基于WRF模式的成都地区边界层污染气象特征研究

2018-06-28刘培川廖乾邑

四川环境 2018年3期

刘培川，罗彬，张巍，廖乾邑，曹攀

(四川省环境监测总站，成都 610041)

1 前言

目前，我国正处于经济高速发展、城市化建设不断加快的阶段，随之带来的大气污染对人们的正常生活已造成严重影响，引起人们的广泛关注[1～4]。大量研究表明，大气中的污染物浓度除了与污染源的排放量有关，还与其扩散的快慢有关，这主要由边界层内的多种气象条件决定，例如风速、温度、稳定度、混合层高度等[5～7]。边界层的污染气象特征研究有利于了解污染物的扩散规律，对大气环境的治理具有重要意义。

近年来，我国学者先后对边界层污染气象特征进行了大量研究。徐敏等[8]利用RBLM模式(区域边界层模式，即Regional Boundary Layer Model)模拟北京地区的气象环境，其模拟结果表明北京气象环境很复杂，受昼夜循环的山谷风气流、城市热岛环流以及大尺度系统影响较大，各季节近地面风速变化十分显著。刘宁微等[9]通过第五代中尺度模式对辽宁中部城市群边界层气象场进行了数值模拟，结果发现，逆温主要出现在冬季，同时流场的分布造成冬季污染物的滞留在近地层。段献忠等[10]、黄义等[11]通过第五代中尺度模式对珠江三角洲城市群区域性重污染天气过程气象特征的模拟，讨论了该地区的环流、风、逆温以及混合层厚度特征。王丽霞等[12]讨论了WRF模式(天气预报模式，即The Weather Research and Forecasting Model)中MYJ、YSU和ACM2三种不同的边界层参数化方案对兰州冬季边界层高度的影响。已有的研究大多是单一的边界层模拟，而关于污染天气和清洁天气边界层的污染气象特征模拟和系统分析较少。

成都市位于四川盆地西部，是“首批国家历史文化名城”和“中国最佳旅游城市”，对该区域空气污染的相关研究具有重要意义。WRF3.5.1模式是完全可压缩，非静力平衡的中尺度模式，修复并完善了旧版本，具有可移植性、高分辨率等优点。因此，选取典型的2013年空气质量监测数据为研究对象，利用WRF3.5.1模式分别从风场结构、温度场结构、边界层高度几个方面对成都地区边界层的污染气象特征进行了系统研究。

2 资料处理

2.1 空气质量指数——AQI

AQI(空气质量指数，即Air Quality Index)是由美国环保署开发的一种及时的、移动的方法，它可为人们提供当地的空气质量信息以及揭示其是否会对人们健康造成影响[13]。AQI资料来源于四川省环境监测总站，包括2013年1月、4月、7月、10月(分别代表冬季、春季、夏季和秋季)逐日的AQI指数资料。根据AQI值的大小将空气质量分为6个等级：≤50、51～100、101～150、151～200、201～300、>300，依次代表优、良、轻度污染、中度污染、重度污染和严重污染，对成都地区的空气质量状况进行简要分析。

2.2 探空资料

选取成都市温江站2013年1月和7月逐日两次的Micaps温度探空资料(观测时间分别为北京时间08∶00、20∶00)以及2013年1月和7月逐时的地面温度资料，以便与模式模拟结果进行对比分析。

2.3 模式初始资料和边界条件

模式初始资料来自NCEP(美国国家环境预报中心，即National Centers for Environmental Prediction)提供的每日6h一次的FNL再分析资料(全球分析资料，即Final Operational Global Analysis)，水平分辨率为1°×1°，边界条件采用的是美国地理调查局(USGS)的地形高度资料。

2.4 模式区域及参数化方案设计

模式模拟区域的中心为(103°50′E，30°42′N)，格距为9km × 3km。模式采用双重嵌套，第一重模拟范围为：97.04E～110.70E，26.05N～35.32N，格点数为150×120；第二重模拟范围为：102.07 E～106.02 E，29.29N～31.95N，格点数为136×106。大气顶层气压为50hPa，垂直方向将η以上密—中疏—下密的方式共分为50层(其中为了能够更好地反映边界层内的污染气象特征，边界层内设置了15层)：

1.000，0.994，0.987，0.979，0.97，0.96， 0.949，0.937，0.924，0.909，0.892， 0.873，0.851，0.826，0.798，0.768，0.736，0.702，0.666，0.629，0.591 5，0.553 6，0.515 3，0.477 3，0.44，0.404，0.369 5，0.337 5，0.308 5，0.284 5，0.264 5，0.246 5，0.230 5，0.216 5，0.203 5，0.191 5，0.179 2，0.166 7，0.153 9，0.140 7，0.127 2，0.113 4，0.099 5，0.085 5，0.071 3，0.057 1，0.042 9，0.028 7，0.014 5，0.00 0。

由于第二重格距小于5km，故第二重无积云化参数方案，其主要的物理参数化方案[14-15]见表1。

表1 WRF模式的主要参数化方案Tab.1 The main parameterization scheme of WRF model

3 结果分析

3.1 空气质量状况分析

由表2可知，成都地区冬季空气质量最差，春季和秋季居中，夏季空气质量最好。春季成都地区的空气质量等级以轻度污染为主，比例为50.0%，优和良共占23.3%，中度污染占13.4%，重度污染和严重污染共占13.3%。夏季成都地区的空气质量较好，空气质量等级以良为主，优和良共占54.8%，轻度污染和中度污染共占45.2%，重度污染和严重污染均未出现。秋季成都地区的空气质量等级以轻度污染为主，比例为45.1%，优和良共占25.8%，中度污染占19.4%，重度污染和严重污染出现频率为9.7%。冬季成都地区空气质量等级以重度污染和严重污染为主，出现频率高达67.8%，轻度污染和中度污染共占29.0%，良仅为3.2%，优未出现。总体来看，成都地区冬季空气污染较重，夏季污染较轻，春季和秋季介于两者之间。

表2 2013年成都地区各季节不同空气质量等级出现天数和频率Tab.2 The number and frequency of different air quality level of each season in Chengdu area in 2013 (%)

为了对比污染天气和清洁天气背景下成都地区的边界层污染气象特征，本文选取2013年1月、7月分别代表冬季(或污染天气)和夏季(或清洁天气)，利用WRF3.5.1模式来对成都地区冬季和夏季边界层的各气象因子进行模拟研究。

3.2 WRF模式结果验证

如图1(a)、(b)所示，以成都单站(103°50′E，30°42′N)2013年1月1日～4日、7月1日～4日08∶00的模拟结果为例，两个时间段模拟的温度随高度的变化与实际观测的温度随高度的变化基本一致，表明该模式对垂直方向上的模拟具有较高的准确性以及适用性。

从图2中可以看到，模式模拟的成都单站(103°50′E，30°42′N)1月、7月地面逐时的温度与实际观测的地面温度之间的相关性非常显著，拟合效果较好(1月和7月R2分别为0.730 7、0.740 1，P<0.01)。说明该模式对边界层模拟结果的精度也较高，本文模拟成都地区的边界层污染气象特征所选用的WRF模式参数化方案较为合理的。

图1 2013年1月1～4日、7月1-4日成都单站(103°50′E，30°42′N)模拟与观测的温度随高度的变化Fig.1 The simulated and observed change of temperature with height of single station in Chengdu during Jan.1st to 4th, Jul.1st to 4th, 2013

图2 2013年1月、7月成都单站(103°50′E，30°42′N)模拟与观测的地面温度之间的相关性Fig.2 The correlation between simulated and observed of ground temperature of single station in Chengdu during Jan and Jul 2013

3.3 WRF模拟结果分析

3.3.1 风场特征分析

3.3.1.1 地面风场特征分析

由图3可知，无论是冬季还是夏季，成都地区的平均地面风向均以偏北风为主，且夏季风速明显大于冬季。冬、夏两季气流的走向差异不大，均以偏北风为主，但冬季平均风速明显较夏季小，冬季介于1.5～2.0m/s之间，夏季介于2.0～3.5m/s之间。成都西部接龙门山脉和邛崃山，东部有龙泉山脉，山脉的阻挡作用导致气流主要由北、东北方向入侵，故成都地区主要以偏北风为主。

风向决定了污染物被输送的方向，成都地区的风向较为集中，又处于盆地内，故非常不利于该地区的污染物向四周扩散。在一定范围内，风速的大小决定了污染物稀释和扩散的快慢，成都地区冬季风速小，静风和小风出现频率高，这也是成都地区冬季空气污染较重的原因之一。

图3 成都地区冬、夏季10m高度上风场的分布图Fig.3 The distribution of the wind field at 10m height in winter and summer in Chengdu area

3.3.1.2 风速随高度的分布特征

由图4可以知，成都地区冬季和夏季边界层内风速随高度的分布具有明显的差异，总体来看，冬季风速随高度的增加整体呈增大趋势，夏季风速随高度的增加先增大后减小。冬季成都地区近地面平均风速约为3m/s，从地面到200m高度上，风速随高度的增加而逐渐增大， 200～500m高度之间，风速略有减小，500m高度以上风速随高度的增加而明显增大，但1 000m以下风速均小于4m/s。夏季成都地区从地面到400m高度上风速大幅度增加，由4.5m/s增加到7.5m/s，400m以上随高度的增加而逐渐减小，但2 000m高度以下的风速均在4.5m/s以上。成都地区冬季边界层内不同高度上的风速明显小于夏季，且1 000m高度以下的风速变化幅度较小，这也是该地区冬季空气污染较重的一个重要因素。

图4 成都地区冬季和夏季风速随高度的变化图 Fig.4 The variation of wind speed with height in winter and summer in Chengdu area

3.3.1.3 垂直速度场特征分析

图5为模拟的成都地区冬季和夏季经过(103°50′E，30°42′N)沿30°42′N线的东西向垂直速度场的剖面图。由图可知，受龙泉山脉和邛崃山脉的影响，无论冬季还是夏季，成都地区103.4E以西的气流均以下沉运动为主，冬季103.4E以东的垂直速度非常小，气流的垂直运动非常弱，夏季垂直速度主要在0～0.04m/s之间，气流以上述运动为主。冬季成都地区的垂直速度几乎为0，大气层结稳定，污染物不能随气流向上运动得到输送，使其长时间停留在近地面，从而导致近地面的污染物浓度较高。夏季成都地区除了近地面有弱的下沉气流外，基本为上升气流，这将有利于污染物在垂直方向上的稀释和扩散，故夏季空气质量较好。

图5 成都地区冬季和夏季垂直风速的东西剖面图Fig.5 The east-west profile of the vertical wind speed in winter and summer in Chengdu area

3.3.2 温度场特征分析

3.3.2.1 地面温度场特征分析

图6为成都地区冬季和夏季地面平均温度的分布图，从图中可以看到，无论冬季还是夏季，西北部气温低，东南部气温高高，且在成都市区(104.1E，30.7N附近)均有一个高值中心，夏季气温显著高于冬季。由于成都西北部的海拔较高，东南部海拔较低，故西北部的气温较低，东南部的气温较高。冬季成都地区的地面气温较低，主要介于4℃～6℃之间，夏季地面气温较高，主要介于26℃～28℃之间。无论冬季还是夏季，成都市区均有一个高值中心，这主要是市区人口密集，建筑物多，植物少，吸收太阳辐射强，故气温高。成都位于四川盆地西部，冬季日照时间少，地面气温低，通常大气层结较稳定，对流活动弱，不利于污染物扩散，污染物长时间停留在近地面，并与大气中的其他物质发生物理或化学作用，使得污染物的成分更加复杂多变，加重空气污染。而夏季日照时间多，地面气温高，大气层结不稳定，对流活动强，有利于污染物扩散，使得近地面污染物的浓度较低，空气质量较好。

图6 成都地区冬季和夏季地面平均温度的分布图Fig.6 The distribution of average ground temperature of Chengdu area in winter and summer

3.3.2.2 温度随高度的分布特征

图7 成都地区冬季和夏季平均温度随高度的变化图Fig.7 The variation of temperature with height of Chengdu area in winter and summer

如图7所示，成都地区冬季逆温现象明显，0～200m高度上温度随高度的增加而升高，200m高度以上温度随高度的增加而降低，夏季逆温作用较弱，0～2 000m高度上的温度随高度的增加而整体降低。从冬、夏季一天当中不同时次温度随高度的变化来看，均呈现出这样的规律：20时逆温开始形成，02时逆温进一步增强，08时达到最强，14时已完全消失，这与逆温的生消也十分吻合。当存在逆温时，严重阻碍了污染物在垂直方向上的输送，使得污染物在近地面不断累积，近地面的污染物浓度增大，这也是冬季空气污染明显较夏季的重要原因之一。

3.3.3 边界层高度特征

如图8所示，与温度分布特征类似的，无论冬季还是夏季，成都地区边界层高度在成都市区附近均有一个高值，西部明显低于东部，且夏季显著高于冬季。冬季成都地区的平均边界层高度介于300～400m之间，这与朱育雷等[16]利用激光雷达探测成都市一次重污染过程的边界层高度(119～535m)的结果较为一致。夏季成都地区平均边界层高度基本在450m以上。边界层高度越高，污染物扩散的范围就越大，浓度就越低，反之，污染物扩散的范围就越小，浓度就越高。冬季边界层高度明显低于夏季，这也可以作为成都地区冬季空气质量差、夏季质量好的一个合理的解释。