2015年冬季京津冀两次重污染天气过程气象成因

吕梦瑶,张恒德,王继康,江 琪,刘 超,张碧辉,李青春

2015年冬季京津冀两次重污染天气过程气象成因

吕梦瑶1*,张恒德1,王继康1,江 琪1,刘 超1,张碧辉1,李青春2

(1.国家气象中心,北京 100081；2.北京城市气象研究院,北京 100089)

为了分析京津冀地区2015年11月27日~12月1日和12月19日~25日这2次重污染过程,从环流形势、大气稳定度条件、动力条件、水汽条件、近地层风场输送等几个方面对重污染天气的形成机制展开分析,结果表明:这2次重污染天气过程均属于静稳型,津京冀各地重度以上污染时长均超过50%.在大范围静稳形势存在时,过程一期间边界层内的垂直扩散条件较过程二偏弱,过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,导致了2次过程重污染区域和污染增长速率的不同.对北京而言,过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送,混合层高度持续异常偏低(京津冀平均混合层高度339m)、过程期间伴随弱下沉运动(0~2Pa/s)、多层逆温(且厚度大)造成日变化不明显,地面辐合线在北京中部维持等多重因素,使得污染浓度极高,北京地区PM2.5峰值浓度达593mg/m3.过程二前期采取了减排措施,能见度和PM2.5日变化大、污染发展较过程一前期平缓;后期不利气象条件叠加污染排放,导致了PM2.5爆发式增长,其中邢台PM2.5峰值浓度达70mg/m3,增长率超过7.2mg/(m3×h).

京津冀；重污染；静稳天气；辐合线

京津冀区域大气污染物转化、迁移、扩散影响及其总体效应,是调控首都经济圈区域环境空气质量的瓶颈问题[1-4].气象背景和不利地形作用等均是影响霾天气发生发展的重要的影响因素[5],其与污染物浓度的相关性已经得到广泛认可[6-8,10-11].适宜的气象条件下,特别是高湿环境和静稳天气[12],可以快速形成以大气细颗粒物为典型特征的霾污染过程[5,13].在诸多影响霾天气的气象要素中,边界层作为最贴近下垫面的大气结构,其内部气象要素是霾形成的重要影响因子,边界层高度决定通风量及污染物的垂直稀释扩散能力[14-15],而边界层内的风场对污染的区域输送起主导作用[16-19].统计结果表明,地表存在逆温层时细颗粒物的超标率显著增加,逆温层强度越强,高度越低,越有利于近地层污染物的积聚和能见度的恶化[20].雾霾天气的发生与边界层内气团的垂直运动亦存在显著关联,下沉运动的出现多不利于污染物的垂直扩散,不同地域间污染天气出现时大气垂直速度的分布具有多样性.同时,京津冀污染的高发与太行山、燕山影响下的边界层流场独有的特征有关,其一大特征为边界层气流在山前汇合,形成山前平原切变线性输送汇.稳定天气条件下太行山前西南气流带是北京外来污染物中最重要的输送通道之一[21],燕山与太行山影响下的风向辐合带对污染物的积聚作用[22].

大尺度环流形势、大气温湿垂直结构、边界层物理量特征等均为影响污染累积、扩散、输送的重要气象因素,本研究从多种气象条件出发,对边界层特征、热力和动力因素等多方面因素对2015年11月27~12月1日和12月19~26日京津冀2次典型污染过程形成、演变和消散的影响作用进行分析,并探讨两次污染过程特征量的异同及成因,以期为我国城市大气污染改善提供科学依据.

1 数据与方法

1.1 数据

地面气象要素实况资料:中国气象局地面气象要素小时平均观测资料,包括温度、压强、湿度、风速、风向、能见度,时间分辨率为1h; PM2.5实况资料:全国城市空气质量实时发布平台(http://106.37. 208.233:20035/)提供的PM2.5质量浓度,时间分辨率为1h,单位为mg/m3;高空数据:NCEP(美国国家环境预报中心)提供的空间分辨率为1°×1°,时间分辨率为6h的FNL 再分析资料(http://rda.ucar.edu/ datasets/ds083.2/);实测探空数据:北京海淀站(116.28°E,39.98°N)实时采样高度上产品数据文件的L波段边界层风廓线雷达资料;土地利用数据:根据USGS 提供的全球土地利用和土地覆盖分类数据(USGS Land Use/Land Cover Scheme)获得中国土地利用数据.投影方式为兰伯特正方位等积投影,其土地利用类型共分为24 类,空间分辨率为1km.

1.2 混合层高度计算方法

本文中采用罗氏法[23-24]计算混合层高度,它是Nozaki等[25]于1973年提出的一种利用地面气象资料估算混合层高度的方法.该方法考虑到大气混合层是由热力和动力湍流共同作用的结果,而且边界层上部大气的运动常与地面气象要素之间存在着相互联系和反馈作用,因此可以利用地面气象参数来估算混合层高度.

计算公式如下:

1.3 静稳指数计算方法

按照静稳天气形势所对应的典型边界层特征量,通过统计确定各气象因子阈值和权重,建立了静态天气综合指数(SWI).基本思路是用各气象要素值在不同区间对应的重污染发生概率来衡量该要素对静稳天气的影响程度,发生概率越高则该要素在该区间内对静稳天气影响程度越大[27].

2 结果与讨论

2.1 污染物浓度特征

为了探讨过程期间PM2.5的增长速度,本文定义了增长率:

式中:PVPM2.5为过程期间PM2.5的峰值浓度,mg/m3; iniPM2.5为过程起始时刻的PM2.5浓度,mg/m3;为从过程起始时刻至出现峰值浓度时的时长,h;DPM2.5的单位为mg/(m3×h).

过程一(2015年11月27日~12月1日)具有强度强、影响范围广、过程发展快、PM2.5峰值浓度呈爆发性增长等特点.其中,最重的区域出现在北京-保定-石家庄一带(图1a),过程平均PM2.5浓度均接近300mg/m3(表1),其中保定峰值浓度达740mg/m3;3个城市出现重度以上污染的时长均超过过程总时长的3/4,其中出现严重污染的时长占过程总时长的比例均高于45%,其中石家庄达到75%. 3个城市PM2.5的增长率最快为保定,达7.2mg/(m3×h).过程二(2015年12月19日~12月25日)相对过程一而言,具有重污染区域偏南偏东、污染前期能见度日变化大、污染发展平缓、后期持续维持高污染、减缓慢等明显特点.主要的污染区域在衡水-邢台-邯郸一带(图1b).其中,邢台的PM2.5过程峰值浓度、均值浓度和PM2.5的增长率均显著高于过程一,2次过程期间出现严重污染的时长占过程总时长的比例基本持平.对天津单站而言,除了峰值浓度,过程二期间的均值浓度、污染的增长率,或者重度以上污染所占时长,较于过程一偏强.但北京单站,无论是峰值浓度、均值浓度,还是污染的增长率,或者重度以上污染所占时长,均弱于过程一.

表1 2015年冬季京津冀地区2次重污染过程实况

2.2 污染气象成因分析

2.2.1 环流特征 与京津冀多次重污染过程发生时对应的大气环流形势相似[27-28],本文2次极端雾霾天气期间的大气环流形势整体差异不大,东亚中高纬地区高空(500hPa)均稳定维持偏西气流,水汽含量低,高空云量少(图1a,c),这在一定程度上有利于夜间地面辐射降温,而且使边界层高度降低,近地面的水汽和污染物不易向上发展而只能聚集在近地层,对雾霾天气的发生发展起促进作用.同时,由于500hPa中纬度环流比较平直,以偏西气流为主,南支槽偏西偏弱,水汽输送条件差,导致我国中东部地区降水稀少,干燥少雨的气候背景一方面有利于霾的形成和维持,另一方面弱降水不但不能清除空气中的污染物,反而会增加近地面湿度,为雾的形成和维持创造有利的水汽条件,污染也进一步维持或加强.同时,2次极端雾霾过程发生时,海平面气压场中(图1b,d)冷空气主体偏北,势力均较弱,京津冀位于高压后部的均压场中,有利于低层偏南气流的建立,同时由于气压梯度小,水平风速低,为相对湿度的增加和污染物的区域输送提供了有利条件,促使京津冀一带雾霾天气的发生发展.

2.2.2 稳定性条件 混合层高度表征了污染物在垂直方向被热力对流和动力湍流输送所能达到的高度,是影响污染物扩散的重要参数.混合层高度越高,越有利于污染物在垂直方向的扩散,反之,混合层高度越低,越不利于污染物扩散,易发生重污染天气.

利用罗氏法计算得到2次污染过程的混合层高度(表2),统计发现,过程一京津冀地区的平均混合层高度(339m)和最低混合层高度(19m)均较低,较过程二分别降低了101,12m,其中,北京和石家庄在过程一期间的平均混合层高度均低于过程二,而天津过程一期间的平均混合层高度略高于过程二,且过程一和二中平均混合层高度均显著低于2013年12月京津冀重污染过程中邢台的混合层高度均值(618m)[29].同时,北京在过程一期间的最低混合层高度低于过程二,石家庄2次的最低混合层高度相当(均为58m).因而过程一中大气的垂直扩散能力更差.

随着科技的不断进步，混凝土装配式住宅施工技术也日益更新，而该技术的操作要点之一便是灌浆操作技术。良好的开始是成功的一半，因而在实施该项操作时一定要时刻关注准备工作是否完备，如果在准备工作尚未完成的情况下就进行操作，施工的质量将无法得到良好的保证。在确认准备工作就绪之后就要进行灌浆液的配置，在此过程中，各种含量的配置需与整个工程结构设计相结合，按照预先计划的科学比例进行相应的调制，如果遇到突发状况需更改配方时，应该与相关技术人员确认无误后进行操作。在进行灌浆操作之前要对预制构件进行检查，如果达到规定的安装标准，则实施灌浆。为了避免预制构件的错位，在最后一步必须要进行全方位密封工作。

相较于2014年同期,2015年11月~12月京津冀地区平均混合层顶高度(516m),降低约40.3%.较低的混合层顶高度,降低了污染物垂直扩散能力,加大了高浓度大范围污染极端性的概率.

a,c:500hPa高度场及距平;b,d:海平面气压场及标准距平

表2 2015年11月~12月京津冀2次过程的混合层高度(m)

研究表明,近地面逆温层抑制大气对流运动,有利于重污染的出现和发展.过程一中,11月27日、29日、12月1日8:00时850~1000hPa温度差在中东部大部地区均为正值(图2),表明有大面积逆温存在.其中,11月27日8:00的逆温层区域较大,覆盖京津冀大部地区,逆温最大值(6~8℃)区域位于河北南部;此后28日和29日,逆温区域逐渐缩小,但逆温强度有所加强,29日8:00逆温最大值达到了8~10℃,逆温最强区域位置仍位于河北南部;11月30日~12月1日,逆温范围继续缩窄,中心区逐渐北抬,强度略有减弱,12月1日8:00,逆温范围缩小至京津冀中南部,最大值(6~8℃)位于河北中南部地区.与过程一相对比,过程二前期京津冀低层逆温不明显(图3),在12月25日~26日,925~1000hPa逆温开始发展(800~925hpa无逆温),范围、强度以及逆温层的厚度均较过程一前期偏弱.

2.2.3 动力条件 分析2次重污染过程时850hPa的垂直速度,发现过程一期间(图4a~图4c),京津冀大部850hPa上一直维持有微弱下沉运动(0~2Pa/s),而过程二前期(12月20日)京津冀地区无明显的上升下沉运动(图4d),24日开始,在京津冀北部发展出弱的下沉运动,至25日,弱下沉运动区域扩展至京津冀中部,最大下沉速度为8~10Pa/s(图4e),26日起又逐渐减弱(图4f).综合2次过程,垂直运动均不强,或伴有弱的下沉运动,同时,2次重污染过程期间,京津冀大部维持弱的正涡度或负涡度,最大绝对值<2´10-3/s,大气垂直条件方面均有利于污染物在边界层内堆积.

图2 850hPa与1000hPa之间的温度差

图3 925hPa与1000hPa之间的温度差

图4 850hPa垂直运动

2.2.4 水汽条件 2015年11月~12月京津冀平均相对湿度较2014年同期增加53.9%.潮湿的空气不仅有利于颗粒物吸湿性增长,导致能见度降低,更有利于污染物的二次反应,使PM2.5的浓度骤升[30-31].

计算了2次污染过程的中低层相对湿度差(即850hPa相对湿度减去地面2m处的相对湿度),过程一发生前(11月24日~25日)京津冀大部有降雪,26日夜间地面温度升高,降雪融化,加之近地层偏南风有利于水汽向京津冀一带输送,造成低层大气持续高湿,27日早晨开始京津冀中低层湿度差逐渐加大(图5a),28日至30日早晨相对湿度差范围和强度有所加强(图5b),近地层低能见度范围随之增大.京津冀一带近地层相对湿度高值(80%)一直持续至12月1日,部分时段相对湿度接近100%(图5c),大气处于雾霾混合的状态,能见度持续偏低.

过程二中,京津冀近地面平均相对湿度为76%,过程后期低层湿度有所增加,北京单站从24日20:00~26日11:00持续39h相对湿度高于95%.总体来看,2次过程的相对湿度均较高,过程一前期相对湿度高于过程二,后期整体持平,京津冀一带低能度天气的持续时间长于过程二.

图5 850hPa与地面2m处的相对湿度差Fig.5 Relative humidity difference between 850hPa and 2m above ground

(2)辐合线:在重污染天气过程中,特殊地形的地区要注意地面辐合线的存在,例如在太行山东麓和燕山南侧,河北南部和北京南部在地形作用下会出现中尺度辐合线,一般情况下辐合线西侧为西北风,东侧多为偏东或者偏南风.华北平原地区分布有大量工矿企业,如果区域内盛行小风或偏南风,易出现区域排放的污染物于辐合线周边堆积,出现污染天气,如果同时大气湿度持续增大,近地面逆温发展增强,易导致区域内的重度或严重污染天气.

过程一期间,华北中南部低层以偏南风为主,地面辐合线在北京-保定-石家庄一带维持,位置偏北(见图6a~c),且辐合线维持不动易导致污染物在辐合线周边持续累积,北京南部、河北中部相应成为污染程度最重区域;而过程二,地面辐合线在河北中南部-河南北部一带摆动,位置偏南(图6d~f),且因为辐合线略微摆动,导致污染物在一定范围内输送,而不是像过程一在辐合线周边持续累积,因此,过程二的重污染区域在河北南部至河南北部一带,且污染范围较大.

图6 10m风及辐合线位置

a:11月27日08:00;b:11月29日14:00;c:11月30日14:00;d:12月21日11:00;e:12月22日14:00;f:12月25日20:00

2.3 单站要素分析

2.3.1 气象要素与PM2.5的变化 通过对比分析2次过程中北京(南郊观象台)多种气象要素和相邻最近的环境监测站(天坛站)的PM2.5浓度(图8),可以看到,2次污染过程均可分为2个阶段:前一阶段污染物受高层动量下传和弱冷空气扰动等因素,累积相对较慢;第二阶段受区域输送影响,近地面持续增温增湿,污染物浓度快速累积至峰值.

具体来看,过程一的第一阶段从26日夜间开始(图7a),能见度从白天的10km以上逐渐降低至3.1km(26日23:00),PM2.5浓度从白天的小于35mg/ m3快速增长至120mg/m3,26日夜间地面温度升高,导致前期地面积雪融化,相对湿度逐步加大,且风速自26日夜间起持续维持小静风(£2m/s),北京的静稳天气形势逐步建立.29日早晨,高空有一短波槽过境, 08:00秒探空显示地面至3000m高空为一致的偏北风,且风速较大(1000m至3000m高空风速为16~18m/s),高空动量下传破坏了低层的稳定结构,使污染物在垂直方向上扩散能力增强,至17:00PM2.5浓度降至102mg/m3.入夜后,垂直风切变减小,混合层持续降低,PM2.5浓度攀升至366mg/m3.至30日凌晨,受高空动量下传影响,低层转为东北风且风速加大, PM2.5浓度再一次降低至90mg/m3阶段一结束.与廖晓农等[32]的研究结果类似,PM2.5浓度的降低并未带来能见度的明显改善,其可能原因为高空动量下传带来的湍流扩散作用不足以抵消气溶胶吸湿增长对能见度的影响作用.阶段二从30日08:00开始发展,低层迅速转为一致的偏南风,且风速较弱,辐合线从河北中部迅速向北推进,受区域内输送影响,北京PM2.5浓度和相对湿度迅速上升,湿度一度维持在95%附近,且湿度加大增快了二次反应的速率,生成了更多的PM2.5,同时混合层高度持续维持100m左右,非常不利于污染物在垂直方向的输送,因此PM2.5得以在短时间内迅速累积,至11月30日14:00,达到峰值浓度667mg/m3.此后,虽然混合层高度在午后有一定程度的发展,但相对于阶段一仍明显偏低,受滞后效应影响,PM2.5浓度缓慢下降至30日23:00的404mg/m3,入夜后受不利气象因素影响, PM2.5浓度于12月1日11:00再度上升至626mg/m3,此后,随着系统性冷高压侵入,破坏了静稳条件,本次过程结束.

过程二亦分为两个阶段,第一阶段从19日开始发展(图7b),前期发展缓慢,19日~20日下午,近地面没有明显逆温,相对湿度不高,边界层高度达到500~ 800m之间.20日下午~22日夜间,近地面950hPa附近出现明显逆温,且地面相对湿度增大,边界层高度逐渐降至300m左右,非常不利于污染物的扩散,污染物也在这一时段开始累积,22日17时达到这阶段最高值(478mg/m3)后短暂维持.从北京单站的风廓线图(图9)发现,22日夜间开始中低层转为一致的偏北风,且近地层北风风速较大(600m高度达8m/s,300m高度可达4m/s),有利于污染物的减弱,22日夜间开始PM2.5浓度缓慢下降,23日午后随着混合层高度的抬升,PM2.5浓度降低至79mg/m3(23日17:00),其后,中低层北风减弱、混合层高度再度压低,导致PM2.5短时反弹至380mg/m3,其后,随着高层动量下传、冷空气扰动,24日凌晨北京上空又转为北风控制,冷空气侵入也导致混合层高度的抬升,PM2.5浓度迅速降低至38mg/m3(24日5:00),阶段一结束.阶段二从24日午后起,近地层再度转为一致偏南风控制,有利于区域内的污染物传输,且北京10m风速持续维持在1m/s及以下,混合层高度维持在200m左右,有利于污染物在局地的堆积,同时湿度迅速上升至90%以上并维持,有利于能见度下降及二次反应的发生;此外,24日00时解除了重污染红色预警,因此不利的气象条件叠加污染源排放导致PM2.5浓度的急剧上升,至25日14时达到了本次过程的峰值, 618mg/m3.此后,随着系统性冷高压的南下、冷空气侵入稳定层结,从26日开始,污染物缓慢降低至26日23时达到46mg/m3,空气质量为良.

2.3.2 静稳指数 11月27日~12月1日、12月6日~10日和12月19日~26日的3次重污染天气过程中,北京地区的静稳指数最大值分别为19,19,20,静稳指数相当,而过程平均PM2.5浓度分别为307,199,261mg/m3,小时峰值浓度分别为602,308, 508mg/m3.由此看出,在12月6日~10日和12月19日~26日两次过程中启动空气重污染红色预警对PM2.5浓度的降低起到了一定作用(图9).

图8 过程二期间北京单站风廓线

图9 2015年冬季3次过程中北京静稳指数与PM2.5的时间变化

3 结论

3.1 2015年11月27日至12月1日(过程一)和12月19日至26日(过程二)京津冀的两次典型重污染过程均具有持续时间长、影响范围广、污染浓度高等特点,津京冀各地重度以上污染时长均超过50%.但对比来看,过程一的重污染区域偏北,河北中部和北京的污染增长速率和重度以上污染的比例高于过程二;过程二的重污染区域偏南,天津和河北中南部的污染增长速率和重度以上污染的比例高于过程一.

3.2 两次过程均由静稳型天气产生的:①亚欧中高纬为纬向型环流,我国中东部地区在均压场控制下;②京津冀上空850hPa以弱的下沉运动为主(0~ 2Pa/s),并伴有较弱的涡度,最大绝对值<2´10-3/s;③过程一期间逆温层的范围和强度较过程二偏强,且过程一的平均混合层高度和最低混合层高度均低于过程二;④两次过程期间,小静风频率均达到了40%以上,平均相对湿度均较高,且高湿状态持续时间较长,但过程一期间地面辐合线位置偏北且维持不动,过程二期间辐合线位置偏南且略微南北摆动,因此导致重污染区域和污染增长速率的不同.

3.3 北京的过程一前期降雪融化提供了有利水汽条件,弱偏南风有利于污染物和水汽的输送.混合层高度持续异常偏低、多层逆温(且厚度大)是重要边界层条件,也是过程日变化不明显的原因.地面辐合线在北京中部到河北中部一带维持,使得这一地区污染浓度极高.过程二前期采取了减排措施,能见度和PM2.5日变化大、污染发展平缓;后期不利气象条件叠加污染排放,导致了PM2.5爆发式增长.

[1] 吴 兑,廖碧婷,吴 蒙,等.环首都圈霾和雾的长期变化特征与典型个例的近地层输送条件[J]. 环境科学学报, 2014,34(1):1-11. Wu D, Liao B T, Wu M, et al. The long-term trend of haze and fog days and the surface layer transport conditions under haze weather in North China [J]. Acta Scientiae Circumstantiae, 2014,34(1):1-11.

[2] Sun Y L, Jiang Q, Wang Z F, 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.

[3] 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.

[4] 徐祥德,周 丽,周秀骥,等.城市环境大气重污染过程周边源影响域[J]. 中国科学:地球科学, 2004,34(10):958-966. Xu X D, Zhou L, Zhou X J, et al. Peripheral source influence area of urban environmental atmospheric heavy pollution process [J]. Science in China, Ser.D, 2004,34(10):958-966.

[5] Sun Y L, Wang Z F, Fu P Q, et al. Aerosol composition, sources and processes during wintertime in Beijing, China [J]. Atmospheric Chemistry and Physics Discussions, 2013,13(1):2077-2123.

[6] Meng Z Y, Lin W L, Jiang X M, et al. Characteristics of atmospheric ammonia over Beijing, China [J]. Atmospheric Chemistry and Physics, 2011,11(12):6139-6151.

[7] Sun Y L, Wang Z F, Fu P, et al. The impact of relative humidity on aerosol composition and evolution processes during wintertime in Beijing, China [J]. Atmospheric Environment, 2013,77:927-934.

[8] 赵晨曦,王云琦,王玉杰,等.北京地区冬春PM2.5和PM10污染水平时空分布及其与气象条件的关系[J]. 环境科学, 2014,35(2):418-426. Zhao C X, Wang Y Q, Wang Y J, et al. Temporal and spatial distribution of PM2. 5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing [J]. Environmental Science, 2014,35(2):418-426.

[9] 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.

[10] Zhao C X, Wang Y Q, Wang Y J, et al. Temporal and spatial distribution of PM2.5and PM10pollution status and the correlation of particulate matters and meteorological factors during winter and spring in Beijing] [J]. Environmental Science, 2014,35(2):418-427.

[11] Wang G J, Ogawa A S. Effects of meteorological conditions on PM2.5concentrations in Nagasaki, Japan [J]. International Journal of Environmental Research & Public Health, 2015,12(8):9089-9101.

[12] 张恒德,张碧辉,吕梦瑶,等.北京地区静稳天气综合指数的初步构建及其在环境气象中的应用[J]. 气象, 2017,43(8):998-1004. Zhang H D, Zhang B H, Lv M Y, et al. Development and application of stable weather index of Beijing in environmental meteorology [J]. Meteorological Monthly, 2017,43(8):998-1004.

[13] Sun Y L, Wang Z F, Dong H B, et al. Characterization of summer organic and inorganic aerosols in Beijing, China with an Aerosol Chemical Speciation Monitor [J]. Atmospheric Environment, 2012,51: 250-259.

[14] Jietai M, Chengcai L. Observation study of aerosol radiative properities over China [J]. Journal of Meteorological Research, 2006, 20(3):306-321.

[15] Pasch A N, Macdonald C P, Gilliam R C, et al. Meteorological characteristics associated with PM2.5air pollution in Cleveland, Ohio, during the 2009~2010 Cleveland Multiple Air Pollutants Study [J]. Atmospheric Environment, 2011,45(39):7026-7035.

[16] Liu X G, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 13,9(2013-05-02), 2013,13(9): 4501-4514.

[17] Tran H N Q, MöLders N. Investigations on meteorological conditions for elevated PM2.5in Fairbanks, Alaska [J]. Atmospheric Research, 2011,99(1):39-49.

[18] 江 琪,王 飞,张恒德,等.北京市PM2.5和反应性气体浓度的变化特征及其与气象条件的关系[J]. 中国环境科学, 2017,37(3):829-837. Jiang Q, Wang F. Zhang H D, et al. Analysis of temporal variation characteristics and meteorological conditions of reactive gas and PM2.5in Beijing [J]. China Environmental Science, 2017,37(3):829-837.

[19] 薛文博,付 飞,王金南,等.中国PM2.5跨区域传输特征数值模拟研究[J]. 中国环境科学, 2014,34(6):1361-1368. Fu W B, Fu F, Wang J N, et al. Numerical study on the characteristics of regional transport of PM2.5in China [J]. China Environmental Science, 2014,34(6):1361-1368.

[20] 王丛梅,杨永胜,李永占,等.2013年1月河北省中南部严重污染的气象条件及成因分析[J]. 环境科学研究, 2013,26(7):695-702. Wang C M, Yang Y S, Li Y Z, et al. Analysis on the meteorological condition and formation mechanism of serious pollution in South Hebei Province in January 2013 [J]. Research of Environmental Sciences, 2013,26(7):695-702.

[21] 苏福庆,高庆先,张志刚,等.北京边界层外来污染物输送通道[J]. 环境科学研究, 2004,17(1):26-29. Su F Q, Gao Q X, Zhang Z G, et al. Transport pathways of pollutants from outside in atmosphere boundary layer [J]. Research of Environmental Sciences, 2004,17(1):26-29.

[22] 任阵海,万本太,虞 统,等.不同尺度大气系统对污染边界层的影响及其水平流场输送[J]. 环境科学研究, 2004,17(1):7-13. Ren Z H, Wan B T, Yu T, et al. Influence of weather system of different scales on pollution boundary layer and the transport in horizontal current field [J]. Research of Environmental Sciences, 2004,17(1):7-13.

[23] 史宝忠,郑方成.对大气混合层高度确定方法的比较分析[J]. 西安建筑科技大学学报(自然科学版), 1997,(2):138-141. Shi B Z, Zheng F C. On the determination of mixed layer height [J]. Journal of Xian University of Architecture & Technology, 1997,(2): 138-141.

[24] 马 金,郑向东.混合层厚度的经验计算及与探空观测对比分析[J]. 应用气象学报, 2011,22(5):567-576. Ma J, Zheng X D. Comparisons of boundary mixing layer depths determined by the empirical calculation and radiosonde profiles [J]. Journal of Applied Meteorological Science, 2011,22(5):567-576.

[25] Nozaki K Y. Mixing depth model vsing hourly surface observations. report 7053 [Z]. USAF Environmental Technical Applications Center, 1973.

[26] 李 军,游松财,黄敬峰.基于GIS的中国陆地表面粗糙度长度的空间分布[J]. 上海交通大学学报(农业科学版), 2006,24(2):185-189. Li J, You S C, Huang J F. Spatial distribution of ground roughness length based on GIS in China [J]. Journal of Shanghai Jiaotong University (Agricultural Science), 2006,24(2):185-189.

[27] 张恒德,吕梦瑶,张碧辉,等.2014年2月下旬京津冀持续重污染过程的静稳天气及传输条件分析[J]. 环境科学学报, 2016,36(12): 4340-4351.Zhang H D, Lv M Y, Zhang B H, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26,2014 in Beijing- Tianjin-Hebei [J]. Acta Scientiae Circumstantiae, 2016,36(12):4340-4351.

[28] 翟 华,朱 彬,赵雪婷,等.长江三角洲初冬一次重污染天气成因分析[J]. 中国环境科学, 2018,38(11):4001-4009. Zhai H, Zhu B, Zhao X T, et al. Analysis of a heavy air pollution event in early winter in the Yangtze River Delta [J]. China Environmental Science, 2018,38(11):4001-4009.

[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] Sun Y L, Wei D, Fu P Q, et al. Primary and secondary aerosols in Beijing in winter: Sources, variations and processes [J]. Atmospheric Chemistry & Physics, 2016,16(13):1-41.

[31] 李 琦,银 燕,顾雪松,等.南京夏季气溶胶吸湿增长因子和云凝结核的观测研究[J]. 中国环境科学, 2015,35(2):337-346. Li Q, Yin Y, Gu X S, et al. An observational study of aerosol hygroscopic growth factor and cloud condensation nuclei in Nanjing in summer [J]. China Environmental Science, 2015,35(2):337-346.

[32] 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.

Analysis of meteorological causes of two heavily polluted weather processes in Beijing-Tianjin-Hebei Region in winter of 2015.

LÜ Meng-yao1*, ZHANG Heng-de1, WANG Ji-kang1, JIANG Qi1, LIU Chao1, ZHANG Bi-hui1, LI Qing-chun2

(1.National Meteorological Centre, Beijing 100081, China；2.Institute of Urban Meteorology, Beijing 100089, China)., 2019,39(7)：2748~2757

In order to analyze the two heavy pollution processes in Beijing-Tianjin-Hebei area from November 27 to December 1 (process 1) and December 19 to 25(process 2), 2015, the formation mechanism of heavy pollution weather was analyzed from circulation situation, atmospheric stability condition, dynamic condition, water vapor condition and near-surface wind field transportation. These two heavy polluted weather processes belonged to stationary type, and the duration of heavy polluted weather in Beijing, Tianjin and Hebei was more than 50%. In the presence of large-scale static and stable situation, the vertical diffusion condition in the boundary layer during process 1 was weaker than that of process 2. During the first period of the process, the position of the surface convergence line was northward and remains unchanged, while the position of the convergence line was south and slightly north-south oscillation during the second process, which resulted in the difference of heavy pollution area and pollution growth rate between two processes. For Beijing, snowfall melting provided favorable water vapor conditions in the early stage of process 1. Weak southerly wind was beneficial to the transport of pollutants and water vapor. The height of mixing layer remained abnormally low (the average height of mixing layer in Beijing, Tianjin and Hebei was 339m), accompanied by weak subsidence movement (0~2Pa/s) and multi-layer inversion (and thickness) during the process, which caused no obvious diurnal variation. Simultaneously, the surface convergence line maintained in central Beijing. Due to these multiple factors, Beijing was seriously polluted in process 1 with peak concentration of PM2.5reached to 593mg/m3. In the early stage of process 2, emission reduction measures were adopted, visibility and PM2.5changed greatly, and pollution development was more gentle than that of process 1. In the later stage of process 2, adverse meteorological conditions combined with pollution emissions resulted in the explosive growth of PM2.5, with the peak concentration of PM2.5in Xingtai reaching 700mg/m3and the growth rate exceeding 7.2mg/(m3×h).

Beijing-Tianjin-Hebei Region；heavy pollution；stable weather；convergence line

X513

A

1000-6923(2019)07-2748-10

吕梦瑶(1985-),女,工程师,河南焦作人,主要从事边界层大气物理学、城市空气污染等方面的研究.发表文章3篇.

2018-12-18

国家重点研发计划(2016YFC0203301);北京市自然科学基金(重点)项目(8171002)

* 责任作者, 工程师, lvmy@cma.gov.cn