南京冬季典型霾天气过程多元对比分析

程 昊,康 娜,张佳欣,张嘉月

南京冬季典型霾天气过程多元对比分析

程 昊,康 娜*,张佳欣,张嘉月

(南京信息工程大学,中国气象局气溶胶-云-降水重点开放实验室,江苏 南京 210044)

选取2017～2020南京地区冬季3个典型霾天气过程,综合分析了霾天气过程中污染物、气象要素以及边界层条件等影响机制与特征变化.结果表明,3次过程中,AQI指数峰值分别为304(严重污染)、227(重度污染)与176(中度污染),且与PM2.5、PM10浓度变化基本趋于一致,PM2.5与PM10比值基本都大于0.7;污染期间,相对湿度几乎都在70%以上,最低风速均在1m/s左右,高湿的环境、稳定的气温与静小风为霾天气的发生提供了有利的气象条件;3次过程中,均有低混合层高度出现,第1、2次混合层最低高度仅为34m,70m,第3次为204m,整体上PM2.5浓度高值与低混合层高度相对应,配合高频率、强度大的逆温,抑制污染物的垂直扩散形成聚集,导致污染加剧;气溶胶来源多以沙尘与污染性沙尘为主,同时伴随着部分大陆性污染、少量烟尘与海洋清洁空气;后向轨迹与潜在源分析表明,3次冬季南京地区霾污染天气主要受区域污染影响为主,同时气流远距离输送也造成了重要影响,尤其以西北远距离输送居多.

霾污染；PM2.5；气象条件；后向轨迹模拟

南京作为长三角地区的中心城市之一,城镇化率高,重工业企业聚集,人为活动及其污染物排放较大,大气污染影响因子复杂,尤其以冬季最为严重.国内许多学者对南京地区大气污染过程及其影响开展了研究,表明霾污染天气都发生在相对稳定的气象条件下,污染物浓度与气象要素,尤其是风速具有较大的相关性[1-3];贾梦唯等[4]对边界层特征进行了探讨,发现稳定的气象条件配合低混合层高度与逆温层的出现,污染物垂直扩散能力降低,抑制湍流混合,造成污染物聚集,有利于污染天气的发生;南京地区的污染不仅与本地排放和局地气象条件有关,受区域输送影响,秸秆焚烧是导致南京及周边地区形成爆发性重污染事件的重要因素[5-6];西北与华北地区的沙尘等污染远距离输送也会对南京地区的污染造成一定的影响[7-8];一些学者对南京颗粒物进行了探究,秦玮等[9]对南京污染时空演变特征分析,发现南京地区颗粒物具有明显的区域性分布特征;细粒子的浓度与大气能见度之间呈现很好的负相关性[10-11];颗粒物浓度的升高,尤其是细颗粒物占比增大以及化学组分的二次污染,是导致重污染过程的重要原因[12-13].

本文选取南京地区2017～2020年冬季发生的典型空气质量霾天气过程,对多个过程中PM2.5、AQI、常规气象要素、边界层特征与气溶胶来源等方面进行多元对比分析,并结合CALIPSO气溶胶组分、HYSPLIT后向轨迹以及潜在源PSCF与CWT分析方法模拟分析污染物的来源,探讨南京地区污染过程中的相关影响因素、传输特征与特征共性,同时通过对比2020年新冠疫情停工减排期间的霾天气过程,为今后控制人为排放提供参考.

1 资料与方法

1.1 数据来源

AQI、PM2.5和PM10数据取自中国空气质量在线监测分析平台(https://www.aqistudy.cn/);气象信息综合分析处理系统(MICAPS)数据由南京信息工程大学气象灾害预报预警与评估创新中心提供;混合层高度资料为香港科技大学环境研究所数据(http://envf.ust.hk/dataview/profile/current/),时间分辨率为12h,分别为北京时间的8:00与20:00;逆温层数据采用怀俄明大学网站(http://weather.uwyo.edu/ upperair/seasia.html),同样为北京时间8:00与20:00的探空资料;风速风向等常规气象要素资料来自Wunderground全球天气精准预报网以及美国国家环境预报中心(NCEP)数据与国家气象信息中心;气溶胶组分为CALIPSO卫星数据(https://www.calipso. larc.nasa.gov/);后向轨迹与潜在源分析使用美国国家环境预报中心(NCEP)提供的全球气象资料同化系统(GDAS)数据,分辨率为0.5°×0.5°,时间分辨率为6h;混合层高度、逆温等均为对南京站(站点ID: 58238)的探空观测资料.

1.2　研究方法

利用美国国家环境预报中心(NCEP)提供的全球资料同化系统(GDAS)数据,使用由大气成分观测与服务中心(CAWAS)和中国气象科学研究院(CAMS)开发的HYSPLIT后续软件TrajStat计算研究大气污染过程期间气团的后向轨迹,所用潜在源贡献因子法(PSCF)和浓度权重轨迹分析法(CWT)是2种以后向轨迹模型为基础的网络化统计分析法,其中PSCF是基于条件概率函数发展而来的一种可以利用后向轨迹计算描述可能源地位置空间分布的概率,条件概率大值表示对研究区域的污染物浓度有高的潜在贡献,但其仅考虑了在某网格点中,经过该点空气团抵达研究区域高于设定阈值出现的概率,并无法计算得到该网格点污染浓度数值大小,因此配合CWT方法的分析结果,分析不同轨迹和潜在源地位置的污染程度,获得不同潜在源区贡献的相对大小.

PSCF是将研究区域分成´个网格,研究时段内所有轨迹的总格点数为,若有n个格点落在网格中,则时间A的概率为 :

[A]表示随机选择的气团在第个网格上相对经过的时间.若在这n个格点中有m个格点对应的轨迹到达时污染物的浓度高于设定的阈值(这里设PM2.5阈值为《环境空气质量标准》(GB3095- 2012)[14]规定的二级标准75µg/m3),则该事件B的概率为:

[B]反映污染气团在某一网络上的相对经过时间.潜在源区贡献函数(PSCF)为一个条件概率:

(3)

运用权重函数(n)来减小公式计算所带来的误差,参照经验[15]设定为:

则最终PSCF的计算公式为:

CWT是计算利用下列公式计算每个网格()的浓度平均值:

式中:表示的是轨迹;为轨迹的总数;C为轨迹对应点的浓度;τ表示轨迹在(,)上所经过的时间.

2 结果与讨论

2.1 南京市2017～2020年空气质量总体特征

从表1可以发现,2017～2020年期间,南京地区空气质量整体上有较好的改善,特别是2020年,各级污染的发生天数明显下降,没有重度污染等级及以上出现,这与新冠疫情的发生有着一定的联系,交通的管制、各行业的停工、人类活动的减少等管控措施在很大程度上改善了空气质量.

从季节分布来看,南京地区重污染呈现出秋冬多,春夏少的特点,重度污染及以上均发生在秋冬季,尤其是冬季,重污染情况最为严重,所以重点讨论2017～2020年冬季南京地区霾天气过程.

选取2017～2020年冬季3个典型的霾天气过程,第1次过程AQI指数达到严重污染(³300),第2次过程为重度污染(201～300),2020年由于空气质量较好,选取了该年空气质量最为严峻的中度污染过程.如表2所示,3次污染过程均以PM2.5为首要污染物.

表1 2017～2020年南京空气质量

表2 3个典型霾天气过程概况

2.2 3次污染过程AQI与PM2.5、PM10浓度变化

由图1可见,3次霾天气过程中AQI指数与PM2.5及PM10浓度变化基本一致.第1次污染时间持续4d,其中3d在重度污染及以上,AQI峰值为304,为污染程度最为严重的一次,达到严重污染等级, PM2.5与PM10在污染期间均严重超标,整个过程污染积累迅速,之后迅速清除;第2次污染持续时间最长,维持达10d,AQI峰值达到227,为重度污染,PM2.5与PM10浓度在污染发生3d后有一次回落,随后迅速上升达到峰值,持续一段时间后,污染物清除迅速;第3次污染过程相对较轻,污染持续时间最短,AQI峰值为176,为中度污染,污染发生前在11日空气质量为优,污染物积累迅速,维持3d后清除,空气质量明显好转,恢复为良等级.

从图1中还可见,3次过程PM2.5/PM10只有少部分几天低于0.6,其余都大于0.6,尤其是最后一次过程比值均在0.7以上,说明PM2.5在污染物中占比更大,影响更大,3次典型污染过程都以细颗粒物为主要污染物,是典型的霾天气过程.这与王琴等[16]研究发现PM2.5/PM10>0.6时,人为污染产生的细颗粒物在污染气团中起主导作用结论一致.

2.3 3次污染过程气象要素

较高的相对湿度会使得空气中粒子的吸湿性能力增强,有助于颗粒物的吸湿增长,增大空气的浑浊程度,增大霾污染发生的概率,同时会加快化学反应导致二次污染物的生成,从而加重污染物浓度.从图2可见,3次污染过程南京地区日相对湿度均高于50%,第1次污染过程在污染前期有轻微降水,湿度迅速上升,PM2.5浓度较低,之后相对湿度维持在70%以上,PM2.5浓度开始上升,在31日达到最高值,随着南京地区发生强降水,PM2.5浓度由于湿沉降作用迅速下降,重霾污染去除;第2次污染过程一直保持较高的相对湿度,颗粒物吸湿增长,污染物逐渐积累,PM2.5浓度在11月30日达到最大值,后期的连续性降水,霾污染被逐渐清除.最后一次污染期间,相对湿度最高,由于11日发生了降水,之后相对湿度一直维持在85%以上,为污染的发生创造了良好的条件,强降水的再次发生,使相对湿度进一步骤升接近100%,PM2.5浓度也随着湿沉降的作用骤降,霾污染被迅速清除.值得注意的是,第2次污染过程中,11月26日相对湿度高于95%时,并没有发生降水,PM2.5浓度却有所降低,郑飞龙等[17]认为过高的相对湿度使得高空水汽充足同样会引起湿沉降清除,从而导致大气颗粒物浓度有所下降,与本文结论一致.

图1 三次污染过程AQI和PM2.5/PM10

温度是影响大气对流的主要因素之一,温度越低,大气对流运动越弱,不利于污染物的扩散,从而导致污染物的积累.3次污染过程中,仅有第3次污染过程(图2(c)),温度相对较低,最高温度为4℃,有利于污染的发生;第1次污染过程(图2(a)),温度变化较为波动,整个过程温差最大达到6℃,对污染物的扩散没有明显影响;第2次污染期间(图2(b)),整个过程温度维持在10℃,同时相对湿度均保持在70%以上,此环境对空气中颗粒物的化学反应有一定促进作用,同时稳定的气象条件也为霾污染天气的发生创造了良好的条件.

从图3(a)可见,南偏西方向风速较小,相应的PM2.5的浓度较高,PM2.5浓度最低值出现在北偏东方向;第2次污染过程(图3(b))呈现出南北方向风速高,东西低的特点,AQI最低值出现在北方向,该风向风速最大,约为7m/s;第3次污染过程(图3(c))整体风速相对前2次较小,最大风速为5m/s,西方风速最低,相应的PM2.5浓度也最大,PM2.5浓度最低值同样出现在北偏东方向.

一般来说,PM2.5浓度与风速呈负相关关系,较低的风速会降低污染物在水平方向的扩散能力,加之稳定的边界条件,使得污染物输送不充分形成积累,从而增加污染物浓度.3次污染过程中,南京地区北偏东方向无论风速强弱,相对的PM2.5浓度均较低,说明南京北偏东方向污染较轻,污染物较少,同时北部山脉对风与污染物也起到了一定的阻碍作用.南京作为省会城市,经济发达,高层建筑群较多,在一定程度也影响着地表风的传输能力,不利于污染物的扩散清除,是阻碍污染输送的另一重要因素.

2.4 3次污染过程逆温

大气边界层内逆温的多寡、强度等是衡量大气扩散能力的重要指标,低空逆温层会抑制近地面大气污染物的垂直扩散能力[18].从表3可见,第1次污染过程,白天脱地逆温频次达到了一半,夜晚以脱地逆温为主,达到了75%,其中12月31日8:00贴地逆温强度最大,为5.8℃/100m,是该日污染达到整个过程最严重程度的重要影响因素.

第2次污染过程以脱地逆温为主,贴地逆温频次同样较高,白天脱地逆温频次明显高于贴地逆温,整个过程仅有1d白天没有脱地逆温出现,夜晚贴地与脱地逆温频次相当,均达到了66.7%,11月26日8:00的脱地逆温在三次污染过程当中强度最大,为6.4℃/100m,是形成此次持续10d的长时间空气污染的重要原因,贴地逆温多出现在污染发生的前半段,随着贴地逆温的减少,污染也有所减轻.

第3次污染过程以脱地逆温为主,整个过程污染程度相对较轻,仅在13日的白天有贴地逆温出现,逆温强度最大值出现在12日的夜晚,为3℃/100m,这也为12～14日持续3d的污染创造了良好的条件.

3次污染过程呈现逆温频率高,强度大的特点,3次过程虽均以脱地逆温为主,但贴地逆温对地面的污染影响更大,高频率的近地面强逆温,使得大气的湍流热能和动能交换减弱,不利于污染向高空有效扩散,导致污染物在近地面附近聚集滞留造成空气质量恶化,形成长时间、重程度的污染.

表3 三次污染过程南京地区逆温层特征

注:脱地逆温为800hPa(约2km)以下的逆温,逆温频次表示污染期间出现逆温次数在总天数中的占比.

2.5 3次污染过程混合层高度

由图4(a)可见,第1次污染过程混合层平均高度为479m,有5d存在混合层高度低于100m的情况,从27日20:00持续到30日8:00,混合层高度始终在400m以下,29日20:00出现了3次污染过程混合层高度的最低值,仅为34m,低混合层高度使污染在近地面附近聚集,随后PM2.5浓度飙升,形成持续4d的严重污染.

第2次污染过程(图4(b)),混合层高度呈现出波动下降的趋势,混合层平均高度在3次污染过程中最低,为471m,整个过程仅有第1d的8:00混合层高度在1km以上,11月25～12月3日期间,混合层高度一直处于较低的高度,均不超过800m,最低高度出现在25日20:00,为70m,与此过程持续10d的污染阶段相对应,混合层高度低值期间,对应的PM2.5浓度较低,两者存在明显的负相关关系.

第3次污染过程(图4(c)),混合层高度普遍较低,始终处于1km以下,平均值为600m,最低值出现在14日20:00,为204m,对应的PM2.5浓度也在当天达到最高值155µg/m3,低混合层高度不利于污染物的垂直扩散,配合较强的脱地逆温,为此次高浓度污染创造了良好的条件.

3次污染过程混合层高度均较低,极低混合层高度期间对应的PM2.5浓度相对较高,两者呈现明显负相关.较低的混合层高度不利于污染物在垂直方向上的扩散,配合高频、强度大的逆温进一步使得污染物在近地面的积累,是影响近地面空气污染的重要原因.

2.6 南京市气溶胶来源与PM2.5潜在源区分析

2.6.1 气溶胶来源 利用HYSPLIT模型的后续软件Trajstat对3次污染过程距地面500m高度后向72h时间尺度的气流轨迹进行聚类分析,采用总空间相异度(Total Spatial Variance, TSV)方法确定聚类的数目[19],并结合CALIPSO卫星扫描轨迹经过南京及周边地区的气溶胶类型图以及MODIS火点进行污染成分及来源分析.

从图5可以看出,后向轨迹经过聚类分析后共有6条.其中气流轨迹4占比最大,为26.56%,同时气流起始高度最低,移动缓慢在850hPa(约1500m)高度以下,主要来自山东西部;其中来自内蒙古地区的气流轨迹2、轨迹5占比分别为15.10%与13.54%,且气流轨迹较长,移动速度较快,输送高度最高,均在650hPa(约3700m)以上,经过宁夏、山西、河北等地,轨迹2在最后阶段由西北方向从黄海转为东北方向贯穿江苏中部,抵达南京地区,轨迹5则经过上海、江苏、安徽等发达地区再返回流入南京,是大陆性城市污染的主要来源,此2类气流轨迹为污染期间由西北远距离输送大量沙尘与污染性沙尘污染物;轨迹1与轨迹6的气流轨迹相似,移动速度相对较慢,气流高度相对较低,轨迹1来自河北,途径山东,经过黄海向西经过上海抵达南京地区,轨迹6气流主要来自海洋,从渤海经过黄海,再从上海方向流向南京;气流轨迹3占比最低,为11.46%,与其他气流不同的是,为西南气流,移动缓慢,气流高度较高,自江西经过浙江、安徽等发达地区,可能携带人为因素产生的细粒子到南京地区.从叠加的火点图可以看出,沿气流轨迹4,山东西部火点较为密集,是期间烟粒污染主要来源. 2017年12月29日CALIPSO(图6)气溶胶来源显示南京地区以沙尘与污染性沙尘为主,同时伴随着部分的烟粒污染与大陆性污染.

图6 2017年12月29日CALIPSO气溶胶来源

第2次污染过程(图7)气流轨迹聚类分析同样分为6条.此次过程主要受区域性污染影响,其中气流轨迹5在此次过程中占比最大,达到64.39%,来自湖北北部,途径河南南部,贯穿安徽中部,在江苏徘徊到达南京地区,移动缓慢,气流高度较低,在此次污染过程占绝对优势,由于移动缓慢,风速较小,大气扩散能力弱,易将周边污染物在南京地区聚集,从而形成高浓度污染;轨迹1为西北气流中远距离输送,占比为25%,来自陕西西北部,途径河南、安徽等地,是沙尘与污染性沙尘的主要来源;气流轨迹2、3、6均为西南气流,占比较小,高度较低,来自江西东部、福建,经过浙江与安徽抵达南京;轨迹4为西北气流远距离输送,占比最少,仅占总轨迹的1.52%,对此次污染过程影响较小. 此次过程气流轨迹路径上火点相对较少. 2018年11月30日CALIPSO(图8)气溶胶来源,显示该日南京及周边地区同样以污染性沙尘与沙尘粒子居多,伴随部分清洁高湿海洋空气与少量大陆性污染与烟粒.

第3次污染过程(图9)气流轨迹聚类结果为4条,其中轨迹4出现频率最高,为34.72%,从山东南部,经过河南东部及安徽北部,到达南京地区,轨迹长度短,气流高度较低,在950hPa(约1000m)左右;其次为轨迹1,占31.25%,来自内蒙古东部,途径辽宁西部,经过渤海,在黄海向西南移动经过江苏,携带部分北方的沙尘与清洁海洋潮湿空气到达南京地区;来自内蒙古西北远距离的气流轨迹3,占比最低,为10.42%,移动路径长,速度快,是导致南京地区沙尘与沙尘性污染的另一主要原因;轨迹2,占比23.61%,来自山东省,从北向南进入江苏到达南京地区,与轨迹4相似,移动缓慢,气流高度低,不利于污染的扩散,使得污染积累,从而加重污染. 此过程中火点分布广,较为密集,气流轨迹2路径上山东、轨迹3路径上山西、河南、安徽等省市火点对南京烟粒污染有一定影响.2020年1月14日CALIPSO(图10)气溶胶来源显示,该日南京及周边主要以大陆性污染为主,伴有部分清洁海洋空气,高层为污染性沙尘、沙尘粒子及少量烟粒.

图8 2018年11月30日CALIPSO气溶胶来源

综上所述,南京地区3次典型霾天气过程主要以区域性污染为主,同时西北气流远距离输送也造成了一定的影响.3次污染过程中,南京及周边地区的气溶胶来源多为沙尘、污染性沙尘与大陆性污染物,烟粒污染也是不可忽略的一部分.南京本地及周边发达地区与城市的人类活动与工业交通等产生的大陆城市污染产生的细粒子影响严重,另一方面,西北方向的长距离输送携带的沙尘、污染性沙尘等在气溶胶来源中占较大比例,伴随着秸秆燃烧等产生的烟粒,在一定程度上加重了污染,形成典型污染过程.

2.6.2 PSCF和CWT 分别用PSCF和CWT潜在源区的方法分析3次过程PM2.5的来源,PSCF主要体现某区域中污染轨迹所占的比例,配合CWT方法,对南京地区PM2.5进行进一步的潜在源区贡献分析,来确定潜在源区的污染程度.

图9 第3次过程气溶胶聚类模拟及火点分布

图10 2020年1月14日CALIPSO气溶胶来源

图11 三次污染过程PSCF与CWT

由图11可见,第1次污染过程的潜在源区主要集中在安徽、江苏南部以及河北等,受区域性污染与远距离输送共同影响,这与后向轨迹聚类结论一致,从CWT图可以发现,主要贡献区与潜在源区大致相同,贡献最大的区域还是安徽与河北地区;第2次污染过程,潜在源区主要集中在本地及附近上海、安徽等发达地区,呈现出以南京地区为中心,向四周扩散的特点,在距离较远的地区贡献相对较小,整个过程以区域污染为主,CWT分析发现贡献最大区域是在南京本地及附近城市,在江西北部同时也存在小区域CWT高值. 第3次污染过程,潜在源区明显集中在南京地区西北方,如山东、河南与安徽等省市呈“C”字型,东部地区贡献较低,CWT值较前两次过程有所下降,主要贡献区域同样集中在山东、河南及安徽等区域,以西北方区域污染为主.

3 结论

3.1 南京地区2017～2020年冬季3次典型霾天气过程,分别为2017年12月27日～2018年1月3日、2018年11月23日～12月4日和2020年1月11日～1月16日,AQI峰值分别为304、227与176.稳定的气象条件加之较低的地表风速使得污染物在垂直与水平方向的扩散输送能力降低,同时较高的相对湿度增加了粒子的吸湿性,导致了高浓度重空气污染的发生.

3.2 3次污染过程中都有频率高、强度大的逆温出现,以频率皆大于50%的脱地逆温为主,3次最大逆温强度分别为5.8,6.4,3.0℃/100m.强贴地逆温与污染物浓度高值相对应,对污染影响更大.逆温层的出现使得大气湍流热能和动能交换削弱,抑制污染物的高空扩散能力,从而引起污染物的积累.

3.3 三次污染过程混合层高度最低值分别为34,70,204m,较低的混合层高度不利于污染物的有效垂直扩散,配合高频率、强度大的逆温进一步使得污染物在近地面积累,是影响近地面空气污染的重要原因.

3.4 结合后向轨迹聚类、MODIS火点数据及CALIPSO卫星气溶胶组分分析发现,3次污染过程发生的主要原因为区域污染,同时受冬季冷空气影响,我国北部内陆气流西北远距离输送影响显著.除本地及周边地区排放的大陆性污染以外,西北气团经过长距离输送携带沙尘、污染性沙尘等,同时伴随着移动路径上秸秆燃烧等产生的烟粒影响南京地区,加重污染程度.

3.5 PSCF与CWT得到的结果基本一致,3次过程南京及周边地区潜在贡献较大,与聚类后向轨迹结论一致,东部多为海洋高湿清洁气团,对南京地区的污染贡献较小,整体上呈现出西高东低的特点.

3.6 三次霾天气过程中,2020年受新冠疫情期间停工减排的影响,空气质量仅为轻度污染,可见对人工排放的控制对空气质量的影响尤为重要.

[1] 康 娜,胡 康,Kanike Raghavendra Kumar,等.2015年10月南京霾污染过程分析 [J]. 环境科学研究, 2017,30(12):1832-1840.

Kang N, Hu K, Kumar K R, et al. Analysis of haze weather process in Nanjing City in October 2015 [J]. Research of Environmental Sciences, 2017,30(12):1832-1840.

[2] 宋子祎,钱小立,康 娜,等.南京市一次持续性霾天气的多元分析 [J]. 环境科学与技术, 2018,41(S1):245-250.

Song Z Y, Qian X L, Kang N, et al. Multivariate analysis of a persistent haze in Nanjing City [J]. Environmental Science & Technology, 2018,41(S1):245-250.

[3] 胡 康,康 娜,Kanike Raghavendra Kumar.南京秋冬季2次霾污染天气过程分析 [J]. 环境科学与技术, 2017,40(5):158-164.

Hu K, KANG N, Kumar k R. Analysis of two haze weather process in Nanjing during autumn and winter [J]. Environmental Science & Technology, 2017,40(5):158-164.

[4] 贾梦唯,康 娜,赵天良.南京秋冬季典型霾污染过程及边界层特征分析 [J]. 环境科学与技术, 2014,37(S2):105-110.

Jia M W, Kang N, Zhao T L. Characteristics of typical autumn and winter haze pollution episodes and their boundary layer in Nanjing [J]. Environmental Science & Technology, 2014,37(S2):105-110.

[5] 朱 彬,苏继锋,韩志伟,等.秸秆焚烧导致南京及周边地区一次严重空气污染过程的分析 [J]. 中国环境科学, 2010,30(5):585-592.

Zhu B, SU J F, Han Z W, et al. Analysis of a serious air pollution event resulting from crop residue burning over Nanjing and surrounding regions [J]. China Environmental Science, 2010,30(5):585-592.

[6] 吴万宁,查 勇,王 强,等.南京地区冬夏季大气重污染个例对比分析 [J]. 中国环境科学, 2014,34(3):581-587.

Wu W N, Zha Y, Wang Q, et al. Comparative analysis of winter and summer heavy atmospheric pollution events around Nanjing [J]. China Environmental Science, 2014,34(3):581-587.

[7] 崔金梦,王体健,高丽波,等.2016年冬季南京地区大气污染特征的观测分析 [J]. 气象科学, 2020,40(4):427-437.

Cui J M, Wang T J, Gao L B, et al. Observational analysis on air pollution characteristics in Nanjing during winter of 2016 [J]. Journal of the Meteorological Sciences, 2020,40(4):427-437.

[8] 战杨志豪,谢 旻,罗 干,等.2018年冬季南京重霾污染特征及气象因素分析 [J]. 环境科学学报, 2020,40(11):4038-4047.

Zhan Y Z H, Xie M, Luo G, et al. Pollution characteristics of a haze episode in Nanjing in the winter of 2018 and the possible meteorological driving force [J]. Acta Scientiae Circumstantiae, 2020, 40(11):4038-4047.

[9] 秦 玮,范广强,张天舒,等.基于激光雷达和地面监测数据对南京一次沙尘和细粒子污染时空演变特征的分析 [J]. 大气与环境光学学报, 2016,11(4):270-280.

Qin W, Fan G Q, Zhang T S, et al. Spatiotemporal evolution characteristics of a dust and fine particle pollution in Nanjing based on lidar and ground monitoring data [J].Journal of Atmospheric and Environmental Optics, 2016,11(4):270-280.

[10] 王 磊,孙 燕,魏建苏,等.2014年南京春节前后空气污染特征及其气象条件分析 [C]//第十二届全国气溶胶会议暨第十三届海峡两岸气溶胶技术研讨会论文集, 2015:14.

Wang L, Sun Y, Wei J S, et al. Analysis of air pollution characteristics and meteorological conditions before and after the Spring Festival in Nanjing in 2014 [C]//The 12th National Aerosol Conference and the 13th Cross Strait Workshop for Aerosol Science &Technology, 2015:14.

[11] 魏玉香,银 燕,杨卫芬,等.南京地区PM2.5污染特征及其影响因素分析 [J]. 环境科学与管理, 2009,34(9):29-34.

Wei Y X, Yin Y, Yang W F, et al. Analysis of the pollution characteristics & influence factors of PM2.5in Nanjing Area [J]. Environmental Science and Management, 2009,34(9):29-34.

[12] 喻义勇,陆晓波,朱志峰,等.南京2013年12月初持续重污染天气特征及成因分析 [J]. 环境监测管理与技术, 2015,27(2):11-16.

Yu Y Y, Lu X B, Zhu Z F, et al. The weather characteristics and causes analysis for continuous heavy air pollution of Nanjing during early December in 2013 [J].The Administration and Technique of Environmental Monitoring, 2015,27(2):11-16.

[13] 张海鸥,周瑶瑶,马 嫣,等.南京霾天气及PM2.5化学污染特征分析 [J]. 环境科学与技术, 2015,38(3):114-118.

Zhang H O, Zhou Y Y, Ma Y, et al. Chemical pollution characteristics of PM2.5in haze weather in Nanjing [J]. Environmental Science & Technology, 2015,38(3):114-118.

[14] GB3095-2012 环境空气质量标准 [S].

GB3095-2012 Ambient air quality standards [S].

[15] 李颜君,安兴琴,范广洲.北京地区大气颗粒物输送路径及潜在源分析 [J]. 中国环境科学, 2019,39(3):915-927.

Yi Y J, An X Q, Fan G Z. Transport pathway and potential source area of atmospheric particulates in Beijing [J]. China Environmental Science, 2019,39(3):915-927.

[16] 王 琴,马琳达.贵阳市空气中PM2.5/PM10时空分布特征研究 [J]. 环保科技, 2015,21(1):28-31,35.

Wang Q, Ma L D. Discussions on characteristics of PM2.5/PM10in atmospheric environment of Guiyang City [J]. Environmental Protection and Technology, 2015,21(1):28-31,35.

[17] 郑龙飞,谢郁宁,刘 强,等.南京地区2013年12月重霾污染事件成因分析 [J]. 大气科学学报, 2016,39(4):546-553.

Zheng L F, Xie Y N, Liu Q, et al. Heavy haze events during December 2013 in Nanjing [J]. Trans. Atmos. Sci., 2016,39(4):546-553.

[18] 段 玮,万石云,段 旭.昆明坝子边界层贴地逆温特征及其成因 [J]. 云南地理环境研究, 2014,26(4):1-6,34.

Duan W, Wan S Y, Duan X. Characteristics and causes of ground temperature inversion in boundary layer of dam in Kunming [J]. Yunnan Geographic Environment Research, 2014,26(4):1-6,34.

[19] 沙丹丹,王红磊,朱 彬,等.冬季PM2.5中含碳气溶胶的污染特征——长江三角洲地区一次区域重污染过程分析 [J]. 中国环境科学, 2017,37(10):3611-3622.

Sha D D, Wang H L, Zhu B, et al. Pollution characteristics of carbonaceous aerosols in PM2.5during a regional heavy air pollution episode in winter in the Yangtze River Delta [J]. China Environmental Science, 2017,37(10):3611-3622.

[20] Xin Huang et al. Amplified transboundary transport of haze by aerosol–boundary layer interaction in China [J]. Nature Geoscience, 2020,13(6):428-434.

[21] 彭 薇,李云丹,康 娜,等.长三角秋冬季典型区域霾天气特征及对比分析 [J]. 中国环境科学, 2021,41(7):3043-3054

Peng W, Li Y D, Kang N, et al. Characteristics and comparative of typical haze weather during autumn and winter in the Yangtze River Delta [J]. China Environmental Science, 2021,41(7):3043-3054.

[22] 危诗敏,冯鑫媛,王式功,等.四川盆地多层逆温特征及其对大气污染的影响 [J]. 中国环境科学, 2021,41(3):1005-1013.

Zhan S M, Fen X Y, Wang S G, et al. Characteristics of multi-layer inversions in Sichuan Basin and their influences on air pollution [J]. China Environmental Science, 2021,41(3):1005-1013.

[23] 张滢滢,陈 明,陈丽英.海口市重污染天气潜在源分析研究 [J]. 气象与环境学报, 2019,35(2):107-111.

Zhang Y Y, Chen M, Chen L Y. Potential source analysis of heavy pollution weather in Haikou [J]. Journal of Meteorology and Environment, 2019,35(2):107-111.

[24] 邱 坚,霍玉玲,万学平,等.镇江市四季PM2.5污染特征与潜在源区分析 [J]. 环境工程, 2019,37(6):123-130.

Qiu J, Huo Y L, Wang X J, et al. Analysis on seasonal differences of pollution characteristics and potential sources of PM2.5of Zhenjiang [J]. Environmental Engineering, 2019,37(6):123-130.

[25] 刘迎云,姜 雨,宗 梁,等.基于HYSPLIT模型的衡阳市大气PM2.5潜在源分析 [J]. 南华大学学报(自然科学版), 2019,33(6):12-17.

Liu Y Y, Jiang Y, Zong L, et al. Potential source analysis of PM2.5based on HYSPLIT model in Hengyang [J]. Journal of University of South China (Science and Technology), 2019,33(6):12-17.

[26] 罗 彪,刘 暄.基于后向轨迹模式下的合肥市大气污染来源研究 [J]. 中国科学技术大学学报, 2019,49(4):321-328.

Luo B, Liu X. Investigation on the source of air pollutants in Hefei city based on backward trajectory model [J].Journal of University of Science and Technology of China, 2019,49(4):321-328.

[27] 祝禄祺,仝纪龙,潘 峰,等.基于HYSPLIT后向轨迹模式判断河谷型城市大气污染物来源 [J]. 环境科技, 2019,32(5):43-47,53.

Zhu L Q, Tong J L, Pan F, et al. Study of air pollution transportation source in Valley-City based on the hysplit backward trajectory mode [J]. Environmental Science and Technology, 2019,32(5):43- 47,53.

[28] 王中杰,霍 娟,杜惠云,等.2015～2019年日照市PM2.5长期变化特征及其潜在源区分析 [J]. 中国环境科学, 2021,41(9):3969-3980.

Wang Z J, Huo J, Du M Y, et al. Long term characteristics and potential sources of PM2.5in Rizhao City from 2015 to 2019 [J]. China Environmental Science, 2021,41(9):3969-3980.

[29] 吉 庆,武麦凤,何 林,等.渭南市2015～2017年典型霾天气过程气象特征分析 [J]. 陕西气象, 2019,(6):12-18.

Ji Q, Wu M F, He L, et al.Analysis on meteorological characteristics of typical haze weather process in Weinan City from 2015 to 2017 [J].Journal of Shaanxi Meteorology, 2019,(6):12-18.

[30] 孙丹丹,杨书运,王体健,等.长三角地区城市O3和PM2.5污染特征及影响因素分析 [J]. 气象科学, 2019,39(2):164-177.

Sun D D, Yang S Y, Wang T J, et al. Characteristics of O3and PM2.5and its impact factors in Yangtze River Delta [J]. Journal of the Meteorological Sciences, 2019,39(2):164-177.

[31] 韩博威,马晓燕.2014～2018年冬季长三角强霾事件及天气形势影响分析 [J]. 环境科学学报, 2020,40(7):2333-2345.

Han B W, Ma X Y. Analysis of the severe haze events in the Yangtze River Delta during the winter of 2014～2018 and the impact of the weather situation on severe haze [J]. Acta Scientiae Circumstantiae, 2020,40(7):2333-2345.

[32] 邓发荣,康 娜,Kanike Raghavendra Kumar,等.长江三角洲地区大气污染过程分析 [J]. 中国环境科学, 2018,38(2):401-411.

Deng F R, Kang N, et al. Analysis of air pollution episodes over different cites in the Yangtze River Delta [J]. China Environmental Science, 2018,38(2):401-411.

[33] 王爱平,朱 彬,银 燕,等.黄山顶夏季气溶胶数浓度特征及其输送潜在源区 [J]. 中国环境科学, 2014,34(4):852-861.

Wang A P, Zhu B, Yin Y, et al. Aerosol number concentration properties and potential sources areas transporting to the top of mountain Huangshan in summer [J]. China Environmental Science, 2014,34(4):852-861.

[34] 张 唯,熊险平,刘炳杰,等.气象条件对华北平原持续性雾霾污染程度的影响研究 [J]. 环境科学与管理, 2020,45(8):34-38.

Zhang W, Xiong X P, Liu B J, et al. Study on influence of meteorological conditions on persistent haze pollution in North China Plain [J].Environmental Science and Management, 2020,45(8): 34-38.

[35] 王爱平,朱 彬,秦 玮,等.新冠疫情严控期间南京市空气质量分析 [J]. 中国环境科学, 2021,41(7):3088-3095

Wang A P, Zhu B, Qin W, et al. Analysis on air quality in Nanjing during COVID-19lockdown period [J]. China Environmental Science, 2021,41(7):3088-3095

Multivariate comparative analysis of typical haze weather episodes in Nanjing.

CHENG Hao, KANG Na*, ZHANG Jia-xin, ZHANG Jia-yue

(Key Laboratory for Aerosol-Cloud-Precipitation of China Meteorological Administration, Nanjing University of Information Science and Technology, Nanjing 210044, China)., 2022,42(3)：993～1004

This paper selects three typical haze weather processes occured in Nanjing during winter of 2017～2020. A comprehensive analysis with the influence mechanism and characteristic changes of pollutants, meteorological elements, and boundary layer conditions in the haze pollution process are investigated. The results show that the peak values of the air quality index (AQI) values were found during the three pollution processes with 304 (severe pollution), 227 (severe pollution), and 176 (moderate pollution). These were consistent and associated well with the changes of PM2.5and PM10concentrations. The ratio of PM2.5to PM10was greater than 0.7signifies the dominant presence of fine aerosols in the winter period at Nanjing. During the pollution episode, the relative humidity (RH) was found maximum with greater than 70%, and the minimum wind speed was about 1m/s. The high RH, low temperatures, and calm with stable winds provided favorable meteorological conditions for the occurrence of haze weather in the winter. During the three pollution processes, the mixing layer height observed low. During the first and second processes, the lowest height of mixing layers was only 34m and 70m, and the third time was 204m. On the whole, the high value of PM2.5concentration corresponds to the low mixing layer height. Combined with the temperature inversion, it inhibits the vertical diffusion of pollutants and forms accumulation, resulting in increase of pollution. In Nanjing, aerosol sources were mainly from sand dust and polluted sand dust, accompanied by some continental pollution sources such as small amount of smoke, dust, and marine clean air. The analysis of backward trajectory and potential source shows that the haze pollution weather during winter in Nanjing was mainly affected by regional pollution, and the long-distance transportation of airmass from the northwest.

haze pollution；PM2.5；weather conditions；backward trajectory simulation

X513

A

1000-6923(2022)03-0993-12

程 昊(1997-),男,江苏淮安人,南京信息工程大学硕士研究生,主要从事大气环境研究.

2021-08-05

国家自然科学基金项目(41822504,41805121,41775123)

*责任作者, 副教授, kangna@nuist.edu.cn