边界层方案对山西冬季一次静稳天气PM2.5浓度模拟的影响

董春卿,郑有飞,武永利,郭媛媛,王 扬



边界层方案对山西冬季一次静稳天气PM2.5浓度模拟的影响

董春卿1,2,郑有飞1*,武永利2,郭媛媛2,王 扬2

(1.南京信息工程大学环境科学与工程学院,江苏 南京 210044；2.山西省气象台,山西 太原 030006)

准确的空气质量数值预报模式依赖于精确的气象条件模拟,尤其依赖于大气边界层的准确模拟.为理解边界层过程如何影响空气污染物的传输与混合,利用WRF-Chem模式不同边界层方案(YSU和MYJ)进行敏感性试验,针对山西冬季典型静稳天气,对地面温度场、地面风场、PM2.5浓度及边界层内部的动力和热力层结进行模拟分析,并与观测资料进行对比,分析不同PBL方案对于气象要素和PM2.5浓度分布的模拟能力,探讨边界层内部热力层结和湍流输送差异对PM2.5浓度模拟的影响.结果表明:2种边界层方案均能较好模拟出冬季静稳天气背景下地面温度、风速及PM2.5浓度的空间分布和日变化特征,气温模拟的较大误差主要出现在夜间,而地面风速和PM2.5浓度的模拟结果在午后误差较大;相对于YSU方案,局地MYJ方案模拟的温度、风场和PM2.5浓度的误差更小,模拟结果更接近于实况观测.地面PM2.5浓度的模拟误差可能与近地面逆温层、混合层及地面风速等的模拟误差有关;不同边界层参数化方案导致的边界层内热力层结和湍流输送的模拟差异,可能是影响近地面PM2.5浓度模拟差异的主要原因;夜间MYJ方案逆温层厚度较厚,地面PM2.5模拟浓度较低;午后MYJ方案混合层高度较低,加之地面风速较弱,导致地面PM2.5模拟浓度较高.

边界层参数化；PM；数值模拟；山西

大气边界层位于受地面影响强烈的对流层底部,是地气相互作用和大气污染的主要发生地,湍流交换是其主要特征[1-2].边界层湍流运动有利于污染物在边界层内的扩散,边界层高度决定了污染物扩散的有效空气体积,边界层内的垂直混合影响污染物的地面浓度,边界层结构的日变化规律影响着大气污染物浓度的日变化特征[3].因此,边界层参数化过程不仅是气象模式的重要组成部分,也是空气污染模式的重要基础[4-6].利用不同边界层参数化方案,分析大气边界层对污染物扩散的影响,受到了科研工作者的广泛关注.

针对数值模式中不同边界层参数化方案对边界层风温场结构、污染物扩散传输等模拟的影响问题,国内外已经开展了广泛研究.如利用不同边界层方案对夏季边界层结构[1]、地面风速及地表温度[2]等的模拟研究显示,模式未充分考虑城市建筑物的阻力作用,模拟得到的地表风速偏差较大,而对地表温度的日变化特征模拟能力较好.由于不同下垫面特性,不同模式在不同分辨率情况下,不同边界层参数化方案的模拟效果差别很大.国外多数研究者认为在不稳定层结中,非局地闭合方案的模拟效果优于局地闭合方案.Pleim[7]认为ACM2组合方案可以较好模拟出午后的大气边界层高度.Zhang等[8]通过对2006年3月墨西哥城温度、相对湿度、风速和气态污染物的高分辨率模拟,发现各方案模拟的白天风速偏高,YSU方案对白天地面温度模拟效果较好,夜间较差.Cheng等[9]通过对中国台湾地区空气质量模拟结果分析,认为各边界层参数化方案在不同天气系统下对O3浓度分布的影响不同.王颖等[10]认为对于冬季稳定边界层,局地闭合的MYJ方案可以更好模拟兰州地区底层温度的日变化特征,而ACM2方案模拟的白天底层位温廓线优于MYJ和YSU方案.通常情况下,YSU和MYJ方案是被广泛应用的边界层方案,并且二者的理论假设和计算过程存在显著差异[9].一般认为,在不稳定条件下,非局地传输的湍流闭合方案(YSU)能够比局地湍流闭合方案(MYJ)更加有效地混合大气边界层中的空气污染物[2];在稳定边界层条件下,考虑局地闭合的MYJ方案有一定优势.前期的研究主要集中在对主要天气过程的影响、与化学模式耦合的空气质量模拟,以及低层温度场、风场的影响的研究上,对边界层过程内部典型空气污染物PM2.5等垂直分布的模拟影响的研究不多.此外,尽管在边界层过程影响污染物浓度分布方面达成某些共识,但在不同方案的优劣及适用性方面的研究还不够深入.同时,边界层过程对城市、山谷等复杂下垫面情形下PM2.5浓度分布影响方面的研究还不多.

山西省作为我国重要的能源和重化工基地,随着经济规模扩大和城市化进程加快,PM2.5污染问题日趋严重[11-13].在大气边界层中,细颗粒物存在平流、输送、沉降、气象化学、气溶胶化学等非线性物理、化学过程,因此多采用数值模拟方法研究其浓度分布特征和评估控制措施[14-15].大气边界层内污染物的扩散与风场、温度场等有密切的关系[16-18].本研究利用WRF-Chem模式中不同的边界层参数化方案,针对山西地区冬季典型静稳天气个例,对地面温度场、地面风场、PM2.5浓度及边界层内部的动力和热力层结进行模拟分析,并与观测资料进行对比分析,讨论不同PBL参数化方案对于山西复杂下垫面边界层内气象要素和PM2.5浓度分布的模拟能力,探讨边界层内部热力层结和湍流输送差异对PM2.5浓度模拟的影响,以期为改进区域环境空气质量预报模式中PM2.5浓度预报提供参考.

1 资料来源及个例选取

1.1 个例选取

选取山西冬季一次典型静稳天气个例进行研究.2015年1月10~13日期间,太原市范围内多次出现空气质量指数AQI>200、细颗粒物PM2.5浓度>200μg/m3的重污染天气,其中,12日夜间~13日中午前,由于天气形势相对稳定,风速较小,污染物难以有效扩散,空气质量始终处于中度至重度污染之间.空气污染物浓度观测数据来源于太原市9个国控点的实时观测数据,观测点从北至南依次为上兰、南寨、涧河、尖草坪、桃园、坞城、小店、金胜和晋源,其中上兰为清洁对照站.

1.2 天气背景

2015年1月10日~13日,500hPa中纬度亚洲上空为“两脊一槽”型,受槽前高压脊影响,东亚大槽移动缓慢.东亚槽主体位置偏南,山西上空以纬向环流为主.此外,在贝加尔湖以南,蒙古国西部有短波槽发展东移,影响华北地区.12日20:00(北京时,下同),短波槽主体位于100°E附近,山西上空以平直西风为主,风力较弱;13日20:00,短波槽东移发展形成闭合中心(552dpm),中心位于内蒙中部,受其影响,13日夜间开始山西北部风力加大,并伴有零星降雪.因此,12夜间~13日白天,山西受稳定的偏西气流控制,冷空气影响轻微,地面风速较弱(图1).

2 模式及实验方案介绍

2.1 WRF-Chem模式设置

模拟试验中所采用的WRF模式为ARW 3.4.1版本.模拟试验采用了双向反馈的3重嵌套网格(图2),中心位于(112.6°E,37.8°N),水平网格距分别为27,9,3km,格点数分别为107×107、145×145、253×271.模式顶高50hPa,垂直方向为40层,其中2km以下有18层,最底层为35m.

大气化学完全耦合模式WRF-Chem (WRF coupled with Chemistry model),将化学模式与气象模式在时间和空间上完全耦合[8].模拟试验采用WRF-Chem V3.4.1版本,气相化学过程采用CBMZ方案[19],光解过程由FAST-J方法在线计算[20],每半小时为气相化学模块更新１次光解率;气溶胶过程采用包含了液相化学反应的MOSAIC模型[21].

模式中主要的物理过程参数化方案如表1.为了详细描述城市的热力学和动力学效应,在Noah陆面过程中耦合了城市冠层模块(UCM),考虑城市的几何特性、建筑物的遮挡和对长短波辐射的反射以及路面、墙面和屋顶的热力作用[22-25].边界层参数化方案包括YSU、MYJ和ACM2 3种.表面层内气象要素的计算采用参数化的方案,YSU和ACM2 对应MM5方案,该方案的基础为Monin-Obukhov与Carslon-Boland 粘性副层以及标准相似性函数查找表,MYJ对应Eta相似方案,该方案的基础为Monin-Obukhov与Zilitinkevich热粗糙长度和标准的相似性函数查找表.

表1 模式主要物理过程参数化方案Table 1 Physical parameterization scheme of Model

模式中选用美国USGS(United States Geological Survey)提供的30″高分辨的地形高度和地表类型,同时利用2012年DMSP/OLS夜间灯光数据对USGS 30″地表类型中城市分布进行修正(太原区域的城市分布范围如图1)[26].USGS数据观测时间已久,无法反映出城市范围的扩张[27],而DMSP/OLS夜间灯光数据来源于美国NOAA地球物理数据中,空间分辨率为30″(约1km),为无云状态下年平均夜间灯光强度.该数据已被广泛应用于城市化相关研究中[28-29].

模式的初始场和边界条件选用NCEP/ NCAR 1°×1°再分析资料,模拟时段为2015年1月10日20:00~13日20:00,6h更新一次侧边界,时间步长150s.选取12日日20:00的模拟结果进行分析,探讨冬季静稳天气背景下, PM2.5模拟浓度对边界层结构和湍流输送的敏感性.

2.2 排放源清单

模式采用的人为排放源清单来源于MEIC (Multi-resolution Emission Inventory for China)-31].数据分辨率为0.25°,排放数据包括电力、工业、民用、交通和农业等5个部门,涵盖10种主要的大气污染物、温室气体和700多种人为排放源,可以提供逐月网格化排放清单.本研究以MEIC V1.0为基础,选用2010年的排放数据,选用合适的化学机制,建立空气质量模型需要的排放数据立方体.

2.3 边界层参数化方案

边界层参数化是为了描述次网格尺度的湍流通量,湍流通量在数值模式中的表达方法被称为湍流闭合问题.WRF-Chem V3.4.1中提供了3种边界层参数化方案选择,即YSU、MYJ和ACM2方案.Cheng等、王颖等[10]从闭合方法、湍流交换过程和边界层顶计算方法等方面,详细介绍了3种边界层参数方案的主要特点.

表2 3种边界层参数化方案对比Table 2 Comparison of different PBL schemes

YSUe)是1阶非局地湍流闭合方案[32],方案以分子扩散理论(K理论)为基础,在涡旋扩散过程中,通量近似等于平均量的梯度.YSU方案是MM5模式中Medium-Range Forecast (MRF)方案(Hong and Pan,1996)的改进形式.在扩散方程中,反梯度项被用来描述与热空气上升有关的大尺度湍涡.湍流传输在不同层结内的计算方法不同.边界层高度取决于临界理查森数等于0的高度.YSU方案考虑了混合层顶部夹卷过程对湍流输送的影响,这是YSU方案与MRF方案的主要区别[9-10].模式中将夹卷过程单独处理,而不是作为边界层内部的混合过程,从而增加了热力自由对流的湍流混合,降低了动力强迫对流混合.

MYJ方案(Mellor-Yamada-Janjic scheme)是Mellor-Yamada的2.5阶湍流闭合模型[33],它可以预报湍流动能,并有局地垂直混合.边界层控制方程组采用边界层近似,2阶矩方程中仅保留湍流动能(TKE),即是湍流动能方程的1.5阶闭合方案.TKE湍流强度可以提供衡量混合强度的额外信息.MYJ方案是局地湍流闭合方案,这个方案不适用于模拟混合层中的不稳定层结.边界层高度定义为湍流动能下降到一个非常小的临界值0.001m/s的高度.MYJ方案具有概念清晰、满足计算精度要求和节省计算时间等优点,从而应用广泛,但由于方案中考虑的物理过程较为复杂,当不能满足假设条件时,模拟结果有偏差[10].

ACM2方案[7]是ACM1(Asymmetric Convective Model)方案的基础上,增加局地湍流输送发展而来.ACM2增加了局地输送部分,可以模拟由浮力作用引起的局地输送,也可以模拟局地湍流交换.方案中采用里查逊数方法计算边界层高度,不稳定条件下的边界层高度考虑了夹卷层的热力穿透和风切变.

3 模拟结果对比分析

3.1 天空状况模拟效果

为检验WRF-Chem模式对实际天气状况的模拟效果,利用模式模拟得到的高空云量分布与FY-2E卫星观测对比,分析模式对大尺度环流形势的模拟能力.

13日08:00,山西上空云量较少,地面天气状况为轻雾或霾.13日20:00,随着500hPa高空短波槽系统东移,山西北中部上空有高层云东移,北中部转为多云天气,地面天气状况以霾为主.由13日20:00的高空云量模拟与实况的对比可以看出(图3),YSU、MYJ试验模拟的高空云系的位置与分布形态基本一致,分布形态与卫星观测基本吻合,位置较卫星观测略偏东.不同的PBL参数化试验均可以较好模拟出中高纬度“两脊一槽”的环流背景,均可以再现高空短波槽的发展东移带来的山西北中部云量增加.

3.2 地面气象要素模拟效果

为检验WRF-Chem模式对边界层污染物扩散的模拟能力,需首先验证模式对地面气温、风场等气象要素的模拟效果.利用2015年1月13日08:00和14:00山西区域内109个自动气象站观测资料,与YSU、MYJ试验得到的模拟结果进行对比(图4).分析结果表明:2组PBL参数化方案模拟的白天和夜间地面温度场的空间分布形态基本一致,分布形状与实况观测基本吻合.就山西区域而言,2组PBL参数化试验对白天最高气温的模拟效果明显优于清晨最低气温的模拟;08:00地面温度的模拟(色阶底图)与实况(填色圆点)差异较大,山西北部、中部2组试验模拟结果均较观测明显偏高,其中北部偏高4℃以上;14:00模拟结果与实况较为接近,2组试验的模拟结果与实况的差异均在2℃以内,效果较好.

由图5可以看出,2组试验均可以模拟出地面温度的日变化特征,但由于对边界层内物理过程的处理不同,即便采用相同的陆面参数,地表湍流输送差异也会导致2组试验的模拟地面温度存在显著差异,因此地面温度的模拟结果对边界层参数化方案敏感.2组试验对白天地面温度的模拟结果与观测偏差在1℃左右,夜间则普遍偏高,偏差最大可以达到4.

YSU、MYJ试验模拟的地面温度与观测值的误差统计(表3)表明,局地闭合的MYJ边界层方案模拟得到的地面温度优于非局地闭合的YSU方案,MYJ试验模拟的夜间地面温度较YSU偏低,更接近于实况.主要原因在于:冬季夜间边界层多处于稳定状态,特别是受太原周边山谷地形影响,夜间逆温较强,近地层湍流得不到充分发展,物质和能量的输送以局地为主.

表3 2组试验模拟的地面温度误差统计对比(℃)Table 3 Error statistic of surface temperature simulated by YSU and MYJ (℃)

图5可以看出,地面风速随时间的变化较为复杂.12日20:00~13日20:00期间地面风速较弱,YSU、MYJ试验均模拟出地面风速的日变化特征,夜间风力弱,午后风力增大.两组试验对夜间风速的模拟结果与实况非常接近;模拟误差主要来源于白天,模拟的风速均偏大,偏差最大可以达到以上.

由表4可见,实况观测的平均风速为1.87m/s,而YSU、MYJ试验模拟结果分别为2.73,2.42m/s,与实况接近.城区内地面风速的模拟误差,较徐敬等、王颖等[10]的模拟结果有较大的改善,这与模式中对城市分布进行修正有关,模式中考虑了城市建筑物对地面风速的影响.误差分析结果表明:夜间,两组试验的地面风速模拟效果基本一致,且与实况趋于一致;白天(尤其是午后),两组试验模拟的风速均大于观测值.MYJ试验较YSU模拟的白天风速偏小,更接近于实况.

表4 2组试验模拟的地面风速误差统计对比(m/s)Table 4 Error statistic of surface wind speed simulated by YSU and MYJ (m/s)

3.3 地面PM2.5浓度模拟效果

为检验不同PBL参数化方案对地面PM2.5浓度的模拟效果,利用太原城区空气质量监测国控站点数据,与YSU、MYJ试验得到的模拟结果进行对比(图6).由图6可以看出,YSU、MYJ 2组试验均可以模拟出地面PM2.5浓度的日变化特征:日出后10:00前后PM2.5浓度达到最大,之后快速下降,午后在15:00前后PM2.5浓度达到最小,夜间20:00后PM2.5浓度达到次峰值,整体来看,地面PM2.5浓度夜间高于白天.由于对边界层湍流混合的描述不同,即使在相同的排放强度和地表参数情形下,边界层过程的差异也会导致两组试验对PM2.5浓度的模拟结果存在显著差异,因此,地面PM2.5浓度的模拟与边界层参数化方案敏感.

表5 2组试验模拟的地面PM2.5浓度误差统计(μg/m3)Table 5 Error statistic of surface PM2.5concentration simulated by YSU and MYJ (μg/m3)

2组试验对夜间PM2.5浓度的模拟结果较好,10:00前后偏高,而在15:00前后均偏低,这可能与午后模拟的地面风速偏大有关.2组试验对比,夜间YSU方案较MYJ方案模拟的地面PM2.5浓度偏高,而白天(主要在10:00~18:00)YSU方案则相对偏低.由表5可见,2组试验在污染水平较高时模拟的相对偏差较小(夜间15%~18%),而在污染水平较低时模拟的相对偏差较大(白天24%~26%),可能与排放源空间分布、排放时间等的不确定性有关;MYJ方案模拟的地面PM2.5浓度误差相对较小,日变化规律与实况更为接近.

4 边界层垂直结构对PM2.5浓度的影响

边界层的厚度随时间而变,白天大气边界层可分为近地面层、混合层和夹卷层,而夜间大气边界层可分为近地面层、稳定边界层和残留层.

4.1 夜间逆温层的模拟对比

YSU与MYJ试验模拟逆温层的差异,可以解释夜间地面PM2.5浓度的模拟差异.04:00(图8),YSU试验模拟的接地逆温层厚度约为187m,较MYJ试验明显偏低,2组试验模拟的逆温层强度相当,均为-1.5℃左右,300m以上温度廓线趋于一致.两组试验模拟得到的PM浓度廓线的差异主要体现在近地面层,04:00城区地面PM2.5浓度的平均偏差达到25μg/m以上,而在逆温层以上(地面300m以上),两组试验的模拟结果趋于一致.综合地面温度、风速等的模拟结果,相对于YSU试验, MYJ试验得到的夜间地面温度较低,贴地逆温层厚度增加约70m,地面PM2.5浓度降低约25μg/m.因此,在相同的排放强度下,夜间地面PM的浓度与近地面逆温层的厚度有密切的关系.

城市夜间上空,由于逆温层的形成,导致近地面气团与上层空气隔绝,PM2.5主要集聚在逆温层内.在相同的排放强度下,逆温层厚度越厚,地面PM2.5越低.由不同边界层方案带来的夜间逆温层厚度差异,可以给城区近地面PM2.5浓度带来50~100μg/m3的巨大差异(图9).尽管模式选用的排放源原始数据的水平分辨率只有0.25°,但随着模式分辨率的提高,以及城市地表和边界层过程在模式中精细化模拟,WRF- Chem模式仍然可以反映出PM2.5在城市范围内聚集的特征.

4.2 午后混合层的模拟对比

YSU与MYJ试验模拟混合层的差异,可以解释边界层过程对午后PM2.5浓度的影响.由图10可见,15:00YSU试验模拟得到的混合层顶高度达到346m,较MYJ试验显著偏高.YSU方案中边界层高度由位温廓线来确定,MYJ方案则是根据湍流动能的廓线来确定边界层高度.YSU方案在白天得到的混合层顶高度较高,这说明在午后不稳定层结下,非局地闭合YSU方案较局地闭合MYJ方案湍流交换偏强.分析原因,在于非局地方案考虑了由地面热通量引起的次网格尺度的湍流混合,加强了边界层整层的湍流混合,位温廓线趋于更不稳定;而局地闭合的MYJ方案仅考虑模式垂直相邻层之间的湍流交换,湍流交换强度和速率较弱,模拟得到的混合层高度较低.不同边界层方案导致的混合层高度差异,与以往的有关观测和数值模拟得到的结论保持一致[1-2,10,18].

日出后地表吸收太阳辐射导致自由对流发展,混合层的发展有利于PM2.5的垂直扩散.2组试验模拟得到PM2.5存在偏差,300m以下MYJ方案浓度偏强,300m以上YSU方案浓度偏强.这是因为,相对于YSU方案,午后MYJ方案得到的混合层顶高度下降约90m,混合层减弱,不利于PM2.5的垂直扩散,导致地面模拟浓度升高.另一方面,MYJ方案模拟的城区风速较弱,MYJ较YSU方案午后地面风速的减弱区与城市分布区域基本重合(图11),因此,MYJ方案能更好反映出地表摩擦过程(如建筑物等)对风速的影响.综合地面风速、垂直混合等因素,MYJ边界层方案在冬季静稳天气背景下,午后地面PM2.5的模拟结果优于YSU方案.

由于太原地区缺乏边界层内PM2.5浓度的垂直观测,参照华北区域其他城市冬季PM2.5浓度的垂直分布特征对模式的模拟效果进行简单评估[34].与北京冬季夜间PM2.5浓度垂直观测结果类似,太原冬季夜间PM2.5浓度随高度增加而呈对数递减,100m高度质量浓度衰减幅度约为28%,240m高度质量浓度衰减幅度约为44%.与北京气象铁塔的观测数据一致,太原冬季白天PM2.5浓度与高度间的相关性较差,100m高度质量浓度衰减幅度约为5%,地面以上240m高度内PM2.5浓度垂直分布较夜间均匀.

因此,太原城区上空PM2.5浓度的日变化规律,一是与人为活动带来排放强度的日变化规律有关,二是由边界层内气象条件的日变化规律引起的.由不同边界层参数化方案带来的夜间近地面逆温层厚度的模拟差异以及白天混合层高度、地面风速等的模拟差异,可以导致边界层内PM2.5模拟浓度的显著差异.

4.3 讨论

试验结果体现出城区风速减弱的事实,但模式模拟风速仍偏大,在白天偏大更为突出.这是由于虽然在陆面过程中耦合单层城市冠层模式,并对城市下垫面进行修正,但模式对城市特征的描述仍较为简单,不能细致描述城市冠层内部的能量交换以及建筑物高度、分布密度等对近地面气象要素的影响.午后模拟的地面风速偏大,有利于污染物的水平扩散,导致地面PM2.5浓度模拟偏低.此外,模式模拟的地面PM2.5浓度偏低,可能还与边界层结构与大气污染物浓度变化的正反馈机制有关.近地层的气溶胶的散射和吸收可以减少到达地面的太阳辐射,降低地表温度,而边界层上层升温,可以导致近地层大气稳定度增加,有利于污染物的进一步累积.近地层逆温模拟偏弱,主要体现在地面温度模拟较实况偏高,即模式中近地层气溶胶散射和吸收作用模拟较弱,地表降温有限,从而影响到近地层中PM2.5的积聚效果,导致地面PM2.5浓度模拟产生误差.

本研究结果适用于与冬季稳定边界层相伴随的重污染天气情形.受边界层内垂直观测资料缺乏的制约,特别是缺乏与气象观测同步加密的空气污染物垂直探空资料,对于不同季节复杂气象条件下的不同边界层方案对污染物扩散的影响还有待于今后进一步的研究.

5 结论

5.1 WRF-Chem模式提供的2种边界层方案(YSU和MYJ)均能较好模拟出冬季静稳天气背景下地面温度、地面风速及地面PM2.5浓度的空间分布和日变化特征.但2组方案对夜间气温模拟均偏高,白天风速模拟均偏大,午后地面PM浓度模拟偏低.

5.2 相对于YSU方案,局地MYJ方案模拟的夜间温度偏低,白天风场偏弱,PM2.5模拟的偏差更小,模拟结果更接近于实况观测.这表明,在高分辨率情况下,湍流的高阶闭合方案能够更加合理地描述边界层内的热量和动量的混合输送特征.

5.3 不同边界层参数化方案导致的边界层内热力层结和湍流输送的模拟差异,可能是影响近地面PM2.5模拟差异的主要原因.近地面PM2.5模拟浓度的分布差异,夜间主要受近地面逆温层厚度影响,白天主要受混合层强度和地面风速等影响.

5.4 夜间由于逆温层的形成,导致近地面气团与上层空气隔绝,PM2.5主要聚集在逆温层内.相对于YSU方案,MYJ方案模拟得到的近地面逆温层厚度较厚,导致地面PM2.5模拟浓度较低.

5.5 午后在不稳定层结下,局地闭合的MYJ较非局地闭合的YSU方案湍流交换偏弱,混合层高度偏低,减弱了PM2.5的垂直混合,导致地面PM2.5模拟浓度偏低;同时,MYJ方案能够更为有效模拟出城市建筑物对地面风速的影响,导致午后城区地面风力减弱,也导致地面PM2.5浓度升高.

[1]陈 炯,王建捷.北京地区夏季边界层结构日变化的高分辨率模拟对比 [J]. 应用气象学报, 2006,17(4):403-411.

[2]徐 敬,马志强,赵秀娟,等.边界层方案对华北底层O3垂直分布模拟的影响 [J]. 应用气象学报, 2015,26(5):567-577.

[3]Tran H N Q, Molders N. Investigations on meteorological conditions for elevated PM2.5in Fairbanks, Alaska [J]. Atmospheric Research, 2011,99(1):39-49.

[4]王自发,李 杰,王 哲,等.2013年1月我国中东部强霾污染的数值模拟和防控对策 [J]. 中国科学:地球科学, 2014,01(1):3-14.

[5]王自发,谢付莹,王喜全,等.嵌套网格空气质量预报模式系统的发展与应用 [J]. 大气科学, 2006,30(5):778-790.

[6]Zhang D L, Zheng W Z. Diurnal cycle of surface winds and temperature as simulated by five boundary layer parameterizations [J]. Appl. Meteorol., 2004,43(1):157-169.

[7]Pleim J E. A combined local and nonlocal closure model for the atmospheric boundary layer. Part II: Application and evaluation in a mesoscale meteorological model [J]. Appl. Meteor. Climat., 2007,46:1396-1409.

[8]Zhang Y, M K Dubey, S C Olsen, et al. Comparisons of WRF-Chem Simulations in Mexico City with ground –based RAMA measurements during the 2006-MILAGRO [J]. Atmospheric Chemistry & Physics Discussions, 2009,9(11):3777-3798.

[9]Cheng F Y, Chin S C, Liu T H. The role of boundary layer schemes in meteorological and air quality simulations of the Taiwan area [J]. Atmospheric Environment, 2012,54(4):714–727.

[10]王 颖,张 镭,胡 菊,等.WRF模式对山谷城市边界层模拟能力的检验及地面气象特征分析 [J]. 高原气象, 2010,29(6): 1397-1407.

[11]吴 兑.近十年中国灰霾天气研究综述 [J]. 环境科学学报, 2012,32(2):257-269.

[12]李军霞,银 燕,李培仁,等.山西夏季气溶胶空间分布飞机观测研究 [J]. 中国环境科学, 2014,34(8):1950-1959.

[13]张小曳,孙俊英,王亚强,等.我国雾-霾成因及其治理的思考 [J]. 科学通报, 2013,13(13):1178-1187.

[14]王凌慧,曾凡刚,向伟玲,等.空气重污染应急措施对北京市PM2.5的削减效果评估 [J]. 中国环境科学, 2015,35(8):2546-2553.

[15]陈焕盛,王自发,吴其重,等.亚运时段广州大气污染物来源数值模拟研究 [J]. 环境科学学报, 2010,30(11):2145-2153.

[16]张人禾,李 强,张若楠.2013年1月中国东部持续性强雾霾天气产生的气象条件分析 [J]. 中国科学:地球科学, 2014,44(1):27-36.

[17]傅 瑜,王体健,黄晓娴,等.南京地区典型霾天气个例特征的比较分析 [J]. 环境科学学报, 2015,35(6):1620-1628.

[18]张 强,吕世华,张广庶.山谷城市大气边界层结构及输送能力 [J]. 高原气象, 2004,22(4):346-353.

[19]Zaveri R A, Peters L K. A new lumped structure photochemical mechanism for long-scale applications [J]. Journal of Geophysical Research Atmospheres, 1999,104(D23):30387-30415.

[20]Wild O, Zhu X, Prather M J. Fast-J: Accurate Simulation of In- and below-cloud photolysis in tropospheric chemical models [J]. Journal of Atmospheric Chemistry, 2000,37(3):245-282.

[21]Zaveri R A, Easter R C, Peters L K. A computationally efficient multicomponent equilibrium solver for aerosols (MESA) [J]. Journal of Geophysical Research Atmospheres, 2005,110(D24): 1064-1067.

[22]Chen F, Duhia J. Coupling an advanced land-surface/ hydrology model with the Penn State/NCAR MM5 modeling system [J]. Part I: Model implementation and sensitivity. Mon. Wea. Rev., 2001,129(4):569-585.

[23]Kusaka H, Kondo H, Kikegawa Y, et al. A simple single layer urban canopy model for atmospheric models: Comparison with multi-layer and slab models [J]. Boundary-Layer Meteorology, 2001,101(3):329-358.

[24]Kusaka H, and Kimura F. Thermal effects of urban canyon structure on the nocturnal heat island: numerical experiment using a mesoscale model coupled with an urban canopy model [J]. Journal of Applied Meteorology, 2004,43(12):1899-1910.

[25]Kusaka H, Kimura F, Hirakuchi H, et al. The effects of land-use alteration on the sea breeze and daytime heat island in the Tokyo metropolitan area [J]. Journal of the Meteorological Society of Japan, 2000,78(4):405-420.

[26]董春卿,郭媛媛,赵桂香,等.太原城市下垫面扩张对边界层特征影响的个例研究 [J]. 干旱气象, 2015,32(6):916-925.

[27]Ma Xinye, Zhang Yaocun. Numerical study of the impacts of urban expansion on meiyu Precipitation over Eastern China [J]. J.meteor. Res., 29(2):237-256.

[28]卓 莉,陈 晋,史培军,等.基于夜间灯光数据的中国人口密度模拟 [J]. 地理学报, 2005,60(2):266-276.

[29]卓 莉,李 强,史培军,等.基于夜间灯光数据的中国城市用地扩展类型 [J]. 地理学报, 2006,61(2):169-178.

[30]He K B. Multi-resolution emission inventory for China (MEIC): model framework and 1990-2010 anthropogenic emissions[C]// AGU Fall Meeting Abstracts. AGU Fall Meeting Abstracts, 2012.

[31]Lei Y, Zhang Q, He K B, et al. Primary anthropogenic aerosol emission trends for China, 1990~2005 [J]. Atmospheric Chemistry & Physics, 2011,11(3):931-954.

[32]Hong S Y, Noh Y, Dudhia J. A new vertical diffusion package with an explicit treatment of entrainment processes [J]. Monthly Weather Review, 2006,134(9):2318-2341.

[33]Mellor G L, Yamada T. Development of a turbulence closure model for geophysical fluid problems [J]. Reviews of Geophysics, 1982,20(4):851-875.

杨 龙,贺克斌,张 强,等.北京秋冬季近地层PM2.5质量浓度垂直分布特征 [J]. 环境科学研究, 2005,18(2):23-28.

*责任作者, 教授, zhengyf@nuist.edu.cn

The effects of different planetary boundary layer schemes on PM2.5concentration simulations in winter stable weather of Shanxi

DONG Chun-qing1,2, ZHENG You-fei1*, WU Yong-li2, GUO Yuan-yuan2, WANG Yang2

(1.School of Environmental Science and Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China；2.Shanxi Meteorological Observatory, Taiyuan 030006, China)., 2016,36(6)：1669~1680

Adequate air quality modeling is reliant on accurate meteorological simulation especially in the planetary boundary layer (PBL). To further understand how the boundary layer processes affect the mixing and transmission of air pollutants, the sensitivity tests of WRF-Chem model with different PBL schemes were utilized. Surface temperature, wind field, PM2.5concentration, dynamic and thermal PBL stratification were simulated in the typical winter stable weather condition of Shanxi province, and the results were compared with the observational data. The simulation ability of different schemes were analyzed, and the effects of PBL thermal stratification and turbulent transportation differences on PM2.5concentration simulation were discussed. The results indicated that both of the two schemes could simulate the spatial distribution and diurnal variation characteristics of surface temperature, wind speed, and PM2.5concentration in the winter stable weather. The relatively larger error of temperature simulated normally occurred at night, while the simulation error of surface wind speed and PM2.5concentration mainly appeared in the afternoon. Surface temperature, wind field and PM2.5concentration simulated by MYJ scheme showed less error, and more close to the observations. The differences of PBL thermal stratification and turbulent transportation simulated by different PBL schemes led to the differences of surface PM2.5concentration simulation. The thicker inversion layer of MYJ scheme caused the lower surface PM2.5concentration at night, while the lower mixing layer and weaker surface wind speed simulated by MYJ scheme resulted in a higher surface PM2.5concentration in the afternoon.

PBL parameterization；PM2.5；numerical simulation；Shanxi

X513

A

1000-6923(2016)06-1669-12

董春卿(1984-),男,山西介休人,工程师,硕士,主要从事高分辨率数值模式研究.发表论文5篇.

2015-11-27

山西省回国留学人员科研资助项目(2014-101);山西省气象局重点课题项目(SXKZDTQ201510007)