肇庆市干季PM_(2.5)污染特征与潜在输送源分析

基于肇庆市2014—2018年PM_(2.5)质量浓度数据,使用HYSPLIT模式计算肇庆市干季的后向气流轨迹,并应用聚类分析法、潜在源贡献因子分析和质量浓度权重轨迹分析方法评估PM_(2.5)污染物的外来输送特征和潜在源区。结果表明:(1)2015—2018年肇庆市PM_(2.5)污染维持在较高水平,2017—2018年PM_(2.5)污染略有加重趋势;(2)污染较重的月份主要在1—4和10—12月,1月PM_(2.5)污染最严重,而6月PM_(2.5)质量浓度最低,5、7和8月无PM_(2.5)污染超标;(3)全年PM_(2.5)日平均质量浓度与风速相关性最高,干季与风速的相关系数有所提高;(4)干季影响肇庆的气流有5条,其中超过1/2源自东北和偏北方向的气流,来自东北方向的气流轨迹对PM_(2.5)污染贡献最高,其次来自偏西方向绕过珠三角北部进入肇庆的轨迹和广东省内短距离输送的轨迹;(5)肇庆市干季PM_(2.5)外来输送潜在源区主要位于肇庆辖区内和珠三角中南部城市以及粤东、粤东北部分地区,其中佛山、珠海、中山、东莞、惠州、广州南部对肇庆PM_(2.5)质量浓度贡献均超过60μg/m;。     

湖北省近两年冬季月份PM2.5污染天气型特征及其与大尺度环流的相关研究

基于湖北省PM_(2.5)大气成分逐日监测数据和高分辨率气象再分析资料,利用EOF方法对2015—2016年湖北省近两年冬季月份PM_(2.5)的污染分型并分析其天气特征,探讨PM_(2.5)质量浓度与大尺度环流因子相关性,并计算得到海平面气压指数。结果表明:冬季PM_(2.5)质量浓度湖北中部高于东西部,时间序列上存在较大波动,且近两年有明显下降趋势。湖北省冬季PM_(2.5) EOF前4个特征向量时间系数的方差贡献为86. 2%,能够反映PM_(2.5)空间场的主要特征。湖北省PM_(2.5)污染的天气型特征主要有两类:传输型污染和本地累积型,前者造成的PM_(2.5)污染浓度高于后者。传输型分别表现出全区污染、西部污染和中北部污染,全区污染时段湖北近地层以偏北气流为主,有利于将北方地区PM_(2.5)输送到湖北省;西部污染在于偏东气流将东部污染物以及沿海地区水汽输送到湖北省,同时受鄂西山脉的阻挡,污染物在湖北省西部地区聚积;中北部污染表现为东北和西北气流的汇集效应。本地累积型在静稳天气条件和地形共同作用下造成湖北东部污染和中南部污染。三种传输型污染物输送通道分别为北路输送、东路输送和东北路输送。东亚冬季风系统的高层东亚大槽和低层大陆冷高压减弱时,PM_(2.5)质量浓度增加。关键区的海平面气压相关指数与湖北省PM_(2.5)质量浓度和EOF第一模态时间系数相关性较好,对预报预测有一定指示意义。     

滇西南地区PM_(2.5)时空变化特征及其季节性增强的成因分析北大核心CSCD

利用CHAP PM_(2.5)、MODIS MCD19A2、ERA5再分析等数据集,以及SNPP/VIIRS卫星监测火点等数据,从污染物后向轨迹、环流形势、高低空动力结构配置等方面入手,采用最小二乘法等多种分析方法对滇西南地区年均和四季PM_(2.5)浓度时空分布及季节性突增的成因进行探究。结果表明:研究区PM_(2.5)浓度和气溶胶光学厚度空间分布均呈北低南高,东弱西强;PM_(2.5)浓度年内7月最低、3月最高。2—4月稳定的污染源输送造成研究区春季PM_(2.5)浓度值高且波动较其余季节小,但变化百分率空间分布差异更明显;近20年PM_(2.5)浓度变化百分率减少程度以-30%~—20%居多,夏、秋、冬季变化百分率则以小于-30%为主。研究区紧邻的缅甸东部和老挝北部一年中超过90%的火点发生在2—4月,在偏西气流引导下,途经高火点区的偏西向(西南向)污染物短距离输送,在上空中低层辐散的动力作用下造成下沉,致使研究区PM_(2.5)浓度季节性升高。较大范围利于污染物扩散的气象条件和更多降水的清洗,可减少境外大气污染物输送对滇西南地区PM_(2.5)污染的贡献。关键区境外火点数变化对PM_(2.5)浓度及气溶胶光学厚度的影响表现为显著正相关,且其对PM_(2.5)的影响滞后于火点数变化2天左右,二者相关程度由南向北逐渐减弱。     

北京市朝阳区主要大气污染物浓度变化特征

利用2011—2013年北京市朝阳区国家一般气象站PM_(2.5)、O_3、NO、NO_x、CO和SO_2的大气成分监测资料,分析了朝阳区6种主要大气污染物浓度不同时间尺度的变化特征.结果表明:2011—2013年朝阳区PM_(2.5)浓度呈明显增长的趋势,达到重度污染等级的日数增多;而O_3、NO、NO_x、CO和SO_2等气态污染物的年平均浓度变化较小,无明显增长的趋势,5种气态污染物浓度季节差异明显.除O_3浓度为夏季高、冬季低外,PM_(2.5)、NO、NO_x、CO和SO_2浓度均为夏季低、冬季高,可能与冬季采暖期排放的污染物增多有关.污染物浓度的日变化除O_3呈单峰型外,其他5种污染物浓度日变化均大致呈双峰型,可能与人类活动及天气条件有关.朝阳区与宝联、顺义、上甸子地区等代表"城市—近郊—远郊站点的污染物浓度日变化存在极大的差异性,其中PM_(2.5)浓度差异最明显,朝阳站PM_(2.5)浓度日变化呈双峰型,宝联站PM_(2.5)浓度日变化呈三峰型,昌平和上甸子站PM_(2.5)浓度为峰值出现在夜间的单峰型日变化.由此可见,不同地区因城市化发展程度不同,导致局地污染物浓度存在明显的差异.     

南京北郊污染物来源及跨区域输送过程研究

利用全国空气质量指数(Air Quality Index,AQI)、PM_(2.5)地面观测数据、全球数据同化系统GDAS数据和FNL再分析气象资料,研究了2015/2016年冬季南京北郊空气质量变化特征以及环境输送条件和污染物源区。结果表明:以AQI为代表的冬季江淮地区污染程度存在3种典型的污染物跨区域输送路径—西北路径、北方路径和西南路径。西北路径通常发生在蒙古高压较强,且处于平均位置时刻,南京北郊上空有冷平流,不利于污染物扩散;北方路径对应蒙古高压弱,东北附近为弱高压控制,偏北气流将污染物带至南京北郊,如跨海洋,则污染减弱;西南路径对应南京北郊为边界层内反气旋式环流中心,下沉气流十分不利于污染物扩散。影响南京北郊污染的潜在源区主要分布在河北南部、山东西部、河南南部、安徽东部和湖北西部。河北省是重要的污染源区,河北南部和山东西部污染物通过北方路径输送至南京北郊,因此北方路径虽发生污染概率少于其他两种,却是形成南京北郊严重污染的重要路径。河南南部污染物通过西北路径输送。安徽和湖北污染物通过西南路径输送。定量分析表明,平流输送是南京北郊重度污染的重要原因,近地层风速对AQI的平流输送占AQI变化的贡献率超过70%,甚至可达85%。     

深圳市东北部PM_(2.5)的变化特征及潜在传输来源

2014年深圳市东北部吓陂监测站PM_(2.5)的年均质量浓度为47.0μg/m~3,在全市处于较高污染状态,并呈现出冬季秋季春季夏季的季节变化特征。气象要素的分析表明,2014年吓陂监测站夏季时降水较多、湿度最大、风速最大、气温最高、边界层高度最高,最有利于污染物的扩散和清除;冬季时降水最少、湿度最小、风速最小、气温最低、边界层高度最低,最不利于污染物的扩散和清除。后向轨迹聚类分析表明,吓陂监测站的后向轨迹主要分为5类,其中来自北方内陆地区的气团污染最重,来自南海地区的气团污染最轻。进一步利用潜在源贡献因子进行源区识别分析,结果表明:2014年吓陂监测站的PM_(2.5)主要来源于本地源的排放及周边地区(尤其是广东东北部地区)的短距离输送,此外江西等内陆地区的长距离传输在一定程度上也可能导致吓陂监测站PM_(2.5)质量浓度的升高。     

长三角地区城市O_3和PM_(2.5)污染特征及影响因素分析

O_3和PM_(2.5)是影响长三角地区空气质量的主要污染物。利用2016年33个城市大气环境监测站6项污染物的小时浓度及4个省会城市的气象数据进行统计分析,研究了该地区O_3和PM_(2.5)浓度的时空分布特征及其影响因素。结果表明:长三角地区O_3年平均浓度为50～73μg·m~(-3),平均为61μg·m~(-3);除芜湖和宣城外,其余31城市均存在不同程度的超标状况,超标率为0.34%～18.86%,平均为5.68%。O_3在5月和9月达到浓度高值;四季O_3日变化均呈单峰型,峰值出现在15∶00,夏季O_3峰值浓度最高值为157μg·m~(-3)。O_3浓度沿海城市整体高于内陆城市;夏季宿迁—淮安—滁州片区O_3污染较重。O_3与NO_2、CO显著负相关,且与NO_2相关性较强;O_3与气温、日照时数显著正相关,与相对湿度、降水呈负相关。PM_(2.5)年平均浓度在25～62μg·m~(-3)范围内,平均为49μg·m~(-3);各城市均出现PM_(2.5)超标,滁州PM_(2.5)超标率最大,为23.91%。PM_(2.5)在3月和12、1月达到浓度峰值;其日变化呈双峰型,09∶00—10∶00和22∶00—23∶00达到峰值。冬季徐州PM_(2.5)浓度最高,为102μg·m~(-3)。PM_(2.5)与NO_2、CO、SO_2、PM_(10)显著正相关,与气温、风速、降水负相关。     

基于后向轨迹的秋冬季漯河重污染输送及典型个例分析

利用常规气象数据、颗粒物观测数据、全球大气同化系统GDAS数据、NCEP再分析资料、ERA5再分析资料等,结合数理统计、轨迹聚类、天气学分析等方法对2015—2019年秋冬季漯河重污染特征、污染输送及潜在源区分布进行分析,并通过一次典型重污染个例进行证明。结果表明:近5 a秋冬季漯河重污染过程发生频次高、持续时间长、污染程度重,AQI、PM_(2.5)变化趋势不明显,PM_(10)浓度下降趋势明显,PM_(2.5)/PM_(10)比值逐年递增,以PM_(2.5)重污染为主。秋冬季漯河主要有6种气团输送路径,东北路、偏东路轨迹短、移速慢且高度低,近距离近地层污染输送特征明显,为重要重污染通道;西北路远距离下沉沉降输送和西南轨迹近距离输送下的AQI均值及重污染概率较低,对漯河重污染贡献不高。漯河潜在源区来源复杂、范围广、强度大,其污染潜在源主要分布在河南中东部、尤其是东北部,对应东北路径、偏东路径等气团轨迹。重污染时地面偏北风是其主导风,尤其是2—4 m·s^(-1)之间偏北到东北风最为显著。两次跨区域输送表明,北路或东北路近地层输送是AQI峰值维持发展的重要原因。     

贵州安顺市PM2.5气象输送条件及贡献源空间分布

利用贵州省安顺市2015—2019年大气污染物资料和气象资料,分析安顺市空气质量特征和主要大气污染物特征,通过TrajStat软件中HYSPLIT模型的后向轨迹模式,结合GDAS气象数据、PM_2.5浓度,分析不同季节输送途径及其污染轨迹,采用潜在源贡献作用和浓度权重轨迹分析方法,分析研究期内所有PM_2.5污染日（PM_2.5日浓度高于75 μg·m^-3）输送轨迹垂直与水平方向分布特征。结果表明: PM_2.5是安顺城区主要大气污染物,冬季输送污染轨迹占比较大,输送方向主要为贵州东北方向、偏南方向; 污染日PM_2.5输送路径以贵州东北方向近距离输送为主,该类轨迹基本分布在880—980 hPa高度; 潜在源高值区主要集中在贵阳整个地区、毕节织金县、黔西市、金沙县等,高贡献值区主要集中在安顺紫云县、镇宁县、毕节织金县、大方县等。     

基于PSCF与CWT方法的赣江新区大气污染物潜在源区个例分析

利用TrajStat软件和GDAS全球同化气象数据,对江西省赣江新区2011—2020年四季72 h气团后向轨迹进行聚类分析,并结合PM2.5和O3逐小时浓度数据,运用潜在源贡献因子分析法（PSCF）和浓度权重轨迹分析法（CWT）分析了2016年12月2—10日一次污染天气过程中大气污染物输送对赣江新区上空污染物浓度的贡献。结果表明,赣江新区2011—2020年四季气团后向轨迹中占比最大的均为短支气流,其中春季的短支气流来源于东侧,其他季节均来源于东北方向的安徽省,夏季和冬季的长支气流与季风的季节性变化一致。在2016年12月2—10日的污染天气过程中,赣江新区的PM2.5潜在源区主要分布于江西省北部、湖北省东南部,O3潜在源区主要分布于江西省北部、湖北省南部和湖南省东北小部分地区;同时天气形势显示,赣江新区处在槽后脊前,湖北省东南部存在偏强西北风,为大气污染物向赣江新区的输送创造了条件。     

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.