山东惠民黑碳气溶胶变化特征及来源分析

利用山东惠民国家基准气候站2018年12月—2019年11月的黑碳质量浓度、常规气象观测资料以及 GDAS 数据,研究了该地区黑碳气溶胶的变化特征,并基于后向轨迹模型对其潜在源区进行了分析。研究结果表明: 1）观测期间,黑碳质量浓度平均值为 3.22 µg ? m-3,季节变化呈冬、春季高,夏、秋季低的特点;春、夏、秋季黑碳质量浓度的高频值在 2 µg ? m-3 以内,冬季的高频值在 6 µg ? m-3 以上。2）黑碳质量浓度日变化呈双峰结构,峰值分别出现在 06:00—08:00 和 19:00—21:00,谷值出现于 13:00—15:00。3）降雨和风对黑碳质量浓度有明显影响。非降雨期黑碳质量浓度是降雨期的 2.8 倍;当风速小于 3 m ? s-1 时,黑碳质量浓度随风速增大而减小;冬季在西南西方向、春季在正南方向过来的气团易造成黑碳质量浓度高污染。4）惠民气流输送的季节变化特征明显。春、秋、冬季来自鲁中、河北和苏北等周边地区的气流所占比例较高,对应黑碳质量浓度高值;夏季来自海洋方向的气流占比较高,对应的黑碳质量浓度较低。     

2007年春季广州城区黑碳气溶胶污染特征的初步研究

2007年4月利用黑碳仪（Aethalometer）、颗粒物在线观测仪（TEOM1400a）和现时天气现象传感器（PWD22）获得了大气细粒子中每5 min黑碳气溶胶（BC）浓度以及每30 min PM2.5浓度及大气能见度观测数据。结果发现：黑碳日均值浓度为7.4±2.9 μg·m－3,变化范围分别为2.1～11.6 μg·m－3。PM2.5日均值浓度为77.4±35.9 μg·m－3,浓度变化范围分别为29.6～183.3 μg·m－3。黑碳小时浓度变化具有2个明显的峰值,主要与机动车尾气排放密切相关。黑碳浓度与PM2.5浓度呈正相关,与大气能见度呈负相关,相关系数为分别为0.707和－0.529,表明黑碳是PM2.5中的重要组成部分,对大气能见度的影响较显著。     

中国地区黑碳气溶胶的第一间接辐射强迫与气候效应

将区域气候模式（RegCM3）与对流层大气化学模式（TACM）耦合, 建立区域气候化学模拟系统（RegCCMS）, 用以模拟研究中国地区黑碳气溶胶的空间分布、 第一间接辐射强迫及其气候效应。利用RegCCMS模式对2003年1月和7月进行模拟, 结果表明, 我国黑碳气溶胶主要集中在四川、 河北、 山东等地, 1月份浓度最高值中心在四川, 达到4 μg·m-3; 而在7月则出现在华中地区, 高值中心值为3.5 μg·m-3。地面浓度的季节差异不是很明显。1月和7月由黑碳气溶胶所造成的第一间接辐射强迫全国平均值分别为-0.389 W·m-2和-1.18 W·m-2, 局部地区达到-4～-4.5 W·m-2。敏感性试验结果表明, 考虑黑碳气溶胶的第一间接气候效应后, 使得近地面气温下降, 降水减少, 1月变化的平均值分别为-0.025K和-0.0027 mm·d-1, 7月变化的平均值分别为-0.16K和-0.095 mm·d-1, 在不同季节和地区, 气温和降水的变化存在明显差异。     

新疆重点城市大气颗粒物变化特征

本研究基于新疆16个主要城市2015—2022年40个环境监测站逐时的6类空气污染物（PM2.5、PM10、SO2、NO2、CO、O3）数据,分析了大气污染物的时空分布特征,得出以下结论：（1）新疆大气污染物以颗粒物为主。（2）PM10浓度的空间分布由南往北逐步降低,浓度最高值出现在和田的春季,达六级污染（546 μg·m-3）;PM2.5浓度在春季、夏季、秋季与PM10浓度分布特征一致,冬季中天山北坡城市浓度明显升高,全年最高值出现在五家渠市冬季,达五级污染（172 μg·m-3）;四季PM10和PM2.5浓度最低值均在阿勒泰市,空气质量优。（3）乌鲁木齐市和喀什市颗粒物浓度整体呈下降趋势。阿勒泰市两类颗粒物浓度整体较低,空气质量均为优良等级。乌鲁木齐市PM10及PM2.5浓度在冬半年较高,两类颗粒物均在2017年1月达到最高值,达五级污染。喀什市PM10浓度在2—5月较高,PM2.5浓度在10月至次年5月较高,两类颗粒物均在2016年3月达到最高值,达六级污染。（4）两类颗粒物浓度日变化相似,阿勒泰市四季均在23:00时前后较高,乌鲁木齐市春、夏、秋三季在00:00—02:00较高,冬季在22:00时较高,喀什市春、夏、秋三季在夜间01:00时前后较高,冬季在13:00时较高。     

上海市区和郊区黑碳气溶胶的观测对比

为了探讨上海市区和郊区黑碳气溶胶质量浓度、分布以及来源和输送等特征,利用上海浦东 (市区) 和东滩 (郊区河口湿地)2007年12月—2008年11月的黑碳气溶胶小时平均质量浓度数据,对比分析了两地黑碳气溶胶浓度在不同时间尺度上的变化特征以及气象要素对黑碳质量浓度的影响。结果表明:观测期间浦东和东滩两地黑碳气溶胶小时质量浓度平均值分别为3.8 μg·m-3,1.7 μg·m-3。两地黑碳气溶胶浓度具有类似的季节变化特征,均为冬季较高、夏季较低;同时浦东黑碳气溶胶浓度日变化呈现出明显的双峰结构,并具有显著的周末效应,体现了局地人为源排放的影响。受源排放影响为主的市区与受输送影响为主的郊区,黑碳气溶胶浓度在不同风向上与风速的关系表现出不同特征。     

2003年秋季西安大气中黑碳气溶胶的演化特征及其来源解析

2003年9～11月在西安站点通过黑碳测量仪(Aethlometer)获得了大气细粒子中每5 min的黑碳气溶胶(BC)浓度,这些实时的BC浓度经过元素碳校对后,日平均浓度为10.2±5.8μg·m-3,其变化范围为1.8～27.5μg·m-3.BC浓度与污染指数(API)的变化具有良好的一致性(相关系数为0.64),表明BC是大气颗粒物污染的一个重要贡献.正常天气下,BC小时平均浓度呈三峰分布,这与机动车污染、居民活动和农村秸秆燃烧等来源相关联.通过降水天气下BC的浓度分布和BC浓度频次分布法,获得了西安大气中BC的本底浓度为4.5μg·m-3,以此估算了西安大气BC中不同来源的相对贡献,其中周边源对BC的贡献超过了1/3.这表明了该季节内城市周边农村秸秆燃烧对城市空气质量的显著贡献,需要进一步严格控制.     

2021年3月沈阳地区一次污染过程气溶胶垂直变化特征及成因分析

利用地面大气颗粒物质量浓度观测资料、探空和NECP再分析资料以及地面激光雷达探测资料,对2021年3月13—15日沈阳地区污染事件过程展开分析,探讨大气污染物质量浓度、大气环流背景与气溶胶垂直分布等特征。结果表明: 3月13日PM_2.5质量浓度最高值出现在06:00—07:00,约为220.0—230.0 μg·m^-3,15日12:00开始显著降低,而PM₁₀质量浓度在15:00出现显著增加,为258.3 μg·m^-3。SO₂和NO₂浓度较高值均出现在3月13日10:00时左右,分别为40.1 μg·m^-3和101.3 μg·m^-3。CO质量浓度最高值出现在13日16:00—17:00,约为8.8 mg·m^-3。沈阳地区臭氧的最高值均出现在午后,13日和14日午后（12:00—16:00）臭氧最大值为102.4—113.7 μg·m^-3。蒙古气旋东移过程中逐渐发展加强,其后部西北风将沙尘向东南方向输送。沈阳地区沙尘发展旺盛时存在不稳定层结,同时伴有显著的上升运动,有利于沙尘粒子的垂直混合和向下游输送。3月15日02:00（北京时间15日10:00）气溶胶消光最大值出现在0.7 km处,消光系数约为6.0 km^-1。近地面激光雷达退偏比显著增加至0.4—0.5,近地面以非球形粒子（粗颗粒物）为主的沙尘或浮尘。     

北京地区供暖季两次重污染过程气象条件对比

为对比分析北京地区供暖季期间两次重污染过程的影响因素,利用气象常规和非常规资料、环保监测站观测资料分析了2016年11月2—5日（以下简称“2016年过程”）和2018年3月11—14日（以下简称“2018年过程”）两次重污染过程的气象条件。结果表明：2018年过程与2016年过程天气尺度高低层天气影响系统类似,地面平均风速均为1.5 m·s-1,大气水平扩散条件基本相似,边界层风场的分布及风速大小基本一致,但2018年过程低层暖气团影响高度达2 km以上且逆温强度很大,大气垂直扩散条件更不利于污染物的扩散;2018年过程PM2.5浓度较2016年过程污染最重单站峰值浓度偏低30.2%,全市平均浓度也较其略低,且未出现爆发性增长阶段,浓度积累增长平缓;2016年过程一氧化碳（CO）出现爆发性增长,4 h浓度上升接近1 000 μg·m-3,峰值浓度为3 179 μg·m-3,黑碳（BC）浓度持续较高且峰值浓度为19 939 ng·m-3;2018年过程期间CO峰值浓度较2016年过程下降24.6%,且未出现爆发性增长阶段,BC有一定日变化特征,峰值浓度为4 228 ng·m-3,远远低于2016年过程。两次重污染过程发生在基本相似的气象条件下,2018年的垂直扩散能力更为不利,但从细颗粒物和一次排放污染物对比来看,2018年过程多种污染物浓度显著下降、平均浓度明显降低,这与人为减排限排等因素密切相关。     

2013—2016年北京朝阳站PM2.5质量浓度变化特征

利用2013年2月至2016年1月北京朝阳环境气象站PM2.5质量浓度和同步地面风数据,重点分析了PM2.5质量浓度的变化特征及受地面风的影响情况。观测期间测点PM2.5年平均质量浓度为80.6±4.0 μg·m-3,为环境空气质量标准(GB3095—2012)二级年均浓度限值(35 μg·m-3)的约2.3倍,季节变化特征明显,冬季最高（115.1 μg·m-3）、夏季最低（58.5 μg·m-3）。测点主导风向为ENE—E—ESE,风速主要集中在0.2~2.0 m·s-1。当地面风来自ENE—E—ESE方向时PM2.5质量浓度最高（109.1 μg·m-3）,来自WNW—NW—NNW方向时最低（39.5 μg·m-3）。PM2.5质量浓度随风速增大先上升后下降,在0.4 m·s-1时达最高,为139.2 μg·m-3。风速在0.2~2.0 m·s-1时主要受ENE—E—ESE方向影响,而2~6 m·s-1时主要受ESE方向影响较大。通过与其他站点的比较发现,不同站点各方向污染源和地面风的差异导致了PM2.5质量浓度在各方向分布的差异。     

中国东北地区重污染事件气溶胶浓度变化与天气形势分析

近年来中国东北地区污染事件频发,为揭示该地区重污染天气分布特征,利用2014—2017年中国东北地区40个城市空气质量数据及对应的高低空天气形势资料,统计分析得到中国东北地区大气污染状况的变化特征以及区域重污染事件的天气学特征。结果表明：2015—2017年中国东北地区PM_2.5和PM₁₀年平均质量浓度呈下降趋势,其中PM_2.5年平均质量浓度下降的更快,PM_2.5最大值出现在辽宁和吉林中部地区约为90—100 μg·m^-3,SO₂年平均质量浓度较高值分布在辽宁西部地区约为50 μg·m^-3,而NO₂最大值出现在沈阳—长春—哈尔滨一带,约为45 μg·m^-3,CO质量浓度最大值分布在东北沿海地区约为1.6 mg·m^-3,相反中国东北地区O₃年平均质量浓度呈上升趋势,最大值出现在沿海的大连及营口等地,约为100 μg·m^-3。污染物浓度变化具有鲜明的季节变化特征,不同地区PM_2.5和PM₁₀与AQI最大值均出现在冬季,SO₂冬季质量浓度最大值出现在沈阳（180 μg·m^-3）,NO₂与CO冬季最大值出现在哈尔滨（80 μg·m^-3,1.8 mg·m^-3）。相反,O₃最大值出现在夏季沈阳地区约为140—150 μg·m^-3。重度污染级别（200 μg·m^-3≤PM_2.5 < 300 μg·m^-3）和严重污染级别（PM_2.5>300 μg·m^-3）的空气质量表现出以哈尔滨为中心,向周围迅速减少,辽宁中部又略有增加的特征;中度污染（150 μg·m^-3≤PM_2.5 < 200 μg·m^-3）的天数沈阳>哈尔滨>长春,轻度污染（100 μg·m^-3≤PM_2.5 < 150 μg·m^-3）的天数是沈阳>长春>哈尔滨。引发中国东北地区重污染的天气形势大致可分为高压型,低压型和北高南低型3种,出现比例分别为62%、27%和11%;高压型850 hPa高压脊东移经过中国东北地区,地面处于高压南部或弱高压中心,有时在黑龙江北部或辽宁西南部连续有弱小的低压生成并快速东移过境;低压型850 hPa低压系统发展并东移经过中国东北地区,地面处于低压后弱高压中;北高南低型850 hPa和地面中国东北地区受北面高压和南面低压的共同影响。     

我国近30年龙卷风研究进展

从3方面总结了龙卷风研究成果:①研究概况,最初的龙卷风灾后调查到开展天气气候特征分析至近年来开展龙卷风本体结构、产生机制的探讨,获得了丰硕成果;②研究方法提高,从事实调查到利用统计方法,从利用台站常规观测资料到运用卫星、多普勒雷达、风廓线仪等非常规资料开展分析,近年数值模式WRF、ARPS等也被用来研究龙卷风,研究的方法手段不断得到改进;③龙卷风研究、预报面临的困难和未来展望。     

河西走廊农业区春季气溶胶光学特性

为研究干旱农业区农耕季节气溶胶的基本光学特性,2014年4月利用地面气溶胶移动集成系统在甘肃武威黄羊镇农场开展气溶胶综合观测试验。结果表明,河西走廊黄羊镇农场PM2.5和PM1.0的散射系数以及PM2.5的吸收系数分别为98.2±38.3、74.6±29和8.8±6.3 Mm-1,均小于中东部地区观测值。气溶胶单次散射反照率为0.90±0.03,PM2.5和PM1.0的Angstrom指数分别为1.31±0.29和2.10±0.24。散射系数和吸收系数的日变化具有明显的双峰特征,单次散射反照率在散射系数出现峰值的时间段出现谷值。黄羊镇农场受人为气溶胶影响较大,西、西南和东南方向来的气溶胶散射系数和吸收系数值较大,西北方向传输过来的气溶胶主要是农业生产活动产生的。     

武汉市气候变暖与极端天气事件变化的归因分析

根据武汉市1951—2007年间年平均、最高、最低气温与8类年极端天气日数的序列,计算分析其变化趋势及年平均气温与极端天气日数的相关性,引入格兰杰因果性检验法,探讨气候变暖与极端天气事件之间的因果关系。结果发现:(1)近57年来武汉市年平均最低气温增幅为0.45℃/10a,明显高于年平均最高气温0.19℃/10a的增幅,可见气候变暖主要是由夜间气温升高所致;(2)高温和闷热天气事件为增多趋势,其中闷热天气事件最明显,达到2.8 d/10a,而年雷暴、降雪、低温、大风、雾日则均为下降趋势,雷暴、雾和低温事件降幅明显,每10年减少3.0 d、4.0 d和2.1 d。大风和降雪事件,每10年减少1.8 d和1.5 d。暴雨事件波动幅度较小。(3)年平均气温与当年及超前、滞后1～2年的极端天气事件具有高相关性;(4)格兰杰因果性检验结果发现,气候变暖是闷热天气增多和降雪事件减少的原因,同时亦是大风和低温减少的结果。这种因果关系的存在对极端天气事件预测和预估有重要的价值。     

城市气象研究进展

中国数十年来在城市气象研究这一新兴学科领域开展了大量研究并获得了多方面的丰硕成果。文中从城市气象观测网与观测试验、城市气象多尺度模式、城市气象与大气环境相互影响、城市化对天气气候的影响等4个方面论述了城市气象的主要研究进展:中国各大城市已建立或正在完善具有多平台、多变量、多尺度、多重链接、多功能等特点的城市气象综合观测网;北京、南京、上海等地开展了大型城市气象观测科学试验,被世界气象组织列入研究示范项目;成功开展了风洞实验、缩尺度外场实验研究;建立了多尺度城市气象和空气质量预报数值模式,并应用于业务;在城市热岛效应、城市对降水影响、城市气象与城市规划、城市化对区域气候及空气质量的影响、城市气象与大气环境相互作用等研究领域取得长足进展。最后指出,未来需要重点从新观测技术及观测资料同化应用、城市系统模式研究、城市化对天气气候的影响机理、城市化对大气环境和人体健康的影响、城市水文气象气候与环境综合服务等方面开展科学研究与应用,为中国城市化、生态文明建设、防灾减灾和应对气候变化等国家需求提供科技支撑。      

Trends in Temperature Extremes in Association with Weather-Intraseasonal Fluctuations in Eastern China

Trends in the frequencies of four temperature extremes (the occurrence of warm days, cold days, warm nights and cold nights) with respect to a modulated annual cycle (MAC), and those associated exclusively with weather-intraseasonal fluctuations (WIF) in eastern China were investigated based on an updated homogenized daily maximum and minimum temperature dataset for 1960–2008. The Ensemble Empirical Mode Decomposition (EEMD) method was used to isolate the WIF, MAC, and longer-term components from the temperature series. The annual, winter and summer occurrences of warm (cold) nights were found to have increased (decreased) significantly almost everywhere, while those of warm (cold) days have increased (decreased) in northern China (north of 40°N). However, the four temperature extremes associated exclusively with WIF for winter have decreased almost everywhere, while those for summer have decreased in the north but increased in the south. These characteristics agree with changes in the amplitude of WIF. In particular, winter WIF of maximum temperature tended to weaken almost everywhere, especially in eastern coastal areas (by 10%–20%); summer WIF tended to intensify in southern China by 10%–20%. It is notable that in northern China, the occurrence of warm days has increased, even where that associated with WIF has decreased significantly. This suggests that the recent increasing frequency of warm extremes is due to a considerable rise in the mean temperature level, which surpasses the effect of the weakening weather fluctuations in northern China.     

Changes in polar amplification in response to increasing warming in CMIP6

由于全球变暖,极地地区的气候经历了明显的变暖放大.在本项研究中,我们根据CMIP6模式的三种变暖情景(SSP1-2,6,SSP2-4.5和SSP5-8.5)下,极地放大变化对各个反馈机制(包括普朗克,温度递减率,云,水蒸气,反照率反馈,CO2强迫,海洋热吸收和大气热传输)的响应进行了分析.结果表明,通过用“辐射核”方法量化不同反馈机制对地表温度的增温贡献,北极放大(AA)强于南极放大(ANA),由温度递减率反馈主导,其次是反照率和普朗克反馈.此外,海洋的热吸收导致冬季比夏季有更强的极地变暖.在冬季,温度递减率反馈主导了AA大于ANA.AA和ANA的模式间差异随着全球变暖的增强而减小.     

我国东部地区冬季模式边界层探空效果评估

应用中尺度气象模式MM5对2006年和2007年12月东部地区进行逐日模拟,并用地面常规观测资料及南京和安庆12h一次的逐日探空资料对模拟的地面及边界层内气象要素进行检验,计算地面和边界层内不同高度的温度、湿度、风向和风速等要素的多种常用统计参数;并分别评估雾发生前和发生时边界层探空的模拟效果。结果表明:(1)MM5模式模拟的地面温度和湿度均较理想,但风速误差较大。温度、相对湿度、风速的观测与模拟的偏差概率分布均呈近正态分布,峰值中心分别为-1.52℃、4.59%和1.92m·s-1,白天模拟效果优于夜间。(2)以南京、安庆两站为例,模拟的08:00(北京时,下同)和20:00边界层内探空基本可靠,但20:00的效果比08:00好;模拟效果均随高度上升而变好;且南京站边界层内温度、湿度的模拟效果优于安庆站,但安庆站风的模拟效果优于南京站。(3)以南京站为例,雾发生前和发生时温度、湿度模拟效果较平均情况差,风速模拟较其他模拟时段无明显变化。(4)南京、安庆冬季近地层逆温发生频率都比较高,常见多层逆温,MM5模式能再现近地层逆温,但有高估的倾向,且对边界层中上部逆温模拟效果不佳。此外,敏感性试验的结果表明,模拟方案中地面负的温度偏差不是由近地层高垂直分辨率所致。     

夏季全国降水EOF展开与黑龙江省降水的关系

用EOF对全国160个站夏季降水展开，取前5个特征向量进行分析，发现全国主要有4种雨型分布，依次呈“＋－＋”、“＋－”、“－＋－”、“－“型。与黑龙江省降为第1种，即东北区及黄河下游多雨，江浪少雨， 长江中下游流域多雨；夏末雨带南退至长江以南，华南多雨，而中国中部为广大的少雨区。     

Recent advances in monsoon studies in China

This review provides a synopsis of the major progress that has been made in monsoon studies in China and to further bridge the gap between the Chinese and international meteorological community. It consists of seven major sections. After the introduction, the second section begins with the global monsoon systems and their seasonal variation, based on some new methods proposed in recent years. Besides, some major intraseasonal features of East Asian monsoon, including the onset of South China Sea summer monsoon are discussed. In the third section, we review the interactions between ENSO and the East Asian monsoon, focusing in particular on the results of Chinese meteorologists that indicate the influence of ENSO on the East Asian summer monsoon(EASM) is obviously different from that on the tropical monsoon. Besides the tropical Pacific,other ocean basins, such as the Indian Ocean and the Atlantic Ocean, are also important to the East Asian monsoon, and this topic is discussed in the fourth section. In the fifth section, we address the role of land surface processes in East Asian monsoon. For example, we describe work that has shown more snow cover in spring on the Tibetan Plateau is followed by a weakened EASM and more summer rainfall in the Yangtze River valleys. The sixth section focuses on the influence of atmospheric circulation in the Southern Hemisphere(SH) on EASM, demonstrating how the signal from the SH is likely to provide new clues for the seasonal forecasting of summer rainfall in China. Finally, in the seventh section, we concentrate on the interdecadal variations of EASM. In particular, we look at a significant interdecadal variation that occurred at the end of the 1970 s, and how our understanding of this feature could affect forecasting ability.     

Quantile Trends in Temperature Extremes in China

A number of recent studies have examined trends in extreme temperature indices using a linear regression model based on ordinary least-squares. In this study, quantile regression was, for the first time, applied to examine the trends not only in the mean but also in all parts of the distribution of several extreme temperature indices in China for the period 1960-2008. For China as a whole, the slopes in almost all the quantiles of the distribution showed a notable increase in the numbers of warm days and warm nights, and a significant decrease in the number of cool nights. These changes became much fas- ter as the quantile increased. However, although the number of cool days exhibited a significant decrease in the mean trend estimated by classical linear regression, there was no obvious trend in the upper and lower quantiles. This finding suggests that examining the trends in different parts of the distribution of the time-series is of great importance. The spatial distribution of the trend in the 90th quantile indicated that there was a pronounced increase in the numbers of warm days and warm nights, and a decrease in the number of cool nights for most of China, but especially in the northern and western parts of China, while there was no significant change for the number of cool days at almost all the stations.