2017, Vol. 37
[PDF全文]
2. 广东省佛山市气象局, 佛山 528000
2. Meteorological Bureau of Foshan City, Foshan 528000
近年来, 随着一系列控制措施如《大气污染防治行动计划》等的实施, 我国空气污染防治力度不断加大, 珠三角地区的空气质量已经有了较大改善, 但仍然有重污染情况出现.由于排放源在短时间内不会有明显的变化, 造成重污染的主要原因是极端不利的边界层气象条件.
边界层的结构及其变化在污染物的输送、稀释和清除等过程中起非常重要的作用, 污染物的时间和空间分布在很大程度上受边界层影响.边界层水平输送和垂直扩散, 会影响污染物的再分布(Krautstrunk et al., 2000; Kusmierczyk Michulec et al., 2013; Pasch et al., 2011); 不同地区独特的边界层结构, 会导致不同地区污染物的时空变化特征相差很大(Liu and Chan, 2002; Guinot et al., 2006; Xu et al., 2011).当天气系统较弱时, 海陆风、城市热岛环流及山谷风等局地环流及它们之间的相互作用, 会使污染物的变化特征更加复杂(Day et al., 2010; Wu et al., 2011; Pal et al., 2014).边界层结构不利于污染物的输送和扩散时, 污染物则会在本地不断累积, 出现重污染等情况.
珠江三角洲(以下简称珠三角)是我国人口最密集和最发达的城市群地区之一.珠三角的东、北、西三面环山, 南临南海, 地形条件复杂.为了解珠三角边界层及其与空气污染的关系, 许多学者做了大量的工作.范绍佳等建立了珠三角大气边界层概念模型(范绍佳等, 2005), 吴蒙等研究了珠三角两种典型的导致空气污染的天气条件, 进一步改进了概念模型(Wu et al., 2013).吴兑等发现珠三角地区气溶胶污染导致灰霾天气现象增加, 且干季污染较重(吴兑等, 2006; 吴兑等, 2007).樊琦等通过模式发现珠三角西部地区的污染较东部严重, 造成这种差别的主要原因是风场分布、湿度和边界层高度的差别(Fan et al., 2013).珠三角污染物的浓度很大程度上受到大气边界层结构, 地面稳定度、风速和湍流能量等边界层特征量的影响(Fan et al., 2008; Ding et al., 2004; Liu et al., 2001; 邓雪娇等, 2011).
大气边界层结构的直接观测手段主要有气球探空、系留汽艇、铁塔观测等, 但这些观测手段大多存在观测范围有限、分辨率较低等缺点(丁国安等, 2005; 熊超超等, 2010).近年开始使用有较好时间和空间分辨率的风廓线雷达、激光雷达、微波辐射计等地基遥感探测设备, 但由于地基遥感探测的观测成本较大(韦志刚等, 2010), 只在部分地区取得了一些观测结果(邓涛等, 2014; 李菲等, 2012; 严国梁等, 2014; 周明煜等, 2005; 孙康远等, 2013), 同时大部分观测都是采用单一设备观测, 而各种设备都有其局限性, 不可能完整地描述大气边界层的结构特征.
考虑珠三角干季空气质量较差, 且珠三角西部的污染普遍比东部严重, 本文利用2015年10－12月在珠三角西部佛山地区进行的大气边界层遥感观测实验的风廓线雷达、激光雷达、微波辐射计等多种地基遥感探测得到的边界层垂直结构数据, 结合地面气象观测资料和污染物浓度资料, 研究了观测期间出现的一次最严重的PM2.5污染过程, 分析了该重污染过程佛山地区的大气边界层垂直结构特征、污染物的时空分布特征, 探讨了导致污染的边界层气象条件以及空气质量与边界层结构之间的关系.为进一步改善空气质量, 实施空气污染的区域联防联控等提供科学基础和依据.
2 数据与方法(Data and methods) 2.1 实验概况2015年10－12月珠三角西部佛山地区大气边界层遥感观测实验, 观测站点有佛山地区的3个站点：顺德、禅城和三水.3个站点使用的地基遥感探测设备有3台风廓线雷达、3台气溶胶激光雷达, 其中禅城还有1台微波辐射计.图 1为佛山观测实验地区周边地形及观测点分布示意图.
 |
| 图 1 佛山周边地形及观测点分布示意图 Fig. 1 Terrain of Foshan and distribution of observation site |
观测实验使用的风廓线雷达为敏视达公司和航天二院二十三所生产的边界层风廓线雷达, 最大探测高度在3~6 km左右, 最低探测高度在60~100 m左右, 在1000 m以下的分辨率约为50~60 m, 1000 m高度以上约为100~120 m, 风速测量精度在1.5 m·s-1以下, 风向测量精度在10°以下.通过风廓线雷达发射和接收返回的电磁波信号, 可探测边界层不同高度的水平风向风速、垂直速度、大气折射率结构常数, 获得较为可靠的边界层风场和湍流信息(阮征等, 2008; 陈添宇等, 2011).
观测实验使用的激光雷达为无锡中科公司的大气颗粒物监测激光雷达, 该雷达使用Nd：YAG激光器发射532 nm波长的绿光光束, 望远镜口径200 mm, 单脉冲能量为20 mj, 脉冲重复频率20 Hz, 时间分辨率小于1 min, 最小空间垂直分辨率为7.5 m, 探测高度5 km, 观测的要素有消光系数和退偏振比.激光雷达通过向大气中发射特定波长的激光, 通过接收经气溶胶和云层等反射回来的后向散射光的强度来测量大气的消光特性, 从而获得大气中气溶胶和云等要素的分布, 获得大气气溶胶和云层垂直探测信息(刘东等, 2003; 李红等, 2015).
观测实验使用的微波辐射计为美国Radiometrics公司生产的35通道MP-3000A型地基微波辐射计, 数据的时间分辨率为2 min, 该仪器能够测量地面到10 km大气层的垂直廓线, 数据在垂直方向共分为58层, 在地面到500 m、500 m~2 km和2 km以上的垂直分辨率分别为50、100和250 m, 温度的分辨率为0.1~1 K, 观测的要素有温度、相对湿度、水汽密度和液态水密度等要素的垂直分布.微波辐射计为被动式的探测设备, 主要通过接收大气层不同高度的温度辐射微波信号来反演得到大气中温度和湿度的空间分布(刘红燕等, 2009; 雷连发等, 2014).
2.2 分析方法根据环境保护部《环境空气质量指数(AQI)技术规定(试行)》(HJ 633－2012) 规定, 我国采用空气质量指数(Air Quality Index, 简称AQI)来定量描述空气质量状况.参与空气质量评价的主要污染物为细颗粒物、可吸入颗粒物、二氧化硫、二氧化氮、臭氧、一氧化碳等6项.AQI共分6级, 从1级优, 2级良, 3级轻度污染, 4级中度污染, 直至5级重度污染, 6级严重污染.当PM2.5日均值浓度达到150 μg·m-3时, AQI即达到200;当PM2.5日均浓度达到250 μg·m-3时, AQI即达300;PM2.5日均浓度达到500 μg·m-3时, 对应的AQI指数达到500.
本文以AQI为标准, 挑选观测期间污染最严重的个例进行分析.图 2为根据环境保护部全国城市空气质量日报公布佛山市空气质量数据做出的佛山市2015年10－12月日均AQI变化.
 |
| 图 2 佛山市2015年10－12月日均AQI变化 Fig. 2 AQI variation in Foshan during October to December, 2015 |
从图 2可看出, 整个观测期间, 污染最为严重的空气污染过程是2015年12月21－23日, 因此, 本文选了这个污染过程, 利用佛山地区顺德、禅城和三水的风廓线雷达、激光雷达、微波辐射计观测的资料, 结合地面气象观测资料以及珠三角空气质量数据, 研究这一次重空气污染过程的特征和原因, 分析这次重污染过程的大气边界层精细结构变化特征及污染物在垂直方向的分布形态, 通过分析大气边界层结构的时空变化特征以及污染物的响应, 探讨这次重污染过程形成的机理.
3 结果分析(Results and analysis) 3.1 天气背景及空气质量变化天气分析表明(图略), 2015年12月21－23日珠三角处在高压边缘, 为冷空气过后的回暖期, 整体风速较小, 输送扩散条件较差.22日开始, 珠三角南部风向由盛行的北风逐渐转变为偏南风, 珠三角北部的偏北风和南部的偏南风相互对峙, 导致气流对峙区边界层低层风速减小并且1000 m以下相对湿度增加, 污染物无法向下风向地区有效输送, 同时较大的相对湿度导致本地的颗粒物吸湿增长导致污染物浓度迅速增加, 空气质量变差.23日下午, 偏南风风速增大, 使本地的污染物得到有效清除, 24日一道冷锋扫过珠三角, 空气质量彻底好转.
空气质量监测数据表明, 2015年12月21－23日佛山地区重污染过程首要污染物为PM2.5.因此, 采用PM2.5浓度作为空气质量的代表进行分析.由于日均值不能体现精细的污染物浓度的变化, 因此采用逐时PM2.5浓度进行分析.图 3给出2015年12月21－23日佛山地区逐时PM2.5浓度变化图.图中给出了三水、禅城和顺德的三个区域的代表性站点(括号内标明的是站名)的PM2.5逐时浓度变化, 区域代表性站点的选取主要根据站点的代表性、数据的完整度及其与气象观测站的距离.
 |
| 图 3 佛山2015年12月21－23日PM2.5逐时浓度变化图 Fig. 3 Variation of PM2.5 concentration in Foshan during December 21 to 23, 2015 |
从图 3可看出, 21日3个站点的PM2.5浓度均呈现出早晨和夜晚高, 午后低的状态, 白天较稳定地维持在75~100 μg·m-3之间, 并且在18: 00以后有不同程度的上升.22日的日变化情况跟21日相似, 只是峰值出现的时间有所差别, 并且PM2.5浓度在午后低值过后迅速反弹.21—22日3个站点PM2.5浓度有较为一致的日变化规律, 说明并没有明显的污染物输送过程, 污染物浓度升高主要以本地累积为主.23日上午顺德和禅城的PM2.5浓度先后开始迅速下降, 并且在午后分别下降到80 μg·m-3和50 μg·m-3左右, 而三水的PM2.5浓度则从上午开始出现增大, 并且在午后增大到250 μg·m-3左右, 三水PM2.5浓度增加的时间和顺德和禅城PM2.5浓度下降的时间相吻合, 同时三水在23日午后的浓度并没有下降却反常上升, 与21－22日污染物本地累积时的日变化不同, 综合来看这应该是存在一个从南到北的输送过程, 导致三水污染浓度升高, 这一分析结论和后面图 4的地面风场影响分析结论一致.
 |
| 图 4 佛山2015年12月21－23日地面站风速风向变化图 Fig. 4 Variation of wind speed and wind direction in Foshan during December 21 to 23, 2015 |
由于绝大部分污染源都是在地面附近, 污染物被排放出来以后马上受到地面附近气象条件的影响而开始在大气中扩散和稀释, 地面附近的气象条件对污染物的影响十分重要.图 4给出2015年12月21－23日佛山顺德、禅城和三水3个站点的风向风速变化.
从图 4可看出, 21日3个站点都是以偏北风为主, 大部分时间风速达到2~4 m·s-1, 22日开始3个站点的风速均减小到0~2 m·s-1, 水平风速较小, 污染物不能有效地向下风向地区输送从而在本地不断累积, 是22日佛山PM2.5浓度升高的一个重要的原因.从风向来看, 顺德在22日19: 00首先开始出现偏南风, 到23日9: 00禅城也开始处在偏南风的控制下, 三水23日22时开始出现弱的偏南风, 偏南风和偏北风在佛山地区来回拉锯, 造成该区域风向不稳定, 同时偏北风和偏南风的对峙区在22－23日期间从顺德和禅城之间逐渐推移到了禅城和三水之间, 从PM2.5浓度的变化来看(图 3), 22－23日佛山地区PM2.5浓度的高值区从顺德转移到了三水, 南北风对峙区从南到北的推移过程和PM2.5浓度高值区域的移动有着较好的对应关系, 可见偏南风和偏北风的对峙是PM2.5浓度升高的重要原因, 而当23日偏南风逐渐增强时则把污染物从南边的顺德和禅城输送到了北边的三水, 使顺德和禅城的PM2.5浓度迅速下降, 而三水的PM2.5浓度短时间内迅速增加, 很明显, 佛山地区近地层出现了一次从南到北的污染物输送过程.
3.3 边界层风场垂直结构的变化及其对空气质量的影响风速是影响污染物水平输送的重要因子, 边界层内的水平风速大小是判断大气水平输送能力的一个重要参数.张人文等利用2006－2008年地面气象站的风场资料和区域空气质量指数(RAQI)资料分析指出, 珠三角地区区域风速大于2.6 m·s-1时区域性空气污染概率较小, 区域风速大于3.2 m·s-1时空气质量普遍较好(张人文等, 2011b).然而, 只使用地面的风速资料, 并不能很好的表征大气边界层垂直方向的特征, 存在一定的局限性, 同时近年来珠三角发展迅速, 由于下垫面的变化, 之前的数据可能已经不再适用.本文利用风廓线雷达观测的水平风的垂直分布资料, 研究边界层低层风速整体对空气质量的影响.
边界层大气水平输送能力在垂直方向会有很大变化, 为表征近地层大气整体的水平输送能力, 定义了小风层厚度和小风层风速阈值.当某一个高度层的风速小于小风层风速阈值时, 这一高度内属于小风层, 通过计算可得到小风层厚度.以这次重污染过程禅城风廓线雷达数据为代表, 通过计算不同风速值对应的小风层厚度与PM2.5浓度的相关系数, 得到效果较好的小风层风速阈值为3.8 m·s-1.考虑污染物对大气输送能力的响应需要一定时间, 因此计算了PM2.5浓度和小风层厚度的时间滞后相关系数, 同步计算了PM2.5浓度和地面风速的时间滞后相关系数(见表 1).
| 表 1 不同滞后时间的PM2.5浓度与小风层厚度和地面风速相关系数 Table 1 Correlation coefficient of PM2.5 concentration with small wind layer and ground wind speed with different time lags |
 |
由表 1可见, PM2.5浓度与小风层厚度的相关系数明显比PM2.5浓度与地面风速的相关系数高, 滞后1 h的PM2.5浓度与禅城小风层厚度相关系数比与地面风速对应的绝对值要高0.32, 滞后3 h PM2.5浓度的相关系数比和地面风速的绝对值高0.36.此外, PM2.5浓度与地面风速的时间滞后相关性相对较差, 而PM2.5浓度与小风层厚度的时间滞后相关系数在滞后时间为1~3 h时相对较高并且仍然能通过显著性检验, 因此, 小风层厚度能够作为预报未来几小时PM2.5浓度的有用工具.
图 5给出2015年12月22－23日禅城和顺德两个站点(三水站数据大量缺测)的水平风速风向的垂直分布图(21日仪器故障没有数据).
 |
| 图 5 2015年12月22－23日风廓线图 (a.禅城, b.顺德) Fig. 5 Wind profile during December 21 to 23, 2015 in (a) Chancheng and (b) Shunde |
从图 5可看出, 22－23日两个站点PM2.5浓度的变化和小风层厚度有较好的相关性, 禅城的小风层从23日早晨6点开始厚度升高, 在午后达到最高约1200 m, 对应禅城的PM2.5浓度在23日上午开始显著升高, 并且在午后达到最高值.3个站点的小风层厚度体现出了明显的地区差异, 禅城作为高度发展的城区代表, 小风层厚度较高, 在23日一度达到了1200 m左右的高度, 这可能是高度城市化导致下垫面粗糙度较高并且禅城大部分时间处在偏北风和偏南风的对峙区的原因; 顺德的小风层厚度与禅城相比略低, 但是在22日18: 00到23日9: 00之间厚度达到400~700 m之间, 而这个时段是顺德污染最为严重的时段.23日中午左右, 顺德和禅城两个站点600 m高度以下风速迅速加大, 小风层厚度急剧降低, 结合图 3可知, 此时两个站点的PM2.5浓度也迅速下降.较强的偏南风下, 下风向地区的三水站的PM2.5浓度则迅速上升, 结合前文的分析, 三水站受到了来自顺德和禅城的污染物的影响.由上面的分析可知, 小风层厚度较深时, 表明近地层整层大气水平输送能力较弱.禅城和顺德地区深厚的小风层是导致此次污染的直接原因.
从风廓线图的风向来看, 与地面站大部分时间都是偏北风不同, 禅城和顺德两个站点在1000 m以下都是偏南风为主.这主要是因为地面站位置较低, 受到城市下垫面的影响, 偏南风虽然占据了大气边界层低层, 但是在地面附近无法取代偏北风, 在某些区域形成了南北风的对峙.当偏南风和偏北风对峙时, 会导致区域风速减小, 不利于污染物的水平输送, 造成污染物在本地不断累积使空气质量下降.
3.4 边界层温度和湿度垂直结构的变化及其对空气质量的影响温度层结是影响污染物在垂直方向上扩散的重要因子, 当边界层的温度层结很稳定时, 污染物常常在近地面累积而浓度升高.相对湿度也是影响空气质量的一个重要的因子, 当相对湿度较大时, 气溶胶粒子会吸湿增长而导致污染物浓度加大.图 6给出2015年12月21－23日微波辐射计探测得到的禅城温度垂直梯度和相对湿度.
 |
| 图 6 禅城2015年12月21－23日 (a.温度垂直梯度和; b.相对湿度图) Fig. 6 Profile of (a) temperature gradient and (b) relative humidity during December 21 to 23, 2015 in Chancheng |
从图 6a的温度垂直梯度变化图可看出, 21日凌晨开始, 在600~800 m高度一直存在一个稳定的逆温层, 逆温的梯度达到了3 ℃·km-1, 在夜间逆温层会下降到200~300 m高度, 直至23日6: 00逆温层才逐渐消散.持续的逆温层抑制了污染物在垂直方向上的扩散, 导致污染物在本地不断累积.
从图 6b的相对湿度变化图可看出, 21－23日禅城地面到800 m高度相对湿度较大, 大部分时间都在90%以上, 只有中午时有所减小, 且21到23日中午前后的相对湿度也在不断增大, 到23日中午200~600 m高度的相对湿度也达到了90%以上.较大的相对湿度可能是偏南风带来的大量水汽所致.在较大的相对湿度环境下, 悬浮于大气中的气溶胶离子会吸湿增长导致能见度的急剧恶化(陈一娜等, 2015), 加上大气边界层输送扩散能力较差, 本地累积的气溶胶粒子不断吸湿增长, 共同导致空气质量变差.
3.5 激光雷达大气消光系数及退偏振比垂直结构的变化与边界层高度变化边界层高度是反映大气垂直扩散能力的重要指标.气溶胶激光雷达的大气消光系数是表征污染物浓度的一个重要参数, 气溶胶粒子对光线的吸收和散射会导致到达地面光线的减少, 当大气中气溶胶粒子浓度很高时, 大气的消光系数会急剧增加.退偏振比是判别粒子种类的一个重要的参数, 根据退偏振比的数值大小能够识别出是云还是细粒子或者沙尘造成消光系数的增大.从气溶胶激光雷达的大气消光系数及退偏振比的变化, 可定性反映边界层高度的变化, 并反映边界层高度变化对空气质量的影响.
图 7给出2015年12月21－23日佛山地区三水、禅城、顺德3个站点的消光系数和禅城的退偏振比图.
 |
| 图 7 2015年12月21－23日三水(a)、禅城(b)、顺德(c)激光雷达消光系数图及禅城退偏振比图(d) Fig. 7 Extinction coefficient profile for (a) Sanshui, (b) Chancheng, and (c) Shunde and (d) depolarization ratio for Chancheng |
从图 7可看出, 整个污染过程禅城和顺德的边界层高度都很低, 在近地面层都有消光系数的大于1/km的大值区, 表明近地层细粒子污染较为严重, 且消光系数的大值区出现了明显的分层现象, 结合消光系数和退偏振比的数据来看, 在22日12时之前500~700 m高度的消光系数大值区为云层, 与微波辐射计观测到的500~700 m高度的强逆温相吻合, 该云层的高度有明显的下降趋势.随着偏南气流不断带来充足的水汽, 近地面层的相对湿度不断加大, 云层下沉且近地层的气溶胶层不断积累, 最终连成了一片, 边界层高度变得很低, 边界层内的气溶胶粒子浓度急剧增大, 导致污染进一步加剧.与禅城和顺德站相比, 三水的消光系数大值区只有单层的结构, 在22日中午以前一直维持在500 m以上的位置, 此后开始下沉并且开始增厚, 边界层中的气溶胶粒子吸湿增长且开始沉降到地面附近, 最后导致了22日到23日三水PM2.5浓度的上升.从图 7d的禅城的激光雷达的退偏振比的图来看, 近地面消光系数大值区的退偏振比大部分在0.1以下, 符合细粒子污染特征(Uchino, 1988).23日下午偏南风风速加大, 小风层厚度迅速减小, 逆温层消失, 使得3个站点近地层的消光系数大值区的范围大量减小, 污染得到缓解.
21－23日3个站点均有低云存在.一般来说, 当有低云存在时, 云底高度即为边界层高度.21日上午, 3个站点的边界层高度均在500 m左右, 随着午后对流发展, 边界层高度上升到1300~1500 m高度左右, 但随后边界层高度开始不断降低.22日上午3个站点的边界层高度在500~700 m高度左右, 并且在午后下降到500 m高度左右并且一直维持.3个站点23日的上午的边界层高度在500 m左右, 直到午后偏南风到来, 边界层高度抬升到1500 m左右.从边界层高度的变化来看, 21－23日3个站点的边界层高度较低, 在污染最严重的22日午后到23日上午, 边界层高度一直维持在500 m高度以下.较低的边界层高度严重抑制了污染物在垂直方向上的扩散, 是PM2.5浓度升高、污染加剧的一个重要的原因.
4 结论(Conclusions)1) 该PM2.5污染过程是一次典型的弱偏南风控制下的污染过程.污染前期, 偏北风和偏南风在地面附近产生对峙, 造成区域风速减小, 污染物在本地累积, 造成21－23日中午3个站点的PM2.5浓度较高.污染后期, 23日中午前后偏南风加强, 南部的顺德和禅城的污染物输送到三水, 使三水的PM2.5浓度迅速升高, 而顺德和禅城的空气质量迅速好转.这是一次先本地累积, 后有区域输送的较复杂的污染过程.
2) 较为深厚的小风层是导致本次污染的直接原因.PM2.5浓度与小风层厚度有着较好的相关性, 比与地面风速的相关系数提高0.3~0.4, 小风层厚度是预报空气质量变化的重要工具.初步分析得到佛山地区的小风层风速阈值为3.8 m·s-1.
3) 强度达到3 ℃·km-1的持续时间长的逆温层是本次污染过程的一个重要原因, 逆温层持续期间大气边界层较为稳定, 污染不断加重, 而逆温层消失时污染迅速缓解.同时持续的90%以上的相对湿度环境下本地累积的气溶胶粒子不断吸湿增长, 也是导致污染加重的重要原因.
4) 该PM2.5污染过程边界层高度较低.激光雷达消光系数存在明显的分层结构, 在地面附近和600~800 m左右有两层消光系数大于1/km的区域, 地面附近的大值层为高浓度的气溶胶粒子导致的, 600~800 m则为低云.低云高度下压、边界层高度降低导致地面附近污染物浓度急剧升高.激光雷达的退偏振比数据也表明这次污染过程属于典型的气溶胶细粒子污染.
5) 该PM2.5污染过程中, 不同地区的边界层结构有明显差异, 禅城作为城市化程度最高的地区, 边界层低层风速最小, 小风层厚度最高, 近地层大气整体的水平输送能力最差; 顺德位于佛山的南部, 吹偏南风时虽风速较大、小风层厚度最低, 但是污染物浓度却是最高, 这可能与南部的顺德水汽含量较充足, 气溶胶吸湿增长有关.
由于所用风廓线雷达数据较少, 本文得到佛山地区的小风层风速阈值为3.8m/s, 该阈值还需更长时间资料的验证.
陈添宇, 陈跃, 陈乾. 2011. 风廓线雷达资料的误差及对祁连山地形云风场监测的初步分析[J]. 干旱气象, 2011, 29(4): 416–422.
|
陈一娜, 赵普生, 何迪, 等. 2015. 北京地区大气消光特征及参数化研究[J]. 环境科学, 2015, 36(10): 3582–3589.
|
邓涛, 吴兑, 邓雪娇, 等. 2014. 广州地区一次严重灰霾过程的垂直探测[J]. 中国科学:地球科学, 2014(10): 2307–2314.
|
邓雪娇, 李菲, 吴兑, 等. 2011. 广州地区典型清洁与污染过程的大气湍流与物质交换特征[J]. 中国环境科学, 2011, 31(9): 1424–1430.
|
丁国安, 陈尊裕, 高志球, 等. 2005. 北京城区低层大气PM_(10) 和PM_(2.5) 垂直结构及其动力特征[J]. 中国科学(D辑:地球科学), 2005, 35(S1): 31–44.
|
Day B M, Rappenglück B, Clements C B, et al. 2010. Nocturnal boundary layer characteristics and land breeze development in Houston, Texas during TexAQS Ⅱ[J]. Atmospheric Environment, 44(33): 4014–4023.
DOI:10.1016/j.atmosenv.2009.01.031
|
Ding A, Wang T, Zhao M, et al. 2004. Simulation of sea-land breezes and a discussion of their implications on the transport of air pollution during a multi-day ozone episode in the Pearl River Delta of China[J]. Atmospheric Environment, 38(39): 6737–6750.
DOI:10.1016/j.atmosenv.2004.09.017
|
Fan Q, Liu Y, Wang X, et al. 2013. Effect of different meteorological fields on the regional air quality modelling over Pearl River Delta, China[J]. International Journal of Environment and Pollution, 53(1/2): 3–23.
DOI:10.1504/IJEP.2013.058816
|
范绍佳, 王安宇, 樊琦, 等. 2005. 珠江三角洲大气边界层概念模型的建立及其应用[J]. 热带气象学报, 2005, 21(3): 286–292.
|
Fan S, Wang B, Tesche M, et al. 2008. Meteorological conditions and structures of atmospheric boundary layer in October 2004 over Pearl River Delta area[J]. Atmospheric Environment, 42(25): 6174–6186.
DOI:10.1016/j.atmosenv.2008.01.067
|
Guinot B, Roger J, Cachier H, et al. 2006. Impact of vertical atmospheric structure on Beijing aerosol distribution[J]. Atmospheric Environment, 40(27): 5167–5180.
DOI:10.1016/j.atmosenv.2006.03.051
|
Krautstrunk M, Neumann-Hauf G, Schlager H, et al. 2000. An experimental study on the planetary boundary layer transport of air pollutants over East Germany[J]. Atmospheric Environment, 34(8): 1247–1266.
DOI:10.1016/S1352-2310(99)00124-7
|
Kusmierczyk Michulec J, Tedeschi G, Van Eijk A M J, et al. 2013. Influence of atmospheric parameters on vertical profiles and horizontal transport of aerosols generated in the surf zone[J]. Atmospheric Environment, 77(0): 664–673.
|
雷连发, 卢建平, 朱磊, 等. 2014. 多通道地基微波辐射计大气遥感[J]. 遥感学报, 2014, 18(1): 180–191.
|
Liu H, Chan J C L. 2002. An investigation of air-pollutant patterns under sea-land breezes during a severe air-pollution episode in Hong Kong[J]. Atmospheric Environment, 36(4): 591–601.
DOI:10.1016/S1352-2310(01)00504-0
|
李菲, 吴兑, 谭浩波, 等. 2012. 广州地区旱季一次典型灰霾过程的特征及成因分析[J]. 热带气象学报, 2012, 28(1): 113–122.
|
李红, 马媛媛, 杨毅. 2015. 基于激光雷达资料的小波变换法反演边界层高度的方法[J]. 干旱气象, 2015, 33(1): 78–88.
|
刘东, 戚福弟, 金传佳, 等. 2003. 合肥上空卷云和沙尘气溶胶退偏振比的激光雷达探测[J]. 大气科学, 2003, 27(6): 1093–1100.
|
刘红燕, 王迎春, 王京丽, 等. 2009. 由地基微波辐射计测量得到的北京地区水汽特性的初步分析[J]. 大气科学, 2009, 33(2): 388–396.
|
Liu H, Chan J C L, Cheng A Y S. 2001. Internal boundary layer structure under sea-breeze conditions in Hong Kong[J]. Atmospheric Environment, 35(4): 683–692.
DOI:10.1016/S1352-2310(00)00335-6
|
Pal S, Lee T R, Phelps S, et al. 2014. Impact of atmospheric boundary layer depth variability and wind reversal on the diurnal variability of aerosol concentration at a valley site[J]. Science of the Total Environment, 496: 424–434.
DOI:10.1016/j.scitotenv.2014.07.067
|
Pasch A N, Macdonald C P, Gilliam R C, et al. 2011. Meteorological characteristics associated with PM2.5 air pollution in Cleveland, Ohio, during the 2009—2010 Cleveland Multiple Air Pollutants Study[J]. Atmospheric Environment, 45(39): 7026–7035.
DOI:10.1016/j.atmosenv.2011.09.065
|
阮征, 何平, 葛润生. 2008. 风廓线雷达对大气折射率结构常数的探测研究[J]. 大气科学, 2008, 32(1): 133–140.
|
孙康远, 阮征, 魏鸣, 等. 2013. 风廓线雷达反演大气比湿廓线的初步试验[J]. 应用气象学报, 2013, 24(4): 407–415.
DOI:10.11898/1001-7313.20130403 |
Uchino O. 1988. Polarization properties of middle and high level clouds observed by lidar[J]. Journal of the Meteorological Society of Japan, 66.
|
韦志刚, 陈文, 黄荣辉. 2010. 敦煌夏末大气垂直结构和边界层高度特征[J]. 大气科学, 2010, 34(5): 905–913.
|
Wu J B, Chow K C, Fung J C H, et al. 2011. Urban heat island effects of the Pearl River Delta city clusters-their interactions and seasonal variation[J]. Theoretical and Applied Climatology, 103(3/4): 489–499.
|
Wu M, Wu D, Fan Q, et al. 2013. Observational studies of the meteorological characteristics associated with poor air quality over the Pearl River Delta in China[J]. Atmospheric Chemistry and Physics, 13(21): 10755–10766.
DOI:10.5194/acp-13-10755-2013
|
吴兑, 毕雪岩, 邓雪娇, 等. 2006. 珠江三角洲大气灰霾导致能见度下降问题研究[J]. 气象学报, 2006, 64(4): 510–517.
DOI:10.11676/qxxb2006.050 |
吴兑, 邓雪娇, 毕雪岩, 等. 2007. 细粒子污染形成灰霾天气导致广州地区能见度下降[J]. 热带气象学报, 2007, 23(1): 1–6.
|
熊超超, 谢丽萍, 吴维. 2010. 大气边界层探测技术初步分析[J]. 气象水文海洋仪器, 2010, 27(3): 77–79.
|
Xu W Y, Zhao C S, Ran L, et al. 2011. Characteristics of pollutants and their correlation to meteorological conditions at a suburban site in the North China Plain[J]. Atmospheric Chemistry and Physics, 11(9): 4353–4369.
DOI:10.5194/acp-11-4353-2011
|
严国梁, 韩永翔, 张祥志, 等. 2014. 南京地区一次灰霾天气的微脉冲激光雷达观测分析[J]. 中国环境科学, 2014, 34(7): 1667–1672.
|
张人文, 范绍佳. 2011b. 珠江三角洲风场对空气质量的影响[J]. 中山大学学报自然科学版, 2011b, 50(6): 130–134.
|
周明煜, 姚文清, 徐祥德, 等. 2005. 北京城市大气边界层低层垂直动力和热力特征及其与污染物浓度关系的研究[J]. 中国科学(D辑:地球科学), 2005, 35(S1): 20–30.
|