广州旱季双高污染及消光系数垂直分布特征

陶丽萍,邓 涛,吴 兑,*,吴 晟,何国文,张雪,宋 烺,欧阳珊珊,孙嘉胤,梁 粤,谭 健,夏 瑞,周 振

广州旱季双高污染及消光系数垂直分布特征

陶丽萍1,邓 涛2*,吴 兑1,2**,吴 晟1,何国文1,张雪1,宋 烺1,欧阳珊珊3,孙嘉胤1,梁 粤1,谭 健1,夏 瑞1,周 振1

(1.暨南大学质谱仪器与大气环境研究所,广东省大气污染在线源解析系统工程技术研究中心,广东 广州 510632；2.中国气象局广州热带海洋气象研究所,广东 广州 510640；3.暨南大学环境与气候研究院,广东 广州 511443)

利用2017年12月6日～2018年1月3日地面常规气象资料、空气质量6参数、光化辐射资料、气溶胶吸收和散射系数、单次散射反照率、激光雷达反演的气溶胶消光系数与退偏比数据,分析广州地区气象参数变化对污染物浓度的影响和气溶胶对光化辐射的衰减,研究双高(高气溶胶与高O3)污染的形成机理,并从垂直角度探究了双高日边界层内消光系数廓线演变规律.结果表明,研究期间双高日对光化辐射的衰减小于霾日,一方面气溶胶的散射和吸收特性使得其对光化辐射具有一定的衰减作用,另一方面气溶胶中的散射性成分对光化辐射具有正反馈作用,双高日较强的光化辐射使得O3和PM2.5同时维持在较高值.与非双高日相比,双高日全天风速更小、温度更高、光化辐射更强,PM2.5和CO、SO2、NO2等物质浓度更高,细粒子占比更大,11:00～16:00间近地面退偏比更高.雷达观测结果表明4个双高日8:00消光系数高值区在0.5km以下,低层出现消光系数均值区,并且均值区不断升高;午后光化辐射强度减弱,均值区不再向上发展,随着颗粒物污染加剧,均值区以上消光系数垂直递增,在边界层顶附近出现峰值;夜间消光系数在低层随高度升高而降低,某一高度范围消光系数随高度增加而升高,1km以上呈指数递减,夜间边界层顶附近高值区较为明显.

双高日；气象要素；边界层；垂直分布；激光雷达

目前,PM2.5是我国大气污染的首要污染物,局地排放和周边城市的区域输送是城市PM2.5污染主要贡献源[1-2].研究认为,重霾污染的形成是由于大量化学转化,高相对湿度下有利于二次无机气溶胶形成,增强了气溶胶的吸水能力,可能进一步促进了液态非均相反应[3].二次有机气溶胶形成机制尚不清楚,通常认为是源于大气中挥发性有机化合物(VOCs)的氧化[4].二次气溶胶变化并不明显的情况下,不利气象条件下行星边界层降低的双向反馈机制是造成PM2.5污染累积的主因[5-6]. “气十条”实施后我国PM2.5总体呈下降趋势[7-8],NO排放量减少使滴定效应减弱导致地表O3浓度增加[9-10],其已成为夏季的主要污染物[11],进一步增加了污染控制的复杂性.O3的光化学生成与VOCs和NO排放有关,当地NO排放较高,O3对VOCs浓度变化的敏感性更强,反之亦然[12].边界层的垂直输送对地面O3增加的贡献也不容忽视[13-14],深圳地区观测得出夜间残留层储存O3第二天上午垂直输送至地表的贡献可达61.44%[15],夜间地面O3浓度通常不高,原因是夜间NO滴定作用,但四川盆地出现夜间O3高值,可能与云驱动的垂直混合有关[16].大气污染有时并不仅只有某一污染物的超标,单一污染研究在复合污染情况下并不完全适用.北京和长三角地区双高事件通常与高压系统有关,高空南向暖流增强了边界层热逆温层,抑制日间边界层发展,双高污染加剧[17]. NO和VOC是PM2.5和O3的共同前体物,二者具有化学耦合关系[18].它们的相互作用体现在O3能够增强大气氧化性促进二次反应前提物的气-粒转化[19],颗粒物通过影响光化辐射通量影响O3生成过程[20].大气氧化性低时,PM2.5与O3无相关性,高PM2.5更可能是由前体的丰富程度而不是大气氧化性驱动的;在中高大气氧化性时,PM2.5与O3呈正相关,DPM2.5/DO3值随大气氧化的降低而增大[21].

广州是工业化和城市化高速发展的大城市,大部分在北回归线以南,旱季相较于其他偏北地区更加温暖,辐射强度更大,目前该地旱季的复合污染研究相对较少.本文利用地面观测资料得出研究时段气象要素与污染物浓度之间的关系,分析双高日不同高度处轨迹来源和气象场,气溶胶对辐射的衰减比例,比较双高日和非双高日气象参数和地面污染物浓度日变化,对双高日消光系数垂直分布规律进行探究,以期能进一步加深对珠三角复合污染成因及影响的认识,为污染天气预报预警提供科学参考依据.

1 数据来源与处理

研究时段为2017年12月6日～2018年1月3日, 地面风速(WS)、风向(WD)、温度()、湿度(RH)、压强、能见度(Vis)、消光系数(Ext)、颗粒物浓度(PM1、PM2.5、PM10)、气溶胶的散射和吸收系数、单次散射反照率SSA时间分辨率为1h,光化辐射通量和光解率时间分辨率为1s,微脉冲米散射激光雷达反演的气溶胶消光系数与退偏比时间分辨率为1min,以上数据来自广州番禺大气成分站(23.002°N, 113.355°E),该站点位于广州市番禺区南村镇大镇岗山,海拔为142m,站点附近为居民区,没有明显的工业污染源.污染物(SO2、NO2、CO、O3)数据时间分辨率为1h,来自附近的环境国控站番禺中学站点(22.948°N,113.352°E),2个站点间相距2.4km.

微脉冲米散射激光雷达由美国Sigma Space公司生产,探测高度可达60km,雷达系统包括发射系统、接收系统、信号处理系统,垂直方向上最小分辨率为15m.原始数据处理前需要进行的订正主要有背景噪声订正、驻留脉冲订正、延时订正、几何因子订正等[22].根据雷达探测原理,雷达方程可简化为:

式中:1、2分别为气溶胶和空气分子的后向散射系数;d、b、ap、olp分别为延时订正系数、背景噪声订正系数、后脉冲订正系数、近端填充订正系数;()为高度下的后向散射回波信号;是空气分子透射率.本文采用Fernald[23]方法,雷达比定义为消光系数和后向散射系数的比值,经验值一般是20～80,通过公式(2)采用后向积分求解雷达方程

式中:()为大气消光系数;()=()2,具体处理算法见参考文献[24].从而得到对应高度处的消光系数、后向散射系数数据.

HYSPLIT是美国国家海洋和气象局(NOAA)研发的后向轨迹模式,运用拉格朗日和欧拉计算方法计算气团轨迹、运输、分散、化学转化和沉积模拟[25].本文采用常规后向轨迹模拟,根据反向轨迹确定气团来源并建立源-受体关系,其空间分辨率为0.5°× 0.5°,时间分辨率为6h,数据来自NOAA官网的trajectory模块(https://www.ready.noaa.gov/hypub- bin/trajtype.pl).TUV是美国NCAR开发的对流层紫外辐射模式(https://www.acom.ucar.edu/Models/ TUV/Interactive_TUV/),采用八流离散坐标,考虑云和气溶胶的光学特性,可以计算一定波长范围内的光化辐射和物种光解速率.

光化学辐射通量观测仪是METCON公司生产.通过512象素二极管阵列探测器实现了象素谱宽为0.85nm与光谱分辨率为2.1nm的高精度测量.可测量紫外低端谱UVB至可见光的太阳辐射光谱(280～670nm),通过仪器内部附有8种光解物质的吸收截面和量子产率文件,并计算得到8种物质(O1D)、(NO2)、(HONO)、(NO3_M)、(NO3_R)、(H2O2)、(HCHO_ M)、(HCHO_R)的光解速率,光解率计算式为[26]:

式中:()为光化通量;()、()分别为已知的吸收界面和量子产率,对某物质发生光解的波段进行积分可求得该物质的光解速率.

AethalometerTM型黑碳仪是由美国MAGEE科技公司研制和生产用于实时观测黑碳气溶胶的仪器,BC1～BC7为7个通道分别对应7个中心波长(370,470,520,590,660,880,950nm)所测得的BC浓度值,黑碳的吸收系数通过以下公式计算得到[27]:

式中:为气溶胶沉积物的斑点面积;表示多相散射校正系数系数;是用于修正“负载效应”的ATN的函数;是在每个测量周期中通过滤膜的空气体积;2指某一周期采样点处光学衰减量;1指上一周期采样点处光衰减量.

大气积分浊度仪(IN-3563)由美国华盛顿大学和TSI公司研发,用于连续监测空气中粒子的光散射系数,计算特定波段下产出量的光散射角积分即可求得散射系数,总消光系数=吸收系数+散射系数,将同一波段下的散射系数与总消光相除即可得出单次散射反照率SSA的值.

边界层内不同层次及边界层与自由大气的过渡区气溶胶浓度会有一定差异,以此为依据可以判定边界层高度,具体方法有标准差法[28]、人工识别拐点法[29]、归一化梯度法[30]、曲线拟合法[31]、小波变换法[32]等.标准差法滤去了波动和噪声,但是仍然存在近边界处理问题;归一化梯度法受多层气溶胶影响容易误判,且在信噪比低的信号中适用性较差,曲线拟合法需利用理想化信号模型影响,对廓线的形状要求较高,难以处理与模型偏差较大的廓线,小波分析反演结果的准确性和合理性与小波变换尺度因子的选择有较大关系.人工识别拐点法虽然难以快速处理大量的数据,但在处理多层气溶胶或云等复杂条件时,往往会得到更加可靠的结果,本研究使用人工识别拐点法.

2 结果与讨论

2.1 反演验证

图1 研究期间地面消光系数和激光雷达反演330m处消光系数比较

低云会对近地面雷达反演信号造成强烈干扰使雷达反演失效,为验证雷达反演消光系数的合理性,首先要去除降水和低云时段数据.如图1,地面消光系数与雷达反演最低层(330m)消光系数两者具有很好的一致性,相关性为0.55,通过显著性水平为0.01的Pearson检验,验证了雷达反演消光系数的合理性.将全天分为日间(7:00～18:00)和夜间(18:00～次日7:00)两个时段,夜间相关性为0.47,日间相关性为0.65.日间地面与雷达反演最低处消光系数的相关性较好,白天混合层内物质混合充分,垂直方向上气溶胶分布均匀,夜间出现稳定边界层和残层等复杂结构,雷达最低层与地面所属结构层性质有所差别,导致夜间相关性比日间差.

2.2 研究期间气象要素及污染物浓度概况

表1 研究期间气象要素和污染物的相关性

依据国标GB/T 36542-2018[33]将1d内霾现象持续6h或以上记为霾日,连续3d或3d以上判定为一次霾天气过程.研究期间有15d为霾日,占总数的51.72%.本研究中双高时次指的是PM2.5小时浓度超过75μg/m3且O3-1h浓度超过160μg/m3(O3-8h大于100μg/m3)的时次,出现双高时次的日期判定为双高日.研究时段内有4d为双高日,分别为12月10、27、29日和1月3日.观测期间广州处于旱季,平均湿度为53.42%.如图2中所示,霾日风向变化剧烈且风速较低,平均风速为1.22m/s,多为小风.非霾日大部分时间为东北风,风向稳定且风速较大.能见度与消光系数呈反比,PM2.5浓度峰值144.64mg/m3出现在12月10日4:00.整个观测期间PM2.5的平均浓度为62.54mg/m3,霾日和非霾日平均PM2.5浓度分别为85.00,38.49mg/m3,前者是后者的2.2倍.PM2.5/PM10的均值为0.78,PM1/PM2.5的均值为0.92,表明细粒子污染是观测期间能见度下降的一个主要因素.观测期间白天(7:00～18:00)O3浓度的均值为73.76mg/m3,双高日和非双高日分别为104.89,69.98mg/m3,前者是后者的1.5倍,峰值307mg/m3出现在1月3日17:00.污染前后SO2、NO2、CO浓度均有不同程度的增加.表1中PM2.5与风速之间相关性为-0.55,有强烈的负相关关系,说明小风或静小风是颗粒物污染的主要气象要素之一.与O3相关性较好的气象要素是光化辐射通量、温度和相对湿度,相关系数分别为0.72、0.46、-0.56,说明发生O3污染的决定性气象因子是高光化辐射、高温、低湿,这与黄俊等[34]的观测统计结果一致.气溶胶退偏比是表示粒子不规则程度的光学参数,退偏比越大,表明粒子偏离球形的程度越大,沙尘气溶胶、矿物质气溶胶和新生成的二次气溶胶退偏比较大.整个观测期间,PM1/PM2.5值较高,在排除沙尘天气影响下,退偏比与大气中新粒子生成速率有关.白天光化辐射通量与O3错峰3h数据拟合后得到的相关性最强,其值为0.72,光化辐射是促进O3反应速率加快的直接因素.霾日(不包含双高日)和双高日的光化辐射通量平均值分别为79.34, 121.2W/m2,日间330m高度退偏比均值分别为0.10和0.12, PM1/PM2.5均值分别为0.929和0.933.后者平均退偏比和光化辐射通量、细粒子占比均高于前者,持续的高光化辐射强度是PM2.5和O3复合污染的关键因素.日间近地面退偏比与O3的相关性为0.71,光化辐射的增强及温度的升高使得O3浓度增加,同时O3浓度的升高增强了大气氧化性,加速大气中的硫酸盐和二次有机碳的生成[35],新生成的气溶胶具有更高的退偏比.

2.3 双高日天气背景及后向轨迹聚类分析

为研究双高日污染物扩散条件和气流传输轨迹,结合地面及高空气象场并使用HYSPLIT轨迹模式,以广州番禺大气成分站为轨迹终点,模拟了3个高度(10,500,1500m)处的72h气流后向轨迹.12月10日500hPa华南沿海受东亚大槽底部偏西气流控制,地面由强大的蒙古高压底部控制,等压线较为稀疏,来自西北高空的气流下沉至广州上空1500m处,传输速度较快,气团较为清洁.10,500m中低空气团向南做下沉运动随后贴地,在下沉气流的作用下污染物在地面累积,气流后向轨迹如图3(a)所示.期间气温上升,相对湿度较低,地面风力较弱,偏北风1～2级,扩散能力较差,当日最大光化辐射通量为516.76W/m2,有利于O3和二次气溶胶浓度的增加.15:00PM2.5和O3浓度同时超标,两者浓度分别为92和162mg/m3,雷达330m处退偏比大于0.12,PM1/PM2.5的值高达0.94.

12月27日500hPa华南沿海受西太平洋副热带高压西北侧西南气流控制,地面由冷高压底部控制,等压线较为稀疏,1500m处气团轨迹较为曲折,始终在珠三角范围内移动,500m处气团先从地面上升而后近似水平移动,10m处72h后向轨迹显示气流紧贴地面,如图3(b)所示.垂直方向上湍流运动较弱,地面风力较弱,偏东风1～2级,静稳条件下不利于污染物扩散,当日最大光化辐射强度为430.17W/m2,有利于光化学反应速率加快,14:00～17:00地面颗粒物和O3浓度同时超标,二次气溶胶生成速率加快,雷达330m处退偏比高达0.13, PM1/PM2.5的值高达0.94.

12月29日500hPa华南沿海受平直西风气流控制,地面由冷高压底部控制,等压线较为稀疏,1500m处气团从西北方向绕至珠三角东部随后向西行至广州,该气团较为清洁,对地面污染影响小.10m处后向轨迹显示珠三角东部气团向西移动经过一段时间的下沉后紧贴地面,另一来自珠三角东部上空向西移动的气团经过24h的下沉后缓慢抬升至广州上空500m处,两个高度处的气团有交汇,且气团移动速度较慢,如图3c所示,说明1000m以下扩散条件较差.同时大气中的NO2、SO2、CO等物质浓度升高,前体物浓度的升高加快了气溶胶的二次生成反应和光化学反应,加剧了广州地区高O3和高PM2.5的复合污染形势.

1月3日500hPa华南沿海受孟加拉湾低槽槽前西南气流控制,地面由冷高压底部控制,地面风力较弱,风力1～2级,扩散条件差.1500m处气团来自海上,气团流速较快,500m高度处气流来自东南沿海,10m空气团基本在珠三角范围内且移速较慢,如图3(d)所示,较差的扩散条件下本地排放的污染物逐渐累积.当日O3和PM2.5污染均比较严重,日均PM2.5浓度为118.90mg/m3,光化辐射强度的峰值为422.34W/m2,光化学反应速率快,O3浓度的最大值出现在17:00,浓度为307mg/m3,有助于促进新粒子生成,PM1/PM2.5比值高达0.93.

从地面天气场来看4个双高日广州受均压场影响,且位于冷高压底部,结合3个高度后向轨迹聚类分析发现,中高空气团传输速度较快且较为清洁,12月10日、27日、29日及1月3日广州地区10m高度处东北来向气团均经历一定程度的下沉或贴地移动,近地面气团传输速度较慢基本属于本地输送,说明外来传输少,不利的气象场背景下本地扩散条件较差,污染物更易在近地面累积.

图3 广州双高日72h后向轨迹

2.4 双高日污染物与气象要素特征分析

2.4.1 地表气溶胶与辐射的相互作用 12月6日为一个典型霾日,12月29日为一个典型双高日,12月20日为一个典型清洁日.光化辐射通量是所有方向辐射能在单位面积上的积分,光化辐射通量增加,不同波段物质光解速率随之增加.日出后光化辐射通量开始增加,正午左右达到最大值,随后逐渐降低.

图4(a)中TUV模拟大气中无气溶胶状态时地面光化辐射通量.12月6日TUV光化辐射通量峰值出现在12:18,其值为729.38W/m2,同一时刻光化辐射通量实测值为479.14W/m2,霾日光化辐射通量峰值衰减了34.31%.12月29日TUV模拟光化辐射的峰值出现在12:30,其值为721.75W/m2,此时实测地面光化辐射通量为496.73W/m2,双高日光化辐射强度峰值衰减了31.91%,双高日地面光化辐射强度峰值的衰减幅度小于霾日.NO2的光解反应与O3生成具有直接关系,从图4(b)可以观察到不同情况下J(NO2)呈现出和光化辐射日变化相同的规律, TUV模拟的无气溶胶时NO2的光解速率,相比同一时刻TUV峰值,霾日的J(NO2)减小了35.80%,双高日J(NO2)减小了32.42%,双高日J(NO2)峰值比霾日大.图4(c)显示清洁日、双高日、仅受到霾污染影响的日期这3种情况下的SSA小时平均日变化,SSA是一项反映大气中散射型气溶胶占比的光学参数.3种情况SSA日变化均呈单峰型且在午后达到峰值,清洁日SSA最大,其峰值为0.87,双高日SSA增长率较大, 14:00～ 18:00间双高日SSA值超过霾日,并在午后接近清洁日,峰值为0.86,而灰霾日SSA峰值仅为0.85.气溶胶对光化辐射的作用体现在两个方面,一方面气溶胶的散射和吸收特性会对到达地表的光化辐射造成一定程度的衰减[36],另一方面是散射型气溶胶对光化辐射的正反馈作用[37],双高日白天散射型气溶胶占比大,增加了多次散射和后向散射,边界层内光化辐射强度出现不同程度的增加,这种增加作用抵消了一部分辐射衰减,这也是双高日光化辐射强度比霾日高的原因之一.高光化辐射通量导致光化学生成O3增加,该条件下增强的大气氧化性促进了二次气溶胶的生成速率,污染严重时双高日的SSA甚至接近清洁日,导致PM2.5和O3浓度水平均维持在较高值.

2.4.2 地表气象要素及污染物日变化对比 如图5所示,双高日比非双高日具有更低的风速、更高的温度和更强的光化辐射.全天不同时段双高日风速比非双高日低0.3～1.0m/s,双高日最高温度为26.5℃,非双高日最高温度为22.7℃,峰值相差3.8℃.双高日9:00～15:00平均光化辐射通量大于200W/m2, 13:00左右达到峰值,双高日与非双高日光化辐射强度的最大差值为87.08W/m2.低风速使得颗粒物更容易积累,高温、高辐射强度加速了O3的生成.近地面气溶胶退偏比随着辐射强度的增加具有明显日变化,白天随着光化辐射强度增大,二次反应生成新粒子速率增加,夜间由于相对湿度较大,粒子吸湿后更趋于球形,因此退偏比减小,双高日近地面退偏比11:00～16:00时间段内比非双高日高.NO2是光化学反应和二次生成反应共同的前体物,SO2可以经过气-粒转换形成硫酸盐气溶胶,双高日两者浓度都比非双高日高,说明不利气象因素对PM2.5和O3浓度的升高具有正反馈作用,PM2.5和O3在静稳条件下难以扩散,同时两者的气态前体物增加,进一步加快了O3和PM2.5的生成.双高日细粒子占比更高,平均PM1与PM2.5的比值最高可达0.94,说明研究期间双高日比非双高日的新粒子生成速率更快.

图5 双高日与非双高日气象要素及污染物日变化对比

2.4.3 垂直气溶胶消光系数及退偏比变化 图6中,12～17日雷达上方被低云遮挡,12月6～7日、10日、13日、23日、27～30日、1月1～3日为霾日,消光系数在1.0km以下有明显的高值区,结合地面低能见度和较高的颗粒物浓度可知这几日气溶胶污染较为严重.12月27～30日为一次霾过程,12月27日上午地面污染严重,地面消光系数为0.5～0.7km-1,随后在太阳辐射增加的作用下,大气湍流作用加强,混合层高度不断增加,近地层排放的污染物向上混合,霾层厚度从0.4km增至1.1km,1.0m以下消光系数为0.25～0.55km-1.19:00之后由于地表冷却降温,靠近地面的一层大气首先受到影响,温度迅速下降,形成逆温层,逆温层上方残留层内还储存白天边界层内的污染物.从图6(a)可见,30日夜间污染分层结构明显,0.5,0.8km上层和下层的消光系数差值较大.12月31日地面风力增大,扩散条件较好,整层消光系数减小,但仍然高于0.2km-1,边界层顶部附近存在消光系数的高值区,消光系数大于0.4km-1.1月3日污染最严重,整层消光系数处于较大值,夜间边界层顶部消光系数高值区平均值大于0.6km-1.

图6 研究期间消光系数和退偏比的时空演变

Fig.6 The temporal and spatial evolution of extinction coefficient and depolarization ratio during the study period

退偏比具有明显的日变化规律,7:00～14:00 近地面退偏比逐渐增大,14:00左右达到峰值,14:00～ 19:00逐渐减小,夜间维持在较低值.图6(b)显示,12月8～12日、18～22日、25～26日12:00左右0.5km以下退偏比均超过0.15,白天高值垂直分布范围广,14:00即使1.2km左右退偏比仍高达0.12,夜间0.5km以下退偏比不超过0.1.与白天太阳辐射及O3日变化规律一致,白天随着太阳辐射的增强,新粒子生成速率加快,同时大气氧化性的增加对二次反应有一定的促进作用,这些新生成的气溶胶形状通常不规则,因此白天退偏比较高.夜间地表持续降温,相对湿度增加,新粒子生成速率减慢,大气中的粒子容易吸湿后趋于球形,导致夜间退偏比较小.12～17日出现薄云,云对到达近地面太阳辐射的衰减显著,这期间整层退偏比值都不高.

为了研究双高日消光系数垂直分布特征,选取12月10～11日、27～28日、29～30日和1月3日不同时段消光系数垂直廓线进行分析.从图7(a1)可以看到,12月10日8:00地面消光系数为0.44km-1,垂直方向上消光系数的高值分布在0.5km以下,且低层消光系数的垂直递减率较大,测得的地表小时平均光化辐射通量为120.73W/m2,光化辐射强度不高.此时低层的污染物还未充分向上混合,随着光化辐射的增强,近地面大气湍流作用加强,地面污染物向上扩散得以稀释.12:00左右地面消光系数降至0.37km-1,0.8km以下消光系数的垂直递减率较小,说明这一高度范围内垂直方向上污染物混合的较为均匀.0.8km以上消光系数随高度增加呈指数式递减,自由大气中污染物浓度较小,排放到大气中的污染物主要分布在边界层内.此时光化辐射强度达到467.66W/m2,O3浓度还在不断增加.14:00消光系数均值区仍然不高于0.8m,混合层不再向上发展,地面排放的污染物被限制在一定高度.15:00～16:00间PM2.5和O3同时超标,0.3～0.75km内消光系数在0.24～0.3km-1间,垂直递减率较小,16:00后随着太阳辐射的减弱,O3浓度降低,双超标情况结束.从图7(c1)可以看到12月11日0:00～6:00消光系数在0.7km以下随着高度增加而减小,在0.7～0.9m左右垂直递增,夜间湍流作用较小,同时边界层顶具有逆温结构,下层污染物无法穿过边界层顶逆温带进入自由大气,导致污染物在边界层顶积累,0.9km左右高度消光系数出现峰值,再往上消光系数呈指数减小.

12月27日颗粒物污染比10日更严重,8:00地面消光系数为0.71km-1,此时从图7(a2)中观察到0.5km以下消光系数垂直递减率较大,10:00左右消光系数均值区仅在0.5km以下,在太阳辐射作用下,12:00均值区发展到0.8km左右,14:00廓线可以看出0.7km以下消光系数随高度变化不大,0.7～ 0.9km消光系数随高度升高而增大,0.9km左右达到峰值,污染物被限制在边界层内,边界层顶污染物浓度较大.16:00～17:00间PM2.5和O3同时超标,日落后地面失去热源,地面O3浓度降至50mg/m3以下,夜间消光系数在0.6km以下分布较为均匀,0.6～1.0km高度范围消光系数随高度升高而增大,且顶部消光系数峰值不断增大,如图7(b2～c2).

如图 7(a3～c3),日出后霾层向上发展,12月29日8:00～10:00消光系数的高值区在0.6km以下,且消光系数垂直递减率较大,污染物还未充分向上混合,地面颗粒物浓度大于90mg/m3.12:00左右消光系数在垂直方向的均值区仅在0.55km以下,混合层较低, 14:00左右0.8km以下消光系数均匀分布,光化辐射强度不再增加,混合层发展受到限制,16:00颗粒物和O3同时超标,夜间湍流作用弱,地面排放的污染物在低层累积,近地面消光系数增大,无光照条件下 O3浓度维持在较低值.

由图7(a4～c4)可以看出,1月3日0:00～08:00消光系数的高值在0.5km以下,污染物在低层浓度较大,稳定的气象条件导致地面排放污染物扩散缓慢, 10:00左右0.7km以下消光系数垂直递减率仍较高,随后光化辐射强度增加,温度升高,出现消光系数均值区,12:00左右光化辐射强度达到峰值,消光系数均值区在0.67km以下,此高度范围内污染物在垂直方向上分布均匀,0.67～0.80km消光系数随高度升高而增大, 14:00～19:00颗粒物和O3同时超标,观察到明显的边界层顶部消光系数高值区,峰值在0.9km左右,日落后O3迅速被NO滴定,复合污染状况结束.

3 结论

3.1 雷达反演的330m处消光系数与地面消光系数有较好的相关性,验证了雷达反演消光系数的合理性,白天由于混合充分,相关性更好.

3.2 冬季研究期间出现15个灰霾日和4个双高日.对气象要素统计分析表明,通常风向稳定时风速较大,风向分散时风速较小,风速和PM2.5存在强负相关性,霾日平均风速仅为1.22m/s.双高日气溶胶退偏比和光化辐射平均值均高于霾日(不包含双高日),日间高温、低湿、小风、持续高光化辐射通量下更易发生高PM2.5和高O3的复合污染事件.

3.3 研究时段典型霾日和双高日光化辐射峰值的衰减比例分别为34.31%和31.91%,双高日光化辐射衰减比例小于霾日,光解速率具有同样的规律.清洁日SSA最大,双高日SSA增加速率较快,且在日间双高日SSA大于霾日,说明气溶胶对辐射具有衰减作用以及气溶胶中的散射成分对光化辐射具有一定促进作用,这是双高日PM2.5和O3相互促进的体现.

3.4 边界层内,雷达观测结果表明双高日中日出后气溶胶不断向上混合,出现明显均值区并在12:00前均值区不断升高.午后随着辐射强度的减弱均值区的发展受到限制,均值区以上消光系数随高度升高而增大.夜间消光系数先随高度升高而降低,某一高度往上递增达到峰值以后呈指数递减.特别在颗粒物污染严重时段,夜间边界顶附近出现更明显峰值.

[1] Wang X Q, Wei W, Cheng S Y, et al. Characteristics and classification of PM2.5pollution episodes in Beijing from 2013 to 2015 [J]. Science of The Total Environment, 2018,612:170-179.

[2] Bai Y Q, Zhao T L, Hu W Y, et al. Meteorological mechanism of regional PM2.5transport building a receptor region for heavy air pollution over Central China [J]. Science of The Total Environment, 2022,808:151951.

[3] Shen X J, Sun J Y, Zhang X Y, et al. Variations in submicron aerosol liquid water content and the contribution of chemical components during heavy aerosol pollution episodes in winter in Beijing [J]. Science of The Total Environment, 2019,693:133521.

[4] Wang J F, Ye J H, Zhang Q, et al. Aqueous production of secondary organic aerosol from fossil-fuel emissions in winter Beijing haze [J]. Proceedings of the National Academy of Sciences, 2021,118(8): e2022179118.

[5] Zhong J T, Zhang X Y, Wang Y Q, et al. The two-way feedback mechanism between unfavorable meteorological conditions and cumulative aerosol pollution in various haze regions of China [J]. Atmos. Chem. Phys., 2019,19(5):3287-3306.

[6] Zhang T, Che H Z, Gong Z Q, et al. The two-way feedback effect between aerosol pollution and planetary boundary layer structure on the explosive rise of PM2.5after the “Ten Statements of Atmosphere” in Beijing [J]. Science of The Total Environment, 2020,709:136259.

[7] Zhang X Y, Xu X D, Ding Y H, et al. The impact of meteorological changes from 2013 to 2017 on PM2.5mass reduction in key regions in China [J]. Science China Earth Sciences, 2019:1-18.

[8] Chen B, Song Z H, Pan F, et al. Obtaining vertical distribution of PM2.5from CALIOP data and machine learning algorithms [J]. Science of The Total Environment, 2022,805:150338.

[9] Li K, Jacob D J, Liao H, et al. Ozone pollution in the North China Plain spreading into the late-winter haze season [J]. Proceedings of the National Academy of Sciences, 2021,118(10):e2015797118.

[10] Dang R J, Liao H, Fu Y. Quantifying the anthropogenic and meteorological influences on summertime surface ozone in China over 2012-2017 [J]. Sci. Total Environ., 2021,754:142394.

[11] Wang Y, Zhang Y, Hao J, et al. Seasonal and spatial variability of surface ozone over China: contributions from background and domestic pollution [J]. Atmos. Chem. Phys., 2011,11(7):3511-3525.

[12] Liu X F, Wang N, Lyu X P, et al. Photochemistry of ozone pollution in autumn in Pearl River Estuary, South China [J]. Science of The Total Environment, 2021,754:141812.

[13] Zhu X W, Ma Z Q, Qiu Y L, et al. An evaluation of the interaction of morning residual layer ozone and mixing layer ozone in rural areas of the North China Plain [J]. Atmospheric Research, 2020,236:104788.

[14] Li XB, Fan G Q, Lou S R, et al. Transport and boundary layer interaction contribution to extremely high surface ozone levels in eastern China [J]. Environmental Pollution, 2021,268:115804.

[15] He G W, Deng T, Wu D, et al. Characteristics of boundary layer ozone and its effect on surface ozone concentration in Shenzhen, China: A case study [J]. Science of The Total Environment, 2021,791:148044.

[16] Hu J, Hu XM, Gao L, et al. Impacts of Nocturnal Cloud Top Radiative Cooling on Surface O3in Sichuan Basin, Southwestern China [J]. Earth and Space Science, 2021,8(3):e2020EA001541.

[17] Miao Y C, Che H Z, Zhang X Y, et al. Relationship between summertime concurring PM2.5and O3pollution and boundary layer height differs between Beijing and Shanghai, China [J]. Environmental Pollution, 2021,268:115775.

[18] Huang L, Sun J J, Jin L, et al. Strategies to reduce PM2.5and O3together during late summer and early fall in San Joaquin Valley, California [J]. Atmospheric Research, 2021,258:105633.

[19] Jia M W, Zhao T L, Cheng X H, et al. Inverse Relations of PM2.5and O3in Air Compound Pollution between Cold and Hot Seasons over an Urban Area of East China [J]. Atmosphere, 2017,8(3):59.

[20] Yuan T L, Remer L A, Bian H S, et al. Aerosol indirect effect on tropospheric ozone via lightning [J]. Journal of Geophysical Research: Atmospheres, 2012,117:D18213

[21] Qin M M, Hu A Q, Mao J J, et al. PM2.5and O3relationships affected by the atmospheric oxidizing capacity in the Yangtze River Delta, China [J]. Science of The Total Environment, 2022,810:152268.

[22] Campbell J R, Hlavka D L, Welton E J, et al. Full-Time, Eye-Safe Cloud and Aerosol Lidar Observation at Atmospheric Radiation Measurement Program Sites: Instruments and Data Processing [J]. Journal of Atmospheric and Oceanic Technology, 2002, 19(4):431- 442.

[23] Frederick G F. Analysis of atmospheric Lidar observations: some comments [J]. Applied Optics, 1984,23(5):652-653.

[24] 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.

[25] Stein A F, Draxler R R, Rolph G D, et al. NOAA’s HYSPLIT Atmospheric Transport and Dispersion Modeling System [J]. Bulletin of the American Meteorological Society, 2015,96(12):2059-2077.

[26] Parrish D D, Murphy P C, Albritton D L, et al. The measurement of the photodissociation rate of NO2in the atmosphere [J]. Atmospheric Environment, 1983,17(7):1365-1379.

[27] Fialho P, Hansen A D A, Honrath R E. Absorption coefficients by aerosols in remote areas: a new approach to decouple dust and black carbon absorption coefficients using seven-wavelength Aethalometer data [J]. Journal of Aerosol Science, 2005,36(2): 267-282.

[28] Poltera Y, Martucci G, Cone M C, et al. Pathfinder TURB: an automatic boundary layer algorithm. Development, validation and application to study the impact on in situ measurements at the Jungfraujoch [J]. Atmos. Chem. Phys., 2017,17(16):10051-10070.

[29] Boers R, Eloranta E W, Coulter R L. Lidar Observations of Mixed Layer Dynamics: Tests of Parameterized Entrainment Models of Mixed Layer Growth Rate [J]. Journal of Applied Meteorology and Climatology, 1984,23(2):247-266.

[30] Bachour D, Astudillo P D. Boundary Layer Height Measurements over Doha Using Lidar [J]. Energy Procedia, 2014,57: 1086-1091.

[31] Steyn D G, Baldi M, Hoff R M. The Detection of Mixed Layer Depth and Entrainment Zone Thickness from Lidar Backscatter Profiles [J]. Journal of Atmospheric and Oceanic Technology, 1999,16:953-959.

[32] Song L, Deng T, Li ZN, et al. Retrieval of Boundary Layer Height and Its Influence on PM2.5Concentration Based on Lidar Observation over Guangzhou [J]. Journal of Tropical Meteorology, 2021,27(3):303- 318.

[33] GB/T 36542—2018 霾的观测识别 [S].

GB/T 36542-2018 Haze identification for meteorological observation [S].

[34] 黄 俊,廖碧婷,吴 兑,等.广州近地面臭氧浓度特征及气象影响分析 [J]. 环境科学学报, 2018,38(1):23-31.

Huang J, Liao B T, Wu D, et al. Guangzhou ground level ozone concentration characteristics and associated meteorological factors [J]. Acta Scientiae Circumstantiae, 2018,38(1):23-31.

[35] Tan H B, Yin Y, Li F, et al. Measurements of particle number size distributions and new particle formation events during winter in the Pearl River Delta region, CHINA [J]. Journal of Tropical Meteorology, 2016,22(2):191-199.

[36] Mai B R, Deng XJ, Liu X, et al. Direct Radiative Effect of Aerosols on Net Ecosystem Carbon Exchange in the Pearl River Delta Region [J]. Journal of Tropical Meteorology, 2021,27(3):272-281.

[37] Deng T, Wang T J, Wang S Q, et al. Impact of typhoon periphery on high ozone and high aerosol pollution in the Pearl River Delta region [J]. Science of The Total Environment, 2019,668:617-630.

High aerosol and high ozone pollution and vertical distribution of extinction coefficients in Guangzhou during the dry season.

TAO Li-ping1, DENG Tao2*, WU Dui1,2**, WU Cheng1, HE Guo-wen1, ZHANG Xue1, SONG Lang1, OUYANG Shan-shan3, SUN Jia-yin1, LIANG Yue1, TAN Jian1, XIA Rui1, ZHOU Zhen1

(1.Institute of Mass Spectrometry and Atmospheric Environment, Guangdong Engineering Research Centre for Online Atmospheric Pollution Source Appointment Mass Spectrometry System, Jinan University, Guangzhou 510632, China；2.Guangzhou Institute of Tropical and Marine Meteorology, China Meteorological Administration, Guangzhou 510640, China；3.Institute for Environmental and Climate Research, Jinan University, Guangzhou 511443, China)., 2022,42(2)：497～508

Based on regular surface observation meteorological data, data of six kinds of air quality parameters, actinic radiation data, aerosol scattering and absorption coefficients, single scattering albedo, and aerosol extinction coefficient and depolarization ratio retrieved by lidar data from December 6, 2017 to January 3, 2018 in Guangzhou, this paper analyzed the influence of meteorological parameters variation on pollutant concentration and actinic radiation attenuation by aerosols, studied the formation mechanism of high aerosol and high ozone (double high) pollution, and explored the evolution of extinction coefficient profile in the vertical direction within the boundary layer on double high days. The actinic radiation attenuation on double high days is less than that on haze days during the study period. The scattering and absorption of aerosols has certain attenuation effect on actinic radiation. The scattering components of aerosols have positive feedback on actinic radiation, and the strong actinic radiation on double high days keeps O3and PM2.5concentration at a high level. Compared with non-double high days, double high days feature lower wind speed, higher temperature, stronger actinic radiation, higher PM2.5, CO, SO2, and NO2concentration, higher fine particle ratio, and higher near-surface depolarization ratio during 11:00-16:00. Radar observation shows that the high value area of extinction coefficient is below 0.5km at 8:00 am on four double high days. The mean value area of extinction coefficient appears in the low layer and keeps rising. Actinic radiation flux abates in the afternoon, and its mean value area no longer develops upwards. Extinction coefficient above the mean value area gradually increases vertically as particulate pollution aggravates, and it peaks near the top of the boundary layer. At night, extinction coefficient reduces with the rise of height at the low altitude, increases with the rise of height within a certain altitude range, and decreases exponentially above 1km. The high value area near the top of the boundary layer is more obvious at night.

double high days；meteorological elements；boundary layer；vertical distribution；lidar

X513;X515

A

1000-6923(2022)02-0497-12

陶丽萍(1997-),女,湖北黄石人,暨南大学硕士研究生,主要从事PM2.5和O3大气观测研究.发表论文1篇.

2021-07-15

国家重点研发计划项目(2019YFC0214605,2018YFC0213901);国家自然科学基金资助项目(41775037,41905123);广东省重点领域研发计划项目(2020B1111360003);广东省气象局科技创新团队项目(GRMCTD202003);广东省基础与应用基础研究基金资助项目(2020A1515011136)

* 责任作者, 研究员, tdeng@gd121.cn, **教授, wudui.vip@foxmail.com