天津大气稳定度和逆温特征对PM2.5污染的影响
2018-08-23刘敬乐蔡子颖韩素芹马志强
姚 青,刘敬乐,蔡子颖,韩素芹,马志强
天津大气稳定度和逆温特征对PM2.5污染的影响
姚 青1*,刘敬乐2,蔡子颖1,韩素芹2,马志强3
(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;3.京津冀环境气象预报预警中心,北京 100089)
利用气象铁塔资料分析了逆温频率和强度,采用温差-风速法计算了天津地区大气稳定度,探讨了其相互关系及对PM2.5浓度月均值和超标日的影响,并对一次重污染过程中大气稳定度和逆温分布特征进行了分析.结果表明, 2015年9月~2017年8月A,B,C,D,E和F类大气稳定度发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季节稳定类天气(E,F类)较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季夜间稳定类高达30%~40%.观测期内冬季逆温频率最高, 5:00~8:00和21:00~23:00超过90%,冬季逆温强度也最高.随着稳定类大气层结日数的增多,PM2.5月均值和污染日数均有所增大,同时逐月PM2.5均值、污染日发生频率均与逆温发生频率呈正相关关系.2016年12月16~21日的一次重污染天气过程显示,PM2.5受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同.大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,污染过程中大气稳定度和逆温特征的精细化分析有助于提升重污染天气预报预警水平.
大气稳定度;逆温;重污染;PM2.5;天津
近年来伴随着工业和城市交通快速发展,大量化石能源消耗,京津冀、长三角、珠三角等城市群呈现区域性复合型大气污染特征,突出表现为秋冬季节中东部地区雾霾天气频发,尤其是京津冀地区,由于受山地、渤海等特殊地形和特大城市群构成的复杂下垫面影响,区域和局地气象条件、近地层环流特征特别是边界层结构具有独特性,造成了污染物在边界层内的局地扩散以及区域输送的变化规律呈现复杂多变态势.大量研究[1-5]表明,京津冀区域重污染天气常伴有大气静稳天气,较强的逆温层,以及较强的近地层水汽输送,此类不利气象条件易导致污染物的累积,从而形成重污染过程,并突出性的表现为持续雾霾天气.气象条件是造成2013年初我国中东部地区持续严重雾霾天气的重要外因[1-2],气溶胶分布特征[3-6],不同尺度环流形势和边界层结构分析[7-9]及其对气象条件的反馈作用[10-13]等被广泛于雾霾天气过程研究中.
大气稳定度可作为衡量大气污染严重程度的重要指标,污染物在大气中扩散的速度、距离和范围受到大气稳定度的影响,当大气层结处于稳定状态时,污染物不易扩散.大气稳定度有多种分类方法,康凌等[14]对针对戈壁沙漠、低矮丘陵山地和沿海地区等不同下垫面,分别采用采用P-T法、ΔT法、ΔT/U法、ΔT/U2法、辐射法和风向标准差法计算大气稳定度,分析了不同下垫面大气稳定度的适用方法.金莉莉等[15]利用乌鲁木齐市4座100m梯度气象塔的气象资料,认为温差-风速法更加适合乌鲁木齐的大气稳定度分类.杨静等[16]的研究显示乌鲁木齐F类稳定度的出现频率与API相关系数0.80,是一个比较好的空气污染潜势预报因子.北京[17]、哈尔滨[18]等地的研究表明,逆温是导致大气层结稳定和形成大气污染的重要原因.
天津地区有关学者利用气象铁塔资料,开展了有关边界层低层风温资料[19]、粗糙度[20]、雾[21-22]和污染物[23-30]的初步研究,获得了大量一手观测资料,对于天津地区边界层结构和污染物垂直分布特征有了一定程度的了解.深入研究天津城市气象条件,如大气稳定度、逆温等的变化特征,以及对PM2.5等主要大气污染物的影响,厘清重污染天气形成机理,对于改进空气质量模式,提升本区域雾霾天气等环境气象业务预报预警水平,制定切实可行的大气污染防控措施,具有重要的科学意义和技术价值.
1 资料与方法
本文采用的气象数据来自中国气象局天津大气边界层观测站(北纬39°06¢,东经117°10¢,海拔高度2.2m,台站编号:54517)气象铁塔梯度气象观测系统,该站点位于天津市城区南部,其北距快速路约100m,东临友谊路-友谊南路,西面和南面主要为住宅区,已开展逾30a的梯度气象观测,观测资料已在天津地区边界层气象和大气环境研究中得到诸多应用[19-22].该系统在距地面5, 10, 20, 30, 40, 60, 80, 100, 120, 140, 160, 180, 200, 220, 250m观测平台上均开展风速、风向、温度和相对湿度的观测,采用中环天仪(天津)气象仪器有限公司生产的DZZ6型自动气象站,气象资料经过严格质控后取小时平均值,质控方法见参考文献[31].PM2.5质量浓度数据来源于天津市环境监测中心对外发布的全市平均值,依据《环境空气质量指数(AQI)技术规定(试行)》[32]判定污染日数,考虑到天津地区主要污染物为PM2.5,本文仅考虑PM2.5的污染状况,以PM2.5质量浓度日均值超过75μg/m3记做一个PM2.5超标日.观测期为2015年9月1日~2017年8月31日,数据经过质控,小时样本数为17304,有效率为98.6%.能见度数据采用美国Belfort公司生产的MODLE6000型前向散射能见度仪测量,仪器测量上限为20km,下限为6m,精确度10%,能见度仪安装于观测站院内的观测场内,探头离地高约2.2m.
蔡子颖等[33]采用温差-风速法和净辐射法分别计算了本站2015年10月~2017年2月的大气稳定度,并详细分析了各种计算方法的优缺点,结果表明采用温差-风速法可以充分利用气象铁塔的客观观测资料,并且较好的反映热力湍流和机械湍流的影响.本文采用该方法计算大气稳定度,具体方法为根据铁塔40m处的风速,以及100m和30m处的温度差,按照不同风速区间,将温度差插值进入表1,即可得到相应的大气稳定度,其中A为强不稳定,B为不稳定,C为弱不稳定,D为中性,E为较稳定,F为稳定.
考虑到气象铁塔的基座为水泥地面,5m处温度因受到地面辐射影响,与10m及以上平台测定的温度差异较大,本文中逆温的判定以10m平台的温度开始,逐层计算,在10~250m共14层高度的温度廓线中,如有上层温度高于下层温度,即记做一次逆温,定义逆温强度(Temperature Inversion,TI,单位为℃/100m)如下:
TI=100*(2-1)/(2-1)
式中:1<2,1为高度1下的温度,2为高度2下的温度,如2>1则记做逆温,如一次逆温事件中1=10m,则记做贴地逆温,如1>10m,则记做脱地逆温,本文不考虑多层逆温的情况.考虑到温度传感器准确性为±0.1℃,如两层间温度差小于0.2℃,可能代表较弱的逆温,也可能是仪器测量误差造成.经计算,逆温差0.2℃时逆温强度平均值为0.36℃,低于全体逆温样本时的逆温强度平均值(0.82℃),表明仍以弱逆温为主,因而本文保留这些数据.
表1 温差-风速法确定稳定度的分类标准
2 结果与讨论
2.1 大气稳定度特征分析
图1 大气稳定度发生频率的逐月分布特征
观测期内A~F类大气稳定度的发生频率依次为6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,D类稳定度(中性)最多,稳定类天气(E,F类)为13.3%,各类稳定度发生频率的分布规律较为合理.图1给出了大气稳定度发生频率的逐月分布情况,A~F类稳定度发生频率的范围依次为1.8%~12.9%,6.8%~16.4%, 14.2%~45.7%,32.9%~58.1%,2.3%~24.3%和0~6.2%,其中2016年7月天津地区多降水天气,强对流天气频发,未出现F类稳定度.逐月分布显示,大气稳定度的季节变化差异较大,秋冬季节稳定类天气较多, 2015年10月E+F类发生频率为30.5%,2015年12月、2016年2月、3月、10月、11月、12月,2017年2月发生频率均在20%左右,较为稳定的大气是造成天津地区秋冬季节大气扩散条件变差、污染物浓度较高和雾霾天气频发的重要气象条件[34].
受到昼夜间热力和动力因子差异的影响,大气稳定度分布具有明显的日变化(图2).各季节白天大气稳定度均以不稳定类为主,春季和夏季持续时间明显高于秋季和冬季,春夏季7:00~17:00不稳定类频率超过50%,春季10:00~14:00这一比例甚至接近100%;秋季和冬季不稳定类占优势地位的时间有所缩短,分别为8:00~ 16:00和9:00~16:00,可能与太阳辐射时间缩短、热力对流强度减弱有关.夜间大气稳定度以中性为主,稳定类次之,其中春季中性类在60%以上,夏季则高达80%,秋季和冬季也维持在50%左右,稳定类夏季最低,仅为10%左右,秋季和冬季高达30%~40%,根据温差-风速法的计算原理,可能与秋冬季频繁发生的逆温现象有关.
图2 不同季节下不稳定类、中性和稳定类的日变化特征
2.2 逆温特征分析
由图3可见,冬季逆温频率最高,两个冬季均在60%以上,其中2016年12月和2017年1月逆温频率超过80%,夏季逆温频率在40%以下,贴地逆温频率也有类似的季节分布规律,但冬季频率没有逆温频率突出,可能与冬季逆温存在大量的脱地逆温有关.逆温和贴地逆温强度分布规律较为复杂,大体上呈现秋冬高、春夏低的特点,除了冬季逆温强度较高外,2015年10月、2016年3月和2017年4月等月份的突出高值,可能与单次较强的逆温事件有关,需要结合边界层气象资料和污染事件进一步分析.
图3 逆温和贴地逆温发生频率及强度的逐月分布特征
由图4可见,冬季在各个时段逆温频率均高于其他季节,春、夏、秋三季则总体差别不大,冬季凌晨和夜间受地面辐射降温影响,逆温频发,5:00~8:00和21:00~23:00逆温频率超过90%,秋季次之,春季和夏季的白天偶有逆温发生.贴地逆温没有逆温的季节差异明显,凌晨各时段贴地逆温频率均在50%左右,白天8:00~15:00各季节贴地逆温发生频率接近0,这与日出后,地面升温,破坏了贴地逆温层有关,日落后贴地逆温频率逐渐增大,冬季>秋季>春季>夏季,可能与不同季节傍晚地面降温时间先后和降温幅度不同有关.图5给出了各季节逆温和贴地逆温强度的日变化状况,考虑到白天部分时段逆温和贴地逆温发生频率较低(10%),样本数不足,在统计逆温强度时未统计该部分数据,主要是春夏秋三季11:00~16:00的逆温强度和8:00~16:00的贴地逆温强度,从图5可见,一般而言秋冬季逆温强度高于春夏季,且夜间(19:00~次日4:00)冬季逆温强度最高,秋季次之,春季和夏季最低,逆温强度和逆温频率的季节差异类似,反映了太阳辐射的季节变化特征.
图5 各季节逆温和贴地逆温强度的日变化特征
2.3 大气稳定度、逆温特征与污染的关系
观测期间天津全市PM2.5质量浓度均值为(71±60)μg/m3,小时浓度中位值为53μg/m3,最大小时值为509μg/m3,发生在2016年2月8日1:00.图6给出了观测期间PM2.5质量浓度的逐月均值和逐月超标日数,可见大体上呈现冬季高、夏季低的特征,2a的峰值均出现在12月,正值天津地区2015年和2016年发布的重污染红色预警期间,持续严重的重污染天气对推高PM2.5月均值的峰值起到了重要作用,此外2016年3月出现了一个较小的峰值,这与当月我国北方出现的几次沙尘天气过程有关[35].按照《环境空气质量指数(AQI)技术规定(试行)》[32]统计各月的超标日数,可以发现2015年11月、12月,2016年11月、12月和2017年1月PM2.5超标日数较高,均超过全月日数的50%,其中2016年12月最高,超标日数为22d,2015年12月和2016年11月次之,为20d,夏季超标日数较少,一般在6d以内.超标日数的月分布规律与PM2.5均值的月分布相一致,这表明污染天气频发对PM2.5浓度均值的拉升作用,对PM2.5的治理策略应首先集中在降低PM2.5污染程度和频度上.
图6 观测期间PM2.5质量浓度的逐月均值和逐月超标日数
采用温差-风速法计算的大气稳定度既反映了动力特征(风速),也反映了大气的热力特征(温度层结),从表1可以看出,如近地层存在逆温(100>30),则易出现E和F类稳定度,在大风天气下(³7.0m/s)则均为D类稳定度.图7给出了不同大气稳定度下逆温频率、贴地逆温频率和贴地逆温占逆温比的关系,可见随着逆温和贴地逆温发生概率增加,大气趋于稳定时,逆温发生概率不足20%,几乎没有贴地逆温发生,大气多为不稳定层结;当逆温和贴地逆温发生频率增高至为60%和29%时,表现为中性层结;逆温发生概率接近100%,贴地逆温在80%以上时,大气为较稳定层结(E类);而大气进一步稳定达到F类稳定度时,逆温和贴地逆温频率均有不同程度下降,这可能与逆温层深厚,逆温顶和逆温底均向上发展导致大气更加稳定,而铁塔资料仅为地面至250m高,高于这一高度的逆温层底无法在统计资料中体现,因而部分脱地逆温可能被遗漏有关.
图7 不同大气稳定度下逆温频率、贴地逆温频率和贴地逆温占逆温比
由图8可见,随着稳定类大气层结日数的增多,PM2.5均值和污染日数均有所增大.由图9可见,随着逆温发生频率的增大,PM2.5均值和污染日数均有所增大,这与何永晴等[36]在西宁的研究结果一致.逆温频发月份PM2.5月均值和污染日也相应较高,这可能与逆温天气下,大气边界层高度降低,湍流减弱,地面污染物的垂直扩散受到了直接的限制,更容易堆积在近地面有关.相关性分析表明逆温对空气污染的影响强于稳定度,这可能与大气稳定度的计算方法有关.本文采用的温差-风速法使用40m高度的风速,当40m处风速为3.4~7.9m/s时如30~100m存在较弱的逆温则有可能被记做E类稳定度,但40m高度风速较大时,地面可能难以维持静小风(1.5m/s)状态,大气扩散条件可能并不差,因而相应的PM2.5月均值和污染日发生频率并不高(图8方框内所示),计算方法可能夸大了稳定类层结的统计结果,这可能是造成PM2.5均值、污染日发生频率与稳定类(E+F)发生频率相关性较弱的主要原因.邓雪娇等[37]对广州地区清洁过程和污染过程污染物与稳定度Z/L的相关性分析表明,清洁过程二者存在正相关,污染期间则为一定的负相关,是某种程度上造成污染物与稳定度弱相关性的重要原因.这需要结合具体污染过程进行下一步深入分析.
图8 逐月PM2.5均值、污染日发生频率与稳定类(E+F)发生频率的关系
图9 逐月PM2.5均值、污染日发生频率与逆温发生频率的关系
2.4 一次重污染过程的个例分析
2016年12月我国中东部大部分地区霾日数整体偏多,月内共出现3次大范围雾-霾天气过程,分别为12月2~4日、10~13日和16~21日,其中12月16~21日是2016年范围最广、持续时间最长、强度最强的霾天气,袁东敏等[38]的气象诊断分析表明,地面小风速、高湿度以及浅薄的边界层是促使本次重度霾发生的重要因子.从环流形势上看,这段时间我国中东部大部分地区位于冷高压前部的均压场控制,地面气压梯度弱、风速小,以下沉气流为主,有利于污染物累积,环流形势有利于雾-霾天气的发生和维持[39].图10给出了此次过程PM2.5质量浓度、相对湿度、大气能见度、大气稳定度和逆温强度的逐时分布状况,本次重污染过程大体上经历了污染物累积、维持和快速消散,分别记作P1,P2和P3 3个阶段.
图10 典型重污染过程大气稳定度、逆温强度和PM2.5质量浓度的时间分布特征
12月15日午后~18日午后PM2.5逐渐累积,至18日12:00PM2.5质量浓度达到383μg/m3,大气能见度也由10km左右下降至1km左右,相对湿度具有明显的日变化特征,且逐日升高,这一阶段可以判断为霾的增强阶段,记作P1阶段.大气稳定度以较稳定(E)为主,逆温强度也逐日增大,稳定层结和逆温发展对污染物的聚集起到了重要作用,PM2.5质量浓度达到第一个峰值(383μg/m3,18日12:00),这同时也是霾形成和增强的阶段.
其后随着RH长时间维持在90%以上,受到雾的湿清除作用[40],PM2.5浓度有所降低,维持在200~ 300μg/m3间,能见度维持在1km以下,最低时仅为0.03km,接近仪器测量极限,表现出典型的雾天气特征,记作P2阶段.受地面辐射降温影响,近地面气象条件有利于形成逆温层结,逆温强度突然大幅度升高,最高时达到7.69℃/100m,强逆温严重抑制了污染物和水汽的垂直扩散,导致PM2.5质量浓度出现了又一个峰值(361μg/m3,19日16:00),能见度随着RH的小幅下降短暂恢复到1km左右,雾天气下大气层结以中性为主[22],随着雾趋于成熟,大气稳定度以中性为主,不稳定层结时有发生,同时伴有逆温发生频率降低,逆温强度减弱.吴彬贵等[21]的研究表明,华北地形槽和地面弱高压场下的辐射雾中浅薄逆温层夜生日消,强度从下而上迅速减弱,雾形成后逆温底抬升到雾顶高度上下,雾体中逐渐演变呈弱不稳定层结,雾形成后逆温层底抬升,雾体中逐渐演变呈不稳定层结.逆温层整体抬升,超出了气象铁塔观测高度,可能是本次重污染过程中雾成熟阶段逆温频率降低的主要原因.这一阶段雾-霾天气交替发展.
22日白天起受冷空气影响,随着地面偏北风逐渐加大,气污染扩散条件逐渐增强,大雾快速消散,能见度好转,PM2.5浓度迅速下降,从严重污染减弱至优良级别,本次重污染天气结束,记作P3阶段.这一阶段大气稳定度以不稳定状态为主,逆温频率降低,逆温强度显著减弱,温度层结有利于污染物扩散.
本次重污染过程中大气稳定度和逆温特征具有明显的阶段性,大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用,对其的精细分析有助于厘清重污染过程中的大气扩散条件和边界层结构特征的演变规律,对于提升精细化重污染天气预报预警水平也有所裨益.
3 结论
3.1 采用温差-风速法计算得到的2015年9月~ 2017年8月大气稳定度资料显示,A~F类大气稳定度的发生频率依次为6.7%,11.4%,22.4%,46.1%, 11.1%和2.2%,秋冬季节稳定类天气(E,F类)较多,全年白天各时段均以不稳定类大气为主,夜间大气稳定度以中性为主,秋冬季稳定类高达30~40%.
3.2 观测期内冬季逆温频率最高,5:00~8:00和21:00~23:00逆温频率超过90%,春、夏、秋三季则总体差别不大,冬季逆温强度最高,秋季次之,春季和夏季最低.
3.3 观测期间天津全市PM2.5质量浓度均值为(71±60)μg/m3, PM2.5质量浓度月均值和污染日峰值均出现在12月.随着稳定类大气层结日数的增多,PM2.5均值和污染日数均有所增大,同时逐月PM2.5均值、污染日发生频率与逆温发生频率均呈正相关关系;2016年12月16~21日的一次重污染天气过程显示PM2.5质量浓度受到大气稳定度和逆温发展的影响,霾形成、雾-霾交替和消散等阶段大气稳定度和逆温特征具有显著的不同,大气持续趋于稳定及逆温强度的逐渐增大,对污染生成和维持起了非常重要的作用.
[1] 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, 2014,57:14-25.
[2] 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.
[3] 杨 欣,陈义珍,刘厚凤,等.北京2013年1月连续强霾过程的污染特征及成因分析[J]. 中国环境科学, 2014,34(2):282-288.
[4] 花 丛,张碧辉,张恒德.2013年1~2月华北雾、霾天气边界层特征对比分析[J]. 气象, 2015,41(9):1144-1151.
[5] Han S Q, Wu J H, Zhang Y F, et al. Characteristics and formation mechanism of a winter haze-fog episode in Tianjin, China [J]. Atmospheric Enviroment, 2014,98:323-330.
[6] 姚 青,蔡子颖,韩素芹,等.天津冬季相对湿度对气溶胶浓度谱分布和大气能见度的影响[J]. 中国环境科学, 2014,34(3):596-603.
[7] 王 跃,王莉莉,赵广娜,等.北京冬季 PM2.5重污染时段不同尺度环流形势及边界层结构分析[J]. 气候与环境研究, 2014,19(2):173– 84.
[8] 孙兆斌,李梓铭,廖晓农,等.北京大气热力和动力结构对污染物输送和扩散条件的影响[J]. 中国环境科学, 2017,37(5):1693-1705.
[9] 孙永亮,赵天良,邱玉珺,等.成都一次霾过程中颗粒物消光作用的垂直变化[J]. 中国环境科学, 2018,38(5):1629-1636.
[10] 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, 2014,44(1):3-14.
[11] 杨雨灵,谭吉华,孙家仁,等.华北地区一次强灰霾污染的天气学效应 [J]. 气候与环境研究, 2015,20(5):555−570.
[12] 程良晓,范 萌,陈良富,等.秋季秸秆焚烧对京津冀地区污染过程的影响分析[J]. 中国环境科学, 2017,37(8):2801-2812.
[13] 张晗宇,温 维,程水源,等.京津冀区域典型重污染过程与反馈效应研究[J]. 中国环境科学, 2018,38(4):1209-1220.
[14] 康 凌,张宏升,王志远,等.不同下垫面大气稳定度分类方法的对比研究[J]. 北京大学学报(自然科学版), 2011,47(1):66-70.
[15] 金莉莉,何 清,李振杰,等.乌鲁木齐市低层大气稳定度分布特征的统计分析[J]. 气象, 2016,42(8):996-1006.
[16] 杨 静,李 霞,李 秦,等.乌鲁木齐近30a大气稳定度和混合层高度变化特征及与空气污染的关系[J]. 干旱区地理, 2011,34(5):747-752.
[17] 杨孝文,周 颖,程水源,等.北京冬季一次重污染过程的污染特征及成因分析[J]. 中国环境科学, 2016,36(3):679-686.
[18] 庞 博,汪喜江.哈尔滨市冬末逆温、大气稳定度与大气污染概率关系[J]. 黑龙江气象, 2011,28(2):7-11.
[19] 解以扬,刘学军.天津气象塔风温梯度观测资料的统计特征[J]. 气象, 2003,29(1):12-16.
[20] 韩素芹,刘彬贤,解以扬,等.利用255m铁塔研究城市化对地面粗糙度的影响[J]. 气象, 2008,34(1):54-58.
[21] 吴彬贵,张宏升,张长春,等.天津城区大雾过程近地面层特征研究[J]. 气候与环境研究, 2010,15(2):179-190.
[22] 蔡子颖,韩素芹,吴彬贵,等.天津一次雾过程的边界层特征研究[J]. 气象, 2012,38(9):1103-1109.
[23] 姚 青,蔡子颖,韩素芹,等.一次沙尘过程对天津气溶胶浓度分布的影响[J]. 中国沙漠, 2013,33(4):1138-1143.
[24] 姚 青,蔡子颖,韩素芹,等.2009年秋冬季天津低能见度天气下气溶胶污染特征[J]. 气象, 2012,38(9):1096-1102.
[25] 高文康,唐贵谦,姚 青,等.天津重污染期间大气污染物浓度垂直分布特征[J]. 环境科学研究, 2012,25(7):731-738.
[26] 黄 鹤,姚 青,张文煜,等.天津夏季低层大气O3,NO2浓度垂直观测研究[J]. 环境科学研究, 2009,22(3):315-320.
[27] Hao T Y, Han S Q, Chen S C, et al. The role of fog in haze episode in Tianjin, China:A case study for November 2015. Atmospheric Research. 2017,194:235-244.
[28] Wu H, Zhang Y F, Han S Q, et al. Vertical characteristics of PM2.5during the heating season in Tianjin, China [J]. Science of the Total Environment, 2015,523:152-160.
[29] Han S Q, Cai Z Y, Zhang Y F, et al. Long-term trends in fog and boundary layer characteristics in Tianjin, China [J]. Particuology, 2015,20:61-68.
[30] Han S Q, Zhang Y F, Wu J, et al. Evaluation of regional background particulate matter concentration based on vertical distribution characteristics. Atmos. Chem. Phys. 2015,15:11165–11177.
[31] 金莉莉,何 清,李振杰,等.乌鲁木齐市气象塔梯度观测资料质量控制与处理[J]. 气象, 2016,42(6):732-742.
[32] 蔡子颖,韩素芹,张 敏,等.天津地区污染天气分析中垂直扩散指标构建及运用 [J]. 环境科学, 2018,39(6):2548-2556.
[33] HJ 633-2012 环境空气质量指数(AQI)技术规定(试行) [S].
[34] 刘丽丽,王莉莉.天津冬季重霾污染过程及气象和边界层特征分析 [J]. 气候与环境研究, 2015,20(2):129-140.
[35] 胡 宁,孙 军. 2016年3月大气环流和天气分析[J]. 气象, 2016, 42(6):770-776.
[36] 何永晴,赵玉成,冯蜀青.西宁市逆温特征及其与空气污染物浓度的相关分析[J]. 冰川冻土, 2014,36(3):608-613.
[37] 邓雪娇,李 菲,吴 兑,等.广州地区典型清洁与污染过程的大气湍流与物质交换特征[J]. 中国环境科学, 2011,31(9):1424-1430.
[38] 袁东敏,马小会.2016年12月16~21日重度霾过程及大气环流异常[J]. 气候与环境研究, 2017,22(6):757−764.
[39] 刘 超,马学款.2016年12月大气环流和天气分析[J]. 气象, 2017, 43(3):378-384.
[40] 康汉青,朱 彬,樊曙先.南京北郊冬季大气气溶胶及其湿清除特征研究 [J]. 气候与环境研究, 2009,14(5):523-530.
Atmospheric stability and inverse temperature characteristics of Tianjin and its effect on PM2.5pollution.
YAO Qing1*, LIU Jin-le2, CAI Zi-ying1, HAN Su-qin2, MA Zhi-qiang3
(1.Tianjin Environmental Meteorology Center, Tianjin 300074, China;2.Tianjin Institute of Meteorological Science, Tianjin 300074, China;3.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing 100089, China)., 2018,38(8):2865~2872
Temperature-velocity method was used to calculate the atmospheric stability in Tianjin and the frequency and intensity of the inversion of temperature were analysed based on the meteorological tower. In addition, we investigated the relationship between atmospheric stability and the temperature inversion, which had an influence on the monthly averaged mass concentration of PM2.5. The characteristics of atmospheric stability and temperature inversion were analysed during a heavy haze period. The results showed that the frequencies of atmospheric stability were 6.7%, 11.4%, 22.4%, 46.1%, 11.1% and 2.2%, respectively, from September 2015 to August 2017. The stagnant meteorological conditions occurred frequently during fall and winter. The unstable and neutral atmospheric stability dominated the daytime and nighttime of all year, respectively. The stable atmosphere contributed 30%~40% during nighttime in fall and winter. During the observation period, the frequency of temperature inversion was the highest in winter, which up to more than 90% during 5:00~8:00and 21:00~23:00. The intensity of temperature inversion was also the highest in winter. With the increase of the number of days of stable atmosphere, the monthly averaged mass concentration of PM2.5and the number of polluted days increased. Meanwhile, the monthly averaged mass concentration of PM2.5and the frequency of polluted day were all positively correlated with the frequency of inversion temperature. A heavy pollution process from December 16, 2016 to December 21, 2016 showed that the mass concentration of PM2.5was effected by the atmospheric stability and the evolution of inversion temperature. The characteristics of atmospheric stability and temperature inversion during the formation of haze, fog-haze alternation and dissipation of haze had obvious difference. As the atmosphere continues to stabilize and the inversion temperature increases, it plays a very important role in the generation and maintenance of pollution. Fine analysis of atmospheric stability and inversion characteristics in the process of pollution will help to improve the prediction and warning level of heavy pollution weather.
atmospheric stability;temperature inversion;heavily polluted weather;PM2.5;Tianjin
X131.1
A
1000-6923(2018)08-2865-08
姚 青(1980-),男,湖北宜昌人,高级工程师,硕士,主要从事大气环境与大气化学方面的科研业务工作.发表论文50余篇.
2018-01-02
国家重点研发计划课题(2016YFC0203302);国家自然科学基金资助项目(41771242);国家国际科技合作专项项目(2015DFA20870-02);中国气象局预报员专项(CMAYBY2016-005);中国气象局第二批青年英才培养项目
* 责任作者, 高级工程师, yao.qing@163.com