2007—2015年北京地区能见度时空变化特征

利用2007—2015年北京市大兴观象台、28个道面自动气象站、部分区域自动气象站等多种台站观测资料分析了2007—2015年北京地区能见度的时空变化特征。结果表明:2007—2015年北京地区春季平均能见度最高、夏季平均能见度最低,夏季及年平均能见度呈显著增加的趋势,春季和秋季能见度均呈波动增加,冬季颗粒物浓度的显著增加致使北京地区冬季能见度下降的时段集中在2011—2014年;空间上,北京西北地区能见度明显高于中心城区和东南大部地区。秋季和冬季能见度的空间分布特征与年平均能见度的分布特征较一致,表现为能见度自西北向东南方向逐渐递减;与能见度相关性最高的为相对湿度、颗粒物浓度、风向及风速,但不同要素在月、季和年尺度上的相关性差别较大;根据天气现象统计表明,近10 a来北京地区雾、霾、沙尘日均呈增加的趋势,但是山区与城区气象站点低能见度事件的发生频次存在较大的差异。整体来看,小于10 km能见度事件的发生频次在全区以增加为主,而小于1 km能见度事件的发生频次在全区以减少为主。此外,近10 a来北京地区干霾的发生频率为44. 29%,湿霾的发生频率为7. 13%,低能见度事件多由干霾造成,但湿霾发生时,能见度恶化的更明显。     

京津冀及周边地区冬季能见度与PM2.5浓度和环境湿度的多元回归分析

2013年至今,中国冬季与雾霾相伴的低能见度事件频发,京津冀及周边地区尤为严重。PM_2.5浓度与环境湿度是导致低能见度的最关键影响因素。为了深入研究PM_2.5浓度与环境湿度对大气能见度的影响,利用2017年1月京津冀及周边地区MICAPS气象数据与PM_2.5观测数据,运用天气学诊断分析方法讨论了不同相对湿度下PM_2.5浓度、环境湿度对冬季能见度变化的相对贡献,按照地理环境与污染程度差异将京津冀及周边地区划分为北京-天津地区与河北-山东地区,建立了PM_2.5浓度与环境湿度（由露点温度、温度代表）对能见度的多元回归方程,并对2015、2016、2018、2019年冬季能见度进行了回算检验。结果显示:相对湿度低于70%、PM_2.5浓度低于75 μg/m3时,北京-天津地区与河北-山东地区能见度多高于10 km,PM_2.5浓度升高是此时能见度迅速降低的主导因素;相对湿度从70%上升至85%和PM_2.5浓度从75 μg/m3升高200 μg/m3的共同作用导致了能见度降低到10 km至5 km;能见度进一步从5 km下降至2 km则更多依赖于相对湿度进一步从85%升高至95%,PM_2.5浓度与此时能见度相关减弱;能见度降低至2 km甚至更低主要是由于水汽近饱和状态下（相对湿度95%以上）的雾滴消光引起,与PM_2.5浓度的变化关系不大。与不分组直接拟合相比,以相对湿度85%为界线,分别拟合能见度能够很大程度优化多元回归模型,相对湿度高于85%时能见度拟合值的均方根误差从9.2和5.2 km下降至0.5和0.7 km,5 km以下拟合能见度的误差大幅度减小。按相对湿度85%将数据分组所得的拟合方程对2015、2016、2018、2019年1月能见度估算结果较好,观测值与拟合值相关系数均高于0.91,为雾-霾数值预报系统提供了新的能见度参数化算法。      

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。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

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

本文利用GRAPES_CUACE大气化学模式对京津冀地区2015年12月重度雾霾过程进行了模拟和评估。京津冀地区能见度和PM_2.5模拟值与观测值的对比表明:该模式能较好地模拟京津冀地区能见度和PM_2.5的逐日变化情况,但模式存在对伴随着重污染发生的低能见度模拟偏高的问题。以12月5~10日的重度雾霾过程为重点,针对地面风速、边界层高度、相对湿度、PM_2.5及其对能见度的影响进行了详细分析,研究结果表明:污染过程中大部分地区过程平均风速低于2 m s-1,边界层平均高度低于600 m,相对湿度较高。模式低能见度模拟偏高可能因为:（1）模式模拟重雾霾时段的PM_2.5极大值浓度偏低。（2）模拟相对湿度存在系统性偏低的误差,这一误差对能见度的影响表现为两方面,一是相对湿度会通过影响可溶性气溶胶的吸湿增长过程影响气溶胶质量浓度,导致气溶胶消光系数的计算偏低;二是目前模式中采用的能见度的参数化公式考虑了相对湿度对气溶胶吸湿增长的影响,没有考虑雾滴的直接消光作用。     

太原大气能见度影响因子分析及能见度预报

利用2017年1月—2019年12月太原地区逐时气象资料,分析了能见度及其主要影响因子的变化特征,并对两次低能见度过程进行深入分析,构建了能见度预报模型并进行检验,结果表明:(1)从空间分布看,太原北部能见度明显高于南部地区。从时间分布看,太原地区平均能见度最大值出现在5月,最小值出现在1月;日间最低值出现在06:00(北京时,下同),冬季略向后推移,最高值出现在15:00前后。(2)2017—2019年太原地区低能见度分别出现93、84、79 d;低能见度发生时,干霾、湿霾发生频率分别为59.27%、40.73%;湿霾发生时,能见度降低更加明显。(3)所选个例中,能见度均随各影响因子有所起伏,干霾、湿霾过程中能见度分别与颗粒物浓度、相对湿度变化一致。(4)采用神经网络方法构建太原地区能见度预报模型,预报模型相关系数为0.81,均方根为4.43 km,平均绝对误差为17.39%,轻微级能见度的TS评分为87%。神经网络方法对太原地区能见度预报具有较高的参考价值。     

2012~2020年成都市不同等级能见度的时空分布特征

利用2012~2020年成都市气象站观测资料和环境空气质量监测数据,研究了该地区能见度时空演变规律以及不同等级能见度下气象要素和污染物浓度的关系。结果表明:（1）成都市近9 a年平均能见度呈上升趋势。四季平均能见度由高到低依次为夏季（12.25 km）、春季（10.82 km）、秋季（9.04 km）和冬季（6.33 km）。成都市能见度日变化呈单峰型分布特征,07时能见度最低,17时能见度最高。（2）能见度空间分布特征为东高西低且北高南低,中部中心城区最低。（3）成都市3 km以下低能见度出现频率为10.92%,3~5 km、5~10 km和10~20 km能见度出现频率分别为15.92%、24.95%和22.51%。（4）能见度上升与对应的PM_2.5和PM₁₀浓度、相对湿度减少以及风速增加有关。当能见度低于1 km时,多为高湿（RH>96%）低温（T<10.6℃）和小风速（<1.0 m/s）和高浓度（PM_2.5>84.8 μg/m3,PM₁₀>129.0 μg/m3）。      

2016—2017年冬春季海南3市气溶胶质量浓度特征对比分析

利用2016年12月至2017年5月海南省3个地级市（三沙市永兴岛、三亚、海口）监测的PM_2.5、PM₁₀数据,对比分析其污染特征。结果表明：相较于海口、三亚,永兴岛空气质量最好,细粒子污染程度最轻且PM_2.5、PM₁₀质量浓度日变化最平稳,其主要原因是人类生产活动对空气质量的影响不大。进一步通过分析3个站点的PM_2.5质量浓度与近地面气象要素（相对湿度、月总降水量、能见度）发现,永兴岛PM_2.5质量浓度与能见度整体呈负相关,永兴岛在不同风速、风向上的PM_2.5质量浓度最小,三亚次之,海口最大。永兴岛PM_2.5的大值区主要出现在东北风向上,其他方向上的气流则相对比较清洁,且在静风或者微风条件下,永兴岛的初始PM_2.5质量浓度比较低。通过每天逐6 h的72 h后向轨迹分析发现,冬季、夏季风影响期间,永兴岛分别受来源于西太平洋、南海的海洋性气流影响,这与永兴岛的空气质量有直接关系。     

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。     

北京一次持续性雾霾过程的阶段性特征及影响因子分析

利用北京地区高时间分辨率观测资料对2009年11月3—8日一次持续性雾霾天气过程中的气象因素和气溶胶演变特征进行了分析。结果表明,该次雾霾过程具有明显的阶段性特征,前期以霾为主,中期发展为雾霾交替,后期随着相对湿度减小再次转换为霾并最终消散。边界层逆温是低能见度过程形成的必要条件,但并不最终决定雾霾低能见度强度。相对湿度和PM_2.5浓度是决定能见度大小的两个关键影响因子,对能见度的影响体现出阶段性特征。大部分时段PM_2.5浓度是影响能见度的主要因子,当能见度小于1 km时,能见度变化更多受相对湿度影响。不同的情景计算表明,控制PM_2.5浓度对于改善本次过程的能见度有重要作用。     

江苏地区连续性雾霾天气的污染物浓度变化和特征分析

针对2013年1月江苏淮安地区发生的一次连续性雾霾天气过程,分析该天气过程中PM10和PM2.5的质量浓度演变特征、能见度与气象要素之间的关系、中低层环流特征以及污染物来源。结果表明:雾霾期间PM10和PM2.5质量浓度最低值出现在05:00至07:00(北京时间,下同)和13:00至17:00,最高值出现在21:00至23:00,PM10和PM2.5质量浓度并非同时达到极大值;持续变化较小的气压梯度、较低的风速、相对湿度的增大以及PM2.5和PM10质量浓度的增高是雾霾发生发展的必要条件;能见度与气压、相对湿度、PM2.5质量浓度的相关性较好,建立回归方程,对能见度的整体变化趋势拟合效果较好;高空环流形势平稳、中低层的暖平流、持续稳定少动的地面高压场分布为雾霾天气的持续发生发展提供了有利的形势背景;稳定的层结结构、中低层偏东及偏东北方向气团的输送、本地污染源以及严重的空气污染是此次过程中能见度偏低、霾天数较多的主要原因。     

基于动态统计预报方法的京津冀雾霾中期预报试验

利用欧洲中期天气预报中心（ECMWF）数值预报产品和动态统计预报方法,对北京、天津、石家庄等14个京津冀重点城市雾霾与空气污染进行定量化的中期预报试验,包括对首要污染物PM_2.5浓度和能见度的逐时定量化预报及雾霾现象的客观化判断,并对2015年10月1日-2016年11月10日试验预报效果进行了检验评估。检验结果显示:该方法对北京及周边城市未来10 d逐时和逐日能见度、PM_2.5浓度及雾霾现象的预报值与观测值之间具有显著正相关系数、较高的误差减少量和TS评分等,表明基于ECMWF数值预报产品和动态统计预报方法的京津冀雾霾污染中期定量化预报技术整体上具有较高的可靠性、稳定性与预报技巧性。此外,检验指标还显示出该动态统计预报方法对能见度的预报效果要略优于PM_2.5浓度预报,同时对霾的预报准确率高于对雾的预报。个例分析显示,该动态统计预报方法能提前5~6 d预报出北京地区典型持续性雾霾污染的发展过程,对持续性雾霾的提前预报预警具有较好的参考意义。     

苏州灰霾特征分析

利用苏州市2009年6月-2010年5月逐时的能见度、相对湿度、污染物(PM1o、PM2.5、黑碳)浓度和散射系数等资料进行灰霾的判识与统计分析,结果表明:苏州市灰霾日占全年天数的46.6％,雨日和“蓝天”分别占33.2％和21.9％.在苏州所有灰霾日中以轻微灰霾为主,占灰霾曰总数的70.6％,发生中度和重度灰霾的频率较小.灰霾出现频率的日变化规律表明白天出现灰霾的频率比夜间低,在5-8时灰霾出现的频率达到峰值,14-16时灰霾出现的频率最低.灰霾日的污染物浓度远大于非灰霾日,随着灰霾等级增大,黑碳浓度明显增大;除重度灰霾外,PM10和PM2.5浓度也明显增大;散射系数增大.     

2015—2019年防城港市空气污染气象条件综合分析

对防城港市影响最大的首要空气污染物为PM_2.5和O₃,空气污染日主要集中在秋冬季。空气污染按500 hPa环流形势可分为西北气流型、偏西气流型及西南气流型;按地面气压场可分为冷高压脊型、均压型、高压后部低压前部型。在无境外输入的情况下,PM_2.5产生在风速小、气温较低、能见度小、湿度较大并且无降雨或降雨不明显的天气环境里,而O₃产生在高温、低湿、日照充足、风速较大和能见度好的天气环境里。在垂直运动方面,中低层的下沉气流利于空气污染物累积。在温度层结分布方面,700~850 hPa的低层存在的逆温层对PM_2.5浓度增加非常重要,近地面的逆温层对PM_2.5浓度增加的作用要比低层弱,而近地面的逆温层对O₃浓度的增加非常重要,但是低层的逆温却不重要。     

相对湿度和PM2.5浓度对大气能见度的影响研究:基于小时资料的多站对比分析

为了全面分析浙江省不同区域能见度变化基本特征及影响机理,基于杭州、宁波、温州3个国家基本气象站2013-2014年逐时能见度观测资料,比较分析了3市能见度变化的基本特征。发现3市不同等级能见度出现频率基本一致,随着能见度等级的提高,出现频率逐渐降低;从能见度的日变化来看,07时（北京时）前后最低,之后缓慢上升,14-15时达到最高,随后逐渐下降;全年有两个能见度较低时段,分别出现在12月-次年2月和5-6月;总体而言,宁波能见度最优,杭州和温州大体相当。功率谱分析结果表明,3市能见度均有显著的日周期,高频波段呈现出多个显著谱峰,低频波段存在若干显著谱峰。进一步开展机理分析,发现相对湿度和PM_2.5浓度是调制大气能见度的关键因子,相对湿度增大、PM_2.5浓度升高导致能见度降低。在同一相对湿度等级下,初始阶段能见度随PM_2.5浓度的升高迅速降低,到达“拐点”之后降低速率趋于缓慢。在同一PM_2.5浓度水平下,相对湿度越大,能见度越低,说明水汽对能见度也有重要影响。基于相对湿度和PM_2.5浓度两个因子,采用非线性拟合方案构建了大气能见度定量统计模型,总体而言模型拟合效果较好。最后针对研究中存在的不足和未来值得进一步发掘的科学问题进行了讨论。     

Investigating the Transport Mechanism of PM2.5 Pollution during January 2014 in Wuhan,Central China

Severe haze pollution that occurred in January 2014 in Wuhan was investigated. The factors leading to Wuhan’s PM_2.5 pollution and the characteristics and formation mechanism were found to be significantly different from other megacities, like Beijing. Both the growth rates and decline rates of PM_2.5 concentrations in Wuhan were lower than those in Beijing, but the monthly PM_2.5 value was approximately twice that in Beijing. Furthermore, the sharp increases of PM_2.5 concentrations were often accompanied by strong winds. A high-precision modeling system with an online source-tagged method was established to explore the formation mechanism of five haze episodes. The long-range transport of the polluted air masses from the North China Plain (NCP) was the main factor leading to the sharp increases of PM_2.5 concentrations in Wuhan, which contributed 53.4% of the monthly PM_2.5 concentrations and 38.5% of polluted days. Furthermore, the change in meteorological conditions such as weakened winds and stable weather conditions led to the accumulation of air pollutants in Wuhan after the long-range transport. The contribution from Wuhan and surrounding cities to the PM_2.5 concentrations was determined to be 67.4% during this period. Under the complex regional transport of pollutants from surrounding cities, the NCP, East China, and South China, the five episodes resulted in 30 haze days in Wuhan. The findings reveal important roles played by transregional and intercity transport in haze formation in Wuhan.     

南京大气能见度变化规律及影响因子分析

利用累积百分率法、Ridit中值分析法、"非常好"能见度出现频率法以及平均能见度年际和季节变化法,对1980—2005年南京大气能见度年际变化趋势进行分析,发现1980—1984年能见度呈上升趋势,1985年以后则在波动中呈明显下降趋势。26 a中,日均大气能见度最小值为0.55 km,最大值为29.25 km,平均值为8.59 km。大气能见度具有明显的日变化和季节变化特征,一日之中,14时最好,08时最差;一年之中,冬季能见度最低,夏季最高。能见度与相对湿度呈负相关,与风速呈正相关,与温度和气压的相关性相对较小。PM10是影响南京地区大气能见度的首要污染物,通过对能见度与PM10平均质量浓度进行曲线拟合发现,二者呈负相关,复相关系数在秋季最高,夏季最低。由统计预报方程可知,空气污染和气象条件协同作用对能见度的影响在春季、秋季、冬季较为明显,夏季则相对较差。