2015年11月沈阳地区一次PM2.5重污染过程综合分析

利用多源观测资料综合分析了2015年11月沈阳地区一次PM2.5 重污染天气的气象条件、垂直风场演变、大气边界层特征以及污染物的来源。结果表明:本次重污染过程中,沈阳市区PM2.5浓度长达81h超过250μg · m^-3 ,其中峰值浓度达到1287μg · m^-3 ,重污染期间PM2.5 /PM10 的比例最高为90%。受地面倒槽和黄淮气旋影响,近地面层持续存在的逆温层、高相对湿度和弱偏北风为颗粒物吸湿增长和长时间聚集提供有利的天气条件。风廓线雷达风场资料显示在重污染期间,近地面层存在弱风速区、凌乱风场和弱下沉气流。利用风廓线雷达资料计算了边界层通风量(Ventilation Index,VI)和局地环流指数(Recirculation,R),边界层通风量VI和PM2.5 存在明显的负相关,非污染日VI是重污染日的2倍,局地环流指数R在重污染天气前大于0.9,而在污染期间部分空间R小于0.8。通过后向轨迹模式和火点监测资料分析发现,沈阳上空300m高度气团来自于生物质燃烧区域,而且沈阳地区NO2和CO浓度的变化与PM2.5一致,说明本次重污染过程也可能和生物质燃烧有关。     

宁波一次罕见持续重度污染事件的成因分析

2013年12月1—10日宁波市出现历史罕见持续性重度污染事件。基于常规天气观测、浙江省自动气象站、宁波慈溪边界层风廓线雷达和凉帽山岛370 m高塔、宁波市和舟山市污染物监测等资料,应用美国NOAA HYSPLIT4模式进行粒子后向轨迹分析,并将CALMET诊断模式应用到WRF中尺度数值模式输出,对本次污染发展和消散过程宁波市3 km以下气象要素进行精细化诊断分析,计算通风系数。结果表明：（1）合适的环流背景是污染发展和持续的主要原因。气溶胶粒子浓度升高过程中有3次弱冷空气影响,主要表现在800 m以上层次,为粒子的输送提供了好的动力条件,却又不影响边界层风速和稳定性。弱冷空气间歇期风力弱,风向快速变化,利于粒子的循环滞留。（2）污染发展和持续阶段宁波市区3000 m以下持续弱下沉气流,夜间边界层高度低,200 m以下存在明显逆温层,导致气溶胶粒子在低层的堆积和能见度的降低。（3）污染发展和持续阶段夜间通风系数均小于1 m²/s,扩散条件很差,而污染消散阶段通风系数明显增大。没有外源性粒子输入时,通风系数与气溶胶粒子浓度成负相关。     

2000～2002年北京市城市大气污染特征分析

通过对 2 0 0 0年 1月至 2 0 0 2年 1 2月北京市城市大气污染物SO2 ,PM1 0 ,NO2 的分析发现 :北京市主要污染物是SO2 和PM1 0 。SO2 污染月份主要发生在 1 1月至次年的 3月 ;PM1 03级以上的日数全年都有分布 ,但 4级和 5级的日数主要发生在春季和冬季 ;NO2 主要污染月份发生在 1 0月至次年的 3月 ;大多数污染物以 2 0 0 0年最为严重。对污染资料进行MHAT小波分析发现 ,北京市大气污染存在两个明显的周期波动 ,即 2 0～ 30天周期和准 5天周期 ,这说明北京市污染物浓度短期变化主要受到天气过程及大气低频振荡的影响 ,该文进一步计算了 2 0 0 0年污染资料与气象资料的相关关系发现 ,北京市污染物与日平均气温、日平均风速、每日 1 2 :0 0 (北京时 )温度梯度、相对湿度存在明显的相关关系 ,且不同的气象要素对不同的污染物浓度影响不同。     

北京地区夏末秋初气象要素对PM2.5污染的影响

利用北京宝联站及北京上甸子大气本底站2006-2008年的7-9月PM2.5连续观测资料以及北京市观象台的探空数据、海淀气象站的风廓线雷达和降水量等资料,对北京地区夏末秋初PM2.5的质量浓度特征及其与气象要素的关系进行了统计分析.结果表明:城区站各月平均PM2.5质量浓度明显高于郊区站,高空偏南气流的输送是造成城区及本底地区出现细颗粒物污染的主要原因.从地面风速来看,城区当北风和南风分别达到2m·s-1和3.5 m·s-1以上时能起到扩散作用;郊区在低风速的北风条件下也能起到扩散和稀释作用,而南风基本上对郊区的颗粒物无扩散作用.PM2.5质量浓度在降水前后的清除量与降水量、初始质量浓度均呈正相关关系,城区及郊区的云下清除过程更多取决于降水前污染物的浓度,降水量作用较弱.当混合层高度突破1500 m时,垂直扩散对污染物的稀释扩散效果明显.     

外来输送对江苏冬季PM2.5贡献的数值模拟研究

利用WRF-Chem模式对2016年12月中下旬的两次重污染过程进行模拟,定量研究外来污染输送对江苏省PM_2.5的污染贡献。15—17日和22—23日两次过程都存在明显的上游污染输送特征:宿迁、扬州、无锡(自西北向东南)的PM_2.5浓度先后出现峰值,峰值均出现在西北风场中,当风向转为偏北风时峰值逐渐减弱。第二次过程中地面风力更大,高空形势更有利于远距离输送,高值区范围强度明显强于第一次,重度污染层厚度达到900~1 500 m,且持续时间较长。第一次过程中江苏省内排放源贡献率为23%~79%(第二次为5%~32%),苏南仍以本地排放源污染为主,苏北外来输送贡献率超过50%。第二次过程中宿迁、扬州、无锡的PM_2.5外来输送贡献分别为105.9 μg/m3、83.1 μg/m3、64.8 μg/m3(第一次为40.2 μg/m3、20.9 μg/m3、11.1 μg/m3),山东省和京津冀地区排放源是主要污染输送来源,二者贡献之和在44%~70%。两次过程中,外来输送贡献均是自北向南递减,山东省贡献率高于京津冀地区,而其余周边省份的贡献率相对较低;安徽省对江苏西部城市的贡献率较高。      

2013-2015年合肥市PM2.5重污染特征研究

综合利用中国环境监测网公布的合肥市2013-2015年大气污染物浓度数据和合肥市气象站的常规气象资料,以及激光雷达探测资料、公益性行业（气象）专项（GYHY201206011）获得的气溶胶离子成分分析结果,分析了合肥市PM_2.5重污染（日均浓度>150 μg/m3）特征。结果表明:（1）2013-2015年,合肥市PM_2.5浓度和重污染天数空间分布差异明显,东北部多、西南部少,1月各站差异最大。除了低浓度日（日均浓度≤35 μg/m3）,PM_2.5浓度都存在明显的日变化,午后低、早晚高,且随着污染程度加重,早上峰值出现时间推后。（2）重污染日臭氧以外的气态污染物浓度都显著上升。（3）重污染日常伴随着霾和轻雾天气,以稳定、小风天气为主,重污染日白天相对湿度偏高、风速偏小,600 m以下的消光系数显著增大且峰值高度降低。（4）重污染日PM_2.5中水溶性无机离子含量增高,其中NO₃-含量的占比增加最多,超过了SO₄2-的占比。      

基于微波辐射计和气溶胶激光雷达的边界层高度研究及应用

分别基于微波辐射计温湿度廓线资料的气块法、位温法和比湿法,地面气象资料的罗氏法及气溶胶激光雷达数据的梯度法,计算得出广州地区大气边界层高度,对比分析5种边界层高度结果及其与气象条件、空气质量之间的关系,结合典型大气污染过程分析边界层高度对PM_2.5、O₃浓度的影响。结果显示:（1）利用位温法、气块法、罗氏法、比湿法和梯度法计算得出广州地区平均边界层高度分别为2 207 m、1 239 m、901 m、717 m和660 m,位温法显著高估了广州地区的边界层高度;（2）利用气块法得出的混合层高度日变化能够较好地表征白天大气边界层演变特征,利用气块法和比湿法得出的白天混合层高度与近地面O₃浓度有显著的正相关关系,相关系数在0.5以上,在O₃污染防治中,应同时考虑边界层内垂直输送的影响;（3）利用梯度法得出的边界层高度在污染天气时与PM_2.5浓度的相关性较好,能较好地表现出大气污染情况,在PM_2.5污染天气过程分析中具有较好的应用价值。      

大理苍山—洱海局地环流的数值模拟

利用耦合了湖泊模型的WRF_CLM模式模拟了秋季大理苍山—洱海地区的局地环流特征。结果表明:模式对近地面温度、风向、风速的模拟与观测基本一致,模拟结果能较好地再现该地区山谷风和湖陆风相互作用的局地环流特征。在秋季,大理苍山的谷风起止时间为08:00~17:00(北京时,下同),湖风起止时间为09:00~19:00。局地环流受高山地形及洱海湖面影响明显,山谷风形成早于湖陆风1 h,夜间山风、陆风强盛于白天谷风、湖风。白天苍山谷风与洱海湖风的叠加作用会驱动谷风到达2600 m的高度,而傍晚最先形成的苍山山风则会减弱洱海的湖风环流。夜间盆地南部在两侧山风、陆风的共同作用下,形成稳定而持续的气旋式环流。日出以后,对流边界层迅速发展,边界层高度逐渐增高。陆地17:00温度达到最高,边界层高度也达到峰值2000 m,之后逐渐降低。日落后形成稳定边界层,边界层高度在夜间基本保持在100 m。相对于陆地,湖面白天边界层高度低300 m,夜间边界层高度高100 m。     

Characteristics of Chemical Speciation in PM_1 in Six Representative Regions in China

A better knowledge of aerosol properties is of great significance for elucidating the complex mechanisms behind frequently occurring haze pollution events. In this study, we examine the temporal and spatial variations in both PM_1 and its major chemical constituents using three-year field measurements that were collected in six representative regions in China between 2012 and 2014. Our results show that both PM_1 and its chemical compositions varied significantly in space and time, with high PM_1 loadings mainly observed in the winter. By comparing chemical constituents between clean and polluted episodes, we find that the elevated PM_1 mass concentration during pollution events should be largely attributable to significant increases in organic matter(OM) and inorganic aerosols like sulfate, nitrate, and ammonium(SNA),indicative of the critical role of primary emissions and secondary aerosols in elevating PM_1 pollution levels. The ratios of PM_1/PM_(2.5) are found to be generally high in Shanghai and Guangzhou, while relatively low ratios are seen in Xi'an and Chengdu, indicating anthropogenic emissions were more likely to accumulate in forms of finer particles. With respect to the relative importance of chemical components and meteorological factors quantified via statistical modeling practices, we find that primary emissions and secondary aerosols were the two leading factors contributing to PM_1 variations, though meteorological factors also played important roles in regulating the dispersion of atmospheric PM.     

大气自净容量的算法及关键物理因子分析

为更科学地量化大气对污染物的清除能力,使用WRF-NAQPMS模式对2017年12月进行模拟,对比分析影响大气清除能力的主要关键物理因子,修正A值法和大气自净容量算法的差异,进一步计算大气自净容量余量及各关键物理化学过程的贡献量。结果表明,边界层高度、风廓线、湿清除系数等3个关键物理参数较混合层高度、10 m高度风速、雨洗强度等更适用于量化清除过程;修正A值法和大气自净容量算法虽均能表征大气清除能力的强弱,但前者受目标城市面积影响较大,结果远高于大气自净容量算法;大气自净容量余量与细颗粒物（PM2.5）浓度变化趋势呈负相关,污染越重,大气自净容量亏空越多,其中平流扩散对大气自净容量贡献最大,化学转化过程次之,湿沉降等过程也不可忽视。     

珠三角地区日最大混合层高度及其对 区域空气质量的影响

大气混合层高度是影响大气扩散的主要因子之一,其对空气质量评估与污染物的存储量及分布起着重要作用。利用2014年4月至2018年3月珠三角地区香港（沿海站点）和清远（内陆站点）气象探空数据,采用干绝热曲线法估算代表大气垂直方向上大气混合能力的最大混合层高度,探讨沿海与内陆地区混合层高度的差异性,并将最大混合层高度估算值与地面观测的污染物浓度进行相关性分析。结果表明：珠三角沿海与内陆地区的混合层变化具有典型局地特征,沿海日最大混合层高度普遍低于内陆,两地平均高度分别为982 m和1198 m。区域混合层高度的空间差异性由多方面原因造成,其中温度日较差起到关键作用。由于海洋水体的气温调节作用,沿海地区温度日较差较小,因此混合层发展相对较低。珠三角地区各污染物浓度与混合层高度的相关性有较大差异,其中以CO为代表的一次污染物与混合层高度间呈显著负相关,以O₃为代表的二次污染物与混合层高度间则呈显著正相关,而颗粒物作为多源性污染物（既有一次排放,又有二次生成）,其与混合层高度之间的相关性较弱。     

Estimation of PM_(2.5) Mass Concentration from Visibility

Aerosols in the atmosphere not only degrade visibility, but are also detrimental to human health and transportation. In order to develop a method to estimate PM_(2.5) mass concentration from the widely measured visibility, a field campaign was conducted in Southwest China in January 2019. Visibility, ambient relative humidity(RH), PM_(2.5) mass concentrations and scattering coefficients of dry particles were measured. During the campaign, two pollution episodes, i.e., from 4-9 January and from 10-16 January, were encountered. Each of the two episodes could be divided into two periods. High aerosol hygroscopicity was found during the first period, when RH was higher than 80% at most of the time, and sometimes even approached 100%. The second period experienced a relatively dry but more polluted condition and aerosol hygroscopicity was lower than that during the first period. An empirical relationship between PM_(2.5) mass concentration and visibility(ambient aerosol extinction) under different RH conditions could thus be established. Based on the empirical relationship,PM_(2.5) mass concentration could be well estimated from visibility and RH. This method will be useful for remote sensing of PM_(2.5) mass concentration.     

连续雾霾天气污染物浓度变化及天气形势特征分析

利用MICAPS资料、地面观测资料、NCEP资料和衡水市环境监测站细颗粒物(PM2.5)及PM10浓度资料,对2013年1月衡水市出现的连续雾霾天气从PM10及细颗粒物浓度演变、雾霾天气污染物浓度与地面要素关系、中低层环流形势特征进行了分析,结果表明:1)雾霾天气期间06:00(北京时间,下同)至07:00和16:00至21:00为PM10和细颗粒物浓度较低时段,PM10最大值出现在15:00,细颗粒物最大值出现在02:00,两者并不同时达到极值。2)雾霾天气污染物浓度与地面湿度并不是简单的正相关或负相关关系,还和许多其它因素有关。3)衡水市污染源主要来源于工业污染源、扬尘污染、冬季燃煤采暖、局部污染源及区域性污染。4)雾霾天气相对湿度和能见度基本呈负相关,气压变化不大,风向频率最多为北到东北风,平均风速一般都在2 m/s以下。雾日时大部分时段为雾和霾的混合物。5)重污染日期间500 hPa为平直偏西气流或西北偏西气流,没有明显的槽脊活动。而污染较轻的时段500 hPa为明显的西北气流控制或有槽脊活动。6)雾霾天气期间大部分日数08:00在850hPa以下都存在逆温层;地面气压场偏弱,尤其河北平原一带基本为均压场。最后对雾霾天气影响及对策进行了简单探讨。     

北京地区日最大边界层高度的气候统计特征

使用北京气象站探空观测数据和地面气温观测数据,以干绝热曲线法估算1984~2013年逐日最大边界层高度,同时计算对应的边界层平均风速和通风量。统计分析这3个边界层参量的平均特征,并利用2001~2012年的空气污染指数(API),探讨大气污染与边界层参量的关系。结果表明:(1)日最大边界层高度的30年月均值以春季和夏初(3~6月)最高,约1600 m;夏季和秋初(7~10月)次之,约1300 m;冬季(11月、12月和1月)最低,约1000~1200 m。(2)夏季,日最大边界层高度不同数值的频率大致为对称分布,峰值处于1000~1600 m范围;秋、冬季,频率分布系统性地向低值一方偏斜,600~800 m的出现频率大大增加;春季边界层高度的变化极大。(3)各季边界层平均风速以夏季为最小。(4)一年中春季通风量最大,秋季次之,冬季较低,夏季最小。(5)秋、冬季,北京中度和重污染个例(API200)集中分布于弱风、低边界层和小通风量条件,反映污染物局地累积的作用;春季污染个例半数以上以高风速、高通风量为特征,反映沙尘类外部输入性污染的作用。     

1953—2008年厦门地区的灰霾天气特征

利用厦门气象局气象观测站1953—2008年地面气象观测资料和厦门市环保局2001—2005年PM10、SO2、NOX环境监测资料,分析了厦门地区霾天气的气候特征、气象要素特征,及其影响因素,探讨了大气污染物与霾天气的关系。结果表明,在过去的50多a中,年日照时数及能见度有明显下降的趋势;厦门市灰霾日数总体呈上升趋势,尤其近十年来更加明显;厦门夏秋季节霾日少于冬春季节;2000年以来,随着霾日的增加,霾的持续日数也迅速增加;风速增大不利于霾的形成,高相对湿度有利于霾的形成;近年来大气污染日益严重,污染物（SO2、NOX、PM10）浓度增大导致霾日数增加,能见度下降。     

The Interannual Variation of Transboundary Contributions from Chinese Emissions of PM_(2.5) to South Korea

In recent years,several studies pointed out that anthropogenic emission sources in China which significantly contribute to the PM_2.5mass burden was an important cause of particulate pollution in South Korea.However,most studies generally focused upon a single pollution event.It is rare to see comprehensive research that captures those features prone to interannual variations concerning the transboundary pollutant contribution in South Korea using a unified method.In this paper,we establish the emission inventories covering East Asia in 2010,2015,and 2017,and then conduct the source apportionment by applying a coupled regional air quality model called the Integrated Source Apportionment Module(ISAM).Comparison of simulated and observed PM_2.5mass concentration at 165 CNEMC(China National Environmental Monitoring Center)sites suggests that the PM_2.5concentrations are well represented by the modeling system.The model is used to quantitatively investigate the contribution from emission sources in China to PM_2.5concentrations over South Korea and those features found to be prone to interannual variations are then discussed.The results show that the average annual contribution of PM_2.5has dropped significantly from 28.0%in 2010 to 15.7%in 2017,which strongly suggests that China has achieved remarkable results in the treatment of atmospheric particulates.     

北京地区一次空气重污染过程的目标观测分析

针对北京市2016年12月16~21日的空气重污染过程进行了回报试验,探讨了该次事件预报的目标观测敏感区。使用新一代高分辨率中尺度气象模式（Weather Research Forecasting,WRF）和嵌套网格空气质量模式（Nested Air Quality Prediction Model System,NAQPMS）,针对初始气象场的不确定性,通过4套初始场资料识别了影响北京地区细颗粒物（PM2.5）预报水平的目标观测敏感变量及其敏感区。结果表明:当综合考虑初始气象场的风场、温度、比湿不确定性的影响时,发现改善黑龙江区域上述气象要素的初始场精度,对北京地区PM2.5预报不确定的减小最显著;当分别考察风场、温度、比湿的不确定性的影响时,发现初始风场精度的改善,尤其是黑龙江区域风场精度的改善,能够更大程度地减小北京地区PM2.5的预报误差,对北京东南地区的PM2.5预报误差的减小甚至可达到40%以上。因此,优先对黑龙江区域的气象场,尤其是该区域的风场进行目标观测,并将其同化到预报模式的初始场中,将会有效提高初始气象场的质量,进而大大减小北京地区PM2.5浓度的预报误差,提高北京地区空气质量的预报技巧。初始风场代表了北京地区该次空气重污染事件预报的目标观测变量,而黑龙江地区则是该目标观测的敏感区域。     

“13·12”西安重污染气象条件及影响因素

使用高分辨监测资料对2013年12月18—25日西安严重污染天气气象条件及影响因素进行分析。结果表明:严重污染期间,亚洲大陆中高纬度500 hPa呈一槽一脊经向环流型,陕西处于地面冷高压南部均压场控制下。空气质量转好时,高空锋区明显增强,地面冷锋快速东移、南压,边界层高度增大,近地层集聚污染物显著抬升。严重污染与非污染时段气象条件差异明显。除接地逆温外,近地层不同高度存在悬浮逆温,相对湿度呈湿-干-湿垂直分布,温湿条件有利于污染加强。严重污染属于以湿霾为主的重度霾天气,日平均能见度小于1.5 km,边界层高度小于0.7 km,郊区湿霾每日持续时间平均比市区长约5 h。严重污染期间,细颗粒物浓度远高于粗颗粒物,随时间增加趋势明显。颗粒物平均浓度在午后出现峰值,可能与边界层高度偏低、关中盆地地形因素密切相关,本地地面风场日变化对污染有加重效应。     

Evolution of Meteorological Conditions during a Heavy Air Pollution Event under the Influence of Shallow Foehn in Urumqi,China

The air pollution in Urumqi which is located on the northern slope of the Tianshan Mountains in northwestern China,is very serious in winter. Of particular importance is the influence of terrain-induced shallow foehn, known locally as elevated southeasterly gale(ESEG). It usually modulates atmospheric boundary layer structure and wind field patterns and produces favorable meteorological conditions conducive to hazardous air pollution. During 2013–17, Urumqi had an average of 50 d yr^–1...     

北京夏季空气质量的气象指数预报

该文提出一种参数化预报方法,制作北京及其周边地区夏季空气质量气象条件指数预报。采用2000-2007年7-9月北京市观象台大气成分 (PM₁₀) 逐日观测资料和华北区域气象站网加密地面观测及探空信息,分析北京地区夏季奥运会历史同期与高污染过程 (PM₁₀浓度>150μg/m3) 关系密切的敏感气象要素和变量。引入适应度函数分级方法,计算北京周边不同观测站可能形成污染向北京输送的权重,建立北京夏季空气质量气象条件参数PLAM (parameters linking air-quality and meteorology) 预报模型。PLAM指数给出北京局地污染气象条件的客观定量诊断和预测,并可指示周边地区有利 (或不利) 于污染向北京输送的强度和方位。夏季“静稳型”气象条件参数化PLAM方法为北京奥运气象保障任务实时提供预报产品,分别用PM₁₀及可吸入颗粒物指数 (API) 对2008年7-8月PLAM逐日预报进行检验,相关系数达到0.001显著性水平。