沈阳市一次持续性重污染天气过程特征分析

段云霞，李得勤，田 莉，王赛頔，孙 欣，吴宇童，姜 珊

(1. 辽宁省沈阳市气象局，辽宁 沈阳 110168；2. 南京信息工程大学，江苏 南京 210044;3. 沈阳中心气象台，辽宁 沈阳 110166；4. 辽宁省抚顺市气象局，辽宁 抚顺 113000)



沈阳市一次持续性重污染天气过程特征分析

段云霞1,2，李得勤3，田 莉3，王赛頔4，孙 欣3，吴宇童1，姜 珊1

(1. 辽宁省沈阳市气象局，辽宁 沈阳 110168；2. 南京信息工程大学，江苏 南京 210044;3. 沈阳中心气象台，辽宁 沈阳 110166；4. 辽宁省抚顺市气象局，辽宁 抚顺 113000)

使用常规地面、探空资料以及风廓线雷达和环境监测站污染物资料，对2015年11月7—11日沈阳市一次持续性重污染天气过程进行分析，结果表明：(1)此次污染过程持续时间长，PM2.5浓度维持在500 μg·m-3以上近21 h，期间峰值达到1 287.83 μg·m-3，主要污染物为CO；(2)平稳的高空环流、弱气旋性环流及高湿条件为这次重污染天气的发生、发展和维持提供了有利的气象条件，0 ℃左右的温度长时间维持也为该次过程的一个主要特征；(3)重污染期间从地面到850 hPa高度上水平风速均接近2 m·s-1，整层大气静稳，伴随着较好的湿度条件和多个逆温层结的存在，抑制了污染物的垂直输送；(4)卫星遥感监测显示吉林和黑龙江一带有大量火点存在，此时正值冬季秸秆燃烧，大气轨迹分析显示，污染期间偏北风为污染物的传输提供了有利的气象条件。

污染天气；霾；天气特征；气象条件

引 言

近年来，我国的污染天气呈现逐渐增加趋势，尤其是冬季。研究表明污染天气更易在大城市和城市相对密集地区发生，21世纪以后，我国东部大部分城市平均每年的污染天气日数达到100～150 d，造成能见度恶劣[1-2]，引起各界的高度关注。

污染天气的发生主要受污染源和气象条件的影响[3-5]，气象条件直接决定污染物的扩散和积累[6-8]，同一污染源在不同气象条件下造成地面的污染物浓度可以相差几十倍乃至几百倍[2]。国内关于气象条件对污染物扩散的影响开展了大量的研究，如王珊等[8]对西安地区污染天气的气象要素分析时指出，气温越低、风力越小或者静风条件下，伴随升温过程更有利于污染天气形成；石春娥等[9]分析安徽省2013年1月持续性的大气污染过程，发现除低温高湿、大气层结稳定条件外，接地逆温偏多、偏厚对加重污染有直接关系；张人禾等[10]针对我国东部地区2013年1月的污染天气进行研究，发现气象条件对污染天气的形成占主导作用，且动力和热力作用相当；王跃思等[11]分析我国东部地区2013年1月的污染物浓度时指出，一次排放的气态污染物向颗粒态的快速转化是导致重污染“爆发性”和“持续性”的内部促发因子；郭丽君等[7]研究指出，华北持续性的污染天气发生在高压系统和静风天气条件，暖平流和辐射降温形成的稳定逆温边界层结构有利于污染物的积累；朱佳雷等[12]分析江苏省一次重污染天气的污染物，指出秸秆燃烧产生的污染物主要成分为NOx和CO。

东北地区冬季排放源不仅包含取暖增加的燃料排放量，还包括其他固定排放源和机动车的移动排放源，甚至还有来自不同区域间的输送。辽宁中部城市群受地形条件和季风天气影响，尤其冬季相对湿度较高时，伴随着升温过程和静稳条件的配合极易产生污染天气。2015年11月7日开始，辽宁、吉林、黑龙江等地持续出现重度及以上污染，沈阳全市PM2.5浓度均值最高达到1 287.83 μg·m-3，局地PM2.5浓度甚至突破1 400 μg·m-3，是国家安全标准(35 μg·m-3)的40倍。污染期间的卫星遥感监测显示，东北地区秸秆燃烧的火点约1 600个。本文以此次重污染天气过程作为研究对象，分析其污染物特征以及污染天气形成和维持的天气学特征，以期提高对东北地区的重污染天气过程的认识水平和预报预警服务能力。

1 观测资料和模式介绍

污染物资料使用沈阳市区12个环境监测站 (二毛、北陵、炮兵学院、浑南二、全市、小河沿、太原街、张士、文艺路、东软、辉山和辽大)逐小时的污染物监测数据，要素包括PM2.5，PM10，SO2，CO，O3和NO2浓度。气象观测数据包括地面和高空资料，地面观测资料使用位于沈阳市的浑南区、苏家屯和沈北新区的国家级自动观测站逐小时观测数据，气象要素包括能见度、风向、风速、温度、相对湿度和降水量。为了分析垂直方向上的大气层结特征，使用常规探空观测数据和位于沈阳市浑南站的风廓线雷达观测数据。所选择的地面气象观测站和污染物监测站均位于沈阳市区内，由于这次污染过程中各个污染物监测站监测到的污染物浓度变化比较一致，且各个气象观测站点的气象要素也表现出很好的一致性，所以，分别对12个污染物监测站和3个常规地面观测站的观测资料进行平均，用以代表沈阳市区的污染物特征和天气特征。

HYSPLIT(Hybrid Single-Particle Lagrangian Integrated Trajectory model)模式由美国国家海洋和大气管理局 (NOAA，National Oceanic and Atmospheric Administration)的空气资源实验室研发，广泛地用于大气追踪和扩散计算工作中。随着近30 a的发展，HYSPLIT已经实现了对大气的追踪试验，以及对放射性物质、野火烟、火山灰等的追踪模拟试验[13]。截至目前，多种再分析资料和中尺度天气模式数据用来驱动HYSPLIT模式，为了研究污染物的来源和扩散路径，这里选择了0.5°×0.5°的GDAS(Global Data Assimilation System)数据用来驱动HYSPLIT模式，数据的初始时次为2015年11月7日20:00(北京时，下同)。

2 地面气象要素和污染物特征

此次过程主要的污染时段为2015年11月7—9日，图1给出7日00:00—10日20:00沈阳市区PM2.5浓度和气象要素随时间的演变。可以看出，沈阳市PM2.5浓度从8日00:00的301.67 μg·m-3快速上升到8日14:00的1 287.83 μg·m-3，达到严重污染级别。随着PM2.5浓度的快速升高，能见度逐渐下降，最低达到266 m，能见度的变化总体滞后于污染物浓度；8日13:00—20:00近地面能见度均低于500 m，而后随着污染物浓度的降低能见度逐渐转好。污染物的积累效应往往伴随着低风速，从地面风速随时间的变化可以看出，7日12:00后地面风速逐渐减小，8日00:00—9日00:00的平均风速为2.2 m·s-1，风向大多为偏北风，总体来看，风速没有造成污染物浓度的降低。从相对湿度和降水量随时间的变化来看，7日10:00—16:00，沈阳市有一次弱的降水过程，全市平均降水量为4.3 mm，最大小时降水量为1 mm，降水相态经历了由雨到雨夹雪再到冻雨的过程。结合地面温度来看，降水过后气温有一个缓慢的回升，但温度一直维持在0 ℃左右，相对湿度伴随着降水过程一直维持在90%以上。8日12:00随着太阳辐射的加热作用，相对湿度有所降低，但仍维持在60%以上，为后期的持续污染提供了有利的天气条件。

为了分析不同污染物浓度与能见度之间的关系，图2给出4种污染物浓度与能见度的关系。从4种污染物的分布区间可以看出，CO浓度分布区间为750～3 250 μg·m-3，浓度最高，其他3种污染物浓度依次为NO2>SO2>O3；从不同污染物浓度与能见度之间的关系来看，SO2浓度与能见度没有呈现出明显的线性和非线性关系，从O3的浓度与能见度的回归关系来看，不存在显著的线性关系；从CO和NO2浓度与能见度的拟合关系来看，2种污染物浓度与能见度均存在显著的二次函数关系，CO浓度达到2 000 μg·m-3以上时能见度基本变化不大，NO2浓度在80 μg·m-3后能见度变化不大。根据以往的研究，实际大气能见度的降低还可能与大气中的硫酸盐和硝酸盐的浓度有关，但这里受观测资料的限制只给出了几种污染物浓度与能见度的统计关系，具体的物理过程还需要借助于数值模拟以及其他手段来进一步深入探索。

为了研究这次重污染过程中污染物的特征和可能来源，图3给出4种污染物(CO，SO2，NO2和O3)浓度随时间的变化。结合图1，可以看出，CO和NO2浓度与PM2.5浓度的趋势一致，具有很好的对应关系，而SO2在整个污染过程具有间歇性升高趋势，O3的浓度变化不大。此外，这次过程期间卫星监测到黑龙江和吉林存在大量的燃烧秸秆的火点，根据《生物质燃烧源大气污染物排放清单编制技术指南》，生物质开放燃烧排放系数中的秸秆露天焚烧中的CO∶NOx∶SO2的比例为50∶3∶0.5，而文中重污染阶段3种污染物的比例为513∶19∶11，可以看出CO污染物占的比重更重，说明这次污染过程中确实受秸秆影响较大，这与以往的研究结论比较一致[14-15]。

图1 2015年11月7日00:00—10日20:00沈阳逐小时PM2.5浓度和气象要素随时间的演变

图2 2015年11月7日00:00—10日20:00沈阳能见度与污染物气体浓度的散点图(a)SO2，(b) CO，(c)O3，(d)NO2

图3 2015年11月7日00:00—10日20:00沈阳逐小时CO，SO2，NO2和O3浓度演变

总体来看，此次重污染天气过程空气相对湿度一直维持较高，有利于污染物的吸湿增长，地面平均风速在重污染期间为2.2 m·s-1，对污染物扩散没有明显影响。这次污染过程中的主要污染物为CO，其次是NOx，符合典型的秸秆燃烧导致的重污染过程污染成分，秸秆燃烧配合有利的高湿和0 ℃左右的温度条件造成了这次持续性的污染过程。

3 重污染天气的环流特征及垂直扩散条件

3.1 环流形势特征

图4给出重污染天气过程中500 hPa高度场及850 hPa风场、温度场和相对湿度场的叠加图。11月7日08:00(图4a)，850 hPa气旋性涡旋东北移至辽宁南部，辽宁省东南部盛行东南风，最大风速为6 m·s-1，水汽输送不断增强，水汽辐合中心位于辽东半岛南部，沈阳地区处在气旋性涡旋顶部，吹偏东东南风；随着系统的东移北上，沈阳北部也转为偏东气流，低层辐合加强，辽宁省中北部地区出现了一次弱的降水过程，沈阳地区的降水自7日08:00持续至15:00(图略)，过程降水量为小雨量级。7日20:00(图4b)后850 hPa气旋性涡旋继续东北移，沈阳转入涡旋西北侧的东北气流内，降水结束。8日08:00后(图4c、图4d)，辽宁低层为东北风和偏北风，风速为2 m·s-1，850 hPa相对湿度不断增大，高湿的环境有助于污染物的吸湿增长，较小的风速也不利于污染物扩散，辽宁省中部地区污染物进一步积累。降水期间，0 ℃等值线横穿辽宁省中部，维持至8日20:00。0 ℃线的稳定少动利于云中的水滴粒子发生相态转换，沈阳市3个国家级自动站出现了不同的降水相态，苏家屯为纯雨，浑南区和沈北新区降水开始时为雨，7日11:00转为雨夹雪，12:00后逐渐转为雪，浑南区在13:30—15:00前后还出现了冻雨，这也可能有利于污染物的碰并增长等物理过程发生，进一步加重了污染。同时，从500 hPa高度场还可以看出，在整个污染天气过程中，辽宁省上空多为纬向环流，这种稳定的大尺度纬向环流也有利于污染物的积累。

图4 2015年11月7日08:00(a)、20:00(b)、8日08:00(c)、20:00(d)500 hPa高度场(黑色等值线，单位：gpm)及850 hPa风场(风羽，单位：m·s-1)、温度场(红色虚线，单位：℃)和相对湿度场(填色区，单位：%)叠加图(★为沈阳所在位置)

3.2 重污染天气的垂直扩散条件

重污染期间一般会伴有静稳条件和高湿环境，为了进一步剖析这次污染过程期间的气象要素垂直变化特征，这里使用风廓线雷达数据和探空观测资料做进一步分析。

图5给出重污染过程7日00:00—10日20:00沈阳站的风廓线雷达观测的水平风和垂直风随高度的变化，图6给出8日08:00和20:00沈阳站的探空曲线。可以看出，7日08:00—18:00沈阳存在一个6 m·s-1的上升运动中心，配合地面倒槽 (图略) 北上，导致污染天气初期的降水过程；7日20:00—8日11:00，大气基本处于静稳状态，垂直风速<1 m·s-1，且沈阳上空在7日23:00—8日10:00有2个时段存在辐散下沉气流，水平风低层为偏北风，高层为东风和东北气流控制。高空的东风和东北风一方面使得污染物从黑龙江和吉林输送经过辽宁，另一方面，根据热成风原理，水平风向随高度顺时针变化，高空存在暖平流，有利于逆温层结的建立，天气条件静稳，有利于污染物的积累。图5中8日11:00—15:00存在一次弱的辐合过程，这与图4c和图4d中弱的气旋相对应，而水平风速从底层到2 430 m高度上均接近2 m·s-1，这种垂直层结无法为降水提供充分的动力条件，所以弱的辐合使得水汽厚度增厚，为污染天气提供了充足的静稳环境和水汽条件，使污染物持续积累并造成持续的重污染天气过程。8日12:00后底层为偏北风，高层为偏西风，风向随高度逆时针旋转，冷平流渗透使得垂直扩散条件有所好转，污染物浓度有下降趋势。但9日08:00后，整层大气仍然为弱的偏北风控制并为辐散下沉气流，抑制了污染物的垂直输送，伴随着高湿环境(图4d)，虽然在冷平流的作用下污染物浓度有所减弱，但是污染天气仍然继续维持。

图5 沈阳站2015年11月7日00:00—10日20:00的风廓线时间—高度剖面(阴影为垂直风速，单位：m·s-1)

图6 2015年11月8日08:00(a)和20:00(b)沈阳站T-lnP图(黑色实线代表温度，蓝色实线代表露点温度)

4 秸秆燃烧对污染过程的作用

通过对此次过程污染物成分与典型秸秆燃烧的污染物成分比例的分析，发现二者非常吻合，且正值东北地区秸秆燃烧时期，为了进一步证实秸秆的不完全燃烧造成沈阳市CO浓度升高导致重污染天气的发生，图7给出2015年11月7—16日期间MODIS卫星遥感监测到的位于东北地区的火点信息[16-17]，可以看出火点集中在黑龙江和吉林一带，辽宁中部也存在个别火点。

图8给出使用HYSPLIT模式计算得到的火点集中的3点( A：45.55°E，131.92°N；B：46.01°E，128.32°N；C：46.77°E，124.54°N)7日12:00—9日00:00期间的大气传输路径，可以看出上述3点位于100 m以下的大气均为向西南方向输送，而A和B点的大气在100～1 000 m高度上均为向西南方向输送，并经过12～20 h后影响辽宁，这与监测到的污染物浓度升高的时间存在很好的对应关系，从而很好地解释了沈阳市CO污染物浓度异常升高的原因。此外，从3点分别位于100 m、500 m和1 000 m高度上气体的垂直传输可以看出，100 m高度上的大气在整个污染期间一直维持在500 m以下，500 m高度上的大气在8日整体有下沉趋势，1 000 m高度上大气的垂直扩散亦非常弱，这也能很好地解释沈阳市8日污染物浓度持续较高的原因。

图7 MODIS卫星遥感监测到2015年11月7—16日的火点图*

图8 2015年11月7日20:00东北地区气流轨迹图(★表示起点，A：45.55°E, 131.92°N；B：46.01°E,128.32°N；C：46.77°E, 124.54°N)

5 结论与讨论

(1)这次重污染天气过程污染物浓度异常高，PM2.5浓度在12 h内从301.67 μg·m-3急剧上升到1 287.83 μg·m-3，污染物成分以CO为主。持续的高湿导致污染物吸湿增长并造成能见度下降，最终导致重污染天气的发生。

(2)此次污染过程高空受平直的纬向环流控制，850 hPa高度上0 ℃线位于辽宁省的中部并维持近48 h， 位于辽宁省东南部850 hPa高度上的偏东和东南气流为沈阳市区提供了充足的水汽，并且伴随着弱的气旋性环流，为污染物的集聚提供了有利的环流条件。

(3)8日11:00—15:00沈阳上空存在弱的辐合过程，使得湿层加厚，加之整层大气风速偏小，冷暖平流的垂直变化导致多个逆温层结存在，抑制了污染物的垂直扩散。

(4)卫星火点监测和HYSPLIT模式的气体追踪再次佐证了这次污染过程以污染源输送为主，秸秆的不完全燃烧产生的CO为这次污染过程的主要污染物。

本文使用不同的观测资料分析了沈阳市一次重污染天气，由于缺乏多样化的大气污染物监测数据，对文中污染物成分与能见度的关系，以及温度条件对污染物粒子相态变化的影响都无法很好的解释。后期将使用模式再分析场驱动大气—化学的耦合模式对该次重污染天气过程进行进一步模拟研究，用来揭示污染物与大气之间可能存在的反馈作用。

致谢： 感谢两位匿名审稿专家对本文提出的宝贵意见，使作者受益匪浅。

[1] 吴兑,吴晓京,李菲,等. 1951—2005年中国大陆霾的时空变化[J]. 气象学报,2010,68(5):680-688.

[2] 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.

[3] 刘新春,钟玉婷,何清,等. 乌鲁木齐市不同天气条件下TSP水溶性离子特征分析[J]. 沙漠与绿洲气象,2012,6(5):60-66.

[4] 张建忠,孙瑾,王冠岚,等. 北京地区空气质量指数时空分布特征及其与气象条件的关系[J]. 气象与环境科学,2014,37(1):33-39.

[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):779-790.

[6] 吴兑. 霾与雾的识别和资料分析处理[J]. 环境化学,2008,27(3):327-330.

[7] 郭丽君,郭学良,方春刚,等. 华北一次持续性重度雾霾天气的产生、演变与转化特征观测分析[J]. 中国科学(地球科学),2015,45(4):427-443.

[8] 王珊,修天阳,孙扬,等. 1960—2012 年西安地区雾霾日数与气象因素变化规律分析[J]. 环境科学学报,2014,34(1):19-26.

[9] 石春娥,邓学良,杨元建,等. 2013 年1 月安徽持续性霾天气成因分析[J]. 气候与环境研究,2014,19(2):227-236.

[10] 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.

[11] 王跃思,姚利,王莉莉,等. 2013年元月我国中东部地区强霾污染成因分析[J]. 中国科学(地球科学),2014,44(1):15-26.

[12] 朱佳雷,王体健,邢莉,等. 江苏省一次重霾污染天气的特征和机理分析[J]. 中国环境科学,2011,31(12):1943-1950.

[13] Stein A F, Draxler R R, Rolph G D, et al. NOAA’s HYSPLIT Atmospheric Transport and Dispersion Modeling System[J]. Bulletin of the American Meteorological Society, 2015,96:2059-2077.

[14] 严文莲,刘端阳,孙燕,等. 秸秆焚烧导致的江苏持续雾霾天气过程分析[J]. 气候与环境研究,2014,19(2):237-247.

[15] 毛宇淸,李聪,沈澄,等. 两次秸秆焚烧污染过程的气象条件对比分析[J]. 气象,39(11):1473-1480.

[16] Davies D, Kumar S, Descloitres J. Global fire monitoring: Using MODIS near-real-time satellite data[J]. GIM International, 2004,18(4):41-43.

[17] Giglio L, Descloitres J, Justice C O, et al. An Enhanced contextual fire detection algorithm for MODIS[J]. Remote Sensing of Environment, 2003,87(2-3):273-282.

Characteristic Analysis of a Continuous and Serious Pollution Weather Process in Shenyang

DUAN Yunxia1,2, LI Deqin3, TIAN Li3, WANG Saidi4,SUN Xin3, WU Yutong1, JIANG Shan1

(1.ShenyangMeteorologicalBureauofLiaoningProvince,Shenyang110168,China;2.CollegeofAtmosphereScience，NanjingUniversityofInformationScience&Technology，Nanjing210044,China;3.ShenyangCentralMeteorologicalObservatory,Shenyang110116,China;4.FushunMeteorologicalBureauofLiaoningProvince,Fushun113000)

Based on conventional ground data, sounding data, wind profile radar data and pollutant data from environmental monitoring stations, a continuous and heavy pollution weather occurring during November 7-11, 2015 in Shenyang was analyzed, and the main characteristics were summarized as follows: (1) The pollution weather maintained a long time, the concentration of PM2.5was more than 500 μg·m-3for nearly 21 hours, and its’ maximum was 1 287.83 μg·m-3during the period. The main pollution component was CO. (2) Straight zonal circulation, weak cyclonic circulation and high humidity conditions provided advantage meteorological conditions for the heavy pollution weather developing and lasting, and temperature being around 0 ℃ for a long time was also a main feature during the heavy pollution weather process. (3) From the ground to 850 hPa height, the average horizontal wind speed was close to 2 m·s-1, the whole atmosphere stratification was in stable static with high moisture conditions and existence of temperature inversion, which inhibited the vertical transportation of pollutants. (4) Satellite remote sensing monitoring showed there were a lot of fire points in Jilin and Heilongjiang provinces, and it was the time of straw burning. The atmospheric trajectory analysis also showed the northerly winds provided favorable weather conditions for pollutants transportation.

weather pollution; haze; weather features; meteorological condition

10.11755/j.issn.1006-7639(2016)-05-0803

2016-03-30；改回日期：2016-05-04

国家自然科学基金“参数优化和数据同化用于土壤湿度估算研究”(41105064)和“辽宁省强对流专家型预报员团队”共同资助

段云霞(1983- )，女，内蒙古乌兰察布人，博士研究生，主要从事雷达资料反演、台风数值模拟研究. E-mail： yxduan@163.com

李得勤(1981- )，男，甘肃民乐人，博士，主要从事中尺度天气和区域气候模拟. E-mail：lewen05@hotmail.com

1006-7639(2016)-05-0803-08 DOI:10.11755/j.issn.1006-7639(2016)-05-0803

X513

A

段云霞，李得勤，田 莉，等.沈阳市一次持续性重污染天气过程特征分析[J].干旱气象，2016，34(5)：803-810, [DUAN Yunxia, LI Deqin, TIAN Li, et al. Characteristic Analysis of a Continuous and Serious Pollution Weather Process in Shenyang[J]. Journal of Arid Meteorology, 2016, 34(5):803-810],

* http://rapidfire.sci.gsfc.nasa.gov/