2016年冬季北京地区一次重污染天气过程边界层特征

桂海林,江 琪,康志明,李 炬,刘 超,尤 媛

2016年冬季北京地区一次重污染天气过程边界层特征

桂海林1*,江 琪1,康志明2,李 炬3,刘 超1,尤 媛1

(1.国家气象中心,北京 100081；2.江苏省气象台,江苏 南京 210008；3.北京城市气象研究院,北京 100089)

利用中国气象局地面常规观测资料、微脉冲激光雷达(MINI-MPL)、风廓线雷达资料、生态环境部大气成分等资料, 对2016年12月16~21日京津冀多地污染过程的生消特征、与气象条件的关系以及边界层的结构特点进行了分析.结果表明:大气处于静稳状态,低层大气盛行偏南气流,大气湿度持续增加,加之北京三面环山不利于污染物扩散的特殊地形是造成北京此次严重空气污染的重要因素.重污染期间,污染物主要聚集在800m高度以下,严重污染时,污染物高度甚至仅有400m左右.风廓线雷达反演风场显示:2次PM2.5浓度快速上升阶段低层伴随持续偏南风或偏东风.污染过程期间,逆温结构明显,两次污染快速发展阶段恰好出现在两次逆温最强时段.此次污染天气过程,激光雷达退偏振比总体小于0.25,反映污染主要是人类活动产生气溶胶,前期以一次排放颗粒物为主,后期以二次转化颗粒物为主.退偏振比污染过程前期呈明显日变化特征,且白天退偏比比夜间高.

PM2.5；气溶胶散射系数；退偏振比；激光雷达；风廓线雷达；北京

城市边界层一直是大气边界层研究领域的难点和热点[1-4].中国经济及城镇化快速发展,直接排放的一次气溶胶和通过化学变化以及光化学转化形成的二次气溶胶所造成的大气污染排放迅速增加[5-6],使得大气边界层内颗粒物急剧增多,我国中东部地区,尤其是京津冀区域的大气污染呈现出以PM2.5为首要污染物的特征规律[7-8].观测研究发现,北京地区的城市边界层夜间高度较低(80±50)m,而白天最高可达3000m[9].重污染天气发生时,城市边界层内气溶胶粒子浓度急剧上升,大气环境明显恶化.王跃等[10]对北京2013年2月污染天气过程进行分析后认为,边界层低层顺时针方向的风切变,与大气中细颗粒物的爆发性增长密切相关.城市边界层内污染物垂直变化特征复杂,不单纯是随着高度的增加而降低[11-12].激光雷达在垂直结构探空上具有分辨率高、可连续观测的优点,为气溶胶探测提供了有利的工具,对认识气溶胶时空变化规律,尤其是垂直结构的分布特征有明显优势[13-14],风廓线雷达是通过大气湍流对电磁波的散射原理来对大气风场等物理量进行探测的一种遥感设备,主要应用于大气风场反演、降水研究与预报等方面[15-16],两种仪器观测结果的应用已广泛开展[18-20].多名学者利用微脉冲激光雷达得到了不同区域大气气溶胶光学特性的垂直分布、混合层高度及结构的演化特征等[21-23].贺千山等[22]利用其中混合层高度的分析提出了一种新的混合层反演方法.花丛等[24]利用风廓线资料分析北京一次秋季霾天气后认为,低空偏南气流是造成霾维持和发展的主要原因.李菲等[25]利用风廓线雷达对广州一次典型灰霾过程进行了分析,也指出大气边界层高度较低及偏东和偏南气流带来的高湿度环境是广州出现严重灰霾天气重要原因.

目前以气溶胶粒子为主要特征的大气成分观测多局限于近地层,对边界层,特别是城市边界层中气溶胶粒子的空间分布及其与气象条件演变特征研究较少,同时结合风廓线雷达和激光雷达等非常规边界层资料对雾霾天气进行分析的例子更为少见.因此,本文利用近地面常规气象观测资料和大气污染数据,结合微脉冲激光雷达(MINI-MPL)和L波段风廓线边界层雷达对2016年12月16~21日重污染过程的边界层结构特点及其与气象条件的相关关系进行了详细分析,以期为我国城市大气污染改善提供科学依据.

1 观测平台和数据采集

1.1 资料来源

本文使用的激光雷达是美国SIGMA SPACE公司开发的微脉冲激光雷达(MMPL-C-532),位于北京市海淀区中国气象局北京城市气象研究院楼顶,时间分辨率为30min,空间分辨率为75m.本文所使用的L波段风廓线边界层雷达(LC),位于北京海淀(站号54399,39.98N,116.28E),海拔高度47m,该风廓线雷达可提供每6min一组包含水平风速、风向、垂直速度等要素的观测数据,垂直分辨率2000m以下为120m, 2000m以上为240m,最低观测高度150m.此外,文中所用气象要素(包括温度、压强、湿度、风速、风向、能见度等)均来自中国气象局国家气象观测站数据,时间分辨率为1h.PM2.5数据由北京市环境保护监测中心网站(http://www.bjmemc.com.cn) 提供. 垂直速度数据由NCEP(美国国家环境预报中心)提供的FNL 再分析资料(http://rda.ucar.edu/ datasets/ds083.2/).

1.2 仪器介绍

1.2.1 激光雷达简介 激光雷达探测基于激光光束在传输过程中与大气中气溶胶粒子作用发生的吸收和散射现象,根据接收到的回波信号可分析出大气有关参数特征.本文使用弹性后散射便携式微脉冲激光雷达(MINI-MPL-C-532),该设备可向大气垂直发射532nm或527nm波长激光,其中532nm的垂直和水平偏振信号可分析其回波强度和颗粒物的消偏振特征.退偏振的定义为:垂直分量与平行分量散射波强度之比,通过退偏振比可描述气溶胶粒子球型或非球型特征.退偏振比越接近0,代表目标物越近似为球形,越接近1,代表目标物的非球形程度越高.

对于单一波长的激光雷达,激光雷达方程表达式为:

1.2.2 风廓线雷达简介 风廓线雷达基于雷达回波多普勒频移特性,利用大气对电磁波的散射作用进行观测,该风廓线雷达采用五波束扫描探测方式,每个探测周期包括高、中、低3种探测模式,风廓线雷达探测系统主要提供径向数据、功率谱数据以及风场数据产品3级数据结果,风场数据主要可提供包括水平风速、风向、垂直速度、大气折射率结构常数等信息的实时、0.5h以及1h平均数据文件.

2 结果与讨论

2.1 天气过程分析

2016年12月16~21日期间,京津冀及山东、河南等地出现持续多日重污染天气.北京地区亦出现持续多日静稳天气,气象条件极不利于大气污染物的稀释扩散,导致北京地区出现一次严重污染天气过程,污染过程期间(16日08:00~22日02:00) PM2.5小时平均浓度为256μg/m3,其中大于150μg/ m3的重度污染时间占总污染时段的82.7%.图1为16日20:00海平面气压、500hpa高空形势及地面风场叠加图,如图可见,我国中东部地区上空为纬向环流,北京位于槽后脊前,高空以弱西北气流为主,天气形势稳定,地面位于高压后部弱气压场中,气压梯度小,近地层以弱偏南风为主,有利于水汽及污染物向北京地区积聚,且这一稳定的天气形势一直持续至21日夜间,其中,19日夜间~20日上午时段,地面相对湿度超过90%,部分地区超过95%,接近饱和,在高湿和高污染的共同影响下,近地面空气质量经历了轻度-中度-重度-严重污染的污染天气(表1),重污染天气维持至22日凌晨,受东移加深的高空槽影响,强冷空气侵入北京,大气扩散条件迅速好转,空气质量迅速由严重污染转为优,污染过程随之结束.此次污染天气时间长、范围大、污染程度重,由于空气湿度大,污染物的吸湿增长以及消光效应,使得华北地区出现大范围低能见度天气,北京能见度低至100m左右,为此生态环境部与中国气象局分别发布多期相应的重污染空气质量红色预警及雾、霾橙色预警.

表1 北京重污染期间全市平均主要污染物浓度及空气质量级别

图1 2016年12月16日20时海平面气压与500位势高度场叠加地面风场(m/s) Fig.1 Sea level pressure and 500hPa high altitude situation geopotential heights superimposed over surface wind field at 20 o'clock on December 16, 2016

2.2 气象条件对污染影响分析

受北京西面和北面环山的特殊地形以及华北工矿企业布局的影响,北京地区盛行西北风时,空气质量较好,盛行弱风或偏南(东)风时,大气污染物易于在山前堆积,出现污染天气,如果静稳形势持续发展,大气湿度快速增大,近地面逆温发展增强,则易导致北京出现重度或严重污染天气[7,26].因而气象条件成为重污染天气形成的关键因素.

图2 2016年12月15-21日污染过程期间北京海淀大气成分变化

(a)边界层高度(PBL) (b)相对湿度(RH)和温度(Temp);(c)风速(WS)、风向(WD);(d)PM2.5和能见度(Vis)时间序列

2016年12月16~21日污染过程期间,北京地面平均风速约0.46m/s,最大风速仅为2.3m/s,平均相对湿度为73%,其中,相对湿度日均值分别为59%, 70%, 74%, 82%, 77%,呈明显升高趋势,其中,北京通州21日早晨最高相对湿度为98%,大气几乎达到饱和状态.此次污染过程,北京城区各监测站污染变化趋势基本一致,因此文中主要以海淀站数据进行说明(如不加说明均为海淀站).如图2所示,整个污染过程期间主要有2个细颗粒物浓度急剧上升阶段,分别为16日10:00至20:00(峰值浓度233μg/m3)以及19日16:00时至20日14:00时,(峰值浓度536μg/m3).15日(污染过程开始前),北京全天为西北风,日均PM2.5小于35μg/m3,空气质量为一级-优,16日风向逐渐由西北风转为东北风,风速明显减弱,16日早晨,PM2.5浓度缓慢上升,10:00后,北京逐渐转受东南风控制, PM2.5浓度上升速度明显加快,从13:00的63μg/m3仅用时1h上升至115μg/m3,上升速率达到52μg/ (m3·h),因而外来输送对这一时段北京大气污染累积作用显著, 20:00全市PM2.5小时平均浓度已达195μg/m3,空气质量达重度污染级别,PM2.5平均小时增速达22.3μg/(m3·h),其中,海淀万柳观测站浓度达233μg/m3,与此同时,大气水平能见度迅速下降,由上午10:00的27km降至19:00的3km.入夜后,PM2.5增长速率放缓,呈波动式上升.20日早晨6:00时,大气能见度降至整个过期最低(100m左右),PM2.5亦在20日14:00达到此次污染的峰值浓度536μg/m3,全市平均416μg/m3,之后PM2.5浓度维持在严重污染等级,浓度呈波动变化,直至22日凌晨随着强冷空气入侵,大气扩散条件迅速好转,PM2.5浓度由2:00时的371μg/m3仅1h迅速降低至3:00的56μg/m3,空气质量由严重污染变为良,污染过程结束.

2.3 激光雷达后向回波与风廓线雷达反演风场分析

后向散射强度图(图3)显示,污染过程主要分为2个阶段,第1阶段主要发生在16至19日,这期间激光雷达回波强度日变化明显,回波强度在白天中午前后快速增大,夜间20:00后回波强度迅速减弱.16日14:00回波强度迅速增大,后向散射回波值从0.17迅速增加至0.4左右,气溶胶厚度也迅速从200m快速增长到600m左右,边界层高度低且稳定少变,这一时段地面PM2.5浓度亦快速上升,地面PM2.5质量浓度增长最快时段的近地层相对湿度仅为约30%,此时大气能见度仅为3km左右,因而霾是造成能见度降低的主要因素.21:00左右,相对湿度维持在30%~65%,激光雷达回波强度明显减弱.通常夜间随着边界层高度降低,地面辐射降温,逆温层结出现,污染物浓度增大,回波强度应该增大,是何原因造成回波强度反而减弱.16日11:00左右风廓线反演风场显示,1000m以上高空为西北风,1000m以下逐渐由东北风转为西南风,且风速明显增大,达4~6m/s,垂直方向风向随高度顺转,显示北京地区上空有暖平流输送,大气层结趋于稳定,不利于污染物垂直方向扩散,低层持续偏南风有利于京津冀南部区域污染物向北京地区输送,全市平均浓度从16:00的140μg/m3增加到20:00的195μg/m3,PM2.5浓度快速上升,区域输送效果明显. 17日凌晨,1500m以上高空大风速核明显减小,1500m以下风向由偏南风转为偏北风且风速明显增加,显示垂直方向高空有动量下传,垂直方向扰动增大,有利于污染物的垂直扩散.其中,天坛站PM2.5浓度从263μg/m3降至91μg/m3,海淀站从239μg/m3降至94μg/m3,市区其他各监测点污染物浓度均有明显下降.17日12:00后随着冷空气减弱消失,地面维持小风,PM2.5浓度再次上升.17日21:00左右,300m以下高度回波强度明显减弱, 300m高空处残留有一悬空强回波带,风廓线反演风场显示此时低层为东北风,探空数据显示,17日8:00逆温层最高温为5℃,20:00降为2℃,显示低层有弱冷空气侵入,受其影响,20:00 300m以下高空逆温层消失,弱冷空气侵入及逆温层的消失均有利于污染物的稀释扩散,因此城区各监测点PM2.5浓度均出现明显下降,但回波强度减弱幅度更大,这或许是激光雷达近地面探测盲区的固有缺陷,导致激光雷达对近地面层颗粒物浓度的低估,因此弱回波区较为明显.18日凌晨后随着高空西北风侵入,滞留在300m高空的强回波区逐渐减弱消散,地面至高空均为弱回波区,18日 11:00左右,地面转为弱北风或西南风,激光雷达回波再度增强,至夜间又快速降低,呈现出明显的日变化特征,与地面测站污染浓度变化趋势一致.

第2阶段主要从19日16:00~22日2:00污染过程结束, 19日午后回波强度快速增强且稳定维持,强回波区位于400m以下,第二阶段回波强度无明显日变化特征,海淀站监测数据显示,19日下午 PM2.5浓度从16:00的171μg/m3升至22:00 326μg/m3,小时平均增长25μg/m3,20日2:00开始,PM2.5呈快速增长趋势,PM2.5浓度从219μg/m3升至20日6:00的465μg/m3,小时平均增长62μg/m3,午后14:00又继续攀升至此次过程峰值浓度536μg/m3,20日后激光雷达强回波区平均高度位于400m左右,明显低于第一阶段平均高度(800m).风廓线反演风场显示19日午后北京上空西北风逐渐转为偏西或偏南风,且风速减小,20日2:00后,800m高度以下转为东北风,风速由小于2m/s增长至4~5m/s,800m以上则为西南风,且风速由2~4m/s增大至8~12m/s,低层东北风,高层西南风,边界层内风向随高度顺时针变化,显示有明显暖平流,导致逆温层强度达到本次过程最强,层结更为稳定.选取东北风上游北京顺义站数据,可发现顺义站PM2.5峰值浓度出现时间在19日21:00时,峰值浓度为508μg/m3,比城区海淀站早9h(20日6:00时出现夜间峰值浓度),因此在区域输送与大气稳定层结共同作用下,19日夜间至20日早晨时段,地面PM2.5浓度再度快速增长,20日6:00海淀站达到阶段峰值,而后略有下降,20日14:00达到本次污染过程峰值浓度,21日污染浓度在高浓度区间(大于300μg/m3)呈现脉动式变化.

22日2:00左右,随着强冷空气侵入,地面至3000m高空均为一致偏北风,最大风速核位于约1500m高度,风速达18~20m/s,大气水平与垂直扩散条件快速好转,地面PM2.5浓度迅速降低,污染天气结束.近地面逆温层阻碍了大气垂直对流运动,不利于污染物的扩散,易出现重污染天气.此次污染过程期间,近地层均有明显逆温结构(表2).16日8:00逆温层顶约为500m,最大逆温差4℃,850hPa 温度为-2℃,16日20:00,逆温层顶上升至850m左右,最大逆温差5℃,850hPa 温度为2℃, 850hPa明显升温,表示北京上空有暖气团,大气层结稳定度增大,16日午后,受偏南气流输送及本地稳定大气层结影响,污染物浓度迅速增大,17日8:00 850hPa温度1℃,逆温顶高度800m左右,最大逆温差5℃,热力结构变化不大,17日20:00,逆温顶高度虽然仍在800m高度左右,但300m以下逆温层被破坏,逆温层仅出现在300~ 800m高空,且逆温层最高温度也由8:00的5℃降至20:00的2℃,说明近地面层确有冷空气侵入,因此300m以下逆温层被破坏,扩散条件好转,造成17日夜间至18日凌晨时段近地层污染浓度明显降低,而在300m以上高空仍残留部分高浓度污染物.持续静稳条件下,污染物浓度在波动中逐渐上升.19日夜间至20日是污染逐渐上升至此次污染过程浓度最高时段,19日夜间低层温度达到此次过程最高8℃, 850hPa温度从19日08:00开始就呈现持续升温趋势,20日08时,上升2℃,20日上午08:00逆温最大温差达9℃,为此次污染过程最大逆温温差.此次污染过程中,除了16日早晨8:00最大逆温差小于20:00的最大逆温差,其余几天早晨8:00最大逆温差均大于晚上20:00的最大逆温差,说明逆温在夜间是逐渐增强的时段,白天由于太阳辐射,逆温强度会有所减弱.本文将消光系数梯度最大值所处高度定义为大气边界层高度[27-28].污染期间,边界层前期维持在500~700m左右高度,接近2013年12月污染过程中京津冀边界层高度的观测值(618m)[29],19日午后,边界层高度呈明显下降趋势,最高处仅为400m左右,这或许由于污染物与边界层的双向反馈有关,随着近地面污染物浓度持续增加,地表接收到太阳短波辐射减小,因此地表降温比高空更为明显,从而导致逆温增强,同时伴随湿度的持续增加,近地层大气静稳程度增加,湍流活动更弱,导致边界层高度也更低.

图3 2016年12月16~23日激光雷达后向反射系数

整个污染过程期间,北京上空(1000~700hPa)基本处于下沉气流控制区(图5中正值表示下沉运动,负值表示上升运动),有利于污染在近地层堆积,且16日至20日上午,整层的下沉运动较弱(0~2Pa/s),且2次弱下沉运动中心均与污染物浓度增长最快时段对应.22日凌晨随着强冷空气的侵入,下沉速度急剧增大,污染过程结束.

图5 2016年12月16~22日垂直速度时间-高度序列

表2 污染过程期间垂直逆温统计

2.4 退偏振正比分析

图6 2016年12月16~23日激光雷达退偏振比系数

由2016年12月16~23日激光雷达退偏振比系数的变化趋势(图6)可以看出,污染过程前期退偏振比较大,说明颗粒物主要是以一次排放物(如交通排放、工厂烟尘、扬尘等)为主,后期,退偏振比数值明显减小,二次转化生成的颗粒物比例明显上升[30].

退偏振比呈现明显日变化特征,过程期间整体退偏振比小于0.25,白天退偏振比比夜间高,峰值一般出现在午后.从相对湿度变化分析可知,20日后北京大气湿度明显增加,退偏振比数值20日后也明显降低,其可能原因为湿度增加后,气溶胶吸湿效应后形态更趋于球形,因此后期退偏振比较前期退偏振比数值呈减小趋势.

2.5 消光系数垂直廓线分布

为了更清楚的了解此次污染过程中大气边界层高度垂直变化特点,分别选取清洁时段(16日8:00、22日10:00)与重度污染时段(17日20:00、20日20:00)消光系数垂直廓线图进行对比分析.图7中根据激光雷达所测的信号反演得到的气溶胶消光系数对应着探测高度的气溶胶浓度,消光系数越大,表明在该高度上的气溶胶浓度越大.

图7分别为16日8:00(良),17日20:00(重度污染)、20日20:00(严重污染)、22日10:00(优)4个时刻消光系数垂直廓线分布,从垂直分布结构分析可知,前3个时刻的气溶胶消光系数垂直分布结构比较相似,气溶胶消光系数随高度均呈指数递减,最大值高度约400~800m,消光系数变化区间维持在0.03~1.2km-1.22日10:00清洁时段,消光系数随高度线性递减.16日8:00空气质量良,消光系数由0.37km-1随高度升高迅速减小到约0.08km-1.17日20:00消光系数最大达1.2km-1,在800m高度存在一个消光系数拐点, 800m以上高度消光系数迅速减小,说明气溶胶浓度明显降低,气溶胶主要积聚在800m以下高度,800m以下消光系数迅速增大,说明低层大气能见度很低(此时地面能见度约为1.6km).20日20:00,地面PM2.5浓度达到450~500μg/m3,消光系数最大值达1.3km-1,基本与17日20:00相当,消光系数拐点高度约400m,明显低于17:日20:00消光系数拐点高度,说明气溶胶主要积聚在400m以下高度.无论清洁天或污染天,1km以上高度消光系数廓线均呈锯齿状分布.说明高空仍有少量的气溶胶粒子存在,因此消光系数呈现出一定的锯齿状形态.受强冷空气影响,22日4:00空气质量转为优,10:00PM2.5浓度约为10μg/m3,消光系数由下至上呈单调线性降低,整层消光系数均小于0.06,1km以下高度消光系数明显小于污染天气时消光系数,1km以上锯齿状特征不如污染时段明显.

图7 气溶胶消光系数垂直廓线图

3 结论

3.1 2016年12月16~21日重污染期间,污染物主要聚集在800m高度以下,最严重时段(20~21日),污染物高度仅有400m左右.垂直方向,清洁天时,消光系数小,随高度呈线性单调递减;污染天时,低层消光系数变幅大,1km以下高度,随高度消光系数呈指数减小.1km以上高空,消光系数均呈锯齿状分布.

3.2 污染过程期间,风廓线反演风场及地面湿度显示,低层持续偏南风或偏东风有利于北京地区大气增湿与污染物的区域输送,风速6~8m/s时,地面污染物浓度呈持续上升趋势.另外,当1500m或更高空大风速核明显下降时,动量下传导致垂直方向扩散条件转好,尽管低层大气及地面仍维持小风或弱风, PM2.5浓度也会明显降低.

3.3 本次污染过程大气垂直方向均有明显逆温,2次污染物浓度增长最快阶段,除了区域间的污染输送,均与本地快速增强的逆温过程有密切联系.污染过程期间边界层高度基本低于1km,其中,最严重时段,边界层高度仅400m左右,这或许与气溶胶与边界层双向反馈过程有关.

3.4 本次污染过程,总体退偏振比小于0.25,前期退偏振比明显比后期大,说明污染主要是人类活动产生的气溶胶,前期以一次排放颗粒物为主,后期以二次转化颗粒物为主.另外,前期退偏振比呈现明显日变化特征,白天退偏比比夜间高.

[1] Wei J, Tang G, Zhu X, et al. Thermal internal boundary layer and its effects on air pollutants during summer in a coastal city in North China [J]. Journal of Environmental Sciences, 2017,(70):37-44.

[2] Sun Y, Song T, Tang G, et al. The vertical distribution of PM2.5and boundary-layer structure during summer haze in Beijing [J]. Atmospheric Environment, 2013,74(2):413-421.

[3] Wang L, Zhang N, Liu Z, et al. The influence of climate factors, meteorological conditions, and boundary-layer structure on severe haze pollution in the Beijing-Tianjin-Hebei region during January 2013 [J]. Advances in Meteorology, 2015,2014(7):1-14.

[4] Wang Z, Cao X, Zhang L, et al. Lidar measurement of planetary boundary layer height and comparison with microwave profiling radiometer observation [J]. Atmospheric Measurement Techniques, 2012,5(8):1965-1972.

[5] Jiang Q, Sun Y L, Wang Z, et al. Aerosol composition and sources during the Chinese Spring Festival: fireworks, secondary aerosol, and holiday effects [J]. Atmospheric Chemistry & Physics, 2014,14(14): 20617-20646.

[6] Sun Y, Jiang Q, Wang Z, et al. Investigation of the sources and evolution processes of severe haze pollution in Beijing in January 2013 [J]. Journal of Geophysical Research: Atmospheres, 2014,119(7): 4380-4398.

[7] 江 琪,王 飞,张恒德,等.2013~2015年北京市PM2.5、反应性气体和气溶胶粒径的特性分析[J]. 中国环境科学, 2017,37(10):3647- 3657.Jiang Q, Wang F, Zhang H D, et al. The characteristics of PM2.5、Reactive gas and aerosol Size Distributions of Beijing from 2013 to 2015 [J].China Environmental Science, 2017,37(10):3647-3657.

[8] 杨志文,元 洁,吴 琳,等.2015年2月天津市大气颗粒物数浓度变化及其与气象条件的关系[J]. 环境工程学报, 2017,11(7):4125- 4132.Yang Z W, Yuan J, Wu L, et al. Characteristics of particle number concentration during February in 2015 in Tianjin and their relationship with meteorological conditions [J]. Chinese Journal of Environmental Engineering, 2017,11(7):4125-4132.

[9] Guinot B, Roger J C, Cachier H, et al. Impact of vertical atmospheric structure on Beijing aerosol distribution [J]. Atmospheric Environment, 2006,40(27):5167-5180.

[10] 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- 184.Wang Y, Wang L L, Zhao G N, et al. Analysis of different-scales circulation patterns and boundary layer structure of PM2.5heavy pollutions in beijing during winter [J]. Climatic and Environmental Research, 2014,19(2):173-184.

[11] 周焱博,竺夏英,潘月鹏,等.城市近地层气态污染物的垂直分布特征[J]. 环境化学, 2017,36(8):1752-1759. Zhou Y B, Zhu X Y, Pan Y P, et al. Vertical distribution of gaseous pollutants in the lower atmospheric boundary layer in urban Beijing [J]. Environmental Chemistry, 2017,36(8):1752-1759.

[12] 秦纪洪,王 琴,孙 辉.川西亚高山-高山土壤表层有机碳及活性组分沿海拔梯度的变化[J]. 生态学报, 2013,33(18):5858-5864. Qin J H, Wang Q, Sun H. Changes of organic carbon and its labile fractions in topsoil with altitude in subalpine-alpine area of southwestern China [J]. Acta Ecologica Sinica, 2013,33(18):5858- 5864.

[13] Cohn S A, Mayor S D, Grund C J, et al. The lidars in flat terrain (LIFT) experiment [J]. Bulletin of the American Meteorological Society, 2010,79(7):1329-1343.

[14] Steyn D G, Bottenheim J W, Thomson R B. Overview of tropospheric ozone in the lower Fraser Valley, and the Pacific '93field study[J]. Atmospheric Environment, 1997,31(14):2025-2035.

[15] Cohn S A, Angevine W M. Boundary layer height and entrainment zone thickness measured by lidars and wind-profiling radars [J]. Journal of Applied Meteorology, 2000,39(8):1233-1247.

[16] 胡明宝,李妙英.风廓线雷达的发展与现状[J]. 气象科学, 2010, 30(5):724-729. Hu M B, Li M Y. The development and technologic status of wind profiling radar [J]. Scientia Meteorologica Sinica, 2010,30(5):724- 729.

[17] 廖晓农,张小玲,王迎春,等.北京地区冬夏季持续性雾-霾发生的环境气象条件对比分析[J]. 环境科学, 2014,35(6):2031-2044. Liao X N, Zhang X L, Wang Y C, et al. Comparative analysis on meteorological condition for persistent haze cases in summer and winter in Beijing [J]. Environmental Science, 2014,35(6):2031-2044.

[18] 董保举,付志嘉,李 明,等.风廓线雷达资料在暴雨天气过程特征分析中的应用[J]. 气象科技, 2012,40(1):74-78. Dong B J, Fu Z J, Li M, et al. Feature analysis of a rain storm with wind profile radar data [J]. Meteorological Science and Technology, 2012,40(1):74-78.

[19] 魏 浩,胡明宝,艾未华.小波变换在风廓线雷达探测大气边界层高度中的应用研究[J]. 热带气象学报, 2015,31(6):811-820. Wei H, Hu M B, Ai W H. The detection of the atmospheric boundary later height using wind profiler in wavelet transform method [J]. Journal of Tropical Meteorology, 2015,31(6):811-820.

[20] 祝 薇,李浩文,王宝民,等.多遥感设备联用在区域空气质量变化与边界层结构关系研究中的应用[J]. 环境科学学报, 2018,38(5): 1689-1698. Zhu W, Li H W, Wang B M, et al. Joint application of multiple remote sensing equipment on the study of the relationship between regional air quality change and boundary layer structure [J]. Acta Scientiae Circumstantiae, 2018,38(5):1689-1698.

[21] 刘 诚,明 海,王 沛,等.西藏那曲与北京郊区对流层气溶胶的微脉冲激光雷达测量[J]. 光子学报, 2006,35(9):1435-1439. Liu C, Ming H, Wang P, et al. Measurements of the aerosol over naqu of tibet and suburb of Beijing by micro pulse lidar (MPL) [J]. Acta Photonica Sinica, 2006,35(9):1435-1439.

[22] 贺千山,毛节泰.北京城市大气混合层与气溶胶垂直分布观测研究[J]. 气象学报, 2005,63(3):374-384. He Q S, Mao J T. Observation of urban mixed layer at Beijing using a micro pulse lidar [J]. Acta Meteorologica Sinica, 2005,63(3):374-384.

[23] 邱金桓,孙金辉.沙尘暴的光学遥感及分析[J]. 大气科学, 1994, 18(1):1-10. Qiu J H, Sun J H. Optically remote sensing of the dust storm and result analysis [J]. Chinese Journal of Atmospheric Sciences, 1994,18(1): 1-10.

[24] 花 丛,刘 超,张恒德.风廓线雷达资料在北京秋季雾霾天气过程分析中的应用[J]. 气象科技, 2017,45(5):870-875. Hua C, Liu C, Zhang H D. Application of wind profile radar in analyzing autumn fog and haze process in Beijing [J]. Meteorological Science and Technology, 2017,45(5):870-875.

[25] 李 菲,吴 兑,谭浩波,等.广州地区旱季一次典型灰霾过程的特征及成因分析[J]. 热带气象学报, 2012,28(1):113-122. Li F, Wu D, Tan H B, et al. The characteristics and causes analysis of a typical haze process during the dry season over Guangzhou area: a case study [J]. Journal of Tropical Meteorology, 2012,28(1):113-122.

[26] 江 琪,孙业乐,王自发,等.应用颗粒物化学组分监测仪(ACSM)实时在线测定致霾细粒子无机和有机组分[J]. 科学通报, 2013, 58(36):3818-3828.Jiang Q, Sun Y L, Wang Z F, et al. Real-time online measurements of the inorganic and organic composition of haze fine particles with an Aerosol Chemical Speciation Monitor (ACSM). [J]. Chinese Science Bulletin, 2013,58(36):3818-3828.

[27] 斯塔尔.边界层气象学导论[M]. 北京:气象出版社, 1991. Stull R. Introduction to boundary layer meteorology [M]. Beijing: China Meterological Press, 1991.

[28] Menut L, Flamant C, Pelon J, et al. Urban boundary-layer height determination from lidar measurements over the Paris area [J]. Appl. Opt., 1999,38:945–954.

[29] 李二杰,刘晓慧,李 洋,等.一次重污染过程及其边界层气象特征量分析 [J]. 干旱气象, 2015,33(5):856-860. Li E J, Liu X H, Li Y, et al. Analysis of boundary layer meteorology characteristic parameters during a continuous heavy pollution event [J]. Journal of Arid Meteorology, 2015,33(5):856-860.

[30] 邓 涛,吴 兑,邓雪娇,等.一次严重灰霾过程的气溶胶光学特性垂直分布[J]. 中国环境科学, 2013,33(11):1921-1928. Deng T, Wu D, Deng X J, et al. The vertical distribution of aerosol optical properties in a severe haze event. [J]. China Environmental Science, 2013,33(11):1921-1928.

Analysis of boundary layer characteristics of a heavily polluted weather process in Beijing in winter 2016.

GUI Hai-lin1*, JIANG Qi1, KANG Zhi-ming2, LI Ju3, LIU Chao1, YOU Yuan1

(1.National Meteorological Center, Beijing 100081, China；2.Jiangsu Meteorological Observatory, Nanjing 210008, China；3.Beijing Institute of Urban Meteorology, Beijing 100089, China)., 2019,39(7)：2739~2747

The characteristics of the pollution process occurred in Beijing, Tianjin and Hebe province during 16~21 December 2016, the relationship between the pollution process and meteorological conditions were studied by using the data of routine ground observation, Micropulse Lidar (MINI-MPL), wind profiler radar, and atmospheric composition of the Ministry of Ecology, etc. of China Meteorological Administration. The static state of the atmosphere, the prevailing southerly airflow in the lower atmosphere, the continuous increase of atmospheric humidity, and the special terrain surrounding the mountains on three sides of Beijing which was not conducive to the diffusion of pollutants were the important factors causing the serious air pollution in Beijing. During the period of heavy pollution, the pollutants mainly accumulated below 800 meters. When the pollution was serious, the height of pollutants was only about 400 meters. Wind profiler radar retrieved wind field showed that the low level of PM2.5concentration rose rapidly during two periods, accompanied by persistent southerly or easterly winds. During the pollution process, the inversion structure was obvious, and the rapid development of two pollution stages occured in the two periods of the strongest inversion. In this polluted weather process, the depolarization ratio of lidar was less than 0.25, reflecting that the pollution was mainly caused by human activities. In the early stage, primary particulate matter was the main pollutant, and in the later stage, secondary transformed particulate matter was the main. The depolarization ratio showed obvious daily change in the early stage of pollution process, and the depolarization ratio was higher in daytime than at night.

PM2.5；aerosol extinction coefficient；depolarization ratio；laser radar；wind profiler radar；Beijing

X513

A

1000-6923(2019)07-2739-09

桂海林(1974-),男,广西桂林人,高级工程师,硕士,主要从事大气物理及环境、卫星资料应用方面的研究.发表文章5篇.

2018-12-24

国家自然科学基金面上项目(41875181);科技部国家科技支撑计划课题(2015BAC03B07);大气重污染成因与治理攻关项目(DQGG0104)

* 责任作者, 工程师, ghlnj@sina.com