21世纪以来天津细颗粒物气象扩散能力趋势分析

蔡子颖,姚 青,韩素芹,邱晓滨,张 敏(.天津市环境气象中心,天津 300074；.天津市气象科学研究所,天津 300074)

21世纪以来天津细颗粒物气象扩散能力趋势分析

蔡子颖1,2*,姚 青1,韩素芹2,邱晓滨2,张 敏1(1.天津市环境气象中心,天津 300074；2.天津市气象科学研究所,天津 300074)

基于高精度的排放源和大气化学模式WRF/chem,在同排放源条件下模拟了2000～2015年天津地区PM2.5质量浓度,根据NECP再分析资料和地面观测相关数据构建细颗粒物气象扩散指数,使用两种方法描述21世纪以来天津地区细颗粒物气象扩散能力变化趋势.研究结果表明：2000～2015年期间天津地区细颗粒气象扩散能力呈现周期性波动,不利气象条件的第一个峰值出现在2003～2004年,第二个峰值为2013～2015年,两个峰值相距11年,在2000～2015年间,天津地区气象扩散能力(主要针对PM2.5影响)年际平均波动4.1%,最大值约为9%,对于大气污染防治目标制定和效果评估,必须考虑气象年际波动的影响;2008～2010年气象条件较有利于细颗粒物扩散,此后逐年转差,在2013～2015年处于历史正距平(不利扩散),从而导致2013～2015年雾霾和重污染天气频发;2015年相比2013年天津细颗粒物气象扩散能力没有明显提高,但PM2.5质量浓度下降29%,大气污染防治措施的有效执行在其中发挥积极作用.

WRF/CHEM；细颗粒物气象扩散能力；天津

近年来,空气污染日益严重及霾、沙尘天气频繁出现,已严重影响到人民群众的健康.国务院于2013年9月10日公布《大气污染防治行动计划》,力争逐步消除重污染天气,全国空气质量明显改善. 2017年将是《大气污染防治行动计划》阶段性考核年,北京计划将 PM2.5质量浓度控制在 60µg/m3,天津计划 PM2.5质量浓度比2012年降低25%,河北省计划PM2.5质量比2013年降低不低于30%,考核目标实现不仅需要有效大气污染防治措施的执行,也需要考虑气象条件的影响.气象条件对于大气污染的影响是多方面且重要的,如Mu等[1]研究显示2013年雾霾天气逐日演变的方差有超过 2/3可以由气象因子解释.对于天气尺度的过程的而言,其气象分析往往从天气形势[2-5]、要素分析和数值模拟入手;对于月际尺度的分析,环流形势的描述是重要的手段[6-8];关于长序列或者年际气象扩散条件的描述,文献显示一般可以使用以下几种方式,一是单要素气象条件的分析,如降水、风、温度和湿度[9-11];二是环流形势分析和气候条件的分析[12-15],比如地面环流形势,经向环流指数和纬向环流指数;三是综合气象指数的分析[16-17],典型的有 PLAM 指数,大气环境容量等;四是一些气候模式的模拟.近年,随着中尺度大气化学模式的发展,其模拟的准确性不断提升,对于 PM2.5在大气中扩散、稀释和反应描述能力不断增加,其模拟性能相比气候模式嵌套污染模型明显优越,但受限于计算能力,通过中尺度大气化学模式实现长序列的污染气象条件趋势评估却鲜见报导.本文基于天津中尺度大气化学模式,充分利用天河超算中心的计算资源(历时近3000h模拟),采用同排放源不同气象条件的设计,计算2000～2015年天津地区逐时 PM2.5质量浓度,并采用权重系数的方式,计算细颗粒物气象扩散指数,以两种方法评估 21世纪以来天津地区细颗粒物气象扩散能力的变化趋势,分析其周期和波动强度,以期进一步开展天津地区气象因素对大气环境影响的研究,解释气象对于近年空气质量变化的影响,从而在大气污染防治目标制定和效果评估中发挥气象积极作用.

1 资料与方法

1.1 监测数据

使用的监测数据包括两部分,一是用于模式检验的空气质量监测数据,来自天津城市边界层观测站(39.04°N,117.12°E)和天津市环保局发布的空气质量监测数据;二是用于计算细颗粒物气象扩散指数的数据,主要来自NECP再分析资料和天津气象局地面监测数据,其中混合层厚度来自WRF/chem模式模拟输出.

1.2 模式设置

WRF/chem模式[18]是NCAR和NOAA联合一些大学和研发机构开发的中尺度在线大气化学模式，其在全球空气质量预报和模拟中有广泛的运用.本文采用 WRF/ chem3.5.1版本,气相化学过程采用 CBMZ机制,气溶胶过程采用MOSAIC模型,积云对流方案采用 GRELL-3D,微物理过程采用WSM5,长波辐射方案和短波辐射方案均采用 RRTMG,考虑气溶胶直接辐射反馈,边界层方案使用 YSU方案,模式水平分辨率15km,水平网格 121×121,中心经纬度为 39N°, 117E°,垂直方向分为41层.模式的人为排放源使用清华大学 MEIC排放源清单,分辨率 0.25°× 0.25°,在天津地区使用 28个空气质量监测站实况数据和相关排放源统计信息进行时空的细化,气象初始场和背景场均使用NECP的FNL全球1°×1°数据,模拟时间为2000年1月1日～2015年12月31日,模拟采用24h滚动计算,每24h重新使用一次NECP的FNL气象初始场,而污染初始场则为上一次的模拟值.

1.3 细颗粒物气象扩散指数计算

由于单要素的气象数据并不能反映气象条件对大气污染物扩散的影响,本文构建综合细颗粒物气象扩散指数,其具体方法如下：以 2014～2015年数据为建模和检验样本,选取与PM2.5质量浓度相关性较好的10项气象指标,包括地面风速、相对湿度、海平面气压、变压、变温、925hPa垂直风速、700hPa风速、1000hPaV分量风速、700hPa到地面的位温度差和混合层厚度.根据其各自变量的分布将其划分为10等份,计算每一等份对应的 PM2.5质量浓度,并求取其与2014～2015年平均PM2.5质量浓度的比值,定为该气象指标对应分布段权重系数.如风速,根据风速出现的概率,将其划分为 0～0.5m/s、0.5～1m/s、1～1.5m/s、1.5～2m/s、2～2.5m/s、2.5～3m/s、3～4m/s、4～4.5m/s、4.5～5.5m/s和5.5m/s以上,当风速小于等于 0.5m/s时,其对应的 PM2.5质量浓度为133µg/m3, 2014～2015年 PM2.5质量浓度均值 78µg/m3,其权重系数为两者比,即 1.7,风速大于等于 5.5m/s,其平均浓度为 33µg/m3,初步确定其权重系数为0.43,依次类推对10项气象指标分别计算,以求和构建细颗粒物气象扩散指数,表征天津地区细颗粒物气象扩散能力.在此基础上以达到细颗粒物气象扩散指数和PM2.5质量浓度的相关系数最大为目标,编辑程序再次反复微调权重系数,进行适当的放大和缩小,最终确定权重系数表1.以2014～2015年为例,两者日值相关系数在0.62左右,具体权重表见表1.

表1 天津地区细颗粒物扩散指数权重系数表Table 1 The weight coefficient of the fine particulate meteorological diffusion index in Tianjin

2 结果与讨论

2.1 方法的检验与统计

方法一：采用大气化学模式,假定年际排放源固定(有月变化和日间变化),模拟天津地区PM2.5质量浓度.由表2显示模式模拟的天津地区PM2.5质量浓度趋势与观测基本一致(相关系数0.61～0.78),年均值和相对误差与近年观测的结果基本接近(2015年模拟值 72.95µg/m3,实况值 71.56µg/m3,相对误差 32%),可以基本反映出天津地区 PM2.5质量浓度变化趋势和规律.同时由于模拟结果的可信,在年际排放源固定的基础上,可以认为其模拟 PM2.5质量浓度的年际波动代表天津地区细颗粒物气象扩散能力变化趋势.方法二：以地面风速、相对湿度、海平面气压、变压、变温、925hPa垂直风速、700hPa风速、1000hPaV分量风速、700hPa到地面的位温度差和混合层厚度10项气象指标构建细颗粒物气象扩散指数.由图 1显示其与近年天津地区 PM2.5观测日变化趋势基本一致,相关系数可达到0.62,由此认为10项气象要素构建的细颗粒物气象扩散指数年际统计值反映天津地区细颗粒物气象扩散能力变化趋势.计算2008～2015年上述两种方法的月均值,由图 2显示,两种方法相互印证,其相关系数可以达到 0.83,由此表明方法一和方法二均可以很好的表征天津地区长序列细颗粒物气象扩散能力年际变化特征.

表2 天津地区PM2.5质量浓度模拟的实况检验Table 2 Test of PM2.5mass concentration simulation in Tianjin

图1 2014～2015年细颗粒物气象扩散指数和实况PM2.5日均质量浓度的关系Fig.1 The relationship between the PM2.5mass concentration and the fine particulate meteorological diffusion index

2.2 同排放源不同气象条件模拟 PM2.5趋势分析

假定年际排放源固定(有月变化和日间变化),基于大气化学模式模拟天津地区 2000～2015年 PM2.5质量浓度.由于排放源相对固定,其变化主要由气象因素引起,定义 2000～2015年 PM2.5质量浓度均值为基准,单年模拟相比基准值的变化体现细颗粒物气象扩散能力演变.统计显示由于气象因素的年际波动引起PM2.5质量浓度年际平均距平(距基本)波动为 4.1%,最大波动为 9%; 2000～2015年期间由于气象条件引起的PM2.5年均质量浓度正距平波动有2个峰值,第1个峰值为2003～2004年,分别为8.9%和7.2%,第2个峰值为2013～2015年,其中2015年正距平6.4%;负距平波动峰值为2008～2009年,其中2009年约为6.3%,2008年约为5.6%.

图2 2008～2015年细颗粒物气象扩散指数和同排放源不同气象条件PM2.5月均质量浓度的关系Fig.2 The relationship between the PM2.5mass concentration by numerical simulation and fine particulate meteorological diffusion index

图3 同排放源不同气象条件天津地区PM2.5质量浓度Fig.3 The model Value of PM2.5mass concentration on different meteorological conditions with same emission source in Tianjin

图4 2009～2015年1月、2月份同排放源PM2.5模拟距平与实况值距平比对Fig.4 Between of PM2.5simulation with the same emission source and observation

图3显示同排放源不同气象条件2000～2015年天津地区 PM2.5质量浓度变化趋势.天津地区由于气象因素引起的PM2.5年均质量浓度变化趋势并不是线性的,而是具有一定波动性.在 2000～2015年呈现两峰一谷的分布,两峰之间大约有11～12年,2008～2010年是历史谷值阶段,即气象条件相对有利于PM2.5的扩散,从2010年开始细颗粒物扩散能力逐年转差,2013年相比 2012年间出现一个跃迁,同排放源不同气象条件模拟显示PM2.5质量浓度增加 4.9%.2013～2015年整体气象条件均不利于细颗粒物扩散,同排放源不同气象条件模拟,PM2.5质量浓度比2000～2015年平均值增加4.3%,比2008～2010年增加10.5%. 2013年相对前几年雾霾和重污染天气频发,不仅与人为排放源持续增加相关,气象因素转为不利于细颗粒物扩散也是其重要影响因素.从同排放源不同气象条件模拟显示,2015年相比 2013年气象条件更为不利于细颗粒物扩散,但天津地区PM2.5质量浓度却下降了 29%,大气污染防治在其中起到了积极主要的作用.基于天津 2009～2015年 PM2.5质量浓度监测数据,显示在几个比较明显的雾霾和重污染频发月中气象因素的贡献突出(图4).如2013年1月同排放源不同气象条件模拟PM2.5质量浓度比2009～2015年同期均值增加20%,2011年2月同排放源不同气象条件模拟PM2.5质量浓度比2009～2015年同期均值增加12%.但可喜的是2014年和2015年,虽然也出现了一些极端不利于细颗粒物扩散的月份,但相对历史情况,PM2.5质量月均浓度虽然出现正距平,但与气象条件转差引起的波动相比,实况监测PM2.5质量浓度上升明显收窄,如2014年2月同排放源不同气象条件模拟 PM2.5质量浓度比2009～2015年同期均值增加 22%,但实况 PM2.5质量浓度仅增加8.7%.与此同时也不能过分夸大大气污染防治效果,比如2016年1～6月份,天津PM2.5质量由2015年72µg/m3下降到62.5µg/m3,其中除了大气污染防治的作用,气象条件大幅度的转向有利于细颗粒物扩散也发挥积极作用.同排放源不同气象条件模拟 PM2.5质量浓度 2016年上半年比2015年同期下降16%,而随后第三季度气象条件对细颗粒扩散作用的转向以及PM2.5监测实况同比去年同期的上升,也体现出气象条件对空气质量是否改善的影响显著.因此,大气污染防治目标的制定必须考虑气象条件的变化,数值模拟显示年平均气象波动可引起约 4.1%的PM2.5质量浓度年均值波动,而从极值考虑上,部分年份可能会达到9%～10%.从周期上看2～3年的平滑,无法消除气象对细颗粒物扩散的周期波动影响,其周期年份可能在11～12年.

2.3 细颗粒物气象扩散指数的趋势分析

为印证同排放源不同气象条件模拟得出的天津地区细颗粒物气象扩散能力变化趋势的可信性.计算2008～2015年天津地区细颗粒物气象扩散指数变化趋势.图 5显示与同排放源不同气象条件数值模拟类似,在2008～2010年细颗粒物气象扩散指数为负距平,2013～2015年为正距平, 2013～2015年气象扩散相比2008～2010年要更加不利于细颗粒物的扩散,从而导致上述年份雾霾天气和重污染天气的频发,在2015到2013年期间,天津地区细颗粒物扩散能力也未见明显好转,天津地区 PM2.5质量浓度的下降,主要是有效大气污染防治措施的贡献.

图5 2008～2015年天津地区细颗粒物气象扩散指数变化趋势Fig.5 The change of fine particulate meteorological diffusion index from 2008 to 2015

2.4 细颗粒气溶胶扩散能力气候预测方法讨论

21世纪以来天津细颗粒物气象扩散能力呈现两峰(不利)一谷(有利)的格局,2015年是否已经达到第2峰的峰值,仍然无法准确判断.过去对于气候的预测,主要集中在气温、降水的预测,关于细颗粒物气象扩散能力预测仍然处于初始研究阶段.但实际业务中大气污染防治目标制定和措施准备,对气候尺度细颗粒物气象扩散能力预测有很强的需求.假定2000～2015年同排放源不同气象条件得出的天津细颗粒物气象扩散能力趋势是可信的,分析其与气温和环流指数的相关性,从而初步探讨秋冬季细颗粒物气象扩散能力气候预测的方式和方法.本文秋冬季定义为每年的10月到次年的2月.表3显示,天津秋冬季细颗粒物气象扩散能力对于风、温、湿和海平面气压4个指标中湿度最为敏感,相关系数为 0.62,这其中有多方面因素影响,一是气溶胶吸湿增长效应伴随的二次反应,最终导致 PM2.5增加;二是当相对湿度较高时,有利于气溶胶吸湿增加;三是水汽和 PM2.5均为物质,其在大气中传输、扩散,以及湍流和风场对其的影响与PM2.5的物质输送、扩散和稀释有相似之处.在业务预测中,由于缺少必要的研究,常考虑用暖冬和冷冬表述细颗粒物气象扩散能力,简单认为气温偏高时,细颗粒物气象扩散能力较差,气温偏低时,细颗粒物气象扩散能力较好.实际统计数据表明天津秋冬季气温和细颗粒物气象扩散能力仅呈现弱的正相关,相关系数为 0.22,当气温正负距平小于 1℃时,秋冬季细颗粒物气象扩散能力没有显著变化,气温正距平大于1℃时,对应的秋冬季PM2.5质量浓度往往会显著高于平均值,即暖冬(气温距平大于1℃)雾霾和重污染天气往往频发,但冷冬并不意味着细颗粒物气象扩散能力较好.从相关系数考虑,除了相对湿度以外,风、温和海平面气压的变化适用于天气尺度的污染过程分析,但在气候预测中,预报效果均不佳.遴选74项环流指数[19],至少有15项指数的预报指示性好于基于气温、海平面气压和风距平开展秋冬季细颗粒物气象扩散能力气候预测,其中相关系数超过0.45的有5项,分别为东太平洋副高脊线,东太平洋副高北界,北半球极涡中心强度,亚洲经向环流指数和北半球极涡强度指数,其中除北半球极涡强度指数为正相关,其余均为负相关,至于其中存在的物理关系,还需要进一步研究(表3).

表3 天津秋冬季细颗粒物气象扩散能力(同排放源不同气象条件计算)与环流指数关系Table 3 The relationship between pollution meteorological conditions and circulation index on winter in Tianjin

续表3

3 结论

3.1 基于同排放源不同气象条件模拟和细颗粒物气象扩散指数,均显示2008～2010年气象条件较有利于细颗粒物扩散,2012年前后转差,在2013年出现跃变,2013～2015年气象条件不利于细颗粒物气象扩散,从而导致2013～2015年期间雾霾和重污染天气频发.

3.2 同排放源不同气象条件模拟显示,2000～2015年细颗粒物气象扩散能力呈现周期性波动,2个峰值相距11～12年,对于PM2.5扩散能力,其年际波动约为4.1%,最大波动在9%左右.在大气污染防治目标制定和效果评估中,必须考虑气象年际波动的影响,且2～3年的平均值并不能消除气象周期波动的影响.

3.3 2015年相比2013年天津地区气象扩散没有明显转向有利于细颗粒物气象扩散,天津地区PM2.5质量浓度下降,有效的大气污染防治措施实施起到了主要积极作用.

[1]Mu M, Zhang R H. Addressing the issue of fog and haze： A promising perspective from meteorological science and technology [J]. Science China Earth Sciences, 2014,57(1)：1-2.

[2]赵子菁,魏永杰,张祥志,等.南京市霾天气与主要气象条件的相关分析 [J]. 中国环境科学, 2015,35(12)：3570-3580.

[3]王明洁,张 蕾,张琳琳,等.基于精细观测资料的深圳不同季节霾及其污染特征分析 [J]. 中国环境科学, 2015,35(12)：3562-3569.

[4]王占山,李云婷,孙 峰,等.2014年10月上旬北京市大气重污染分析 [J]. 中国环境科学, 2015,35(6)：1654-1663.

[5]Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China Earth Sciences, 2014,57(1)：14-25.

[6]李 明,花 丛,马学款.2015年12月大气环流和天气分析 [J].气象, 2016,42(3)：382-388.

[7]杨正龙,高拴柱.2015年 10月大气环流和天气分析 [J]. 气象, 2016,42(1)：122-128.

[8]Zhang R H, Li Q, Zhang R N. Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013 [J]. 中国科学：地球科学, 2014,57(1)：26-35.

[9]Gao M, Carmichael G R, Saide P E, et al. Response of winter fine particulate matter concentrations to emission and meteorology changes in North China [J]. Atmospheric Chemistry & Physics, 2016,16(18)：11837-11851.

[10]周兆媛,张时煌,高庆先.等.京津冀地区气象要素对空气质量的影响及未来变化趋势分析 [J]. 2014,36(1)：191-199.

[11]Ding Y H, Liu Y J. Analysis of long-term variations of fog and haze in China in recent 50years and their relations with atmospheric humidity [J]. 中国科学：地球科学, 2014,57(1)：36-46.

[12]Wang H J, Chen H P. Understanding the recent trend of haze pollution in eastern China： roles of climate change [J]. Atmospheric Chemistry & Physics, 2016,16(6)：1-18.

[13]Zhang Z, Zhang X, Gong D, et al. Possible influence of atmospheric circulations on winter haze pollution in the Beijing-Tianjin-Hebei region, northern China [J]. Atmospheric Chemistry & Physics, 2016,15(16)：561—571.

[14]俞科爱,胡 晓,黄旋旋,等.宁波区域霾过程的天气分型及环流场特征 [J]. 气象, 2015,41(12)：1514-1524.

[15]陈 龙,智协飞,覃 军,等.影响武汉市空气污染的地面环流形势及其与污染物浓度的关系 [J]. 气象, 2016,42(7)：819-826.

[16]Yang Y, Wang J, Gong S, et al. PLAM - a meteorological pollution index for air quality and its applications in fog-haze forecasts in north China [J]. Atmospheric Chemistry & Physics, 2016,15(6)：1353—1364,

[17]薛文博,付 飞,王金南,等.基于全国城市PM2.5达标约束的大气环境容量模拟 [J]. 中国环境科学, 2014,34(10)：2490-2496.

[18]赵秀娟,徐 敬,张自银,等.北京区域环境气象数值预报系统及PM2.5预报检验.应用气象学报, 2016,27(2)：160-172.

[19]姚 才,钱维宏,林振敏,等.华南季风降水应对的环流指数 [J].应用气象学报, 2011,22(3)：302-311.

The trends of fine particulate meteorological diffusivity in Tianjin form 21th.

CAI Zi-ying1,2, YAO Qing1, HANSu-qin2, Qiu Xiao-bin2, ZHANG Min1(1.Tianjin Environmental Meteorological Center, Tianjin 300074, China；2.Tianjin Institute of Meteorology, Tianjin 300074, China). China Environmental Science, 2017,37(6)：2040～2046

Two method was used to analysis the trend of meteorological diffusivity for fine particulate in Tianjin since 2000. One is simulating PM2.5mass concentration by WRF/chem in Tianjin from 2000 to 2015 with same high precision emission. The other is analyzing a fine particulate meteorological diffusion index constructing from NCEP data and ground observation. There is an obviously periodic fluctuation of meteorological diffusivity for fine particulate from 2000 to 2015. There are two peak of low meteorology diffusivity. The first one is from 2003 to 2004 and another is from 2013 to 2015. There are 11 years interval between the two peaks. The inter annual variability for meteorological diffusivity of fine particulate has a averaged 4.1% value and max 9%value. The inter annual variability must be considered for atmospheric pollution control and evaluation. The good meteorological diffusivity for fine particulate is from 2008 to 2010. After that, the meteorological diffusivity get worse year by year and reach peak value from 2013 to 2015 which causing the frequently haze and heavy pollution weather. Comparing with 2013, the observed PM2.5mass concentration decreased 29% on 2015 with same meteorological diffusivity. It implies that the atmospheric pollution control method worked effectively. comprehensive meteorological diffusion function, described the change tendency of the 21st century polluted meteorological conditions. The result showed: The polluted meteorological conditions Showed the cycle fluctuation form 2000 to 2015, the first peak of adverse weather conditions was 2003～2004, the second peak of adverse weather conditions was 2013～2015, the apart of two peaks was 11 years. Inter annual fluctuation of The polluted meteorological conditions (mainly for PM2.5) was about 4.1%, the maximum was about 9%, The goal and effect of atmospheric pollution control was set, meteorological cycle fluctuations must be considered. Polluted meteorological conditions was conducive to atmospheric pollutants diffusion from 2008 to 2010, then turn worse year by year, which led to haze and heavy pollution weather frequent form 2013～2015. Compared to 2013, Tianjin pollution meteorological was not turned for the better on 2015, but PM2.5dropped 29%. Atmospheric pollution control was effective on Tianjin.

WRF/CHEM；fine particulate meteorological diffusion index；Tianjin

X131.1,X515

A

1000-6923(2017)06-2040-07

蔡子颖(1984-),男,江苏扬州人,高级工程师,南京信息工程大学硕士研究生,主要从事大气环境和气候效应研究.发表论文10篇.

2016-10-25

环保公益行业专项(201409001);国家科技支撑计划(2014BAC23B01);天津市气象局课题(201704ybxm04)

* 责任作者, 高级工程师, 120078030@163.com