一次环境大气重污染过程的监测分析
文章快速检索     高级检索
  高原气象  2017, Vol. 36 Issue (5): 1404-1411  DOI: 10.7522/j.issn.1000-0534.2016.00118
0

引用本文 [复制中英文]

郝巨飞, 张功文, 王晓娟, 等. 2017. 一次环境大气重污染过程的监测分析[J]. 高原气象, 36(5): 1404-1411. DOI: 10.7522/j.issn.1000-0534.2016.00118
[复制中文]
Hao Jufei, Zhang Gongwen, Wang Xiaojuan, et al. 2017. Analysis of Meteorology Detection Data During a Heavy Pollution Event[J]. Plateau Meteorology, 36(5): 1404-1411. DOI: 10.7522/j.issn.1000-0534.2016.00118.
[复制英文]

资助项目

河北省气象科研项目(13KY32);邢台市气象科研项目(15xtky11)

作者简介

郝巨飞(1981-), 男, 陕西榆林人, 工程师, 主要从事环境气象资料的应用研究, E-mail:dragonland@126.com

文章历史

收稿日期: 2016-06-17
定稿日期: 2016-11-10
一次环境大气重污染过程的监测分析
郝巨飞1, 张功文2, 王晓娟1, 杨允凌1     
1. 河北省邢台市气象局, 邢台 054000;
2. 河北省邯郸市气象局, 邯郸 056001
摘要: 针对2015年12月17-27日出现的区域性重污染天气过程,根据布设在污染中心邢台市的脉冲偏振激光雷达和地基多通道微波辐射计数据,分析了污染过程中气溶胶消光系数、逆温层、水汽含量等的变化,利用Hysplit模式分析了气团后向轨迹。结果表明:此次重污染天气过程主要受局地气象扩散条件变化所致,稳定的高空大气环流和地面均压场是出现环境重污染事件的背景场,100 m高度上的气团对污染物累积和区域输送起到了主要作用;消光系数与细颗粒物PM2.5质量浓度和水汽压的相关系数分别为0.8622和0.7421,随PM2.5质量浓度和水汽压的升高,消光系数增加明显,由PM2.5质量浓度和水汽压建立的消光系数回归方程(R2=0.8811)可以很好的表征消光系数的实际变化;逆温强度在污染发展阶段达到最大,水汽含量在污染加重阶段达到最大,污染缓解阶段的逆温强度和水汽含量则出现明显的下降。
关键词: 重污染    气团轨迹    消光系数    水汽含量    
1 引言

近年来, 对城市空气污染的治理力度有所加大, 但是重污染天气仍频繁出现。2015年冬季, 中国中东部地区持续出现多次重污染天气过程, 其中又以河北省南部地区的污染状况较为严重。

大量研究(范清等, 2007; 姜大膀等, 2001; 姚青等, 2012; 王郁和侯青, 2012)表明, 短期内大气污染物的排放量变化不大, 气象扩散条件变化对污染物浓度的分布起到了重要作用。国外学者Jenkin(2004)Prospero(1999)发现细颗粒物在大气中停留时间比其前体物更久, 受气象条件变化可以发生远距离的传输和沉降, 在大气混合层高度较低的情况下易发生大气重污染事件(Holzworth, 1964)。赵文慧等(2010)利用统计分析工具和指示克里格方法对北京市可吸入颗粒物的时空变异性及气象因素进行了分析, 得出气象条件是影响可吸入细颗粒物污染程度的重要因素。王式功(2000)尚可政(2001)李霞等(2012)分别对兰州、乌鲁木齐等地的气象条件变化对大气污染事件的影响进行了分析, 得出低风速、高稳定能量、逆温层结等气象条件是城市重污染天气出现的主要原因之一。针对河北省特定地形条件下的空气重污染现象, 李二杰(2015)郝巨飞等(2016)分别从气象要素、天气形势或稳定层结等因素分析了成因。以上研究大多采用常规的气象资料, 对新仪器、新设备的监测数据分析研究较少。本文针对2015年12月17-27日的一次区域重污染天气过程, 利用Hysplit后向轨迹模式、脉冲偏振激光雷达和地基多通道微波辐射计数据, 对气象条件变化和环境大气污染过程进行分析, 以期为重污染天气预报预警和污染防治等工作提供参考依据。

2 仪器和数据

地基多通道微波辐射计采用中国兵器工业二○六研究所生产的MWP967KV型微波辐射计, 利用神经网络算法反演大气温度、湿度和液态水廓线, 在垂直方向上分58层, 地表到500 m高度间的分辨率为50 m, 500~2000 m间的分辨率为100 m, 2~10 km间的分辨率为250 m, 布设在邢台市国家基准气候站(37°11′N, 114°22′E, 海拔: 182.0 m)。微脉冲偏振激光雷达(Micro Pulse Lidar, 简称MPL)由北京怡孚和融科技有限公司提供, 垂直探测分辨率15 m, 布设在邢台市气象局(37°04′N, 114°30′E, 海拔: 77.3 m)距地面约13 m高的楼顶。环境空气质量采用邢台市环境保护管理局提供的国控监测站污染物浓度数据。文中所用时间除特殊说明外, 均为北京时。

3 结果和讨论 3.1 环境空气污染概况

以空气质量指数(Air Quality Index, AQI)大于200(Ⅴ级)作为重污染天气统计指标, 2015年12月中旬, 河北省持续出现区域重污染天气, 17-19日为重污染发生阶段, 出现重污染天气的地市依次为0, 1, 4个; 20-23日为重污染加重阶段, 出现重污染天气的地市依次为7, 10, 9, 9个; 24-26日为污染缓解阶段, 出现重污染天气的地市依次为8, 5, 2个; 27日为污染结束阶段, 11个地市环境空气质量全部达标(AQI≤100)。在该次环境空气污染过程中(图 1), 首要污染物以细颗粒物PM2.5为主, 其中邯郸23日发生爆表(AQI > 500), 衡水22-23日连续两天发生爆表, 邢台21-23日连续三天爆表, 污染中心分布在邢台地区。

图 1 2015年12月17-27日邯郸、邢台以及衡水的环境空气AQI变化 Figure 1 Daily AQI value of Handan, Xingtai, and Hengshui from 17 to 27 December 2015
3.2 气象场变化分析

在500 hPa高度, 受西风环流短波槽的影响, 17-19日河北省中北部地区以槽后脊前的西北气流为主, 南部地区以偏西气流为主; 20-23日高空环流较为平直, 整个华北地区受纬向西风影响; 24-26日受东北冷涡东移南下影响, 华北区域由纬向西风转为西北风, 27日受脊前冷空气影响, 伴随风力加大的同时风向由西北向转为西北偏北向。

环境大气污染物主要聚积在近地层, 通过对中国气象局CMACast系统下发的逐日02:00, 05:00, 08:00, 11:00, 14:00, 17:00, 20:00以及23:00的地面海平面气压场(图 2)分析发现, 持续存在的均压场是此次大气重污染发生发展的主要天气背景场。17-19日亚洲中高纬度地区受西伯利亚高压控制, 高压中心坐标为94.84°E, 49.62°N, 其等值线强度为1044 hPa, 河北地区受高压主体东南侧的弱气压场控制。20-23日西伯利亚高压中心略微向东北移动, 高压中心变为94.99°E, 50.43°N, 中心等值线强度为1041 hPa, 河北地区仍受高压主体东南侧的弱气压场控制。24-26日受从极地东移南下的冷空气影响, 有冷高压在贝加尔湖东侧形成, 冷高压中心为114.29°E, 56.09°N, 中心等值线强度为1040 hPa。27日冷高压中心移动到114.98°E, 44.12°N, 中心等值线强度为1044 hPa。

图 2 2015年12月17-27日海平面气压场(等值线, 单位: hPa) (a) 12月17-19日, (b) 12月20-23日, (c) 12月24-26日, (d) 12月27日 Figure 2 The sea level press from 17 to 27 December 2015.Unit: hPa.(a) on 17-19 December, (b) on 20-23 December, (c) on 24-26 December, (d) on 27 December
3.3 污染气团来源分析

HYSPLIT(Hybrid Single Particle Lagrangian Integrated Trajectory Model)模型是由美国国家海洋和大气管理局(NOAA)的空气资源实验室和澳大利亚气象局联合研发的一种用于计算和分析大气污染物输送、扩散轨迹的专业模型。该模型具有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, 已经被广泛地应用于多种污染物在各个地区的传输和扩散的研究中(Draxler, 1991; 曹贤洁等, 2009)。利用HYSPLIT模型对2015年12月20-23日的重污染天气过程进行气团后向轨迹模拟, 由于城市上空300 m及以上以远距离大尺度输送为主, 100 m及以下以近距离局地污染输送为主(王芳等, 2009), 所以模型高度分别设置在500 m和100 m。气象场资料采用NOAA的全球资料同化系统(GDAS)数据, 为充分反映出污染物的输送轨迹, 同时将模拟精度误差减少, 后推时效选择为36 h。模拟起点位置在环境大气污染中心邢台。用该方法模拟出污染加重阶段逐日00:00, 06:00, 18:00和20:00(世界时)4个时刻的气团轨迹, 再采用聚类分析方法将具有一定相似度的轨迹分为一类, 得到具有代表性的3簇后向轨迹。

通过重污染期间影响邢台的气流输送轨迹(起点位置为37.04°N, 114.30°E)(图 3)可以看出:在100 m高度上, 56%的气团来自输送距离小于20 km的局地区域间输送, 路径来源为东北偏东向, 轨迹起始高度不超过500 m; 19 %和25%的气团分别来自距源地约600 km和1100 km的西南向和西北向, 起始高度分别超过了2000 m和3000 m; 其中来源为西北向的气团, 在太行山东麓受地形、粗糙度等的影响转变为偏西南路径。在500 m高度上, 75%的气团来自距源地约100 km的西南向, 轨迹起始高度不超过1000 m; 来自距离约900 km的西南偏西向和西北向的气团各占13%, 起始高度均在3500 m附近; 来源于西北向和西南偏西向的气团在太行山东麓均转为偏南向路径。通过对以上两个高度层上气流后向轨迹分析表明, 重污染期间影响邢台的气流源主要以短距离低空输送为主, 意味着此次污染过程主要受局地气象扩散条件恶化所致。

图 3 2015年12月20-23日模拟高度为100 m (a)和500 m (b)影响邢台市的3簇污染物输送轨迹 Figure 3 Three trajectory clusters over Xingtai from 20 to 23 December 2015 for 100 m (a) and 500 m (b) height
3.4 激光雷达观测分析

气溶胶消光系数是大气中各种气溶胶成分对太阳辐射衰减综合的描述, 消光系数越大, 能见度越低(邓涛等, 2013)。在考虑MPL探测盲区和后向轨迹分析结果的基础上, 对105 m高度的气溶胶消光系数进行了分析, 由于仪器故障等原因, 17日00:00至18日17:00数据缺失, 通过图 4发现, 18-19日消光系数呈低值震荡上升, 20-23日呈高值波动, 24-26日14:00时呈波动下降, 26日15:00-23:00呈快速升高并回落的分布, 随后在低值徘徊。

图 4 2015年12月18-27日高空105 m消光系数与地面PM2.5质量浓度(a)和地面水汽压(b)逐时变化 Figure 4 Hourly variation of the extinction coefficient at 105 m height and the change of the PM2.5 mass concentration (a) and ground water vapor pressure (b) from 18 to 27 December 2015

通过对消光系数日平均值的计算发现: 18-19日、20-23日、24-26日和27日的平均消光系数依次为: 0.084, 0.361, 0.199和0.035 km-1, 消光系数在污染加重阶段比发生阶段高4.30倍, 比缓解阶段高1.81倍, 比结束阶段高10.31倍。对比同期细颗粒物PM2.5质量浓度(图 4a)发现:在污染发生、加重、缓解、结束阶段中, PM2.5平均质量浓度依次为109.77, 476.96, 141.03和40.04 μg·m-3, 污染加重阶段比发生阶段高4.35倍, 比缓解阶段高3.38倍, 比结束阶段高11.91倍。105 m高度的消光系数与地面PM2.5平均质量浓度的变化趋势和幅度较为一致。进一步分析消光系数和PM2.5质量浓度的相关性, 其相关系数为0.8622, 并通过了α0.01显著性检验。

在环境大气污染加重阶段, 近地层存在一个明显的污染带(陶宗明等, 2015), 大量污染物积聚在几百米的混合层内(李二杰等, 2015), 所以105 m高度的消光系数变化近似可以表征近地面环境污染物由于散射、吸收等原因造成的大气能见度变化情况, 计算得出的相关系数比杭州市近地层大气消光系数与PM2.5质量浓度间的相关系数0.83高(毛敏娟等, 2015), 比夏季太原市大气消光系数与PM2.5质量浓度间的相关系数0.93低(张逢生等, 2015), 这可能与不同地区地理位置以及不同天气背景、不同污染物组成成分等有关。

消光系数的变化与气象要素和环境大气污染物浓度的变化密切相关, 其中, 水汽压是影响消光系数的重要气象因子之一, 而水汽压的大小又与温度、湿度的关系密切(吕炜煜等, 2009)。通过对逐时消光系数与水汽压进行对比分析发现两者的变化趋势较为一致(图 4b), 相关系数为0.7421, 通过了α0.01显著性检验。在不考虑其他影响因子的基础上对消光系数和水汽压进行曲线拟合发现, 随着水汽压的增加, 消光系数呈明显的线性增加趋势, 曲线拟合公式为: Y=0.1507X-0.3714(Y:消光系数X:水汽压), R2=0.5730。对消光系数和PM2.5质量浓度进行曲线拟合发现, 随着PM2.5质量浓度升高, 消光系数呈幂指数升高, 曲线拟合公式为: Y=0.0009X0.9586(Y:消光系数X: PM2.5质量浓度), R2=0.7878。在考虑水汽压和PM2.5质量浓度的条件下建立消光系数的多元回归方程发现, 随水汽压和PM2.5质量浓度的升高, 消光系数增加明显, 曲线拟合公式为: Y=0.1539+0.0006X1+0.05335X2(Y:消光系数; X1: PM2.5质量浓度; X2:水汽压), R2=0.8811。通过拟合得出的消光系数三个回归方程可以发现, 综合考虑了气象因子(水汽压)和大气污染物因子(PM2.5质量浓度)的回归方程效果最好。这可能是因为随水汽压升高, PM2.5质量浓度由于气溶胶粒子吸湿增长(姚青等, 2012), 通过气粒转换和聚合作用使得其浓度升高, 单位体积内的散射体积、面积增加使得消光系数增加。

3.5 微波辐射计探测分析

逆温层结的存在及维持时间、强度对环境大气污染物的扩散有着重要的作用, 通过综合分析发现: 17-19日平均逆温强度3.97 ℃·(100m)-1(图 5a); 0, 50, 100, 150和200 m高度的平均水汽含量分别为2.00, 1.81, 1.74, 1.67和1.62 g·m-3(图 5b), 相对湿度分别为38.63%, 33.92%, 32.70%, 31.56%和30.92%(图 5c), 水汽含量随高度增加逐渐减少, 相对湿度处于相对低值, 白天由于处于弱的高压区, 气团下沉压缩变热, 在地面到700 m左右高空形成等温层, 空气对流受到抑制, 夜间由于长波辐射, 地面温度下降明显, 其中17日夜间到18日正午的辐射逆温表现较为强烈, 18-19日在1200 m高空附近出现明显的干暖盖, 相对湿度大值区主要在1000 m高度以下区域。17-19日在弱气压场影响下, 受辐射逆温和下沉逆温作用, 大气逆温层厚度逐渐增大, 强度逐渐增强, 污染物不易扩散且浓度开始堆积(程水源和陈东升, 2014), 逆温层的长时间维持和干暖盖对空气对流活动的抑制使得环境空气质量开始逐步恶化。

图 5 2015年12月17-27日微波辐射计探测数据 (a)温度, (b)水汽含量, (c)相对湿度 Figure 5 The microwave radiometer detection data from 17 to 27 December 2015.(a) temperature, (b) moisture content, (c) relative humidity

20-23日大气等温层进一步加强, 平均厚度1000 m, 逆温强度2.76 ℃·(100m)-1(图 5a), 其中在21日和23日的夜间可以发现较明显的辐射逆温层存在, 干暖盖的高度主要集中在500 m高空及以下高度, 近地层的水汽含量明显增加, 0, 50, 100, 150和200 m高度的平均水汽含量分别为3.49, 3.44, 3.45, 3.38和3.31 g·m-3(图 5b), 相对湿度分别为66.31%, 63.01%, 62.74%, 61.65%和60.43%(图 5c), 垂直高度上的水汽含量和相对湿度较17-19日有一个明显的增加, 同时随高度的增加水汽含量变化不大, 由于水汽含量的增加有利于污染物浓度的增长, 在较平直的纬向环流和地面均压场影响下, 边界层风力较小, 大气湍流活动强度继续减弱, 不利于累积的污染物稀释、扩散和消除, 使得污染物浓度进一步升高。

24-26日平均逆温强度2.29 ℃·(100m)-1(图 5a), 0, 50, 100, 150和200 m高度的平均水汽含量为3.11, 3.00, 2.98, 2.87和2.80 g·m-3(图 5b), 相对湿度为57.05%, 53.65%, 53.17%, 51.53%和50.05%(图 5c), 垂直高度上的水汽含量和相对湿度较20-23日出现一个明显的下降。从25日清晨开始, 由于太阳短波辐射增温效应明显, 地面温度明显高于近低层温度, 大气湍流运动较前期有一个明显的增强, 气象条件对污染物的稀释、扩散能力加强, 污染物浓度开始逐渐下降。但在26日10:00-15:00, 由于暖湿平流输送, 大气温度层结有一个明显的抬升, 在风向辐合效应的影响下, 污染物出现累积, 浓度急剧上升, 平均PM2.5浓度达到291.5 μg·m-3, 16:00以后, 受涡后冷空气东移南下和地面高压前部气压梯度带影响, 边界层风力逐步加大, 大气逆温层结趋于消失, 在相对干洁空气的置换下, 污染物浓度开始下降, 26日23:00, PM2.5浓度降至101.3 μg·m-3, 污染天气过程趋于结束。27日由于大气低层逆温层结消失, 风力加大等原因, 环境大气重污染状况得到改善, 空气质量趋于优良。

4 结论

(1) 后向轨迹分析表明, 该次环境大气污染过程主要受局地气象扩散条件变化所致。其中对局地污染物累积和区域输送起主要作用的是100 m高度上的气团, 56%来自输送距离小于20 km的局地区域间输送。

(2) 稳定的高空大气环流和地面均压场是出现环境重污染事件的背景场, 逆温层强度的增加不利于污染物扩散, 地面高压前部的强气压梯度使得大气湍流活动增强、边界层风力加大、逆温层结消失, 有利于污染物浓度的下降。

(3) 在不考虑其他影响因子的基础上, 随PM2.5质量浓度的升高, 消光系数呈幂指数升高; 随水汽压的增加, 消光系数呈线性增加; 综合考虑水汽压和PM2.5质量浓度建立的消光系数回归方程能够更好的表征消光系数的实际变化。

(4) 在环境大气污染发展阶段, 逆温强度达到最大值, 环境大气污染物开始逐步积累; 在污染加重阶段, 整层大气的水汽含量达到最大, 丰富的水汽有利于气溶胶粒子核化, 使得污染物浓度进一步升高; 在环境大气污染缓解阶段, 逆温强度和水汽含量较前期有明显的下降; 在环境大气污染结束阶段, 逆温层结消失, 水汽含量降低, 气象条件有利于污染物的扩散和稀释。

伴随新型探测仪器的不断布设, 利用长序列、精细化观测资料开展气象条件变化对环境污染过程的影响具有重要意义, 本文仅针对2015年12月华北区域的一次重污染天气过程进行了个例分析, 缺乏与长期历史事件和同期不同区域的对比研究, 这将在以后的研究中不断加强。

参考文献
Draxler R R. 1991. The accuracy of trajectories during ANATEX calculated using dynamic model analyses versus rawinsonde observations[J]. J Appl Meteor, 30(10): 1446–1564. DOI:10.1175/1520-0450(1991)030<1446:TAOTDA>2.0.CO;2
Holzworth G C. 1964. Estimates ofmean maximum mixing depths in the contiguous united states[J]. Mon wea rev, 92(5): 235–242. DOI:10.1175/1520-0493(1964)092<0235:EOMMMD>2.3.CO;2
Jenkin M E. 2004. Analysis of sources and partitioning of oxidant in the UK-Part 1:the NO X NO X math Container Loading Mathjax-dependence of annual mean concentrations of nitrogen dioxide and ozone[J]. Atmos Environ, 38(30): 5117–5129. DOI:10.1016/j.atmosenv.2004.05.056
Prospero J M. 1999. Long-range transport of mineral dust in the global atmosphere:impact of African dust on the environment of the southeastern United States[J]. Proceedings of the National Academy of Sciences of the United States of America, 96(7): 3396–3403. DOI:10.1073/pnas.96.7.3396
曹贤洁, 张镭, 周碧. 2009. 利用激光雷达观测兰州沙尘气溶胶辐射特性[J]. 高原气象, 28(5): 1115–1120. Cao Xianjie, Zhang Lei, Zhou Bi. 2009. Lidar measurement of dust aerosol radiative property over Lanzhou[J]. Plateau Meteor, 28(5): 1115–1120.
程水源, 陈东升. 2014. 大气重污染过程预测技术研究[M]. 北京: 中国环境出版社, 90-99. Cheng Shuiyuan, Chen Dongsheng. 2014. Study on prediction technology of air heavy pollution process[M]. Beijing: China Environmental Press, 90-99.
邓涛, 吴兑, 邓雪娇, 等. 2013. 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, 33(11): 1921–1928. Deng Tao, Wu Dui, Deng Xuejiao, et al. 2013. The vertical distribution of aerosol optical properties in a severe haze event[J]. China Environmental Science, 33(11): 1921–1928.
范清, 程水源, 苏福庆, 等. 2007. 北京夏季典型环境污染过程个例分析[J]. 环境科学研究, 20(5): 12–19. DOI:10.13198/j.res.2007.05.14.fanq.003 Fan Qing, Cheng Shuiyuan, Su Fuqing, et al. 2007. Example analysis of typical environment pollution process in the summer in Beijing[J]. Research of Environmental Sciences, 20(5): 12–19. DOI:10.13198/j.res.2007.05.14.fanq.003
郝巨飞, 张功文. 2016. 邢台市大气稳定度和混合层厚度特征研究[J]. 气象科技, 44(1): 118–122. Hao Jufei, Zhang Gongwen. 2016. Atmospheric stability and mixed layer thickness in Xingtai in recent 30 years[J]. Meteor Sci Technol, 44(1): 118–122.
姜大膀, 王式功, 郎咸梅, 等. 2001. 兰州市区低空大气温度层结特征及其与空气污染的关系[J]. 兰州大学学报:自然科学版, 37(4): 133–139. Jiang Dabang, Wang Shigong, Lang Xianmei, et al. 2001. The characteristics of stratification of lower-layer atmospheric temperature and their relations with air pollution in Lanzhou Proper[J]. Journal of Lanzhou University (Natural Sciences), 37(4): 133–139.
李二杰, 刘晓慧, 李洋, 等. 2015. 一次重污染过程及其边界层气象特征量分析[J]. 干旱气象, 33(5): 856–860. DOI:10.11755/j.issn.1006-7639(2015)-05-0856 Li Erjie, Liu Xiaohui, Li Yang, et al. 2015. Analysis of boundary dyer meteorology characteristic parameters during a continuous heavy pollution event[J]. Arid Meteor, 33(5): 856–860. DOI:10.11755/j.issn.1006-7639(2015)-05-0856
李霞, 杨静, 麻军, 等. 2012. 乌鲁木齐重污染日的天气分型和边界层结构特征研究[J]. 高原气象, 31(5): 1414–1423. Li Xia, Yang Jing, Ma Jun, et al. 2012. Researches of weather pattern and boundary layer structure characteristic on serious air pollution days in Urumqi[J]. Plateau Meteor, 31(5): 1414–1423.
吕炜煜, 朱文越, 苑克娥, 等. 2009. 内陆地区近地面大气消光系数统计特征及气象要素影响分析[J]. 光子学报, 38(9): 2376–2380. Lü Weiyu, Zhu Wenyue, Yuan Ke'e, et al. 2009. Statistical characteristic on atmospheric extinction coefficient and impact analysis on meteorological elements of surface layer of inland area[J]. Acta Photonica Sinica, 38(9): 2376–2380.
毛敏娟, 孟燕军, 齐冰. 2015. 浙江省城市大气污染特性研究[J]. 南京大学学报:自然科学版, 51(3): 499–507. DOI:10.13232/j.cnki.jnju.2015.03.006 Mao Minjuan, Meng Yanjun, Qi Bing. 2015. The study of air pollution characteristics in urban area over Zhejiang[J]. Journal of Nanjing University(natural sciences), 51(3): 499–507. DOI:10.13232/j.cnki.jnju.2015.03.006
尚可政, 达存莹, 付有智, 等. 2001. 兰州城区稳定能量及其与空气污染的关系[J]. 高原气象, 20(1): 76–81. Shang Kezheng, Da Cunying, Fu Youzhi, et al. 2001. The stable energy in Lanzhou City and the relations between air pollution and it[J]. Plateau Meteor, 20(1): 76–81.
陶宗明, 单会会, 麻晓敏, 等. 2015. 近地面PM2.5质量浓度廓线反演方法及个例研究[J]. 激光与光电子学进展, 52(11): 50–56. DOI:10.3788/LOP52.110102 Tao Zongming, Shan Huihui, Ma Xiaomin, et al. 2015. Retrieval method of PM2.5 mass concentration profile in near-ground and case study[J]. Laser & Optoelectronics Progress, 52(11): 50–56. DOI:10.3788/LOP52.110102
王芳, 陈东升, 程水源, 等. 2009. 基于气流轨迹聚类的大气污染输送影响[J]. 环境科学研究, 22(6): 637–642. Wang Fang, Chen Dongsheng, Cheng Shuiyuan, et al. 2009. Impacts of air pollutant transport based on air trajectory clustering[J]. Research of Environmental Sciences, 22(6): 637–642.
王郁, 侯青. 2012. 2000-2010年北京空气持续污染特征研究[J]. 高原气象, 31(6): 1675–1681. Wang Yu, Hou Qing. 2012. Study on characteristic of persistent air pollution in Beijng from 2000 to 2010[J]. Plateau Meteor, 31(6): 1675–1681.
王式功, 姜大膀, 杨德保, 等. 2000. 兰州市区最大混合层厚度变化特征分析[J]. 高原气象, 19(3): 363–370. Wang Shigong, Jiang Dabang, Yang Debao, et al. 2000. A study on characteristics of change of mayimum mixing depths in Lanzhou[J]. Plateau Meteor, 19(3): 363–370.
姚青, 蔡子颖, 韩素芹, 等. 2012. 2009年秋冬季天津低能见度天气下气溶胶污染特征[J]. 气象, 38(9): 1096–1102. Yao Qing, Cai Ziying, Han Suqin, et al. 2012. Study on the pollution characteristics of aerosols during low visibility weather at Tianjin City in autumn and winter 2009[J]. Meteor Mon, 38(9): 1096–1102.
张逢生, 朱凌云, 闫世明, 等. 2015. 2012年夏季太原气溶胶散射和吸收特性的研究[J]. 环境科学与技术, 38(12): 6–10. DOI:10.3969/j.issn.1003-6504.2015.12.002 Zhang Fengsheng, Zhu Lingyun, Yan Shiming, et al. 2015. Characteristics of aerosol scattering and absorption coefficients in summer of 2012, Taiyuan[J]. Environmental Science & Technology, 38(12): 6–10. DOI:10.3969/j.issn.1003-6504.2015.12.002
赵文慧, 宫辉力, 赵文吉, 等. 2010. 基于地统计学的北京市可吸入颗粒物时空变异性及气象因素分析[J]. 环境科学学报, 30(11): 2154–2163. Zhao Wenhui, Gong Huili, Zhao Wenji, et al. 2010. Spatial and temporal variation of Beijing inhalable particulate matter and its meteorological factors bases on geostatical analysis[J]. Acta Scientiae Circumstantiae, 30(11): 2154–2163.
Analysis of Meteorology Detection Data During a Heavy Pollution Event
HAO Jufei1 , ZHANG Gongwen2 , WANG Xiaojuan1 , YANG Yunling1     
1. Xingtai Meteorological Bureau, Xingtai 054000, China;
2. Handan Meteorological Bureau, Handan 056001, China
Abstract: A large scale heavy pollution process occurred from 17 to 27 December 2015 in the eastern china.Using the data of micro pulse lidar and microwave radiometer which located in the pollution center of Xingtai City, analyzed the extinction coefficient, inversion layer, moisture content in the process of pollution.The results showed that:Local meteorological conditions change was the main pollution forming source during the process, the background of the heavy environmental pollution event was stable high-altitude atmospheric circulation and ground pressure, air mass at 100 m altitude played a major role on the accumulation and regional transport of pollutants; The correlation coefficient between extinction coefficient and PM2.5 concentration, vapor pressure were 0.8622, 0.7421, with the increase of PM2.5 concentration and vapor pressure, the extinction coefficient increased exponentially.Extinction coefficient of PM2.5 concentration and vapor pressure build regression equation (R2=0.8811) could be a good characterization of the actual change.The inversion strength reached the maximum in pollution development stage, the moisture content reached the maximum in pollution aggravation stage, the inversion strength and moisture content was a significant decline in pollution mitigation stage.
Key Words: Heavy pollution    Air trajectory    Extinction coefficient    Moisture content