期刊检索:
  暴雨灾害   2020, Vol. 39 Issue (3): 259-268.  DOI: 10.3969/j.issn.1004-9045.2020.03.006

论文

DOI

10.3969/j.issn.1004-9045.2020.03.006

资助项目

河南省气象局预报员专项(KY201932);国家重点研发计划(2017YFC0212402);漯河市气象局环境气象科技创新团队; 河南省气象局环境气象创新团队

第一作者

武威, 主要从事短期和短临天气预报。E-mail:ww-0824@163.com.

文章历史

收稿日期:2019-10-18
定稿日期:2020-01-20
漯河一次持续性重污染过程成因及传输特征分析
武威1,2 , 顾佳佳1,2 , 鲍玉辉1,2     
1. 河南省漯河市气象局, 漯河 462300;
2. 河南省漯河市雾霾监测预警工程技术研究中心, 漯河 462300
摘要:利用常规气象资料、颗粒物观测数据、NCEP 1°×1°分析资料、GDAS 1°×1°数据、激光雷达资料等,对2018年11月下旬河南漯河一次连续重污染天气过程成因与污染物传输特征进行了分析。结果表明:(1)本次污染与天气形势关系密切,前期受静稳纬向环流和地面均压场影响,有利污染积累;中期高空槽与地面变性高压引导弱冷空气东移南下,产生滞留效应,污染物迅速增加;后期因低层东路冷空气扩散与静稳形势恢复,污染继续积累增长,形成连续性重污染。(2)PM2.5造成重污染时因辐射逆温持续稳定,导致污染加剧;PM10重污染时因逆温层减弱消失,有利污染物输送沉降;混合重污染时因近地层湍流混合加强形成逆温,污染持续发展。(3)本次重污染天气主要有5条传输路径,西南路径和偏东路径污染比例较高,其轨迹短,高度在900 hPa以下,对PM2.5近距离输送作用明显;西北路径和偏北路轨迹长,起始高度在700-600 hPa之间,高空中远距离输送以PM10为主。(4)受静稳条件和近地层高湿影响,高消光带维持在600 m以下,较低边界层抑制垂直扩散,导致污染细颗粒物与沙尘积累并长时间共存。(5)本次重污染是本地污染累积和高空外源污染输送共同影响。除漯河本地污染贡献较高外,高潜在源区主要集中河南西南部、东北部以及与山东交界处,这也是本次持续性污染发展的重要原因。(6)重污染时地面偏北风占主导,其他方向风速较小,有利形成污染辐合以及污染物二次转化并加剧污染。
关键词持续性污染    输送路径    潜在源区    轨迹聚类分析    逆温层    
Analysis of causes and transport characteristic of a continuous heavy pollution weather event in Luohe
WU Wei1,2 , GU Jiajia1,2 , BAO Yuhui1,2     
1. Luohe Meteorological Office of Henan Province, Luohe 462300;
2. Luohe monitoring and early warning engineering for fog-haze technology research center in Henan, Luohe 462300
Abstract: Using conventional meteorological observations, particulate matter observation data, NCEP reanalysis with 1°×1° resolution, GDAS data with 1°×1° resolution, lidar measurements and other data, we have investigated the cause and transport characteristics related to a continuous heavy pollution weather event occurred in Luohe of Henan Province in late November 2018. The main results are as follow. (1) This pollution event is closely related to synoptic situation. In its early stage it was influenced by the stable zonal circulation and surface uniform pressure field, which was beneficial to the accumulation of pollutant. In its middle stage, the weak cold air moved eastward and southward under the control of the upper-level trough and surface transported high, causing the fast increase of pollutants because of detention effect. In its late stage, with the diffusion of low-level easterly cold air and the restore of stable situation, the pollutants continued to accumulate, which led to the continuous heavy pollution. (2) During the heavy pollution caused by PM2.5, the pollution was exacerbated due to the stability and continuance of radiation inversion. During the heavy pollution caused by PM10, the inversion layer disappeared, which was conducive to the transport and deposition of pollutants. During the heavy pollution caused by PM2.5 and PM10, the turbulence near the ground strengthened and formed inversion, resulting in the continuance pollution. (3) There are 5 major transport paths in this event. The pollution from the southwest and easterly paths has a high proportion, whose length is short and height is below 900 hPa. Both the two paths play a significant role in the short distance transport of PM2.5. The pollution from the northwest and northerly paths has a great length, whose initial altitude is between 700 hPa and 600 hPa, showing that the long distance transportation in the upper-level is mainly PM10. (4) Affected by stable conditions and high humidity in the surface layer, the high extinction zones maintain below 600 m, and the shallow boundary layer inhibits vertical diffusion, leading to the accumulation and long time coexisting of fine aerosol particles and dust. (5) This heavy pollution event is the result of the combined influence of local pollution accumulation and upper-level transport. Besides the high contribution of local pollution in Luohe, the high potential source areas are mainly concentrated in the southwest and northeast parts of Henan and the junction of Henan and Shandong, which is an important reason for the development of continuous pollution. During the heavy pollution, the surface northerly winds dominate, while the wind speed of other wind directions is small, which is conducive to the convergence and secondary conversion of pollutants and the pollution aggravating.
Key words: continuous pollution    transport path    potential sources    trajectory clustering analysis    inversion layer    
引言

随着我国经济快速发展及城市化进程加快,大气污染问题日益突出,已成为全社会面临的严峻问题。近年来,许多学者利用天气学方法从多方面揭示了我国典型重污染天气的成因(尉鹏等,2015陈镭等,2016Gao et al., 2016翟华等,2018),认为重污染过程与典型气象条件密切相关,如风速较小、湿度较大、边界层较低、持续逆温等静稳条件是冬半年重污染持续的主要原因。杨旭等(2017)统计了京津冀地区典型重污染个例,将该地区冬半年空气污染过程分为高压场、高压后部、鞍型场和冷锋前部等天气类型。姚青等(2018)分析重污染过程中大气层结特征,揭示了污染不同阶段大气稳定度和逆温特征显著不同,大气持续稳定及逆温强度增大对污染维持影响较大。也有学者通过数值模式,如用空气质量模型CMAx (Liu et al., 2010Li et al., 2013)对重污染成因进行源解析,Wen等(2016)则等采用CAMx对2016年河北唐山PM2.5进行源解析,结果显示,细颗粒物的外来区域输送贡献较高,二次污染在重污染过程中有重要作用。此外,诸多研究表明区域输送对重污染天气形成有重要作用(Baker,2010Squizzato et al., 2012范元月等,2016),王莉莉等(2011)结合污染物浓度和污染轨迹分析了其来源,指出北方大气污染过程主要受局地排放和外源输送共同影响。李莉等(2015)基于气团轨迹研究了我国中东部地区污染输送特征,总结出其典型污染输送路径。花丛等(2017)使用聚类轨迹模式对污染输送特征进行统计,进而基于潜在源区贡献和污染源排放强度等要素建立了传输指数,该指数在重污染天气预报评估中具有参考价值。

上述研究表明,重污染天气的形成离不开静稳形势和区域输送,两者共同作用更有利于持续性重污染天气发生。然而,上述结论往往集中在京津冀、汾渭平原、长三角及珠三角等经济发达地区,其是否适合河南省重污染天气则需要研究。此外,不同地区污染天气受不同天气形势与地形条件影响,其成因也不尽相同。河南地处中原地区,西临汾渭平原、北接京津冀,东望长三角,特殊地理位置和较高本地排放为河南污染防治带来严峻挑战。此前,蔡坤等(2017)利用遥感解析法研究了河南省污染物时空分布特征。董贞花等(2019)分析河南三次重污染过程的气象要素与污染物的相关性表明,风小、高湿、增温及减压有利于污染发展,且具有一定的超前滞后性,对污染预报具有积极作用。但这些研究主要侧重于污染气候学特征以及污染与环流形势和气象要素关系的研究,远不能满足大气污染攻坚防治的需求。漯河作为河南省中部新兴崛起城市,其地理位置特殊、污染气象条件有利,在特定天气形势下易形成重污染。因此,研究漯河地区重污染天气特征和成因具有重要意义。2018年11月24日—12月1日漯河出现持续8 d的重污染天气,该过程在近3 a来持续时间最长、污染程度最重、影响范围最广。对此,本文从天气形势、大气污染输送及污染物潜在源、激光雷达探测等多方面对上述过程进行综合分析,研究该过程大气污染特征及成因,以期为当地重污染天气预报提供参考依据和为大气污染防治提供决策保障。

1 资料与方法 1.1 资料来源

本文使用资料包括:2018年11月23日—12月2日全国城市空气质量实时发布平台上的AQI、PM2.5和PM10等逐小时数据,常规气象探空和地面自动站观测资料,NCEP逐6 h 1°×1°再分析资料,GDAS 1°×1°数据,颗粒物激光雷达监测资料等。对激光雷达监测资料,采取距离精度标校对、通道增益比、单脉冲能量、几何重叠因子及数据反演精度等指标方法进行质量控制,经过质控处理后的相关资料可用于此次漯河持续性重污染过程成因与传输特征分析。

本研究中的激光雷达型号为AGHJ-I-LIDAR (HPL),安装在漯河市气象局所在位置,系单波长、双通道高能扫描激光雷达,其发射波长为532 nm的激光脉冲。相关激光雷达产品均根据气溶胶粒子后向散射的回波信号反演得到。

1.2 后向轨迹模型与聚类分析

本文分析气团轨迹时,使用了HYSPLIT后向轨迹。HYSPLIT-4模型是一种处理多种气象要素输入场、多种物理过程和不同类型污染物排放源功能的较为完整的输送、扩散和沉降模式,已被广泛应用于多种污染物研究中(王茜,2013张亚妮,2013李莉等,2015陈镭等,2016)。本文将GDAS资料作为模式初始场,以漯河(114°E、33.5°N)为后向轨迹终点,起始高度为100、500、1 500 m,轨迹时长为48 h。

聚类分析则采用后向轨迹统计Trajstat软件(Wang et al., 2009),即采用角度聚类法对本次过程500 m上所有气团轨迹进行聚类分析。

1.3 潜在源区贡献法与浓度权重轨迹分析法

在分析可能的潜在源区时,采用潜在源区贡献法即PSCF (王爱平等,2014花丛等,2017)和浓度权重轨迹分析法即CWT (Hsu et al., 2003李莉等,2015)。这两种方法各有优势,但单一使用均不能较好地分析本地潜在源区的影响,综合使用不同方法则更能确定污染物潜在源区(Han et al., 2011Payra et al., 2016)。PSCF方法是利用后向轨迹来计算描述可能源区地理位置空间分布的条件概率函数,即将研究区分为i×j个网格,对污染物要素设定阈值,当轨迹对应的污染物浓度大于该阈值时,则该轨迹为污染轨迹,其经过网格i×j上污染轨迹端点数为mij,落在网格内的总轨迹端点数为nij。为避免网格nij具有较大的不确定性,引入经验权重系数W(ni, j)对其进行误差订正,这样,潜在源区贡献函数(PSCF)可被定义为一个条件概率,即

$ P S C F=\frac{m_{i j}}{n_{i j}} \cdot\left(n_{i j}\right) $ (1)

PSCF一定程度上反映了网格点对受点污染程度的贡献,但无法区分相同PSCF值网格点对受点污染物浓度的大小以及网格内轨迹的要素值超过设定阈值的程度范围。为弥补其不足,引入CWTCWT表征不同轨迹的污染程度(Cij),在CWT分析法中,每个网格点均有一个权重浓度,通过计算经过该网格点的轨迹对应的浓度平均值来实现,其计算式为

$ C_{i j}=\frac{\sum _{l=1}^{M} C_{l} \cdot \tau_{i j l}}{\sum _{l=1}^{M} \tau_{i j l}} \cdot W\left(n_{i j}\right) $ (2)

CWT的网格点与PSCF相同,l为轨迹,M为轨迹总数,C1为轨迹l所对应的污染物浓度;τijl为轨迹l在网格经过的时间。计算过程中,用落在网格内的轨迹端点来代替其经过时间τijl,以期减少Cij值的不确定性。上述经验权重系数W(nij)同样适用该方法。

2 2018年漯河空气污染过程实况

受高空传输和本地污染共同影响,2018年11月下旬漯河地区出现一次重污染过程,持续时间长、污染程度重、影响范围广。图 1为该次过程空气质量指数(Air Quality Index, AQI)和PM10、PM2.5质量浓度的时间变化图。从中看到,从23日夜间起,PM2.5、PM10质量浓度和AQI明显增大,漯河空气质量持续恶化,到26日10时(北京时,下同) PM2.5质量浓度大部分时段维持在200 μg·m-3以上,AQI基本在200以上,最大峰值为275,达到重度污染,首要污染物为PM2.5,本阶段主要表现为各污染物浓度平稳积累,持续时间较长。26日午后,污染物浓度震荡回落,出现短暂轻到中度污染;随后受冷空气影响,PM10质量浓度和AQI短时间急速上升,1 h分别升至437 μg·m-3和322,至29日06时,此期间各污染物浓度虽略有波动,但PM10质量浓度稳定维持在400 μg·m-3以上,AQI也保持在300以上,此阶段到达严重污染,首要污染物为PM10,主要特征为各污染物浓度受冷空气输送影响明显增加,尤其是PM10质量浓度和AQI迅速上升,并出现多个高峰值,其中PM10质量浓度最大峰值达570 μg·m-3 (28日08时);PM2.5质量浓度由100 μg·m-3升至355 μg·m-3。29日08时,各污染物浓度再次升高,AQI达到200以上,漯河再次出现重度污染,首要污染物为PM2.5和PM10。12月2日08时,受强冷空气影响,空气质量明显改善,持续8 d天的污染过程结束。

图 1 2018年11月23日—12月2日漯河空气质量指数(AQI)与PM2.5、PM10质量浓度(单位: μg·m-3)的时间变化 Fig. 1 Temporal variation of the mass concentration (unit: μg·m-3) of PM10 and PM2.5 and the air quality index (AQI) in Luohe from 23 November to 2 December in 2018.

综上分析可知,根据首要污染物类型,漯河本次过程为一次PM2.5与PM10交替污染以及后期二者共存的持续性重污染过程;该过程可依次分为PM2.5重污染阶段、PM10重污染阶段、PM2.5与PM10共存重污染阶段。

3 漯河连续性重污染的天气条件分析 3.1 天气形势

500 hPa天气图上,2018年11月23日20时(图略),我国中东部为平直西风带,冷空气势力弱。24日20时(图 2a),河南上空中纬度仍为纬向偏西气流,等温线几乎与等高线平行,无明显冷平流,大气污染扩散能力差,该形势一直维持到25日,大气污染物积累。26日08时(图 2b),500 hPa高空横槽配合冷舌东移南下,河南逐渐转为槽后偏北气流,环流经向度加大,有利于冷空气携带污染物南下影响漯河。27日08时—29日08时(图 2c),河南省中东部高空形势逐渐由弱经向环流转向纬向环流,河南上空再次转受偏西北气流控制,等温线与等高线夹角较小,弱冷空气扩散南下;此后,该环流形势稳定维持,无明显扰动发展,直至本次过程结束。

图 2 2018年11月24日20时(a)、26日08时(b)、29日08时(c) 500 hPa高度场(实线,单位: dagpm)与温度场(虚线,单位: ℃),以及24日20时(d)、26日14时(e)、29日14时(f)海平面气压场(单位: hPa) (“★”为漯河所在位置) Fig. 2 Geopotential height field (solid contours, unit: dagpm) and temperature (dashed lines, unit: ℃) at 500 hPa at (a) 20:00 BT 24, (b) 08:00 BT 26 and (c) 08:00 BT 29 December 2018, and the sea level pressure field (unit: hPa) at (d) 20:00 BT 24, (e) 14:00 BT 26 and (i) 14:00 BT 29 November 2018. Black five-pointed stars mark Luohe.

地面上,根据上述污染实况,可将污染过程期间地面形势变化分为3个阶段。一是24日20时(图 2d)—26日08时均压场型阶段,地面高压稳定维持在100°E以西,中东部为均压场,等压线稀疏,地面风速小,大气形势静稳,水平扩散能力较差,有利于污染物PM2.5在本地积累,对应污染实况为PM2.5重污染阶段。二是26日14时(图 2e)—28日20时弱冷空气输送型阶段,此阶段新疆北部出现强冷高压,中心达1 040 hPa,高压主体不断分裂小高压沿河套地区南下,河南上游地区气压梯度明显增加,风速增强,南下冷空气将西北地区沙尘输送到漯河导致PM10浓度迅速增加。此外,冷高压在东移中变性,移到河套中部后又转向东北,导致前部气压梯度在河南附近开始减小、冷空气减弱,不足以继续将污染物向下游输送形成滞留效应,导致沙尘不断沉降,形成PM10重污染,也是本阶段PM2.5出现短暂下降后迅速升高的原因。三是29日14时(图 2f)之后的高压底部扩散型阶段,高压中心维持在我国东北地区,强度为1 035 hPa,河南受高压底部偏东气流影响,东北路冷空气扩散南下,有利于将北方沙尘及PM2.5向漯河近距离输送;随后,高压东移消失,河南又转为均压场控制,天气形势趋于静稳,有利于污染物在本地大量积累,形成首要污染物PM10和PM2.5共存的重污染阶段。

3.2 探空分析

探空分析结果能够反映大气的层结状态,对大气动力、热力特征与污染物变化影响有重要参考意义。图 3给出本次漯河连续性重污染过程不同阶段的郑州探空曲线。24日08时(图 3a),大气层结稳定,近地层有明显逆温,逆温层接地,925 hPa以下空气饱和,以上温度露点差(T-Td)迅速增大,上干下湿特征明显,为典型的辐射逆温,其原因是夜间地表强辐射冷却,近地层气温相比高层降温明显,造成上暖下冷。25日08时—26日08时(图 3bc),近地层辐射逆温层厚度增加,高度升高,进一步减弱了下垫面与大气之间的湍流和对流运动,阻碍了污染物向上扩散,导致污染物在近地层不断积聚,污染物浓度持续升高,此期间PM2.5浓度居高不下,形成重度污染天气。26日午后,随着偏北冷空气东移南下,静稳形势有所减弱;26日20时—27日08时(图 3df),底层逆温层消失,近地层T-Td>10℃,但大气仍为稳定层结;风场上低层西北风相比26日前明显加强,上游污染物输送作用增强,但随着冷高压变性与转向,西北风有所减弱,说明上游对本地的输送作用大于本地向下游的扩散能力,有利于污染辐合,这与上述对形势场的分析结果一致。28日08时,冷空气过境后,近地层空气逐渐饱和,逆温层开始形成(图 3g),受高压底部东路冷空气扩散影响,边界层内湍流混合加强,弱冷空气引起地面增湿和弱辐合导致污染加剧。29日20时—30日20时(图 3hi),逆温层明显增强,高度位于925—850 hPa之间,阻止大气垂直向上扩散,同时近地面风场较弱,大气静稳,再次导致污染物积聚和维持,因此形成长时间严重持续性污染。

图 3 2018年11月24日08时(a)、25日08时(b)、26日08时(c)、26日20时(d)、27日08时(e)、27日20时(f)、28日08时(g)、29日20时(h)、30日20时(i)郑州探空曲线(红线为状态曲线,蓝线为温度曲线,绿线为露点曲线) Fig. 3 T-lnp chart at Zhengzhou sounding station at (a) 08:00 BT 24, (b) 08:00 BT 25, (c) 08:00 BT 26, (d) 20:00 BT 26, (e) 08:00 BT 27, (f) 20:00 BT 27, (g) 08:00 BT 28, (h) 20:00 BT 29 and (i) 20:00 BT 30 November 2018. Red lines are state curves, blue lines are temperature curves, and green lines are dew-point curves.
4 大气重污染传输特征分析 4.1 气团后向轨迹分析

为进一步分析污染气团轨迹随气象条件的变化,以2018年11月27—29日08时漯河严重污染阶段为例,研究气团输送特征。利用HYSPLIT模式作漯河48 h气团100、500、1 500 m高度上的后向轨迹见图 4

图 4 2018年11月27日08时(a)、28日08时(b)、29日02时(c)的100 m (红线)、500 m (蓝线)和1 500 m (绿线)高度的48 h后向轨迹“(★”为漯河所在位置) Fig. 4 The 48-hour backward trajectory of air mass at the height of 100 m (red lines), 500 m (blue lines) and 1500 m (green lines) in Luohe at (a) 08:00 BT 27, (b) 08:00 BT 28 and (c) 02:00 BT 29 November 2018. Black five-pointed stars mark Luohe.

27日08时(图 4a),三层气流均来自西北方向,且在25日20时后三层气团随时间逐渐从高空3 000 m向低层下沉扩散。结合实况图 1可知,26—27日漯河各污染物均出现明显下降后,AQI、PM10质量浓度又很快迅速回升,说明高空槽引导弱冷空气东移南下时,先是对污染物有一定的扩散作用,后又输送来了上游地区污染物。28日08时(图 4b),随着高压过境,近地层100 m和500 m上气团主要来自东北方向,到达漯河前均在1 500 m高度以下缓慢向低层下沉扩散,到27日08时维持在边界层500 m以下向漯河运动。1 500 m上气团则从偏西路径向本地输送,并在东移中打转、拐弯,其轨迹长度短,气团移速慢;垂直方向出现波动起伏,但振幅不大,运动较弱,表明低层大气稳定,有利于污染物积累,对应28日08时前后的污染峰值。29日02时(图 4c),近地层100 m气团来自偏北气流输送,500 m气团来自西南气流,1 500 m气团来自西北气流。相较而言,100 m上气团48 h始终在近地面缓慢向本地输送,500 m上气团则从2 500 m上向下游输送并配合下沉运动沉降到本地造成影响,1 500 m上气团先是源地上升到3 000 m,至27日20时后逐渐下沉。

以上分析表明,不同高度上气团轨迹其输送特征明显不同,其中偏北轨迹较长,污染输送较快,导致污染物累积速率高;西南轨迹较短,气团移速较慢,有利于污染天气持续。垂直方向上,近地面100 m、500 m上主要是由源地将上游污染物向漯河输送,又配合下沉运动沉降到地面造成影响,高空1 500 m则在输送过程中出现明显的垂直振动,到达本地时受垂直混合和下沉运动共同作用进入边界层造成重污染天气。

4.2 激光雷达参数特征分析

利用激光雷达资料分析漯河本次连续性重污染过程期间的消光系数、退偏振比和污染物定性分析时空分布随时间的变化,其结果见图 5

图 5 2018年11月27—29日激光雷达逐30 min的消光系数(a,单位:km-1)和退偏振比(b)以及逐时污染物定性(c)时空变化 Fig. 5 Spatiotemporal distribution of (a) extinction coefficient (unit: km-1) and (b) depolarization ratio at the interval of 30 minutes and (c) the hourly qualitative pollutants detected by lidar from November 27 to 29 in 2018.

11月27日凌晨到上午,漯河地区近地面1 km以下大气粒子消光作用逐渐增强,消光系数由0.4 km-1均匀增加到0.6 km-1以上(图 5a),表明大气污染物缓慢增加,污染逐渐加剧。27日午后至夜间,高层3—5 km出现明显高消光系数带,并呈缓慢下降趋势,漯河受到污染堆积影响。结合退偏振比(图 5b)演变可知,27日08时退偏振比值逐渐增大,细颗粒物和非球形不规则粒子共同导致污染。午后至夜间,3 km以上维持一个0.5 km-1以上的高值区,且高值中心向下延伸,表明高层有污染物输送沉降,这与该时段高消光带下降变化吻合。结合上述分析,可判断出细颗粒物与沙尘的散射和吸收造成消光作用增大,形成高消光带,对应实况PM10、PM2.5质量浓度分别跃增到400 μg·m-3和300 μg·m-3以上。

污染物定性分析结果显示(图 5c),27日下午到夜间,污染物主要表现为气溶胶细颗粒物和沙尘,与实况一致。导致该时段内污染物增加的原因可能是随着26日夜间弱冷空气影响,冷空气携带沙尘与PM2.5输送和沉降加剧污染,这与图 4a后向轨迹分析结果一致。28—29日凌晨,近地面相对湿度增加并维持在80%以上,污染物吸湿增长,消光系数增大,能见度有所下降,污染严重加剧。受静稳条件和近地层高湿影响,高消光带一致维持在600 m以下高度(图 5a),说明边界层高度维持在600 m左右,较低的边界层高度抑制了垂直方向上的对流输送,大气垂直扩散能力减弱,导致污染物在近地层大量积累,对应实况该时段内PM10、PM2.5质量浓度维持在400 μg·m-3、300 μg·m-3以上,其中PM10、PM2.5浓度峰值分别达到570 μg·m-3和355 μg·m-3,空气质量为严重污染。图 5bc的观测结果也佐证了28—29日近地面至2 km有气溶胶细颗粒物与沙尘长时间共存维持的特征。

4.3 聚类轨迹以及聚类结果统计分析

考虑到500 m高度既能反映近地层气团输送特征,又可减少下垫面摩擦对气团的影响(李莉等,2015;刘超等,2017),本文重点分析漯河这次连续性重污染过程500 m高度上的气团轨迹。图 6a为11月24日08时—12月2日05时漯河重污染以上的所有后向轨迹分布,共计166条气团后向轨迹,每条轨迹时长48 h,时间分辨率为1 h。由于本次重污染过程持续时间长,污染期间的天气形势和气象条件复杂多变,不同环流形势对应污染特征明显不同,为了更好地研究漯河本次持续污染天气的输送特征,对重污染所有轨迹进行聚类,结果表明本次重污染天气主要有5条传输路径(图 6b),其聚类统计结果见表 1

图 6 2018年11月24日—12月2日漯河重污染轨迹(a)、聚类分析结果(b)与聚类轨迹高度时间变化(c) (“★”为漯河所在位置) Fig. 6 (a) Trajectory of heavy pollution in Luohe, (b) cluster analysis results and (c) the height variation of the cluster trajectory with time from November 24 to December 2 in 2018. Black five-pointed stars mark Luohe.

表 1 2018年11月24日—12月2日漯河重污染过程聚类分析统计结果 Table 1 Clustering analysis results of the heavy pollution event in Luohe from November 24 to December 2 in 2018.

图 6b中可见,聚类1为西南路径,即从西南方向进入豫西南后向东北移动影响漯河,平均AQI为284.55(表 1),此类轨迹占所有轨迹的27.71%;聚类2和聚类3为西北路径,影响系统为冷高压,其轨迹较长,气团移速较快,经过新疆北部、蒙古中西部时会携带沙尘进入河南向本地输送,但由于两者起源和移速不同,携带污染物浓度不同,平均AQI分别为264.95、312.21,其轨迹占比分别达17.47%、8.43%;聚类4为由西北转偏北路径,当冷高压进入汾渭平原后变性减弱并转向东北,气团轨迹转由豫北向漯河移动,平均AQI为276.20,轨迹占比为12.05%;聚类5为偏东路径,为东路冷空气回流引导的污染物输送,平均AQI为324.80,其轨迹占比为34.34%。聚类1和5轨迹长度明显小于其他3条轨迹,表明同等时间下,其气团移速较慢,有利于气团在移动中变性,便于携带上高浓度污染物,另外也说明气团对应的冷空气弱,污染物清除和扩散能力较差,导致污染物传输和积累。聚类分析统计结果(表 1)还显示,聚类1、5的平均PM2.5浓度较高,其中聚类5高达230.39 μg·m-3,明显高于聚类2、3、4上的浓度,说明聚类1、5两条路径在本次污染过程中对PM2.5输送作用明显。聚类2、3、4中平均PM10浓度分别比聚类1高26.65 μg·m-3、118.93 μg·m-3、63.87 μg·m-3,比聚类5高22.58 μg·m-3、114.86 μg·m-3、59.8 μg·m-3,说明西北路径对沙尘输送更显著,沙尘天气带来大量PM10输送沉降至漯河。从轨迹高度看(图 6c),聚类1、5位于近地层900 hPa以下,说明低层传输路径对PM2.5近距离输送作用明显;聚类2、3、4追踪后的起始高度均在700—600 hPa之间,与图 5中高空3—5 km高消光带对应较好,说明本次过程偏北路径的远距离传输主要为PM10沉降,这与范元月等(2016)研究得出“偏北轨迹输送条件下形成的高污染是由于长距离输送的结果,而偏南和偏东轨迹输送条件下形成的高污染是由区域地方性污染物质点徘徊累积的结果”的结论一致。

4.4 可能潜在源区分析

根据本次过程污染气团的后向轨迹分布,将研究区域设置为70°—120° E、25°—50° N,并划分为0.25° × 0.25°网格。根据《环境空气质量标准》 (GB3095-2012),将AQI>200作为PSCF分析的阈值。图 7a给出漯河本次重污染过程AQI潜在源区PSCF分析,其中网格颜色越深,表示PSCF值越大,说明该网格点对漯河污染的贡献越大,高PSCF区为漯河污染潜在源区。从中看到,漯河潜在源区分布范围广、强度大且来源复杂,PSCF高值区主要位于漯河本地、河南东北部及其与山东交界处、河南西南部等地区,其PSCF值均超过0.6,这可能与上述地区人口基数大、经济发达、工业区密集等综合因素有关(臧星华等,2015),其中本地PSCF达到0.8以上,表明漯河本地对本次污染贡献较高。同时,高潜在源区与上述聚类路径对应较好,气团沿这些轨迹经过高污染区时携带污染物输送,加之本地源的贡献更为显著,导致漯河成为高污染中心并稳定维持。结合CWT方法分析结果(图 7b)可知,其中网格颜色越深,代表CWT值越大,表明经过该网格点的气团导致该区域AQI较大,高CWT区即是对漯河污染贡献的主要外来源区。经对比发现,CWTPSCF分析结果总体分布相似,但高值区略有不同,除本地污染权重浓度贡献较高外,河南西南地区对漯河AQI权重浓度贡献在240以上,来自河南北部、东部以及其与山东交界等地的轨迹权重浓度次之,也在180以上,均为强潜在源区;西北地区的浓度权重相对较小,但也对本次污染有一定贡献。

图 7 2018年11月24日—12月2日漯河重污染过程该地潜在源贡献因子PSCF分布(a)与浓度权重轨迹CWT分布(b) (“★”为漯河所在位置) Fig. 7 Distribution of (a) potential source contribution function (PSCF) and (b) concentration weighted trajectory (CWT) during the heavy pollution event in Luohe from November 24 to December 2 in 2018. Black five-pointed stars marks Luohe.

综上分析可知,综合PSCFCWT两种方法分析的潜在源区结果基本一致,本次重污染过程是由本地排放污染物的累积和高低空外源输送共同造成,其中本地污染的贡献较高,潜在区分布广、强度大且来源复杂,导致污染持续时间长。

5 地面风场对污染物的影响

上文分析了污染物中高层气团输送特征,但周边附近地面风场是否也会对漯河本地污染造成影响?地面风玫瑰图(图 8a)显示,本次重污染天气偏北风占主导,风速小于4 m·s-1,有利于上游污染物向本地输送;其他风向频率较少,风速多低于2 m·s-1,污染物难以扩散形成污染辐合,同时小风速也有利于污染物有充足时间进行二次转化,从而有利污染加强和持续。

图 8 2018年11月24日—12月2日漯河重污染过程地面风玫瑰图(a;圈线,单位:m·s-1)以及地面风速(圈线,单位:m·s-1)与AQI(色斑)分布图(b) Fig. 8 (a) Rose diagram of surface wind (circles, unit: m·s-1) and (b) distribution of surface wind speed (circles, unit: m·s-1) and AQI (shaded areas) during the heavy pollution event in Luohe from November 24 to December 2 in 2018.

图 8b给出叠加AQI的地面风速玫瑰图。从中看到,当地面风速小于2.0 m·s-1时,无论风向如何,AQI普遍较高,一般大于250,最大在300以上,说明静稳条件下有利于本地污染物累积。当风速增加到2.0~4.0 m·s-1时, 西北、偏北至东北方向上AQI也在200以上,说明地面偏北风速增强,外来污染物输送增强,偏北路径为本次污染地面传输的主要通道。需要指出的是,这与上文中PSCFCWT分析的主要贡献源区分布不一致。究其原因,首先,潜在源区是基于后向轨迹分析计算得出,起始高度选取500 m高度,但后向轨迹模拟结果的不确定性会随着距离和时间增加而增大;其次,边界层风场和地面10 m风场不同,两者存在一定风切变,因此不同的输送高度也可能是造成二者偏差的一个原因。

综合以上分析可知,地面风场的影响与高低空传输明显不同,重污染时地面偏北风占主导,污染物气团经过上游等高污染排放区进入漯河,导致偏北路径近地面携带污染物造成污染。当地面其他方向上风速较小时,污染物难以扩散,也有利于污染物有充足时间二次转化,进一步加剧污染。

6 结论与讨论

本文利用常规气象资料、颗粒物观测数据、NCEP 1°×1°再分析资料、GDAS 1°×1°数据、激光雷达数据,对漯河一次典型的持续性重污染过程的天气形势、污染输送特征以及潜在污染源进行了详细分析。主要得到如下几点结论:

(1) 漯河本次连续性污染与天气形势演变关系密切,前期受稳定纬向环流和地面均压场影响,有利于污染物PM2.5在本地积累;中期高空槽及地面变性高压引导弱冷空气东移,并在河南产生滞留效应,导致PM10、PM2.5浓度迅速增加;到后期由于低层冷空气扩散与静稳形势恢复,污染物继续积累增长,形成连续重污染天气。

(2) 探空分析表明,PM2.5重污染时近地面出现持续的辐射逆温,阻碍污染物向上扩散;同时近地面水汽饱和有利污染物吸湿增长,导致污染加剧;PM10重污染时逆温层减弱并逐渐消失,近地层T-Td>10 ℃,边界层风速增大,有利污染物向本地输送沉降;混合重污染阶段近地层东路冷空气扩散引起地面增湿和弱辐合,湍流混合加强形成逆温,重污染天气持续发展。

(3) 后向轨迹聚类分析表明,本次重污染天气主要有5条传输路径,其中西南路径和偏东路径污染比例高,轨迹短,轨迹高度在近地层900 hPa以下,气团移速慢,冷空气势力弱,对PM2.5近距离输送作用明显;西北路径和偏北路径轨迹长,起始高度在700—600 hPa之间,表现为高空中远距离输送以PM10为主。

(4) 激光雷达探测数据分析显示,严重污染时近地面消光系数增加、退偏振比值增大,垂直方向上出现明显的高消光系数带和高退偏振比中心,并延伸至低层,高空弱冷空气携带沙尘与PM2.5输送沉降,造成低层消光作用增大,形成低层高消光带。受静稳条件和近地层高湿影响,高消光带始终维持在600 m以下,较低边界层抑制了垂直输送和扩散,导致污染细颗粒物及沙尘在近地层长时间维持。

(5) 综合PSCFCWT两种方法对潜在源区分析,本过程是由本地污染累积和高低空污染外源输送共同影响。除漯河本地污染贡献较高之外,影响污染的高潜在源区主要集中河南西南部、东北部及其与山东交界处,这是本次持续性污染的重要原因之一。

(6) 地面风场影响与高低空传输明显不同,地面偏北风占主导,风速约0~4 m·s-1,污染物气团经过上游等高污染排放区近距离进入漯河。当地面其他方向上风速较小时,污染物难以扩散,也有利于污染物二次转化并加剧污染。

上述研究表明,可从环流形势和探空、关键污染潜在源区及对应污染输送路径等方面对持续性重污染天气进行分析,除考虑静稳天气条件下本地污染累积外,不能忽略区域污染的输送,这对大气污染治理和联防具有重要意义。然而,本文仅是针对一次过程的分析,其代表性还不够,仍有待今后积累更多个例来验证。其次,在分析污染输送时用到了轨迹聚类和潜在源分析,虽然用到第一手资料,但仅限于定性分析,尤其是上游地区污染通量与本地污染累积的关系并不明确,缺乏定量计算,今后尚需使用更多方法开展深入研究。

参考文献
蔡坤, 郑泰皓, 陈良富, 等. 2017. 河南省2005-2015年NO2和PM2.5时空变化遥感解析[J]. 中国环境科学, 37(12): 4417-4427.
陈镭, 马井会, 耿福海, 等. 2016. 上海地区一次典型连续颗粒物污染过程分析[J]. 气象, 42(2): 203-212.
董贞花, 齐伊玲, 孔海江. 2019. 河南省三次重污染过程的对比分析[J]. 气象与环境学报, 35(1): 18-25.
范元月, 闵锦忠, 罗剑琴. 2016. 宜昌一次连续性严重污染过程成因分析[J]. 暴雨灾害, 35(1): 76-83.
胡晓, 徐璐, 俞科爱, 等. 2017. 宁波地区一次重污染天气过程的成因分析[J]. 高原气象, 36(5): 1412-1421.
花丛, 刘超, 张恒德, 等. 2017. 京津冀地区冬半年污染传输特征及传输指数的改进[J]. 气象, 43(7): 813-822.
李莉, 蔡軻琳, 周敏. 2015. 2013年12月中国中东部地区严重灰霾期间上海市颗粒物的输送途径及潜在源区贡献分析[J]. 环境科学, 36(7): 2327-2336.
王莉莉, 王跃思, 吉东生, 等. 2011. 天津滨海新区秋冬季大气污染特征分析[J]. 中国环境科学, 31(7): 1077-1086.
王爱平, 朱彬, 银燕, 等. 2014. 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, 34(4): 852-861.
王茜. 2013. 利用轨迹模式研究上海大气污染的输送来源[J]. 环境科学研究, 26(4): 357-363.
尉鹏, 任阵海, 王文杰, 等. 2015. 2014年10月中国东部持续重污染天气成因分析[J]. 环境科学研究, 28(5): 676-683.
姚青, 刘敬乐, 蔡子颖, 等. 2018. 天津大气稳定度和逆温特征对PM2.5污染的影响[J]. 中国环境科学, 38(8): 2865-2872.
杨旭, 张小玲, 康延臻, 等. 2017. 京津冀地区冬半年空气污染天气分型研究[J]. 中国环境科学, 37(9): 3201-3209.
臧星华, 鲁垠涛, 姚宏, 等. 2015. 中国主要大气污染物的时空分布特征研究[J]. 生态环境学报, 24(8): 1322-1329.
张亚妮, 张碧辉, 宗志平, 等. 2013. 影响北京的一例沙尘天气过程的起沙沉降及输送路径分析[J]. 气象, 39(7): 911-922.
翟华, 朱彬, 赵雪婷, 等. 2018. 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, 38(11): 4001-4009.
Baker J. 2010. A cluster analysis of long range air transport pathways and associated pollutant concentrations within the UK[J]. Atmos Envir, 44(4): 563-571.
Gao M, Carmichael G R, Wang Y, et al. 2016. Modeling study of the 2010 regional haze event in the North China Plain[J]. Atmospheric Chemistry and Physics, 16(3): 1673-1691.
Han Y J, Kim S R, Jung J H. 2011. Long-term measurements of atmospheric PM2.5, and its chemical composition in rural Korea[J]. Journal of Atmospheric Chemistry, 68(4): 281-298.
Hsu Y K, Holsen T M, Hopke P K. 2003. Comparison of hybrid receptor models to locate PCB sources in Chicago[J]. Atmospheric Environment, 37(4): 545-562.
Li L, Cheng S, Li J, et al. 2013. Application of MM5-CAMx-PSAT modeling approach for investigating emisson source contribution to atmospheric SO2 Pollution in Tangshan, Northern China[J]. Mathematical Problems in Engineering, 2013(4): 707-724.
Liu X H, Zhang Y, Xing J, et al. 2010. Understanding of regional air pollution over China using CMAQ, part Ⅱ. Process analysis and sensitivity of ozone and particulate matter to precursor emissons[J]. Atmospherc Environment, 44(30): 3719-3727.
Payra S, Kumar P, Verma S, et al. 2016. Potential source identification for aerosol concentrations over a site in Northwestern India[J]. Atmospheric Research, 169: 65-72.
Squizzato S, Masiol M, Innocente E, et al. 2012. A procedure to assess local and long-range transport contributions to PM2.5 and secondary inorganic aerosol[J]. J Aerosol Sci, 46: 64-76.
Wang Y Q, Zhang X Y, Draxler R R. 2009. TrajStat:GIS-based software that uses various trajectory statistical analysis methods to identify potential sources from long-term air pollution measurement data[J]. Environmental Modelling & Software, 24(8): 938-939.
Wen W, Cheng S Y, Liu L, et al. 2016. Source apportionment of PM2.5 in Tangshan, China-hybird approaches for primary and secondary species apportionment[J]. Frontiers of Environmental Science & Engineering, 10(5): 83-96.