2017, Vol. 37
[PDF全文]
2. 上海市环境气象中心, 上海 200030;
3. 上海市气象与健康重点实验室, 上海 200030;
4. 中国气象局上海台风研究所, 上海 200030
2. Shanghai Center for Environmental Meteorology, Shanghai 200030;
3. Shanghai Key Laboratory of Meteorology and Health, Shanghai 200030;
4. Shanghai Typhoon Institute, China Meteorological Administration, Shanghai 200030
随着社会经济的发展和人们生活水平的提高, 城市环境空气质量越来越受到社会大众的关注(Zarandi et al., 2008).研究发现, 大气污染会危害人类健康, 影响植物生长, 损坏文物古迹, 降低能见度, 给城市居民的生活带来严重的不利影响(Englert, 2004).大气污染形成的主要原因是污染物的大量排放, 但受客观气象条件的影响, 当出现不利于污染物输送扩散的天气时, 易造成污染物的积聚(蒋伊蓉等, 2015).因此, 污染气象条件在污染物的扩散和输送中起到了主要的作用, 风向、风速、温度、混合层厚度、大气稳定度等大气边界层特征, 都会在空气质量的下降中产生显著影响(Feng et al., 2007; 范绍佳等, 2005).通风指数是一个用来表征边界层内大气对污染物稀释和扩散能力的物理量, 它能够指示某一地区的空气质量和污染潜势.某一地区通风指数越大, 说明大气对污染物的扩散能力越强, 该地区的空气质量越好；通风指数值越低, 说明大气对污染物的扩散能力越弱, 该地区的空气质量越差, 甚至可能出现空气污染(Iyer et al., 2013；Cheremisinoff, 2002).对于通风指数, 国内外学者已经做了一些研究, 我国学者徐大海等在1989年就提出采用气象站资料来计算通风指数, 并研究了我国大陆日通风指数的分布情况(徐大海等, 1989).国外学者Gassmann等(2000)、Ashrafi等(2009)定义了类似于徐大海等(1989)提出的通风指数计算公式, 分别对阿根廷地区和伊朗德黑兰地区的通风指数进行了研究.Praveena等(2004)、Iyer等(2013)均简单定义通风指数为大气边界层高度与边界层内平均风速的乘积, 并分析了印度地区通风指数的时间变化特征, 研究表明, 印度地区冬季通风指数低, 季风季节通风指数高, 过去30年通风指数基本呈下降的趋势, 空气质量处于持续恶化中.国内学者蒋伊蓉等(2015)利用通风指数研究京津冀地区的重污染过程发现, 重污染期间空气质量指数与日平均通风指数成负相关, 平均通风指数比近5年同期平均值偏低29.3%~52.8%.吴蒙等(2015)也利用通风指数对珠江三角洲地区的污染气象条件进行研究, 结果表明, 污染日各观测站的通风指数普遍偏小, 非污染日的通风指数明显大于污染日.
目前, 对于通风指数在上海地区的时间变化特征及应用情况的研究较少, 也没有学者提出适用于上海地区的通风指数公式.由于通风指数能够较好地表征出边界层内大气对污染物的扩散作用, 因此, 本文利用上海地区的风廓线资料及NCEP再分析资料, 计算研究2013—2014年上海地区的通风指数, 并提出适用于上海地区的通风指数公式, 研究其时间变化特征及与颗粒物浓度的关系, 并分析本地化后的通风指数在污染个例中的应用情况, 以期能够为上海地区空气质量预报等业务提供一个新的参考指标.
2 资料与方法(Datas and methods)目前, 常用的通风指数VI计算公式(Pasch et al., 2011)如式(1) 所示.由于风廓线仪能够很好地反映垂直方向上的风场特征, 且精度较高, 因此, 本文利用上海市浦东新区气象局人工观测站风廓线仪的风场资料来计算通风指数, 其时间精度为30 min, 垂直精度为62~63 m, 最大能达到3500 m.由于该风廓线仪探测的垂直风速最低层为164 m, 因此, 最低层风速用浦东新区人工观测站的10 m风速代替, 式中将最低层设置为10 m, 开始向上至边界层计算VI.
|
(1) |
式中, VI为通风指数(m2·s-1), PBL为边界层高度(m), WS为表示各层次的水平风速(m·s-1), Δh为上下层的高度差(m).
边界层高度资料来自NCEP每6 h 1次的FNL1°×1°再分析资料.由于目前研究中很难同时取得连续的高时空精度的垂直风速资料和边界层资料, 因此, 较少能够获得连续的边界层通风指数的特征.本文由于边界层资料时间精度较粗, 故而只能进行粗略研究, 但也能够反映出一定的特征.
本文采用的空气质量资料来自上海市环境监测中心的10个自动监测点(图 1, 其中, 青浦淀山湖为对比点)的污染物小时浓度资料, 这10个监测点中有7个分布在市区, 3个位于市区的边缘, 其监测资料对上海地区具有一定的代表性.对于上海地区空气质量状况用空气质量指数(Air Quality Index, 以下称AQI)来定量描述, 该指数是无量纲数；用空气质量分指数(Individual Air Quality Index, 以下称IAQI)来描述单项污染物的状况, 其计算公式参照环境保护部(2012a)制定的《环境空气质量指数(AQI)技术规定(HJ633-2012)》中的方法, 通过不同污染物的IAQI之间的比较, 得出最大值即为当日的AQI值, 当AQI＞50时, 其对应的空气污染物为首要污染物.将AQI按照一定的标准进行级别划分, 具体分为6级：1级优(0~50)、2级良(51~100)、3级轻度污染(101~150)、4级中度污染(151~200)、5级重度污染(201~300) 和6级严重污染(＞300), 级别越高说明污染情况越严重, 对人体的危害就越大(环境保护部, 2012b).在分析污染个例气象条件时, 还使用了常规气象观测资料.
 |
| 图 1 上海市环境监测中心自动监测点分布示意图 Fig. 1 Map of the observation stations in Shanghai |
通过分析2013—2014年上海地区空气质量状况发现, 上海地区最主要的污染物为PM2.5, 其污染在冬季出现最多(图 2).由于PM2.5的浓度变化与风向、风速关系密切(张国琏等, 2010；甄新蓉等, 2012), 因此, 研究通风指数与PM2.5的对应关系对于上海地区空气质量预报工作具有十分重要的意义.
 |
| 图 2 2013—2014年上海地区各首要污染物出现日数(a)和首要污染物达污染级别日数逐月分布(b.2013年；c.2014年) Fig. 2 Number of days for different kinds of primary pollutants during 2013—2014(a) and monthly variation of number of pollution days with different kinds of primary pollutants in 2013 (b) and 2014(c) in Shanghai |
采用常用通风指数公式(1) 计算上海地区2013—2014年的通风指数(由于仪器故障, 2014年的风廓线风场资料仅到10月17日), 并与每日PM2.5的IAQI作距平相关系数(式(2)).由于降水对污染物具有一定的沉降作用, 会影响通风指数与污染物的相关性, 因此, 在计算相关系数时, 将2年中的降水日(日降水量＞0.1 mm)剔除, 共得到样本502个, 其中冬季样本127个.2年相关系数为-0.26, 2年冬季的相关系数为-0.29, 说明通风指数与PM2.5之间确实存在负相关关系, 且在冬季对PM2.5浓度的指示意义更明显, 因此, 能够在一定程度上反映边界层内大气对污染物的扩散作用.
|
(2) |
式中, C为相关系数(无量纲)；Af为PM2.5的每日IAQI值(无量纲)；Af为所有样本的PM2.5的平均IAQI值(无量纲)；A0为每日平均通风指数(m2·s-1)；A0为所有样本的平均通风指数(m2·s-1)；N为样本量.
常用通风指数公式虽然能在一定程度上反映大气对污染物的扩散作用, 但在上海地区的实际应用中仍存在一些问题.如当上海地区受冷空气影响时, 上游污染物会随着南下的冷空气对本地造成明显的输送, 但由于风力也在同时增大, 因此, 会出现通风指数较大, 而污染物浓度也较高的情况, 通风指数对污染的指示作用明显下降；再如上海地区地处我国东部、太平洋西岸, 当本地主导风向为东向风时, 来自海上的清洁空气对于本地的污染物有明显的稀释清洁作用, 而当本地主导风向为西向风时, 来自内陆地区的空气相对较脏, 对本地污染物浓度有加重的作用, 等等.因此, 通风指数的常用计算公式没有考虑到不同风速、风向条件下风的输送作用和清洁作用.为了能够更好地适应于本地的预报业务, 本文尝试对通风指数进行一定的修正.
计算2013—2014年不同风向、风速条件(风场资料使用上海市浦东新区人工观测站的每小时2 min平均风)下PM2.5的平均浓度及污染情况(表 1、2)可知, 在不考虑静风(风速≤0.2 m·s-1)的情况下, 当风速≤3.3 m·s-1(风力1~2级)时, PM2.5出现污染的概率很高, 4个风向中有3个风向出现污染的概率达到95%以上.由此可见, 当风力在2级以上时, 无论是来自哪个方向的风, 大气对污染物的扩散作用都很强, 即使风来自西北向, 有利于冷空气将上游的污染物向本地输送, 也由于较强的扩散作用而不易造成污染.从表 2可以看到, 在相同风向条件下, 风速越大PM2.5平均浓度越小, 且来自内陆的风(180°~360°)的减小幅度更大, 对比相同风速不同风向下的PM2.5平均浓度发现, 在45°~135°时PM2.5平均浓度均最小；另外, 在不考虑静风(风速≤0.2 m·s-1)的情况下, 当风速≤3.3 m·s-1时, 270°~360°风向下的PM2.5平均浓度最大, 已达到轻度污染级别, 是45°~135°风向下平均浓度的1.6倍；当风速＞3.3 m·s-1时, 180°~270°和270°~360°风向下的平均浓度相差不大, 但较其余两个风向仍偏大, 是45°~135°风向下平均浓度的1.8倍.由此可见, 在相同的风速条件下, 来自内陆的风(180°~360°)和来自海上的风(0°~180°)对于污染物的扩散作用确实存在差异, 当风速较小时, 受冷空气输送影响(风向为270°~360°), PM2.5浓度容易偏高, 且更容易造成污染.
| 表 1 不同风向条件下PM2.5出现污染(＞75 μg·m-3)的概率(0.2 m·s-1≤风速≤3.3 m·s-1) Table 1 Probability of PM2.5 pollution ( > 75 μg·m-3) under different wind directions (0.2 m·s-1≤wind speed≤3.3 m·s-1) |
 |
| 表 2 不同风向条件下PM2.5平均浓度 Table 2 Average concentration of PM2.5 under different wind directions |
|
根据以上分析, 本文利用不同风速、风向条件下PM2.5平均浓度之间的倍数关系, 设定修正系数, 在不考虑静风(风速≤0.2 m·s-1)的情况下, 由于来自内陆风向(180°~360°)条件下PM2.5的平均浓度与来自海上风向(0°~180°)条件下PM2.5平均浓度的倍数范围为1.1~1.9, 因此, 给来自海上的风(0°~180°)设定修正系数的取值范围为1.1~1.9.给来自内陆的风(180°~360°)设定修正系数时考虑了风速阈值, 如前文所述, 当风速＞3.3 m·s-1时, 无论风向来自何方, PM2.5出现污染的概率都低, 且来自内陆的风向(180°~360°)下PM2.5的平均浓度较风速≤3.3 m·s-1时降低明显, 因此, 以3.3 m·s-1作为风速的修正阈值；当风速≤3.3 m·s-1时, 认为输送至本地的PM2.5浓度要大于扩散出去的浓度, 系数取值范围为0.1~0.9；当风速＞3.3 m·s-1时, 认为扩散出去的PM2.5浓度要大于输送至本地的浓度, 不对公式作调整.另外, 当出现静风(风速≤0.2 m·s-1)时, 由于风速很小, 污染以本地积累为主, 没有明显的上游输送存在, 因此, 不对公式作调整.根据上述不同风向、风速条件下的取值范围, 进行不同的取值组合, 计算2013—2014年修正后的通风指数与PM2.5的IAQI的相关性(式(2)), 最终得出以下一组负相关性最显著的系数组合(表 3), 修正后的通风指数计算公式见式(3).修正后的通风指数与PM2.5的负相关性提高明显, 两年的相关系数达到了-0.38, 冬季的相关系数达到了-0.42, 能够更好地反映边界层内大气对污染物的输送和稀释清洁作用, 尤其在冬季上海地区污染过程较多、污染物浓度较高时, 本地应用性增强明显.
| 表 3 不同风向风速条件下通风指数的修正系数 Table 3 Modified coefficients of the ventilation index under different wind directions and speeds |
|
|
(3) |
式中, VIm为修正通风指数(m2·s-1), PBL为边界层高度(m), a为修正系数(无量纲量, 取值见表 3), WS为表示各层次的水平风速(m·s-1), Δh为上下层的高度差(m).
4 修正前后通风指数的时间变化特征及其与PM2.5浓度的关系(Relationship between modified ventilation index and PM2.5 concentration) 4.1 修正前后通风指数的日变化特征及其与PM2.5浓度的关系图 3a给出了2013—2014年上海地区每日2：00、8：00、14：00和20：00修正后的通风指数和PM2.5浓度的小时平均值, 可以看出, 在夜间上海地区修正后的通风指数较小, 白天则有增大的趋势, 14：00达到一天中的最大值.修正后通风指数的日变化特征与风速的日变化特征基本一致(图 3b), 当然, 修正后通风指数的日变化还与边界层高度有关, 一般情况下边界层高度都是白天高、夜晚低, 这也会导致修正后通风指数出现白天大、夜晚小的现象.对比PM2.5浓度变化来看, 修正后的通风指数与PM2.5浓度有更显著的负相关关系, PM2.5一天中的2个浓度峰值分别与修正后通风指数的低值对应, 其中, 20：00的指数值较8：00更低, 但PM2.5浓度却是8：00更高, 这可能和风速、污染源等因素有关.由图 3b可以看到, 20：00的平均风速要小于8：00, 因此, 容易导致修正后通风指数在20：00更低；但城市交通早晚高峰车流量的不同, 会导致在相同的气象条件下PM2.5浓度的差异, 这就可能造成虽然20：00修正后的通风指数更低, 但PM2.5浓度却是8：00更高.PM2.5浓度的2个低值分别出现在2：00和14：00, 其中, 14：00时PM2.5浓度与修正后通风指数的对应效果较好, 但2：00的对应效果较差, 究其原因, 仍然与风速、污染源等因素有关, 夜间人类活动少, 污染源少, 虽然此时风力较小, 边界层高度较低, 但仍然不利于污染物的积聚.
 |
| 图 3 2013—2014年上海地区修正后的通风指数、PM2.5浓度(a)和浦东观测站每小时2 min平均风速(b)在每日2：00、8：00、14：00和20：00的平均值 Fig. 3 Average modified ventilation index and PM2.5 concentration (a) and the average 2 minutes wind speed per hour from Pudong station (b) at 2:00, 8:00, 14:00, 20:00 per day in Shanghai during 2013—2014 |
为了进一步对比修正前后通风指数的日变化情况, 给出每日2：00、8：00、14：00和20：00修正前后通风指数和PM2.5浓度的箱线图(图 4a、4b).另外, 由于通风指数最大值和最小值差距太大, 小值区不易比较, 因此, 取修正前后通风指数前75%的数据另做箱线图(图 4c).由图 4a可以看到, 修正后的通风指数最大值整体要大于修正前, 且各时次的差异增大；另外, 14：00和20：00的第三四分位数修正后也要大于修正前.由图 4c比较前75%的数据分布情况来看, 除20：00外, 修正后其余时次的中位数和第三四分位数均较修正前有所降低, 8：00和14：00的第一四分位数修正后也低于修正前.总体来看, 通过修正, 通风指数的一部分数值扩大, 一部分数值降低, 整体数值分布的区间范围较修正前明显扩大.对比PM2.5浓度的日变化来看(图 4b), 除2：00外, 14：00的PM2.5浓度数值变化区间最大, 8：00次之, 20：00最小, 而修正前的通风指数在8：00—20：00的数值变化区间差异不大, 尤其是14：00和20：00时几乎一致, 修正后的通风指数则明显将差异增大, 且变化趋势与PM2.5浓度完全一致, 由此可见, 修正后的通风指数对PM2.5的指示意义更明显.总体来说, 修正后通风指数的日变化特征与PM2.5浓度的日变化有显著的负相关关系, 但由于污染源等因素的影响, 可能会影响修正通风指数对PM2.5的指示作用.
 |
| 图 4 2013—2014年上海地区修正前后通风指数(a)和PM2.5浓度(b)每日2：00、8：00、14：00和20：00箱线图及修正前后通风指数前75%的数据箱线图(c) Fig. 4 Box plot of the modified and the original ventilation index (a) and PM2.5 concentration (b) at 2:00, 8:00, 14:00, 20:00 per day, and the box plot of the data before 75% (c) |
图 5为2013—2014年上海地区修正前后通风指数和PM2.5浓度的逐月分布图.从图上可以看到, 修正后的通风指数在秋季相对其他季节更高, 其中, 10月指数最大, 平均值达到2300 m2·s-1以上, 而冬季则偏低, 尤其表现在1月和12月偏低明显, 平均值基本在900 m2·s-1以下.从逐月变化来看, 6—10月修正后的通风指数呈现明显的上升趋势, 10月之后修正通风指数逐月下降, 而1—5月则有起伏.从修正前后通风指数的逐月变化与PM2.5的月平均浓度对比来看, 修正后的通风指数与PM2.5浓度的负相关关系更加显著, 11、12和1月为PM2.5浓度较高的月份, 其中, 12月PM2.5浓度最高, 而对应修正后的通风指数在这3个月份数值也较低, 12月也是一年中数值最低的月份, 修正后的通风指数明显低于这几个月修正前的数值；9月和10月为PM2.5浓度的低值月, 对应此时修正后的通风指数也达到了一年中的高值, 对比修正前, 在数值上明显增大, 尤其是对9月的调整, 更加符合PM2.5浓度的变化特征.总体来看, 经过修正后的通风指数与PM2.5浓度的负相关关系更加显著, 尤其是对秋、冬季节的调整, 使其更加符合PM2.5浓度的变化；但修正后的通风指数仍然存在一些局限性, 图 4中12月和1月的PM2.5浓度存在差异, 但指数值却相差不大, 究其原因可能和气象条件及污染源有关：这两年12月上海地区来自内陆的风较多, 其中, 来自西北向(270°~360°)风的频率达到35.5%, 1月仅为26.2%, 说明12月冷空气较多, 有利于上游污染物向本地传输, PM2.5浓度容易上升, 但12月来自西北向(270°~360°)风的平均风速较大, 达到2.0 m·s-1, 而1月为1.6 m·s-1, 虽然修正后的通风指数通过判别风向、风速会进行调整, 但风速偏大, 仍会使得指数不易下降；另外, 即使在相同的风向、风速条件下, 上游地区污染物浓度的变化也会造成下游地区浓度的不同, 因此, 即使通风指数相同, PM2.5的浓度也会存在差异.
 |
| 图 5 2013—2014年上海地区两年平均修正前后通风指数和PM2.5浓度逐月分布 Fig. 5 Monthly variation of the modified and original ventilation index and PM2.5 concentration in Shanghai during 2013—2014 |
修正后通风指数的季节变化特征与上海地区不同季节的天气系统有关.夏、秋季节, 上海地区主要受副热带高压控制, 气温较高, 天气晴好, 有利于边界层的抬升；同时, 上海地区地面盛行风向以东南风为主, 海上洁净的空气有利于污染物的稀释.因此, 边界层内的大气对污染物的扩散能力更强, PM2.5浓度容易偏低, 且污染日数要少于其他季节(图 2b, 2c), 修正后的通风指数就是通过乘以一定的系数, 来增加来自海上风的稀释清洁作用, 从而达到提高指数值的目的.随着冬季的到来, 北方冷空气活动开始增多, 高空基本以西北气流为主, 这种天气形势容易将上游的污染物输送至本地；此外, 冬季上海地区多受高压环流的控制, 气压场容易偏弱, 风力小.因此, 冬季边界层内大气对污染物的扩散能力较差, 且受冷空气影响时对污染物还具有明显的输送作用, 这就造成了冬季PM2.5月平均浓度明显升高, 修正后的通风指数通过对风向风速的判别, 判断输送的影响, 增加来自内陆风向的输送作用, 尤其是冷空气输送影响的作用, 以此达到降低通风指数值的目的, 从而能够更好地指示PM2.5的污染过程.春季随着北方冷空气势力逐渐减弱, 西南暖湿气流逐渐活跃, 上海地区受气旋影响开始增多, 由高压环流导致的弱气压场形势减少, 同时由冷空气输送造成的污染也开始减少, 因此, 春季PM2.5月平均浓度较冬季明显降低.另外, 由于春季冷暖气团势力相当, 互有进退, 不同的气团占主导地位时, 影响上海的天气系统就不同, 从而对空气质量的影响也不相同, 因此, 春季修正后的通风指数逐月变化有起伏, 且相对应未修正的通风指数优势也不明显.综上所述, 修正后通风指数的逐月变化特征显示, 其对PM2.5浓度变化有更好的指示意义, 对于空气质量的预报具有一定的指导作用.
5 修正后的通风指数在污染个例中的应用(Application of the modified ventilation index in the pollution event) 5.1 污染个例概述2013年12月1—9日, 上海地区出现了1次长时间的污染过程, 首要污染物为PM2.5, 9 d内AQI值均超过150的中度污染限值, 其中, 5日和6日出现了严重污染(图 6), 6日14：00 PM2.5小时浓度达到602.3 μg·m-3, 创造上海市有PM2.5监测记录以来的历史峰值.
 |
| 图 6 2013年12月1—9日上海地区AQI Fig. 6 AQI in Shanghai during 1—9 December 2013 |
由于通风指数表征的是边界层内大气对污染物的扩散和输送作用, 因此, 本文此处重点分析12月1—9日上海地区的地面天气形势(图 7), 污染物浓度和风向、风速变化时序图见图 8.12月1—2日上海地区位于高压中心附近, 气压场很弱, 大气扩散条件差(图 7a), 有利于污染物的积聚, 污染物浓度逐步上升(图 8)；2日傍晚至3日随着高压中心移出, 上海地区转受高压后部弱的偏东气流控制(图 7b), 4日下午前上海地区位于高压前部(图 7c), 这段时间本地主导风向均为东向风(图 8), 扩散条件较前期略有好转, 污染物浓度处于整个污染阶段较低的水平(图 8)；4日下午至5日上午上海地区再次位于高压中心附近(图 7d), 污染物浓度又开始回升(图 8)；5日中午后随着地面弱冷锋南下(图 7e), 携带大量污染物抵达上海, 本地污染物浓度直线上升(图 8), 5日和6日AQI值均达到了严重污染水平(图 6)；7日和8日上海地区主要受高压中心和高低压之间的均压场控制(图 7f、7g), 以本地污染积聚为主；9日开始随着北方强冷空气南下(图 7h), 前期将上游污染物大量输送至上海, 本地污染物浓度再次大幅升高(图 8), 后期随着西北风的风力加大, 对本地污染物的清除作用开始明显, 全市污染物浓度开始逐步下降(图 8), 此次连续污染过程基本结束.
 |
| 图 7 2013年12月1—9日上海地区海平面气压场(a.12月1日20：00；b.12月3日8：00；c.12月4日8：00；d.12月4日20：00；e.12月6日8：00；f.12月7日8：00；g.12月8日8：00；h.12月9日8：00) Fig. 7 Sea-level pressure field at 20:00 BT 1 (a), 08:00 BT 3 (b), 08:00 BT 4 (c), 20:00 BT 4 (d), 08:00 BT 6 (e), 08:00 BT 7 (f), 08:00 BT 8 (g), and 08:00 BT 9 (h) December 2013 in Shanghai |
 |
| 图 8 2013年12月1—9日上海地区PM2.5浓度变化时序图(箭头为上海徐家汇观测站整点2 min风矢量) Fig. 8 Time series of PM2.5 concentration in Shanghai during 1—9 December 2013 (Arrow is 2 min wind per hour from Xujiahui station in Shanghai) |
利用风廓线资料和NCEP每6 h1次FNL1°×1°的再分析资料, 计算12月1—9日修正前后的通风指数, 结果如图 9所示.修正后的通风指数和PM2.5小时浓度呈现负相关关系, 大部分时次指数值低时, 对应的PM2.5小时浓度值都高, 但也存在个别时次指数较低, PM2.5浓度相对不高的情况.对比风向变化(图 8发现, 这种现象主要出现在风向来自海上(0°~180°)的情况下, 虽然风速较小, 但海上的空气仍然具备一定的稀释清洁作用, PM2.5浓度不易上升, 但风速太小, 会导致指数值偏低, 就容易出现空报现象.对比图 9中修正前后的通风指数可以看到, 通过修正降低了一部分原通风指数的数值, 对于污染的指示意义更强, 尤其是对冷空气的输送影响, 指示作用增强明显, 图中12月9日就是这种情况, 当天上海地区由于受到冷空气影响, 白天风力逐渐增大, 未修正通风指数也相应出现了增大过程, 但此时对应的PM2.5浓度也显著上升, 两者不再呈现负相关性；修正通风指数通过对风速、风向进行判别, 并乘以一定的系数, 大幅降低了原通风指数的数值.从图上可以看到, 14：00和20：00的修正后的通风指数要明显低于修正前, 尤其是20：00未修正通风指数数值达到了8000 m2·s-1以上, 而修正后数值降至2630.3 m2·s-1, 经过修正后的通风指数, 对于此类过程的指示作用明显增强.另外, 对于来自海上的风, 修正后的通风指数也在一定程度上增大了原指数的数值, 增大了边界层内大气对污染物的稀释清洁作用, 使其与PM2.5浓度的负相关关系更显著.综上所述, 修正后的通风指数更适用于本地化的预报服务, 但需要指出的是, 当风速很小时, 对于来自海上的风, 修正后的通风指数也容易出现空报现象, 因此, 在实际预报中, 需要结合风向、风速情况进行综合判断.
 |
| 图 9 2013年12月1—9日上海地区修正前后通风指数和PM2.5浓度时序图 Fig. 9 Hourly variation of the modified and original ventilation index and PM2.5 concentration in Shanghai during 1—9 December 2013 |
1) 利用2013—2014年上海地区的风廓线资料及NCEP再分析资料, 计算研究了上海地区通风指数的变化情况, 并在结合实际天气情况和预报经验的基础上, 对常用通风指数公式进行本地化修正.结果发现, 修正后的通风指数能够更好地反映边界层内大气对污染物的输送和稀释清洁作用, 尤其在冬季上海地区污染过程较多、污染物浓度较高时, 本地应用性明显增强.
2) 分析了2013—2014年上海地区修正前后的通风指数, 研究其与PM2.5浓度的关系发现, 修正后通风指数的日变化及季节变化与PM2.5浓度的日变化及季节变化负相关关系显著, 对比未修正的通风指数, 无论是日变化还是季节变化, 修正后通风指数的优势都更加明显, 尤其是秋、冬季节通过对原通风指数的修正, 对于PM2.5浓度变化的指示意义明显增强.因此, 修正后的通风指数对于空气质量预报具有一定的指导作用.
3) 通过对上海地区典型污染个例的分析, 研究了修正后的通风指数在个例中的应用情况, 结果发现, 修正后通风指数低时, 对应的PM2.5浓度高, 容易出现污染；与未修正通风指数对比发现, 修正后的通风指数降低了一部分原通风指数的数值, 对污染的指示意义更强, 尤其表现在上海地区受冷空气影响时, 修正后的通风指数较原通风指数降低明显, 能够更好地反映出大气对上游地区污染物的输送作用.另外, 修正后的通风指数也增大了一部分原通风指数的数值, 在一定程度上增强了来自海上风的稀释清洁作用, 使得修正后的通风指数更适用于本地化的预报服务, 为上海地区的空气质量预报和霾预报提供了一个新的参考指标.但需要指出的是, 当风速很小时, 修正后通风指数的数值也易偏低, 如果风是来自海上, 就容易造成空报现象, 因此, 在实际预报中, 需要结合风向、风速情况进行综合判断.
Ashrafi K, Shafie-Pour M, Kamalan H. 2009. Estimating temporal and seasonal variation of ventilation coefficients[J]. International Journal of Environmental Research, 3(4): 637–644.
|
Cheremisinoff N P.2002.Handbook of Air Pollution Prevention and Control[M].Boston: Elsevier Science.281-341
|
Englert N. 2004. Fine particles and human health——a review of epidemiological studies[J]. Toxicology Letters, 149: 235–242.
DOI:10.1016/j.toxlet.2003.12.035
|
范绍佳, 祝薇, 王安宇, 等. 2005. 珠江三角洲地区边界层气象特征研究[J]. 中山大学学报(自然科学版), 2005, 44(1): 99–102.
|
Feng Y R, Wang A Y, Wu D, et al. 2007. The influence of tropical cyclone melor on PM10 concentrations during an aerosol episode over the Pearl River Delta region of China:Numerical modeling versus observational analysis[J]. Atmospheric Environment, 41(21): 4349–4365.
DOI:10.1016/j.atmosenv.2007.01.055
|
Gassmann M I, Mazzeo N A. 2000. Air pollution potential: regional study in argentina[J]. Environmental Management, 25(4): 375–382.
DOI:10.1007/s002679910029
|
环境保护部. 2012a. HJ633-2012环境空气质量指数(AQI)技术规定[S]. 北京: 中国环境科学出版社. 1-2
|
环境保护部. 2012b. GB3095-2012环境空气质量标准[S]. 北京: 中国环境科学出版社. 1-5
|
Iyer U S, Raj P E. 2013. Ventilation coefficient trends in the recent decades over four major Indian metropolitan cities[J]. Journal of Earth System Science, 122(2): 537–549.
DOI:10.1007/s12040-013-0270-6
|
蒋伊蓉, 朱蓉, 朱克云, 等. 2015. 京津冀地区重污染天气过程的污染气象条件数值模拟研究[J]. 环境科学学报, 2015, 35(9): 2681–2692.
|
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 pollutions study[J]. Atmospheric Environment, 45(39): 7026–7035.
DOI:10.1016/j.atmosenv.2011.09.065
|
Praveena K, Kunhikrishnan P K. 2004. Temporal variations of ventilation coefficient at a tropical Indian station using UHF wind profiler[J]. Current Science, 86(3): 447–451.
|
吴蒙, 吴兑, 范绍佳. 2015. 基于风廓线仪等资料的珠江三角洲污染气象条件研究[J]. 环境科学学报, 2015, 35(3): 619–626.
|
徐大海, 朱蓉. 1989. 我国大陆通风量及雨洗能力分布的研究[J]. 中国环境科学, 1989, 9(5): 367–374.
|
Zarandi S M, Khajevandi M, Fontaine D D, et al. 2008. Determination of air pollution monitoring stations[J]. Papers, 1(9): S179.
|
张国琏, 甄新蓉, 谈建国, 等. 2010. 影响上海市空气质量的地面天气类型及气象要素分析[J]. 热带气象学报, 2010, 26(1): 124–128.
|
甄新蓉, 陈镭, 毛卓成, 等. 2012. 2011年上海地区空气污染气象条件分析[J]. 大气科学研究与应用, 2012(1): 51–60.
|