武汉大气能见度与PM2.5浓度及相对湿度关系的非线性分析及能见度预报

武汉作为中部地区高湿度代表城市,大气污染严重,霾天气多发,但有关该地区大气能见度与PM_2.5浓度及相对湿度(RH)的定量关系尚不明确。利用2014年9月—2015年3月武汉地区逐时能见度、相对湿度及颗粒物质量浓度观测数据,研究分析了武汉大气能见度与PM_2.5浓度及相对湿度的关系,并进行能见度非线性预报初探,得到以下结论:武汉霾时数发生比例高,霾的发生和加重是能见度降低的主要原因;能见度降低伴随大量细粒子产生和累积,这是武汉大气能见度恶化的重要诱因。细颗粒物浓度与相对湿度共同影响和制约大气能见度变化,高湿高浓度时能见度显著下降,湿情景下(RH≥40%),能见度恶化主要是由湿度增高诱使细颗粒物粒径吸湿增长导致其散射效率增大造成的。当RH >90%时,能见度随湿度升高成线性递减,相对湿度每升高1%,武汉平均能见度降低0.568 km。而干情景下(RH<40%),能见度迅速降低的关键因素是PM_2.5质量浓度升高。在城市大气细粒子污染背景下,能见度与相对湿度成非线性关系,这主要与PM_2.5对能见度的影响及吸湿性颗粒物的散射效率变化有关。PM_2.5浓度与能见度成幂函数非线性关系,80%≤RH<90%湿度区段下相关性最强。PM_2.5浓度对能见度的影响敏感阈值是随着湿度升高而减小的,干情景下能见度10 km对应的PM_2.5浓度阈值为70 μg/m³,湿情景下该阈值为18—55 μg/m³。当PM_2.5质量浓度低于约40 μg/m³时,继续降低PM_2.5可显著提高武汉大气能见度。预报试验表明,基于神经网络方法建立大气能见度非线性预报模型是可行的,预报能见度相关系数为0.86,均方根误差为1.9 km,能见度≤10 km的TS评分为0.92。网络模型具有较高预报性能,对霾的判别有较高准确性,为衔接区域环境气象数值预报模式,建立大气能见度精细化动力统计模型提供参考依据。     

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。     

南京北郊2011年春季气溶胶粒子的散射特征

利用南京北郊2011年春季积分浊度仪的观测资料,结合PM_2.5质量浓度、能见度和常规气象资料,分析了南京北郊春季气溶胶散射系数的变化特征、散射系数与PM_2.5质量浓度和能见度的关系。结果表明,观测期间气溶胶散射系数平均值为311.5±173.3 Mm^-1,小时平均值出现频率最高的区间为100~200 Mm^-1;散射系数的日变化特征明显,总体为早晚大,中午及午后小。散射系数与PM_2.5质量浓度的变化趋势基本一致,但与能见度呈负相关关系。霾天气期间散射系数日平均值为700.5±341.4 Mm^-1,最高值达到近1 900 Mm^-1;结合地面观测资料、NCEP/NCAR再分析资料和后向轨迹模式分析显示,霾期间气块主要来自南京南部和东南方向。     

一次持续性雾霾天气过程的阶段性特征及影响因子分析

应用常规与非常规气象观测资料及PM2.5浓度监测资料,对2013年1月20~24日山西区域一次持续性雾霾天气过程进行分析。研究发现：（1）本次雾霾天气过程具有明显的阶段性特征。2013年1月20日14时至23日11时,由于相对湿度的变化导致了3次轻雾转大雾过程;23日14~20时,由于PM2.5浓度的增大经历了1次轻雾转霾的天气过程。（2）地面弱的气压场和较小的风速以及PM2.5浓度的上升和相对湿度的增大为本次持续性雾霾天气过程的形成和发展提供了有利条件。（3）边界层逆温的存在是雾霾低能见度过程形成的必要条件,边界层有逆温层而不出现雾霾天气的条件是：相对湿度〈50%,PM2.5日均值浓度〈75μg·m-3;逆温层下相对湿度的大小是区别雾和霾天气的指标。（4）相对湿度和PM2.5是决定能见度大小的关键因子,其对能见度的影响体现出明显的阶段性特征,当相对湿度〈90%时,PM2.5浓度对能见度的作用强于相对湿度,是影响能见度变化的主要因子,但随着相对湿度的增大,其对能见度的影响相对增强,当能见度降至1 km以下时,相对湿度成为影响能见度变化的主要因子。     

成都市PM2.5污染特征及其与地面气象要素的关系分析

为了解成都市PM_2.5污染特征及其与地面气象要素的关系,利用环境空气质量监测资料和地面气象观测资料,分析了PM_2.5质量浓度的季节、月和日变化特征,并分不同空气质量等级分析空气质量与地面气象要素的关系。结果表明：PM_2.5质量浓度具有明显的季节、月和日变化特征,且成都市区6个监测站的变化趋势比较一致;成都市相对湿度较大,地面风速较小,约62%的样本分布在相对湿度80%~100%,约85%的样本分布在地面风速0~2 m·s^-1,地面风速对成都市PM_2.5的水平输送、扩散、稀释不利;降水对PM_2.5的清除量随PM_2.5初始浓度、降雨持续时间和累积降雨量增加而增大。     

西安市PM2.5城乡差异及与城市热岛的关联研究

依据一种基于建筑用地比例和土地利用信息熵的城乡站点划分方法,将西安市环境与气象站点划分为城区、郊区和两类乡村站,讨论其PM_2.5的城乡分布特征及与城市热岛效应强度(Urban Heat Island Intensity,UHII)间的相关关系。结果表明,不同季节西安市呈现不同的PM_2.5城乡分布特征和日变化特征,两类乡村站点PM_2.5差异明显且下风向乡村站点(乡村D)对应的UHII_D对城区和乡村的影响程度大于上风向乡村站点(乡村U)对应的UHII_U。在城区较多本地排放的影响下,乡村PM_2.5浓度与 UHII_U(或UHII_D)相关系数均大于城区。随着UHII_D的增加,城乡PM_2.5相对浓度差值(RUPII_D)整体呈下降趋势且UHII_D与RUPII_D在春夏秋季显著负相关。UHII_D增大,城区近地面PM_2.5的水平扩散能力减弱,但PM_2.5的垂直扩散能力较乡村更强,从而UHII_D通过影响PM_2.5的传输扩散特征,进一步影响西安市RUPII_D。     

长江三角洲西部地区PM2.5输送轨迹分类研究

长三角4个省会（直辖市）城市（上海、南京、合肥、杭州）中,合肥与南京的PM_2.5浓度演变有较高的一致性。应用聚类分析的方法对2013-2015年合肥非降水日（日降水量低于10 mm）100 m高度（代表近地层）和1000 m高度（代表边界层中上部）的72 h后向轨迹进行分类,结合合肥2013-2015年PM_2.5日均浓度资料,探讨近地层和边界层中上部输送轨迹与长三角西部PM_2.5浓度的关系。近地层和边界层中上部分别得到7组和6组不同的后向轨迹;不同输送轨迹对应的PM_2.5浓度、重污染（重度以上污染,PM_2.5日均浓度大于150 μg/m³）天数、能见度、地面风速、相对湿度等都有显著不同,尤其是在近地层。100 m高度,平均长度最短、来向偏东的轨迹组对应的PM_2.5浓度均值最高（约是组内均值最低值的2倍）、重污染天数最多,且占比最高（30%）,重污染日对应的气流在过去72 h下降高度均值仅28 m,明显低于其他PM_2.5污染等级日;来向偏西北、长度较短的轨迹组,PM_2.5浓度均值和重污染天数为第2高,这一类轨迹占比14%,气流到达本地前存在明显的下沉运动,反映了远距离输送加剧本地PM_2.5重污染的特征。这两类轨迹常对应PM_2.5日均浓度的上升。PM_2.5平均浓度最低的2个轨迹组分别是来自东北和西南的较长轨迹组,所占比例分别为6.4%和10.3%,这2类轨迹往往对应着PM_2.5日均浓度下降。1000 m高度的结果与100 m高度结果类似,但PM_2.5平均浓度的组间差异不及100 m高度,与2001-2005年PM₁₀浓度与输送轨迹的关系不同。对3 a中84个重污染日两个高度的后向轨迹进行聚类,近地层和边界层中上部各得到7类和6类PM_2.5重污染日的天气形势。近地层92%的重污染日对应的海平面气压形势场上,从华北到华东属于均压区,气压梯度小,轨迹来向以偏东到偏北方向为主,垂直方向延伸高度在950 hPa以下。1000 m高度,77%的重污染日属于相对较短的轨迹组,对应的850 hPa高度场特征为从中国西北（新疆）到东南受高压控制,长三角或位于高压底部,或位于两高压之间的均压区。这对PM_2.5浓度预报有较好的指示意义。     

青岛市秋冬季霾期PM1及其含碳组分理化特征及来源研究

对2017年11月1日—2018年1月31日与2018年11月1日—2019年1月31日连续两年青岛市大气PM₁进行监测,获取了PM₁中含碳组分的变化趋势,结合国控站点监测数据和气象条件,分析了秋冬季PM₁来源.结果表明：2017、2018年秋冬季观测期间PM₁日均质量浓度分别为40.58±25.98、42.55±25.05 μg/m³;霾日质量浓度分别为84.71±16.70、81.52±18.39 μg/m³.与2017年相比,2018年同期PM₁质量浓度增长4.85%,霾日下降3.76%.2017年霾日PM₁中OC、EC质量浓度分别为13.67±3.95、3.95±1.02 μg/m³,2018年分别为16.48±6.34、3.34±1.16 μg/m³.与2017年相比,2018年霾日OC质量浓度增长20.56%,EC下降15.44%.2017、2018年霾日SOC质量浓度分别是非霾日的1.28和2.15倍,表明霾污染发生时易发生有机碳二次转化.含碳组分主成分分析均解析出3个因子.因子1解释变量均最大,分别为58.98%、67.14%,其表征含碳组分主要源于生物质燃烧、燃煤、道路扬尘及汽油车尾气等排放源.由后向气流轨迹分析得出,2017、2018年秋冬季气团轨迹多起源于内蒙古,经河北、天津、山东等省市抵达青岛.     

苏南三市秋冬季PM2.5中水溶性离子和元素特征及源解析

2010年11月16日至12月17日在南京、常州、苏州三城市设置采样点,24 h采集大气PM_2.5样品,并测定其水溶性无机离子和元素的浓度,在此基础上讨论PM_2.5及无机组分的时空分布特征。结果表明,采样期间,PM_2.5污染较严重,且苏州最重,常州次之,南京最轻,南京、苏州、常州日均浓度分别是国家二级标准(75 μg/m³)的1.44、2.32、1.53倍;三市PM_2.5离子组分中,阴离子均以SO₄^2-和NO₃^-为主,阳离子以Ca²⁺和Mg²⁺为主;苏州Na⁺和Cl^-之间的相关性较高,其受到海盐输送影响较大;三城市PM_2.5中Ca是最主要元素,Al次之。运用主成分法分析南京、常州和苏州PM_2.5的来源可知,三城市PM_2.5受多个污染源影响,包括生物质燃烧、地表扬尘、五金工业及汽车尾气排放等。     

2007和2008年夏季北京奥运馆大气PM10与PM2.5质量浓度变化特征

为了监测北京奥运主场馆附近大气颗粒物的污染状况以及评估奥运污染源减排措施对北京大气颗粒物质量浓度变化的影响,利用颗粒物在线监测仪器TEOM于2007年和2008年夏季,在奥运主场馆附近的中国科学院遥感应用研究所办公楼楼顶对大气颗粒物PM₁₀和PM_2.5进行了连续同步观测。结果表明,2007年夏季监测点附近大气PM₁₀与PM_2.5质量浓度的平均值分别为153.9和71.2μg·m^-3,而2008年夏季PM₁₀与PM_2.5质量浓度的平均值分别为85.2和52.8μg·m^-3。与奥运前一年同时段相比,奥运时段大气PM₁₀和PM_2.5的质量浓度分别下降44.5%和25.1%。对比分析奥运前后的2次典型污染过程发现,空气相对湿度的增加和偏南气流输送的共同影响易造成大气颗粒物的累积增长,而降雨的湿清除作用和偏北气流则会使大气颗粒物浓度迅速降低。在相近的气象条件下,奥运前后的污染过程中,大气细粒子的日均增长速率分别为25.1和13.9μg·m^-3·d^-1,而大气粗粒子的日均增长速率分别为20.8和2.2μg·m^-3·d^-1,奥运时段污染累积过程中大气粗、细粒子的增长速率分别显著低于和略低于奥运前同时段污染过程中颗粒物的增长速率。污染源减排措施的实施是奥运期间大气颗粒物质量浓度降低的主要原因,从控制效果来看,奥运期间实施的污染源减排措施对大气粗粒子的控制效果明显好于大气细粒子。     

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。     

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。     

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。     

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。     

Using hourly measurements to explore the role of secondary inorganic aerosol in PM2.5 during haze and fog in Hangzhou,China

This paper explores the role of the secondary inorganic aerosol （SIA） species ammonium,NH4＋,nitrate,NO3-,and sulfate,SO24-,during haze and fog events using hourly mass concentrations of PM2.5 measured at a suburban site in Hangzhou,China.A total of 546 samples were collected between 1 April and 8 May 2012.The samples were analyzed and classified as clear,haze or fog depending on visibility and relative humidity （RH）.The contribution of SIA species to PM2.5 mass increased to ～50％ during haze and fog.The mass contribution of nitrate to PM2.5 increased from 11％ during clear to 20％ during haze episodes.Nitrate mass exceeded sulfate mass during haze,while near equal concentrations were observed during fog episodes.The role of RH on the correlation between concentrations of SIA and visibility was examined,with optimal correlation at 60％-70％ RH.The total acidity during clear,haze and fog periods was 42.38,48.38 and 45.51 nmol m-3,respectively,indicating that sulfate,nitrate and chloride were not neutralized by ammonium during any period.The nitrate to sulfate molar ratio,as a function of the ammonium to sulfate molar ratio,indicated that nitrate formation during fog started at a higher ammonium to sulfate molar ratio compared to clear and haze periods.During haze and fog,the nitrate oxidation ratio increased by a factor of 1.6-1.7,while the sulfur oxidation ratio increased by a factor of 1.2-1.5,indicating that both gaseous NO2 and SO2 were involved in the reduced visibility.     

2015年济南地区雾霾天气过程大气物理量特征初步分析

文中对比分析了2015年29个雾、霾及雾霾混合天气过程中,章丘探空站L波段探空雷达和山东省气象局院内德国14通道地基微波辐射计观测的温度资料。对观测数据实施了质量控制,检验了精度和可信度,统计分析了宏观物理参量特征和日变化规律。针对雾、霾及雾霾天气过程各选取了一个个例进行分析,分析了大气中PM_2.5、PM₁₀、SO₂、NO₂、O₃、CO含量的变化情况,分析了相对湿度、液态水路径和综合水汽含量等的变化情况。结果表明:两种观测数据一致性较好,拟合优度高于0.97;贴地逆温层存在一定的季节变化,悬垂逆温层存在一定的差异,逆温层的变化、污染参量变化与雾霾的形成有密切关系;不同天气背景对大气物理参量有较大的影响,PM₁₀、AQI（空气质量指数）和CO均在相同时间段出现峰值,有明显的起伏;CO峰值雾霾天气中尤为明显,由早到晚随时间峰值逐渐增大,雾天和霾天峰值较小,雾霾天气明显大于雾天或霾天。     

Vertical Distribution Characteristics of PM<Subscript>2.5</Subscript> Observed by a Mobile Vehicle Lidar in Tianjin,China in 2016

We present mobile vehicle lidar observations in Tianjin, China during the spring, summer, and winter of 2016. Mobile observations were carried out along the city border road of Tianjin to obtain the vertical distribution characteristics of PM_2.5. Hygroscopic growth was not considered since relative humidity was less than 60% during the observation experiments. PM_2.5 profile was obtained with the linear regression equation between the particle extinction coefficient and PM_2.5 mass concentration. In spring, the vertical distribution of PM_2.5 exhibited a hierarchical structure. In addition to a layer of particles that gathered near the ground, a portion of particles floated at 0.6–2.5-km height. In summer and winter, the fine particles basically gathered below 1 km near the ground. In spring and summer, the concentration of fine particles in the south was higher than that in the north because of the influence of south wind. In winter, the distribution of fine particles was opposite to that measured during spring and summer. High concentrations of PM_2.5 were observed in the rural areas of North Tianjin with a maximum of 350 μg m^–3 on 13 December 2016. It is shown that industrial and ship emissions in spring and summer and coal combustion in winter were the major sources of fine particles that polluted Tianjin. The results provide insights into the mechanisms of haze formation and the effects of meteorological conditions during haze–fog pollution episodes in the Tianjin area.     

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.