银川市大气边界层逆温影响因素及其与冬季PM2.5的关系

为了探究银川市大气边界层逆温特征和影响因素及其与冬季PM_2.5污染的关系,利用2015—2020年银川气象站探空、地面气象观测资料及银川市空气质量监测数据,在分析银川市大气边界层逆温及地面气象要素特征基础上,以冬季为研究时段,探讨逆温与地面气象要素对PM_2.5污染的影响。结果表明：(1)银川市清晨大气边界层较傍晚更易出现逆温,且逆温多为贴地逆温,贴地逆温较悬浮逆温强度大、厚度小;逆温频率和厚度冬季最大、夏季最小,逆温强度秋季最强、夏季最弱。(2)冬季晴天,地面平均风速1.0～1.5 m·s^-1、相对湿度30%～60%的气象条件下易出现逆温。(3)贴地逆温是影响冬季PM_2.5污染天气的主要气象因素之一,当逆温厚度超过596 m、强度超过1.4℃·(100 m)^-1时,易出现PM_2.5污染天气,且随着逆温厚度增大、强度增强,污染加重。(4)冬季PM_2.5污染天气下,清晨天空状况多为晴天,通常地面平均风速小于1.3 m·s^-1     

2009年秋冬季天津低能见度天气下气溶胶污染特征

为研究天津城区秋、冬季雾霾等低能见度天气下气溶胶污染特征,采用2009年10—12月的大气能见度及相关气象和环境监测数据,并结合一次典型雾霾事件分析PM₁₀和PM_2.5质量浓度演化过程及其垂直分布特征。结果表明,低能见度天气占秋、冬季观测时长的一半以上,其中以霾天气为主;典型低能见度过程分析显示,霾日近地层内PM_2.5分布均匀,表现出显著的区域污染特征;雾日气溶胶质量浓度先升高后下降,系气溶胶粒子吸湿性增长与导致可溶性组份溶出的湿清除协同作用,低层PM_2.5质量浓度显著高于较高层,其垂直分布差异与相对湿度的垂直变化和逆温层高度有关。     

北京一次持续霾天气过程气象特征分析

2013年1月10-14日,北京平原地区出现了水平能见度在2 km以下、以PM_2.5为首要污染物、空气质量持续5 d维持在重度以上污染水平的霾天气。综合分析此次霾天气过程的天气形势、北京地区常规和加密气象资料以及城郊连续观测的PM_2.5浓度资料。结果表明：此霾过程期间,北京高空以平直纬向环流为主,受西北偏西气流控制,没有明显冷空气南下影响北京地区,地面多为不利于污染物扩散和稀释的弱气压场;大气层结稳定、风速小(日平均风速小于2 m·s^-1)、相对湿度较大（日平均相对湿度在70 %以上）、逆温频率高强度大,边界层内污染物的水平和垂直扩散能力差;北京城区及南部的京津冀地区人类活动排放污染物强度大,在相对稳定和高湿的天气背景下,受地形和城市局地环流的影响,北京本地污染物累积和区域污染物输送以及PM_2.5细粒子在高湿条件下的物理化学转化等过程共同作用造成此次北京城区及平原地区污染物浓度快速增长并持续偏高,高浓度PM_2.5对大气消光有显著影响,造成低能见度和持续霾天气。     

2018年冬季鲁西北大气污染特征及影响因子分析

利用2018年12月至2019年2月滨州、德州和聊城PM_2.5、PM₁₀、NO₂、SO₂、CO和O₃逐日质量浓度及其对应的气象资料,分析了鲁西北大气污染特征和影响因子。结果表明：2018年冬季鲁西北大气污染比较严重,聊城、德州和滨州轻度及以上污染天数分别占61%、60%和54%,重度以上染污天数分别占24%、11%和9%;首要污染物均为PM_2.5、PM₁₀和NO₂,其中PM_2.5占60%以上。PM_2.5、PM₁₀、SO₂、NO₂和CO日变化呈双峰双谷型,谷值分别出现在04-07时和15-17时,且下午比清晨更低,峰值出现在上午和下午交通高峰期后2-3 h,且峰值上午大于下午;O₃呈单峰型分布,09时出现极小值,18-19时出现极大值。PM_2.5是鲁西北主要的首要污染物,与PM₁₀、CO、NO₂均为显著正相关,并通过0.01水平显著性检验,与NO₂的相关性在低相对湿度(< 60%)时大于高相对湿度(≥ 60%),与CO的相关性在高相对湿度时大于低相对湿度;污染时段(PM_2.5>75 μg·m^-3)的平均相对湿度和平均温度明显大于清洁时段(PM_2.5 ≤ 75 μg·m^-3),清洁时段风速和气压比污染时段明显偏大。     

2019年1月长春市一次霾污染过程成因分析

利用空气质量历史监测数据、地面气象要素及激光雷达探测资料,综合分析了2019年1月10—15日长春市一次霾污染过程,探讨了污染过程中污染物和气象要素的变化特征与影响机制。结果表明：此次霾污染过程中12—13日污染最重,PM_2.5和PM₁₀质量浓度均超过150 μg·m^-3,气溶胶消光最强,超过70%的PM_2.5/PM₁₀比值大于0.7,指出了细粒子对重污染事件的贡献;重污染期间近地面风速偏小、相对湿度增加、变压较小,同时低空风出现明显的风向转变,弱下沉运动与逆温以及较低的边界层共同削弱了大气的水平和垂直扩散能力,有利于污染物累积,导致霾污染。500 hPa天气形势表明长春市位于槽前脊后,850 hPa高度场为弱西风,相对湿度大;海平面气压场存在低压气旋及弱西南气流,该气流有利于将污染物输送至长春市,造成霾污染加剧;1月14—15日高空槽加深东移,850 hPa西北气流增强,近地面气压梯度力变大,污染物得到扩散,霾污染逐渐结束。     

乌鲁木齐一次重污染过程及其边界层特征量分析

针对2020年1月5—17日乌鲁木齐出现的重污染天气，利用乌鲁木齐的探空站资料和地面常规气象数据计算了最大混合层高度、平均风速、逆温特性、边界层通风量、能见度、相对湿度等，对最大混合层高度、能见度、相对湿度与PM_2.5质量浓度进行了相关性分析，并利用Hysplit后向气团轨迹模式分析污染形成源。结果表明：此次重污染天气过程大气层结较为稳定，主要表现为逆温层厚(平均577 m)、逆温强度大(平均1.7℃/100 m)、最大混合层高度低(平均400 m)；边界层通风量对局地空气质量影响显著；PM_2.5质量浓度与相对湿度呈弱的正相关，与能见度呈指数相关；Hysplit后向气团轨迹模式分析得出此次污染过程以局地排放为主要形成源。     

2013—2017年天津市大气自净能力与大气颗粒物质量浓度特征分析

基于经验公式分析了天津市2013-2017年大气自净能力,以及PM_2.5和PM₁₀质量浓度的时空分布特征,并探讨了大气自净能力与大气颗粒物PM_2.5质量浓度的关系,以期更好的理解大气环境对污染物浓度变化的影响。结果表明：时间变化上,天津市大气自净能力在午后13-14时最大,夜间最低,一年之中在采暖季（10月至翌年3月）要小于非采暖季,与之相反,天津市PM_2.5和PM₁₀质量浓度在采暖季均高于非采暖季。2017年相对于2013年,大气自净能力增加了5%,而PM_2.5质量浓度下降了34%,PM₁₀质量浓度则减少了47%。空间分布上,大气自净能力各季节均表现为沿海高于内陆,城区低于郊区的分布,天津市的PM_2.5和PM₁₀质量浓度的高值也主要集中在中南部地区,尤其是城区。大气自净能力与颗粒物浓度的分布在空间分布上有着一定的对应关系。分析表明,天津市大气自净能力日均值与PM_2.5质量浓度日均值呈负相关,两者的相关系数为-0.34,在采暖季,相关系数有所提高。通过大气自净能力与PM_2.5质量浓度变化的分析可知,重污染事件大多数发生在低大气自净能力时。     

基于多种边界层方案的天津PM2.5集合预报试验

基于大气化学模式WRF/Chem采用4种边界层方案（YSU,BL,MYJ和MYN3）模拟2015年全年天津地区细颗粒物质量浓度演变趋势,分析不同边界层方案对天津地区PM_2.5质量浓度模拟和预报的影响,并构建多种边界层方案的集合预报产品,以期提高天津地区PM_2.5质量浓度预报效果。结果表明:大气化学模式的4种边界层方案在空气质量模拟中均有较好的适用性,PM_2.5模拟值与观测值相关系数达到0.76左右,晴空和大风天气BL方案表现较优,阴天和小风天气YSU和MYJ方案表现优于其他两种方案,综合所有过程没有任何单一方案具有显著优势。基于上述原因,该文开展多种边界层方案的天津空气质量集合预报试验,经过对2015年全年模拟值分析,多边界层方案和多气溶胶机制扰动的集合预报可以减小PM_2.5质量浓度预报的相对误差和均方根误差,降低重污染天气预报的漏报率,提升空气质量等级预报能力,在计算资源得到保证的基础上,是一种可以提升数值模式PM_2.5质量浓度预报能力的有效手段。     

沈阳冬夏季可吸入颗粒物浓度及尺度谱分布特征

利用沈阳大气成分监测站颗粒物监测仪 (Grimm 180) 连续测得的夏季 (2006年8月)、冬季 (2006年12月和2007年1月) 可吸入颗粒物的数浓度和质量浓度数据, 分析了沈阳市可吸入颗粒物浓度日变化、谱分布及污染特征, 在此基础上结合沈阳市常规气象资料, 分析了气象要素和颗粒物污染之间的关系。结果表明:沈阳市冬、夏季部分时段可吸入颗粒物浓度存在明显的日变化和日际变化; 谱分布较好地符合Junge分布; 沈阳冬季PM₁₀超标日数占冬季观测总天数的77%, PM_2.5超标日数 (按美国EPA日均标准) 占冬季观测总天数的87%, PM₁₀平均数浓度为6668.7个/cm3, 平均质量浓度达252.8μg/m3, 分别是夏季的3.0和2.4倍; 冬、夏季PM_2.5/PM₁₀平均质量分数分别为0.647和0.603, PM_2.5占可吸入颗粒物总数量的99%以上; 浓度变化在很大程度上受到各种气象要素的影响, 与温度、风速负相关, 与湿度正相关, 降雨、降雪过程使得颗粒物浓度明显降低, 近地层逆温和雾是颗粒物增多的一个重要因素。颗粒物污染对城市能见度影响较大。     

宝鸡2017—2019年冬季PM2.5分布特征及重污染过程分析

利用宝鸡市2017—2019年PM_2.5质量浓度小时数据及相对湿度等气象数据,探讨了宝鸡市PM_2.5质量浓度、相对湿度和能见度三者的关系,并利用HYSPLIT后向轨迹模式对3 a冬季重度及以上污染过程主导来源气团进行了聚类分析。研究发现：宝鸡冬季重度及以上污染过程多发生在1月,期间主导风向为西北风和东南风;PM_2.5质量浓度与能见度在不同相对湿度条件下有不同的拟合幂函数关系,空气相对湿度>80%时,空气中水汽含量是影响能见度的主要因素,空气相对湿度≤60%时,影响能见度的主要因子是PM_2.5质量浓度。2017—2019年冬季宝鸡达重度污染及以上的过程后向轨迹聚类结果略有不同,其中2017年污染以偏北及西南气团近距离输送为主,2018年污染以宝鸡本地积累为主,2019年污染以关中临近城市(西安地区)近距离输送为主;西北路气团移速最快,远距离传输能力最强,偏东路气团移速最慢,远距离传输能力最弱。