物得以有效扩散使污染减轻, 并能够以具体量化的方式衡量大气稳定程度, 相较之前对各个气象要素的综合分析, 有其特有的优势。
5 各类污染物水平分布特征 5.1 颗粒直径不同的污染物水平分布特征此次过程的污染物按颗粒大小分类可分为PM2.5和PM10, 这两种污染物小于75 μg·m-3时为无污染, 并在大于250 μg·m-3时认定为严重污染。图 7~8为2016年11月3日00:00至6日12:00的逐12 h颗粒物PM2.5和PM10浓度分布图。从图 7~8可以看出, 每天12:00污染物浓度浓度均明显低于00:00, 这主要是因为中午到下午期间地面受到的太阳辐射最强, 垂直方向上热力环流发展旺盛, 边界层顶抬升, 利于颗粒物的扩散; 到了傍晚, 下班时期汽车尾气排放量提高, 颗粒物的浓度呈现普遍上升, 并且工厂开工导致颗粒物加速积累; 夜晚, 由于近地面温度降温幅度较大, 出现近地面温度低于上层大气的逆温结构, 稳定的大气状况抑制了垂直对流, 从而导致污染的集聚和发展; 再到早晨开始新一轮的上班高峰, 如果此时受到较弱气压场的控制, 风速较小, 也是污染物容易出现高值的时段。
|
图 7 2016年11月3—6日不同时刻京津冀地区细颗粒物PM2.5水平分布(单位: μg·m-3) Fig. 7 The PM2.5 horizontal distribution in Beijing-Tianjin-Hebei area at different timesfrom 3 to 6 November 2016. Unit: μg·m-3 |
|
图 8 2016年11月3—6日不同时刻京津冀地区可吸入细颗粒物的PM10水平分布(单位: μg·m-3) Fig. 8 The PM10 horizontal distribution in Beijing-Tianjin-Hebei area at different times from 3 to 6 November 2016. Unit: μg·m-3 |
整个污染过程中共有四个明显的高值区:河北东北部、北京东南部、天津中西部以及河北南部。这四个高值区连起来形成了一条从河北南部向东北延伸, 到北京天津地区再向东折向河北东北部的折线形污染带。这条污染带上PM2.5及PM10的极值均超过了250 μg·m-3, 空气污染达到严重污染等级。在这条污染带的北侧是燕山山脉, 几乎没有受到污染影响, 而在污染带以南, PM2.5及PM10浓度有所下降, 但3—5日的每天夜晚都处于中度污染之上。直到6日冷空气完全影响到京津冀地区, 整个区域污染物浓度快速降到了100 μg·m-3以下。
5.2 化学成分不同的污染物水平分布特征污染物按化学成分分类可分为SO2, NO2, CO, O3, NH3, EC等多种, 本次污染过程根据各项污染物的浓度大小, 选取出SO2, NO2, CO这三种主要污染物来进行特征分析。图 9~10为2016年11月3日00:00至6日12:00的逐12 h上述三种污染物的浓度分布图。可以看出各种污染物的日内变化都有区别, NO2的夜间与午间浓度相差不大, 但夜间浓度依然略大于午间, 尤其是在北京中东部和天津中部两个高值区中, 夜间的数值要比午间高出0.02 ppmv左右, 且并没有受到冷空气南下的影响, 6日的浓度相比前几日下降不多。这可能是由于NO2的主要排放源是汽车尾气, 每天繁忙的交通使得被冷空气输送走的NO2能够被得到迅速补充。而SO2(图略)与NO2浓度量级相当, 并有较为明显的早晚浓度差异, 且明显受到冷空气南下的影响, 这可能是因为SO2的来源主要是工业排放。CO浓度日内变化与NO2相似, 早晚相差不大, 但5日午间及6日全天明显受到冷空气影响。因为CO污染的来源较为复杂, 所以其整体变化趋势兼具SO2与NO2的特点, 并且其浓度超过其他两种化学成分一个量级, 说明本次过程中污染物的化学成分以CO为主。从图 7~10中可以看出, 污染物高值区的变化呈现出几乎一致的特征, 即夜间远比早间明显, 且随着时间推移有向周边扩散的趋势, 并在冷空气来临后崩溃。
|
图 9 2016年11月3—6日不同时刻京津冀地区NO2水平分布(单位: ppb) Fig. 9 The NO2 horizontal distribution in Beijing-Tianjin-Hebei area at different times from 3 to 6 November 2016. Unit: ppb |
|
图 10 2016年11月3—6日不同时刻京津冀地区CO水平分布(单位: ppmv) Fig. 10 The CO horizontal distribution in Beijing-Tianjin-Hebei area at different times from 3 to 6 November 2016. Unit: ppmv |
本次后向轨迹实验模型所用的气象数据为NCEP(美国国家环境预报中心)在线提供的全球资料同化系统数据库中的实时数据(GDAS), 气象数据时间为2016年11月1—3日, 该数据每天00:00—24:00每6 h保存一次, 模式运行起始时间为00:00, 模拟高度设定为100, 500和1000 m三个层级。
图 11显示了北京、天津、河北东北部、河北南部这几个污染高值区在72 h内的气流运行后向轨迹示意图。从图 11中可以看出在100 m高度, 即污染物主要积聚的近地面层, 北京及天津的气流都来源于西北方向, 从内蒙古西北一直快速南下至湖北, 又在36 h之前折向东北并速度减缓, 最终进入北京天津地区, 气流速度的辐合更有利于污染物的堆积, 可见对这两个地区污染状况加重的直接影响来自于西南侧的河北南部。而河北境内的气流都来自于西北向, 分别从新疆北部和东部一路南下至河北地区。在500 m高度上气流后向轨迹与100 m相似, 而最高的1000 m上气流均来自于西北向的新疆东部地区。且除了有两处100 m高度气流来源于2000 m以上的高空以外, 其它后向轨迹全部来源于1000 m以下的低空。由于污染物主要富集在500 m以下的对流层低层以及近地面层, 考虑到后向轨迹覆盖区域排放源的分布特征, 北京和天津两地的污染类型是主要来源于河北南部工业交通排放的外源型污染, 而河北东北部和河北南部的污染则是主要受本地排放影响的内源型污染。
|
图 11 京津冀地区四个污染高值区(北京, 天津, 河北南部, 河北东北部)气流运行后向轨迹分布 Fig. 11 Post trajectory distribution of air flow in four high pollution areas(Beijing, Tianjin, South Hebei and northeast Hebei) in Beijing-Tianjin-Hebei region |
使用气象与化学模块在线耦合的模式WRF-Chem V3.5及拉格朗日后向轨迹模式对2016年11月3—6日的一次京津冀污染过程展开了数值模拟, 设计进行了包含人为排放源的实验, 运用模拟结果对过程进行分析, 得出以下初步结论:
(1) 大气稳定度指数能有效量化反映污染过程中的大气稳定状况, 且K指数和TT指数相较其他两种指数的指示效果更为准确, 是一种讨论雾霾发生发展原因的有力依据。
(2) 本次污染的高值中心有3个, 分别为北京天津一带, 河北东北部, 以及河北南部。PM2.5, PM10以及SO2污染物的水平分布有较为明显的日变化, 即为午间浓度升高晚间浓度下降, CO和NO2则变化不明显。污染从3日开始发展到6日结束, 除了NO2都明显受到冷空气的影响, 在6日浓度骤降, NO2受冷空气影响不大的原因推测为汽车尾气补充迅速导致冷空气无法有效驱散。
(3) 北京和天津地区的污染是主要来源于河北南部工业交通排放的外源型污染, 而河北东北部和河北南部的污染则是主要受本地排放影响的内源型污染。以化学成分不同分类, 主要污染物为CO; 而以污染物颗粒大小分类, PM2.5和PM10量级相当且浓度差别不大, 均对本次污染有较大贡献。
Ackermann I J, Hass H, Memmesheimer M, et al. 1998. Modal aerosol dynamics model for Europe:Development and first applications[J]. Atmospheric environment, 32(17): 2981–2999.
DOI:10.1016/S1352-2310(98)00006-5 |
|
Fuzzi S, Castillo R A, Jiusto J E, et al. 1984. Chemical composition of radiation fog water at Albany, New York, and its relationship to fog microphysics[J]. Journal of Geophysical Research Atmospheres, 89(D5): 7159–7164.
DOI:10.1029/JD089iD05p07159 |
|
Grell G A, Freitas S R. 2013. A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling[J]. Atmospheric Chemistry and Physics Discussions, 13: 23845–23893.
DOI:10.5194/acpd-13-23845-2013 |
|
Hong S Y, Noh Y, Dudhia J. 2006. A new vertical diffusion package with an explicit treatment of entrainment processes[J]. Monthly Weather Review, 134: 2318–2341.
DOI:10.1175/MWR3199.1 |
|
Iacono M J, Delamere J S, Mlawer E J, et al. 2008. Radiative forcing by long-lived greenhouse gases:Calculations with the AER radiative transfer models[J]. Journal of Geophysical Research:Atmospheres, 113(D13): D13103.
DOI:10.1029/2008JD009944 |
|
Morrison H, Thompson G, Tatarskii V. 2009. Impact of cloud microphysics on the development of trailing stratiform precipitation in a simulated squall line:Comparison of one-and two-moment schemes[J]. Monthly Weather Review, 137: 991–1007.
DOI:10.1175/2008MWR2556.1 |
|
Pleijel H. 2009. Air pollution and climate change, Two sides of the same coin[M]. Stockholm: Swedish Environmental Protection Agency, 76-83.
|
|
Saide P E, Carmichael G R, Spak S N, et al. 2011. Forecasting urban PM10 and PM2.5 pollution episodes in very stable nocturnal conditions and complex terrain using WRF-Chem CO tracer model[J]. Atmospheric Environment, 45(16): 2769–2780.
DOI:10.1016/j.atmosenv.2011.02.001 |
|
Stockwell W R, Middleton P, Chang J S, et al. 1990. The second generation regional acid deposition model chemical mechanism for regional air quality modeling[J]. Journal of Geophysical Research:Atmospheres, 95(D10): 16343–16367.
DOI:10.1029/JD095iD10p16343 |
|
Wild O, Zhu X, Prather M J. 2000. Fast-J:Accurate simulation of in-and below-cloud photolysis in tropospheric chemical models[J]. Journal of Atmospheric Chemistry, 37: 245–282.
DOI:10.1023/A:1006415919030 |
|
Wu P Y, Ding H, Liu Y J. 2017. Atmospheric circulation and dynamic mechanism for persistent haze events in the Beijing-Tianjin-Hebei region[J]. Advances in Atmospheric Sciences, 34(4): 429–440.
DOI:10.1007/s00376-016-6158-z |
|
Ying I T. 2005. Atmospheric visibility trends in an urban area in Taiwan 1961-2003[J]. Atmospheric Environment, 39(30): 5555–5567.
DOI:10.1016/j.atmosenv.2005.06.012 |
|
Zhang Q, Streets D G, Carmichael G R, et al. 2009. Asian emissions in 2006 for the NASA INTEX-B mission[J]. Atmospheric Chemistry and Physics, 9: 5131–5153.
DOI:10.5194/acp-9-5131-2009 |
|
Zhang Y, Olsen S C, Dubey M K. 2010a. WRF/Chem simulated springtime impact of rising Asian emissions on air quality over the US.[J]. Atmospheric Environment, 44(24): 2799–2812.
DOI:10.1016/j.atmosenv.2010.05.003 |
|
Zhang Y, Wen X Y, Jang C J. 2010b. Simulating chemistry-aerosol-cloud-radiation-climate feedbacks over the continental U.S. using the online-coupled Weather Research Forecasting Model with chemistry (WRF/Chem)[J]. Atmospheric Environment, 44(29): 3568–3582.
DOI:10.1016/j.atmosenv.2010.05.056 |
|
曹伟华, 李青春, 2012.北京地区雾霾气候特征及影响因子分析[C].南京: 中国灾害防御协会风险分析专业委员会第五届年会论文集.
|
|
董雪玲. 2004. 大气可吸入颗粒物对环境和人体健康的危害[J]. 资源产业, 6(5): 50–53.
|
|
冯民学, 周俊驰, 曾明剑, 等. 2012. 基于对流参数的洋口港地区雷暴预报方法研究[J]. 气象, 38(12): 1515–1522.
|
|
侯梦玲, 王宏, 赵天良, 等. 2017. 京津冀一次重度雾霾天气能见度及边界层关键气象要素的模拟研究[J]. 大气科学(6): 1177–1190.
|
|
花丛, 张恒德, 张碧辉. 2016. 2013-2014冬半年北京重污染天气气象传输条件分析及预报指数初建[J]. 气象, 42(3): 314–321.
|
|
李菲, 吴兑, 谭浩波, 等. 2012. 广州地区旱季一次典型灰霾过程的特征及成因分析[J]. 热带气象学报(1): 113–120.
DOI:10.3969/j.issn.1004-4965.2012.01.013 |
|
刘琳, 王玲玲, 白永清, 等. 2017. 应用WRF/Chem模拟河南冬季大气颗粒物的区域输送特征[J]. 环境科学学报, 37(5): 1843–1854.
|
|
刘梅, 严文莲, 张备, 等. 2014. 2013年1月江苏雾霾天气持续和增强机制分析[J]. 气象, 40(7): 835–843.
|
|
马学款, 张碧辉, 桂海林, 等. 2017. APEC前后北京几次静稳天气边界层特征对比分析[J]. 气象, 43(11): 1364–1373.
|
|
麦健华, 邓涛, 于玲玲, 等. 2016. 中山市旱季霾特征及数值模拟分析[J]. 环境科学学报, 36(6): 2170–2179.
|
|
庞杨, 韩志伟, 朱彬, 等. 2013. 利用WRF-Chem模拟研究京津冀地区夏季大气污染物的分布和演变[J]. 大气科学学报, 36(6): 674–682.
DOI:10.3969/j.issn.1674-7097.2013.06.004 |
|
任芝花, 余予, 韩瑞, 等. 2018. 自动与人工观测霾日、雾日序列连续性分析[J]. 高原气象, 37(3): 863–871.
DOI:10.7522/j.issn.1000-0534.2018.00007 |
|
沈新勇, 梅海霞, 王卫国, 等. 2015. 双参数微物理方案的冰相过程模拟及冰核数浓度的影响试验[J]. 大气科学, 39(1): 83–99.
|
|
唐宜西, 张小玲, 熊亚军, 等. 2013. 北京一次持续霾天气过程气象特征分析[J]. 气象与环境学报, 29(5): 12–19.
DOI:10.3969/j.issn.1673-503X.2013.05.003 |
|
魏建苏, 孙燕, 严文莲, 等. 2010. 南京霾天气的特征分析和影响因子初探[J]. 气象科学, 30(6): 868–873.
DOI:10.3969/j.issn.1009-0827.2010.06.020 |
|
翁之梅, 李丽平, 杨万裕, 等. 2016. 浙江省冬季不同霾过程的后向气流轨迹及环流特征[J]. 气象, 42(2): 183–191.
|
|
吴兑, 廖碧婷, 吴蒙, 等. 2014. 环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件[J]. 环境科学学报, 34(1): 1–11.
|
|
夏冬, 吴志权, 莫伟强, 等. 2013. 一次热带气旋外围下沉气流造成的珠三角地区连续灰霾天气过程分析[J]. 气象, 39(6): 759–767.
|
|
肖辉, 银燕. 2011. 污染气溶胶对山西一次降水过程影响的数值模拟[J]. 大气科学, 35(2): 235–246.
|
|
于兴娜, 马佳, 朱彬, 等. 2015. 南京北郊秋冬季相对湿度及气溶胶理化特性对大气能见度的影响[J]. 环境科学(6): 1919–1925.
|
|
张人禾, 李强, 张若楠. 2014. 2013年1月中国东部持续性强雾霾天气产生的气象条件分析[J]. 中国科学(地球科学), 44(1): 27–36.
|
|
张悦, 樊曙先, 李皓, 等. 2016. 气溶胶辐射效应在华东地区一次雾霾过程中的作用[J]. 气象学报, 74(3): 465–478.
|
|
赵玲, 李树岭, 王安娜, 等. 2013. K指数在黑龙江省晴雨预报中的应用[J]. 气象与环境学报, 29(6): 145–149.
|
2. Key Laboratory of Cloud-Precipitation Physics and Severe Storms, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China;
3. Inner Mongolia Meteorological Service Center, Hohhot, Inner Mongolia 010051, China;
4. School of Earth Sciences, Zhejiang University, Hangzhou, Zhejiang 310027, China