天津大气能见度与相对湿度、PM10及PM2.5的关系

为研究大气气溶胶及空气中水汽与大气能见度下降的关系,利用2009年天津大气边界层观测站大气能见度资料和同期观测的相对湿度、PM₁₀及PM_2.5资料,对三者与大气能见度的关系进行了分析。结果表明：大气能见度与相对湿度线性相关系数最高,PM2.5次之;大气能见度随相对湿度的增大而明显降低。相对湿度低于60 %时,大气能见度与PM_2.5的非线性相关性较好,与PM₁₀次之,与PM₁₀与PM_2.5差值的相关性最差。相对湿度高于60 %时,大气能见度与PM₁₀的非线性相关性较好,与PM₁₀-PM_2.5差值的相关性次之。大气能见度与相对湿度非线性相关系数高于线性相关系数。利用相对湿度、PM₁₀及PM_2.5数据计算得到了具有季节变化的非线性大气能见度拟合公式,经验证,该公式能较好地模拟天津地区的大气能见度。     

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。     

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。     

利用MODIS资料监测京津冀地区近地面PM2.5方法研究

为建立京津冀地区冬季近地面细颗粒物浓度监测方法模型,利用气象模式资料对2013年1-3月MODIS的AOD二级深蓝算法产品进行湿度和垂直订正,与同期观测的地面细颗粒物PM_2.5资料进行相关分析。结果表明：AQUA的MODIS深蓝算法AOD产品更适用于建立冬季AOD-PM2.5遥感监测模型,其R²为0.33;以气象模式资料中边界层高度代替气溶胶标高对MODIS的AOD进行垂直订正,并结合IMPROVE观测的气溶胶吸湿增长特征构建分区湿度订正方法,可以提高AOD-PM_2.5模型结果的精度,建立较为理想的京津冀地区冬季遥感反演综合模型,模型结果与地面监测结果R²达0.5以上。根据建立的模型计算了2013年1-3月的京津冀地区PM_2.5月平均浓度,京津冀地区1月的PM_2.5浓度较高,南部大部分地区空气质量已经达到重度污染水平。     

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。      

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。     

四川盆地冬季气溶胶污染与气象条件的关系

利用2014~2019年冬季ERA5再分析资料、成都市PM_2.5和PM₁₀逐日浓度数据以及污染物（二氧化硫、氮氧化物、烟粉尘）年排放量数据,通过分析四川盆地近6 a气溶胶污染物的时间变化特征以及PM_2.5浓度与气象条件的相关性,探讨了气象条件对四川盆地气溶胶污染的影响。结果表明:近6 a四川盆地冬季气溶胶污染物浓度和严重、重度污染天数均呈波动下降趋势,污染物浓度年际变化与污染物年排放量存在一定差异。首要污染物以PM_2.5为主,PM_2.5浓度与青藏高原及其下游地区气象条件的关系密切,与对流层低层、中高层气象要素的相关性存在差异,其中与青藏高原及其以北和以东地区850~500 hPa气温呈显著正相关,尤其是与易出现逆温层的四川盆地850~750 hPa温度的相关性最强。当850 hPa东北风较弱且相对湿度偏高、700 hPa西风较强且湿度偏低、500 hPa高压偏强且西风偏弱时,PM_2.5浓度偏高;反之亦然。      

天津市东丽区一次持续性雾霾天气过程的特征及影响要素分析

基于常规气象观测资料和PM_2.5浓度资料,分析了2019年1月10—14日天津市东丽区出现的一次持续性雾霾天气特征及其成因。结果表明：此次雾霾天气具有明显的阶段性特征,高空平直西风环流、中层暖脊和地面弱气压场为此次雾霾天气出现提供了有利的天气形势。轻雾和霾阶段,能见度变化更易受到相对湿度的影响;而雾阶段,能见度变化更易受到风速的影响。PM_2.5浓度与地面气象因子关系密切,与能见度、风速负相关,与相对湿度正相关。当其他气象条件稳定,且周边地区污染物浓度较高时,近地面风向转变,对本地区雾霾的出现起到关键性作用。     

气溶胶辐射效应对边界层结构及夹卷特征影响的观测分析

2017年12月22日至2018年1月18日利用无人机携带温、湿和颗粒物浓度探测仪对南京地区灰霾污染条件下大气边界层垂直结构开展加密观测。通过比较不同灰霾污染条件下温度、湿度和PM_2.5（直径小于2.5微米的颗粒物）浓度的垂直结构差异,结合地面热通量、2米空气温度、相对湿度、风速、风向及主要大气污染物（如臭氧和PM_2.5）浓度,定量评估了气溶胶辐射效应对边界层和夹卷过程的影响。分析表明,灰霾或气溶胶削弱到达地表太阳辐射,减小地表感热通量,延迟边界层发展,增加近地层大气稳定度,降低边界层高度,并加重灰霾污染。灰霾污染物在混合层顶处累积,导致PM_2.5浓度最大变化出现在边界层顶部而不是近地层。气溶胶辐射效应对夹卷特征及其特征参数有重要影响。灰霾浓度升高时,夹卷区厚度增加;无量纲化夹卷速度随对流理查逊数的变化不再符合负1次方幂函数关系,与大涡模拟结果一致。本研究进一步指出,为提高重霾污染条件下天气和空气质量数值预报水平,必须考虑气溶胶辐射效应对边界层和夹卷参数化的影响。     

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。     

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。     

北京大气能见度的主要影响因子

利用北京市道面自动气象站、国家级自动气象站等多种观测数据分析北京地区2007—2015年能见度及其主要影响因子, 并挑选两次典型低能见度事件过程进行详细分析。从空间分布看, 北京西北地区能见度明显高于中心城区和东南大部地区。从时间分布看, 北京地区平均能见度最大值出现在5月, 最小值出现在7月; 日间的最低值多出现在06:00(北京时, 下同)左右, 冬季略向后推迟; 最高值多出现在16:00前后, 冬季略有提前。整体而言, 2007—2015年北京地区发生低能见度事件的概率为62.14%, 且发生低能见度的事件集中于1~5 km, 霾事件中干霾、湿霾的发生频率分别为86.13%和13.87%。能见度的主要影响因子为相对湿度、风速和PM_2.5浓度。其中, 能见度与风速呈正相关, 与相对湿度和PM_2.5浓度呈反相关。需要指出的是, 当相对湿度增加至80%, 能见度受PM_2.5浓度的影响程度在下降, 而主要受相对湿度的影响。基于所选个例, 当北京地区出现湿霾事件时, 能见度的恶化程度远高于干霾事件, 且PM_2.5浓度需比干霾事件时下降得更低才能有效改善能见度。     

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。     

不同降水强度对PM2.5的清除作用及影响因素

云和降水过程是大气污染物的重要清除途径,但由于降水过程和大气污染颗粒物本身的复杂性,目前降水过程对大气污染物的清除机制及影响因素有待深入研究。该文利用2014年3月—2016年7月在北京地区连续观测的PM_2.5和降水数据,研究了不同降水强度对PM_2.5的清除率,以及雨滴谱、风速和降水持续时间对PM_2.5清除率的影响。研究表明:降水强度越大,对PM_2.5清除效率越高。小雨、中雨和大雨对PM_2.5清除率平均值分别为5.1%,38.5%和50.6%。小雨不但对PM_2.5的清除率最低,而且对PM_2.5的清除效果也存在很大差异,约50%的小雨个例中PM_2.5质量浓度出现减小情况,而另外50%的小雨个例中,PM_2.5质量浓度出现增加情况。在持续时间长或地面风速增大的情况下,小雨也表现出较高的清除率。在中雨和大雨情况下,PM_2.5质量浓度均出现明显减小情况。但降水持续时间和风速对中雨和大雨的清除率影响较小,这是由于中雨和大雨一般在较短时间内即可清除大部分PM_2.5,因此,对降水的持续时间和风速大小不敏感。     

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。     

京津冀周边秸秆燃烧对PM2.5无机组分影响

华北平原是我国主要农作物产区,田间秸秆焚烧现象普遍存在,选取秋收季节（2014年10月）分析了秸秆燃烧的排放特征,利用区域化学传输模型WRF-Chem模拟研究了燃烧排放对气态前体物及其氧化产物的影响,以及最终导致的PM_2.5中硫酸盐、硝酸盐和铵盐的变化。研究表明:2014年秋收季节,河南和山东等省份的秸秆燃烧排放会在东南风的输送作用下影响京津冀地区;秸秆燃烧排放大量挥发性有机物（VOCs）,导致火点源及周边地区大气中主要氧化剂浓度上升,提升了区域大气氧化能力;当携带大量VOCs的秸秆燃烧烟羽与以化石燃料排放为主的城市气团相混合时,大气氧化性增强会加速城市地区人为源排放的NO_x和SO₂等气态前体物的氧化过程,提高硫酸盐和硝酸盐的形成速率、促进二次无机气溶胶的生成。     

基于无人机观测的太原夏季PM_(2.5)垂直分布特征及成因分析

利用无人机搭载气象及环境监测设备于2020年7月29—31日在太原进行飞行试验,对不同高度层颗粒物和气象要素进行观测,得到PM_(2.5)三维分布及其随时间的变化特征,并通过气象要素、天气形势和后向轨迹分析得到污染累积和消散成因以及外地传输作用影响。结果表明:PM_(2.5)浓度的垂直分布差异显著,下午大部分时次满足"下高上低"规律,上午边界层垂直混合和颗粒物吸湿增长可能导致"下低上高"的情况;逆温层对大气垂直混合有明显抑制作用;29日为污染物积累过程,30日和31日白天均为消散过程;副热带高压带来的小风、高湿环境是29日颗粒物逐渐累积的原因,30日槽前对流发展和较大的风速有利于颗粒物浓度下降,31日相对湿度较低、对流发展旺盛使PM_(2.5)浓度快速下降;试验期间气流主要来自东南方向,太原市PM_(2.5)本地积累占主导地位,外地传输更多来自于本省晋中、长治等邻近城市。     

Retrieval of Boundary Layer Height and Its Influence on PM 2.5 Concentration Based on Lidar Observation over Guangzhou

Wavelet analysis was applied to lidar observations to retrieve the planetary boundary layer height(PBLH)over Guangzhou from September 2013 to November 2014 over Guangzhou. Impact of the boundary effect and the wavelet scale factor on the accuracy of the retrieved PBLH has been explored thoroughly. In addition, the PBLH diurnal variations and the relationship between PM_(2.5) concentration and PBLH during polluted and clean episodes were studied. Results indicate that the most steady retrieved PBLH can be obtained when scale factor is chosen between 300-390 m. The retrieved maximum and minimum PBLH in the annual mean diurnal cycle were ～1100 m and ～650 m, respectively. The PBLH was significantly lower in the dry season than in the wet season, with the average highest PBLH in the dry season and the wet season being ～1050 m and ～1200 m respectively. Compared to the wet season, the development of PBLH in the dry season was delayed by at least one hour due to the seasonal cycle of solar radiation. Episode analysis indicated that the PBLH was ～50% higher during clean episodes than during haze episodes. The average highest PBLH in the haze episodes and clean episodes were ～800 m and ～1300 m,respectively. A significant negative correlation between PBLH and PM_(2.5) concentration(r =-0.55**) is discovered.According to China"Ambient Air Quality Standard", the PBLH values in good and slightly polluted conditions were 1/6-1/3 lower than that in excellent conditions, while the corresponding PM_(2.5) concentration were ～2-2.5 times higher.     

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。     

Correlation of atmospheric visibility with chemical composition of Kaohsiung aerosols

The objective of this study was to investigate the correlation of visibility with chemical composition of Kaohsiung aerosols. Daytime visibility was observed around noon at two observation sites in metropolitan Kaohsiung, Taiwan in the years of 1999 and 2000. Both seasonal and diurnal variation patterns of visibility were observed in the region. Ambient aerosols were sampled and analyzed for 11 constituents, including water-soluble ionic species (Cl⁻, NO₃⁻, SO₄⁻², NH₄⁺, K⁺, Na⁺, Ca⁺², and Mg⁺²) and carbonaceous contents (OC, EC, and TC), to characterize the chemical composition of Kaohsiung aerosols. Furthermore, a stepwise multiple linear regression model was developed to elucidate the influence of aerosol species on visibility impairments. The results showed that sulfate was the dominant species that affected both light scattering coefficient and visibility. On average, the percentage contributions of visibility degrading species to light scattering coefficient were 29% for sulfate, 28% for nitrate, 22% for total carbon, and 21% for PM_2.5-remainder. An empirical regression model of visibility based on sulfate, nitrate, and relative humidity was also developed. The model showed that sulfate in PM_2.5 was the most sensitive species to visibility variation, suggesting that the reduction of sulfate in PM_2.5 could effectively improve the visibility of metropolitan Kaohsiung. During the investigation period, an event of Asian dusts intruded metropolitan Kaohsiung and dramatically increased the aerosol loadings, especially in the coarse particles. However, local visual air quality did not degrade accordingly during the Asian dust event because both visibility and light scattering coefficient are affected mainly by the fine particles. The results are discussed in detail in the paper.