2013—2015年北京污染频发期细颗粒物重污染成因与天气形势关系的研究
  环境科学学报  2018, Vol. 38 Issue (6): 2201-2213
2013—2015年北京污染频发期细颗粒物重污染成因与天气形势关系的研究    [PDF全文]
郝宏飞1,2 , 杨婷1 , 王自发1 , 郑海涛1,2     
1. 中国科学院大气物理研究所, 大气边界层物理和大气化学国家重点实验室, 北京 100029;
2. 中国科学院大学, 北京 100049
摘要: 我国重污染呈现愈演愈烈态势,重污染事件在供暖季节(污染频发期)尤为频发.本文利用北京2013—2015年采暖期逐小时PM2.5浓度数据、再分析资料、气团后向轨迹、气溶胶雷达数据以及探空数据综合分析了北京地区重污染状况,概括了重污染发生时常见的天气形势,探讨了重污染形成原因与天气形势的关系.研究结果表明:2013—2015年采暖期北京发生重污染(日均PM2.5浓度大于150 μg·m-3)的天数分别为36、28及35 d,即北京采暖期21.9%的天数受重污染天气影响.2月份重污染事件最为频发,发生频次为27.3%.北京发生重污染事件时,地面被高压控制时,高空500 hPa多东移的槽脊,当位于脊后槽前时,为上升运动,西南风,850 hPa多暖平流,西南风输送暖湿气流,湿度较大,地面偏南风,可能会存在污染物的输送;地面为低压控制时,500 hPa一般为稳定的西风气流或西北气流,低空850 hPa可能存在暖平流,地面常伴随弱的风场辐合,导致污染物累积;当地面为均压场时,高空500 hPa多为脊后槽前的形势,低空无明显冷暖平流,地面等压线稀疏或无等压线,静风天气.这3类结构引发的重污染天数分别占总重污染天数的47.3%、18.2%及34.5%.进一步分析重污染成因与天气形势关系表明:北京地面受高压系统控制时,污染时间持续最长,也最为频发(47.3%),PM2.5平均浓度最高可达258.8 μg·m-3,且常伴随来自西南方向的污染物输送,北京上空1 km附近存在逆温和逆湿.对污染传输路径研究发现:主要存在3条输送通道,①天津-廊坊-北京、②沧州-廊坊-北京、③石家庄-保定-北京.鉴于目前数值模式对天气形势的预报较为成熟,本文对区域重污染过程与天气形势之间的关系研究,有助于为北京地区空气质量的精准预报预警提供科学支持.
关键词: 北京重污染     天气形势     污染成因     高压系统     细颗粒物PM2.5    
Investigation of relationship between synoptic pattern and heavy air pollution during heating from 2013 to 2015 in megacity Beijing, China
HAO Hongfei1,2, YANG Ting1 , WANG Zifa1, ZHENG Haitao1,2    
1. State Key Laboratory of Atmospheric Boundary Layer and Atmospheric Chemistry, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029;
2. University of Chinese Academy of Sciences, Chinese Academy of Sciences, Beijing 100049
Received 13 July 2017; received in revised from 6 February 2018; accepted 6 February 2018
Supported by the Strategic Priority Research Program of Chinese Academy of Sciences(No.XDA19040203) and National Research Project for Tracking key Problems air pollution control(No.DQGG0209, DQGG0107, DQGG0304)
Biography: HAO Hongfei(1992—), male
*Corresponding author: YANG Ting, E-mail:tingyang@mail.iap.ac.cn
Abstract: Air pollution is a severe problem in China especially during heating season for the decade years. To investigate the formation mechanisms of air pollution during heating, the relationship between air pollution and synoptic pattern was explored by employed three-year (2013-2015) high resolution PM2.5 concentrations, reanalyzed data, radiosonde data, sounding data and HYSPLIT Trajectory Model in megacity Beijing, China. The results indicated that heavy pollution days (daily PM2.5 concentration > 150 μg·m-3) during heating Beijing is 36, 28 and 35 for 2013, 2014 and 2015, respectively, namely, 21.9 percent of the days in autumn and winter affected by heavy pollution, especially February being the worst, up to 27.3 percent in this month. Consistent air pollution episodes always accompanied with the following synoptic patterns:When the surface often with south wind is controlled by anticyclone, groove and ridge occurs frequently at 500 hPa; when located in front of groove and behind ridge, it is the upward movement, and wind direction is southwest.At 850 hPa, there is mostly warm advection, which transports warm and moist airflows to Beijing, where humidity increases. When the surface with wind convergence is controlled by cyclone, at 500 hPa, it's stable west or northwest airflows; there may be warm advection at 850 hPa. When the surface with calm wind is controlled by uniform pressure, at 500 hPa, Beijing is located behind weak ridge, and there is no obvious cold and warm advection in the low air, with sparse pressure lines or none. On surface, Beijing was controlled by anticyclone, low pressure or uniform pressure situation, which accounted for 47.3%, 18.2% and 34.5% of the serious haze episodes, respectively. The above results also illustrated that air pollution episodes accompanied with anticyclone arose most frequently with maximum daily PM2.5 concentration 258.8 μg·m-3, which is often accompanied by pollutants from the southwest, and there is an inversion and reverse humidity around 1 km above Beijing. Research on pollution transport finds that there are three main transport pathways:Tianjin-Langfang-Beijing, Cangzhou-Langfang-Beijing, and Shijiazhuang-Baoding-Beijing. Given it is very mature for synoptic situation forecast by numerical model, in this paper, the relationship between regional heavy pollution process and synoptic situation is analyzed, which offers scientific support for the accurate forecast and early warning of air quality in Beijing.
Key words: Beijing air pollution     synoptic pattern     formation mechanisms     anticyclone     PM2.5    
1 引言(Introduction)

近年来, 随着经济和工业的快速发展, 各大城市面临着严重的大气污染问题, 在供暖期间, PM2.5污染尤其严重.城市空气污染具有影响范围大、持续时间长的特点, 给人们正常生活带来很大困扰(Cheng et al., 2007).而影响重污染形成因素是非线性的、多元的, 很多研究认为天气形势对重污染成因有重要影响, 由于目前天气形势的数值预报较为成熟, 大尺度天气型结构的演变对重污染预报有重要意义(陈朝晖等, 2007), 因此可以通过建立区域重污染过程与天气形势之间的联系, 为北京地区污染预报预警提供科学支持.

重污染事件的发生、发展与天气形势密切相关(朱盛明等, 1995).在一次重污染过程中, 排放源强度是相对稳定的, 污染状况主要受天气系统影响(Greene et al., 1999Davis, 2010).关于重污染与天气系统之间的关系, 国内外已开展了一系列研究:美国东部和中西部区域污染与移动缓慢的高压系统紧密相关(Stohl et al., 2001);气旋频率的降低导致美国东北部、中西部的区域尺度大气污染事件增加(Mickley et al., 2004);引起北京严重污染的常见天气系统:高空为稳定的西风带, 低空为东北地形槽、华北地形槽、河套倒槽(苏福庆等, 2004), 北京位于高压后部或位于均压场中(程念亮等, 2015);在珠江三角洲地区, 当大气对流层中层出现较强的纬向环流、对流层低层在弱高压脊控制下并且出现较弱风速时, 易发生重污染天气(吴兑等, 2008).同时气象要素, 如风速、风向、温度和湿度等, 对污染物浓度也有很大影响(Greene et al., 1999胡亚旦等, 2009王珊等, 2014).虽然针对重污染过程天气形势关系已开展了部分个例研究(陈朝晖等, 2007谢付莹等, 2010), 但缺乏基于多年数据对天气形势与重污染成因关系的研究.

以往研究发现北京地区重污染主要发生在秋、冬、春季(李令军等, 2012赵普生等, 2012), 对北京地区污染状况及频发季节的调研发现, 春季后半季(4、5月)重污染发生频率较低;其次, 春季发生的重污染过程中, 多为沙尘天气过程, 本文研究的重点是细颗粒物(PM2.5).因此, 本文只选择了11月—次年3月(供暖期间)来作为分析时间段, 文中将称该段时间为污染频发期.本文结合北京地区2013—2015年11月—12月、1月—3月的逐小时PM2.5浓度数据、再分析资料、后向轨迹, 气溶胶雷达观测数据以及探空数据综合分析了重污染特征, 概括总结了北京重污染发生时常见的天气形势, 并探讨了重污染成因与天气形势之间的关系, 由于大气运动具有多样性、随机性, 因此将重点放在分析特定天气形势下导致北京地区由于周边输送引起的重污染过程, 并适当分析其输送特征, 旨在建立适合北京地区天气系统与重污染的关系, 并期望对区域的空气污染预报及联防联控作出贡献.

2 数据与方法(Data and methods)

本文采用的PM2.5浓度数据来源于中国环境监测总站(http://www.cnemc.cn/).图 1为京津冀污染站点的分布图, 各站点的污染监测数据将会在分析污染和污染传输中被应用, 详见3.3节.北京市大气重污染过程具有秋、冬季高发的特点(李令军等, 2016孙彧等, 2013), 且大部分重污染过程都可持续3 d以上(王郁等, 2012).本文的研究时段为2013年—2015年11月—12月、1月—3月, 即北京供暖期间, 污染的频发期.

图 1 京津冀代表性污染监测站点空间分布图 Fig. 1 The distribution of representative pollution monitoring stations in Beijing, Tianjin and Heibei

地面客观分析风场资料以及天气图数据来自欧洲中期天气预报中心(ECMWF)再分析资料(http://apps.ecmwf.int/datasets/data/interim-full-daily/), 时间分辨率为6 h, 空间分辨率为0.75°×0.75°;HYSPLIY MODEL后向轨迹数据资料来自NOAA(National Oceanic and Atmospheric Administration, http://ready.arl.noaa.gov/HYSPLIT_traj.php).532 nm气溶胶激光雷达数据来源于中科院大气物理研究所铁塔分部(39°58′35″N, 116°22′41″E).北京南郊观象台站(39.93°N, 116.93°E)探空(温度、相对湿度、风)数据来源于美国怀俄明大学的探空资料(http://weather.uwyo.edu/upperair/sounding.html).

3 结果与讨论(Results and discussions) 3.1 北京污染频发期PM2.5污染水平概述

根据《环境空气质量指数(AQI)技术规定(试行)》(HJ 633—2012)规定, 当空气污染指数为201~300, 空气质量级别为五级, 空气质量状况属于重度污染.当空气污染指数大于300, 空气质量级别为六级, 空气质量状况属于严重污染.本文研究对象为重度及严重污染过程, 即污染发生时AQI大于200的过程, 此时PM2.5日平均浓度大于150 μg·m-3.重污染(包括重度污染和严重污染)发生时的天数, 具有如下统计特征:2013年污染频发期发生重污染的天数为36 d, 约占污染频发期天数的23.8%;2014年污染频发季发生重污染的天数为28 d, 约占污染频发期天数的18.5%;2015年污染频发季发生重污染的天数为35 d, 约占污染频发期天数的23.2%;2013—2015年重污染污染频发期平均天数为33 d, 重污染过程频繁发生, 污染频发期期间有21.9%的天数受到重污染的影响.2月份发生重污染的天数最多, 占本月的27.3%, 见表 1.

表 1 2013年—2015年各月平均发生重污染的天数及占本月天数的比例 Table 1 The number of days of heavy pollution and the proportion in every month, on average, from 2013 to 2015

表 2为分析时段内PM2.5浓度的月平均浓度和重污染发生时PM2.5平均浓度.其中2013年1月和2015年12月PM2.5月均浓度, 超过150 μg·m-3.同时在此期间, 重污染发生时的PM2.5浓度也是最高, 分别为281.7 μg·m-3和287.4 μg·m-3.整体平均为105.1 μg·m-3, 为国家二级标准(75 μg·m-3)的1.4倍;发生重污染时的整体平均为231.1 μg·m-3, 是国家二级标准的3.08倍;连续3 d以上(含3 d)污染时PM2.5浓度日平均为250.3 μg·m-3.

表 2 分析时段内PM2.5浓度的月平均和重度、严重污染时PM2.5平均浓度 Table 2 The monthly-average concentration of PM2.5 and the average concentration of PM2.5 in severe pollution, during the analysis period μg·m-3
3.2 重污染发生时的天气形势分析

大尺度的环流形势影响中低层天气系统的发展和移动, 中低层天气系统的移动和发展又会对地面天气形势造成影响, 而地面天气形势的变化将对重污染的产生和维持具有重要作用.重污染天气的产生和高层、中层、低层大气间相互作用是离不开的.特定的天气形势为污染物浓度累积或消散提供一个重要的环流背景.

北京地区重污染发生时高空多为平直的偏西或西北气流, 稳定的大气环流形势是造成北京地区重污染发生的主要原因(杨孝文等, 2016).为了描述北京地区重污染发生时与天气型关系的具体情况, 利用2013年—2015年污染频发期每日00时、06时、12时、20时的500 hPa、850 hPa高度场以及地面气压场, 通过主观分析法分析天气型(Keim et al., 2005), 分析发生重污染时北京地区的天气形势特征.根据地面气压场特征, 将2013年—2015年污染频发期发生重污染且持续时间为3 d以上(含3 d)的13个重污染过程(共55 d)分类(表 3).

表 3 不同地面气压场下的重污染过程分类 Table 3 Classification of heavy pollution processes under different surface pressure

(1) 高压控制:受其影响的重污染过程共有5个, 共26 d, 占总污染天数的47.3%.包括:2013年01月27—31日、2013年02月23—28日、2014年02月20—26日、2015年11月12—15日、2014年03月24—27日;该类污染发生期间PM2.5日平均浓度为258.8 μg·m-3.瞬时PM2.5浓度可达500 μg·m-3, 空气质量等级为五级的天数可达4 d, 严重影响人类健康.

当北京地区位于地面高压底部时(图 2), 500 hPa天气形势; 此次污染过程由多东移的槽脊造成.27日北京位于低压槽后, 槽后西北气流, 但是较弱, 并迅速东移.28—29日北京位于脊前槽后, 该脊东移, 30日转西南气流, 31日再次位于脊后槽前;850 hPa高度场上存在暖平流.地面为东风或东南风, 存在渤海经天津至北京的水汽通道, 同时有来自天津等地的污染物输送;近地面大气相对湿度大, 水汽含量高, 多出现云或雾, 地面接收太阳辐射减少, 大气层结稳定;地面形势图等压线稀疏, 气压梯度力小, 垂直方向上对流弱, 大气对污染物的稀释能力弱;由于区域大气呈现静稳状态, 本地污染源不断排放污染物, 加之周边城市的输送, 及太行山和燕山的阻挡下, 污染物不易扩散, 使污染更严重、持续时间更长.

图 2 2013年1月29日00:00天气形势(a) 500 hPa高度场, (b) 850 hPa高度场, (c) 00:00地面气压场(UTC) Fig. 2 The synoptic chart (a)500 hPa height field, (b)850 hPa height field, (c) at 00 o′clock on January 29, 2013

当北京地区位于地面高压中心西南部时(图 3).一般我国东北或朝鲜半岛被较强高压控制.在该类天气形势下, 北京近地面为东风或东北偏东风.大量水汽随着近地面大气的运动从渤海到达北京地区, 低空暖平流明显, 与此同时河北东北部或天津等地大量污染物也被输送到北京地区.由于近地面大气湿度大, 同时受特殊地形影响, 低层大气纬向运动受到阻碍, 大量污染物停留在北京上空, 导致污染程度十分严重.

图 3 2013年2月25日00:00天气形势(a) 500 hPa高度场, (b) 850 hPa高度场, (c)地面气压场(UTC) Fig. 3 The synoptic chart (a)500 hPa height field, (b)850 hPa height field, (c) at 00 o′clock on February 25, 2013

当北京地区位于地面高压中心西北部时(图 4).通常高压中心位于我国中东部或山东半岛.该类天气形势下形成的重污染过程, 一般首先是本地污染物的不断累积, 当高压出现之后, 北京近地面为西南风, 850 hPa常伴随着暖平流, 将华北南部地区的污染物输送到北京地区.

图 4 2014年3月26日00:00天气形势(a) 500 hPa高度场, (b) 850 hPa高度场, (c)地面气压场(UTC) Fig. 4 The synoptic chart (a)500 hPa height field, (b)850 hPa height field, (c) at 00 o′clock on March 26, 2014

(2) 低压影响:受其影响的重污染过程共有3个, 共10 d, 占总污染天数的18.2%.包括:2013年03月15—17日、2013年03月06—08日、2014年02月13—16日;该类污染过程发生时PM2.5浓度为243.4 μg·m-3.

北京地区位于地面低压附近时, 如图 5所示, 该低压中心在7—8日略北上, 风场辐合, 不利于污染物的扩散.500 hPa北京地区位于短波槽前, 高空槽前正涡度平流, 850 hPa有暖脊向北延伸到华北地区, 即有暖湿气流从我国中部向北京地区输送.在该类天气型下, 北京地区一般为多云天气, 大气中水汽含量较高, 太阳短波辐射弱, 近地面大气较稳定, 本地不断排放污染物的同时还有大量污染物随着中层大气的暖平流来到北京上空, 受到山脉阻挡污染物下沉累积, 使北京地区污染加重.

图 5 2013年3月6日00:00天气形势(a) 500 hPa高度场, (b) 850 hPa高度场, (c)地面气压场(UTC) Fig. 5 The synoptic chart (a)500 hPa height field, (b)850 hPa height field, (c) at 00 o′clock on March 6, 2013

(3) 均压场控制:受其影响的重污染过程共有5个, 19 d, 占总污染天数的34.5%.包括:2014年11月19—21日、2015年01月13—15日、2015年11月27—12月01日、2015年12月07—09日、2015年12月19—23日.该类污染发生期间PM2.5日平均浓度为248.7 μg·m-3.

北京地区近地面为均压场时(图 6), 周边地区无天气系统或系统很弱, 高空为比较平直的西风气流或西北气流, 中层大气无水汽输送, 也没有暖脊.该类天气形势下, 近地面等压线稀疏或无等压线, 气压梯度力很小, 近地面大气的变化受城市下垫面的影响, 大气层结稳定, 主要是本地污染源的排放造成了重污染的发生.

图 6 2014年11月19日00:00 (a) 500 hPa高度场、(b) 850 hPa高度场及(c)地面气压场 Fig. 6 The synoptic chart (a)500 hPa height field, (b)850 hPa height field, (c) at 00 o′clock on November 19, 2014

对比上述结果发现:北京地区发生重污染时, 地面被高压控制时, 高空500 hPa多东移的槽脊, 当位于脊后槽前时, 正涡度平流, 气旋性涡度增加, 在地转偏向力作用下产生辐散, 从而使地面减压, 又在气压梯度力作用下, 在负变压区出现辐合.高层辐散、低层辐合, 必有上升运动.高层等压面降低(负变高), 使气压场与流场适应;辐合又产生气旋性涡度, 地面气旋加深发展, 850 hPa多暖平流, 西南风输送暖湿气流, 湿度较大, 地面偏南风, 可能会存在污染物的输送;地面为低压控制时, 500 hPa一般为稳定的西风气流或西北气流, 即槽脊东移后, 波动逐渐恢复为稳定, 低层辐合减弱, 低空850 hPa可能存在暖平流, 地面常伴随弱的风场辐合, 导致污染物累积, 也可能发生小区域的输送;当地面为均压场时, 高空多为脊后槽前的形势, 地面静风, 利于污染物局地累积.前两类污染过程中周边输送占有重要作用, 而均压场下的重污染过程主要是污染物的本地累积占主导.北京地面被高压系统控制时, 污染次数最多, 约占47.3%, 低压和均压类型分别占18.2%及34.5%.且高压下的重污染过程中PM2.5平均浓度最高, 为258.8 μg·m-3分别是另外两种天气系统的1.06(低压)、1.04(均压)倍.

3.3 天气形势影响下的污染输送特征 3.3.1 污染输送概况

对重污染过程进行分析时发现:北京地区发生重污染时, 往往伴随着区域污染物向北京的传输, 导致短时间内污染物瞬时浓度猛增, 极其影响环境安全.在不同的天气系统控制下, 其输送路径有所差别.输送路径不同, 北京地区污染物浓度水平和持续时间也不同.分析时段内北京地区共有13次重污染过程, 根据天气形势、污染监测站点PM2.5浓度的跃变值、以及风场信息等发现其中有5次污染过程具有明显的污染输送.具体三类传输路径(图 7):

图 7 高压控制下向北京地区输送的不同路径路径①、路径②、路径③ Fig. 7 Under high pressure control, different transporting routes:path 1, path 2, path 3

(1) 路径①:天津→廊坊→北京, 1次;此时, 北京地区位于高压底部, 主导风向为东风或东南偏东风, 由渤海湾经天津到北京的水汽通道, 不仅将水汽带到北京地区同时也把污染物输送到北京, 在较高的湿度下, 污染物不断累积, 发生重污染.

(2) 路径②:沧州→廊坊→北京, 2次;此时, 辽东半岛或山东半岛附近被高压系统控制, 导致北京地区受东南风或南风控制, 将暖湿的含有大量污染物的空气输送到北京地区.

(3) 路径③:石家庄→保定→北京, 2次;此时, 路径左侧为低压系统(较弱低压将受到太行山阻碍)或者右侧为高压, 有时高低压系统同时存在, 即此路径位于两系统的交汇处, 风场上北京地区为西南风, 有利于污染物从河北南部向北京输送.

这3条污染传输路径下的重污染过程, 主要受天气形势影响, 此外还与北京地区特殊的地形有关, 该类污染是在地形和天气形势的共同作用下完成的.它们具有共同的特点:在特殊天气形势下, 北京地区地面风速小, 本地排放污染物局地累积, 周边输送来的污染物北京地区上空累积, 使污染程度加重.

3.3.2 高压控制下的重污染个例分析

研究发现, 高压控制下的北京地区(王莉莉等, 2010)污染较严重、持续时间较长且发生次数多.2014年03月24—27日重污染过程, 持续时间为4 d, 北京地区PM2.5平均浓度为243.9 μg·m-3, 较杨孝文等(2016)研究的一次污染过程中PM2.5浓度高出约9.6%.以该过程为例, 概括分析高压控制下且有输送的重污染过程与天气形势之间的关系.

(1) PM2.5浓度的变化

根据风场信息, 分别选择了石家庄、保定、北京市中具有代表性的污染监测站点(图 8):石家庄在24日08:00 PM2.5浓度为166 μg·m-3在1 h内(09:00)迅速增长到295 μg·m-3达到第1个峰值跃变;保定在25日06:00 PM2.5浓度为198 μg·m-3经3 h后(09:00)迅速增长到302 μg·m-3到峰值;北京在26日09:00 PM2.5浓度为288 μg·m-3经2 h(11:00)迅速增长到374 μg·m-3到峰值.再根据风场信息, 明显可以看出, 区域内的输送导致北京地区污染物浓度迅速增加.

图 8 石家庄、保定、北京3月22—29日PM2.5浓度的时间序列图(LST) Fig. 8 Time sequence diagram of PM2.5 concentration of Shijiazhuang, Baoding and Beijing, 22—29 March

(2) 风场信息

风场反映大气的运动状况, 图 9为3月26日06:00(UTC)在纬度范围:36°~43°N, 径度范围:113°~122°E内10 m处的风场信息.在太行山脉的阻挡下, 北京地区西风矢量很弱, 主要为偏南风, 风速小于3 m·s-1.河北省南部城市大量污染物沿着太行山脉向北输送, 北京地区近地面风速小, 且由于北部燕山山脉的阻挡污染物停留在北京地区, 然后沉积导致污染加重.

图 9 2014年03月26日06时610 m处风场图 Fig. 9 Wind field of 10 m at 06:00 on June 26, 2014

(3) 颗粒物消光系数垂直分布时空演变

本文采用的是532 nm波段气溶胶雷达, 图 10为2014年3月24—27日气溶胶消光系数时间序列图, 具有高时空分辨率特征.该图可以反映大气中气溶胶浓度的时空演变规律, 能够很好的反映污染物的时间、空间变化规律.T1时段内, 3月26日00:00位于高度1200 m附近的污染气团随时间逐渐下沉, 约在10:00, 累积到地面:根据风场信息判断污染物是由河北南部地区, 输送到北京地区上空.T2时段内亦是如此, 高度位于800 m附近的污染物随时间逐渐下沉累积, 导致近地面污染物加重.高空输送在本次污染过程中具有重要作用.

图 10 2014年3月24—27日532 nm激光雷达消光系数的时间序列图 Fig. 10 Time sequence diagram of extinction coefficient March 24—27, 2014

(4) 后向轨迹分析

NOAA HYSPLIY MODEL后向轨迹模式采用由美国国家海洋和大气管理局开发的, 该模式是欧拉和拉格朗日混合型扩散模式, 被广泛应用于跟踪气流所携带的粒子或气体的移动方向, 在分析污染物来源和传输路径等方面得到了广泛的应用(赵倩彪等, 2014).为了更好的证明输送路径, 通过后向轨迹来描述简单气团的运动轨迹, 图 11a是26日09:00(UTC)北京(39.88°N, 116.35°E)上空780 m处24 h的NOAA HYSPLIY MODEL后向轨迹, 图 11b将其轨迹叠加在地形上.通过敏感性分析发现高度780 m的气团轨迹可以很好的描述此次污染过程的传输:24 h前该气团在石家庄南部近地面地区, 沿着太行山脉, 经保定, 于26日09:00到达北京地区上空, 受到燕山山脉(最高海拔:2292.6 m)阻挡污染物下沉累积.北京地区的污染受周边城市的影响非常大, 因此降低周边城市排放源强度将有利于提高北京地区的空气质量.

图 11 2014年3月26日9:00 (UTC)图(a)北京(39.88°N, 116.35°E)上空780 m气团24小时后向轨迹(NOAA HYSPLIY MODEL)、图(b)叠加在地形上的后向轨迹 Fig. 11 Back trajectory of 780 m at 09:00, on March 26, 2014 (a) 24 hours later to the trajectory, (b) the trajectory superimposed on topography

(5) 气象要素垂直廓线

图 12中可以看到, 近地面(55~354 m)气温, 温度递减率为-1.38 ℃ /100 m, 逆温层稳定存在, 相对湿度随高度递减, 但相对湿度较大, 98 m处相对湿度为90%;在965~1286 m之间也存在一个逆温层温度递减率为-0.39 ℃/100 m;354~965 m间, 相对湿度基本保持不变, 65%±2%, 900 m附近水汽存在逆梯度.可以发现, 边界层内大气层结稳定, 水汽含量高, 可能存在轻雾天气现象, 静风(水平风速≤2 m·s-1), 大气混合程度弱, 大气垂直发展强度差, 但由于重力作用污染物有弱的向地面辐合下沉气流, 导致地面污染加重.此外600~1000 m高度附近为西南风, 风速大小2~4 m·s-1, 利于河北南部地区污染污染物向北京地区输送.

图 12 2014年3月26日8:00北京54511站, 风、温度和相对湿度的垂直廓线图 Fig. 12 The vertical profile of wind, temperature and relative humidity at Beijing 54511 station, at 08:00 on March 26, 2014

综上, 此次污染过程发生时天气形势主要是在高空暖平流和近地面弱高压相配合, 边界层内大气层结稳定, 有逆温层和逆水汽梯度, 近地面小风速, 使北京地区重污染发生和持续.众所周知, 污染物气团的传输与大气运动息息相关, 不同天气形势下大气运动是不同的, 将天气形势的变化和污染预报相结合, 将大大提高空气质量预报的准确性.

4 结论(Conclusions)

随着城市面积扩张和经济的不断发展, 区域尺度范围的重污染现象频繁发生.本文综合分析了北京2013—2015年污染频发期PM2.5浓度逐小时数据、再分析资料、气溶胶激光雷达数据、后向轨迹数据以及探空资料, 概括了重污染发生时天气形势特征及天气形势类型, 并探讨重污染成因与天气形势的关系.经研究得出如下结论:

1) 2013—2015年北京地区污染频发期发生污染的天数分别为36、28、35 d, 分别占污染频发期的23.8%、18.5%、23.2%;北京污染频发期21.9%的天数受重污染天气影响.2月发生重污染的天数最多, 占本月的27.3%.2013年1月和2015年12月PM2.5月均浓度最高, 分别为179.3、153.3 μg·m-3, 在此期间的重污染过程PM2.5平均浓度可达281.7 μg·m-3和287.4 μg·m-3;PM2.5月平均浓度为105.1 μg·m-3, 为国家二级标准的1.4倍, 重污染过程期间平均浓度为231.1 μg·m-3, 为国家二级标准的3.08倍.

2) 根据地面天气形势差异, 对北京地区持续重污染过程分类, 结果为:3类, 分别是被高压、低压、均压控制, 各类型发生的频次分别占总类型的47.3%、18.2%、34.5%;高压控制下的污染过程一般持续时间较长, 可达4 d, 甚至更久, 此期间PM2.5平均浓度最高, 可达258.8 μg·m-3.

3) 不同污染类型天气形势特征:地面被高压控制时, 高空500 hPa多东移的槽脊, 当位于脊后槽前时, 西南气流, 正涡度平流, 气旋性涡度增加, 在地转偏向力作用下产生辐散, 从而使地面减压, 又在气压梯度力作用下, 在负变压区出现辐合.高层辐散、低层辐合, 必有上升运动.高层等压面降低(负变高), 使气压场与流场适应;辐合又产生气旋性涡度, 地面气旋加深发展, 850 hPa多暖平流, 西南风输送暖湿气流, 湿度较大, 地面偏南风, 可能会存在污染物的输送;地面为低压控制时, 500 hPa一般为稳定的西风气流或西北气流, 即槽脊东移后, 波动逐渐恢复为稳定, 地面辐合减弱, 低空850 hPa可能存在暖平流, 地面常伴随弱的风场辐合, 导致污染物累积;当地面为均压场时, 高空多为脊后槽前的形势, 地面静风, 利于污染物局地累积.前两类污染过程中周边输送具有重要影响, 而均压场下的重污染过程主要是污染物的本地累积占主导.

4) 对具有污染物输送过程的研究发现, 存在3类输送路径:①天津→廊坊→北京、②沧州→廊坊→北京、③石家庄→保定→北京.第三类路径下的污染最为严重, 以2014年3月24—27日此次污染过程为例, 它能够反映路径③发生时北京地区的污染及污染传输特征:本地污染物先累积, 并受到位于北京东南部的弱高压影响, 近地面风速弱(<2 m·s-1), 污染物水平扩散弱, 600 m以上风向转为西南风, 存在污染物的输送;由于存在逆温层与逆湿度梯度, 周边地区输送过来的污染物由高空向地面辐合, 累积下沉, 导致重污染的持续发生.

天气形势在污染过程中扮演重要的角色, 重污染的发生与天气形势有很好的对应关系, 可以通过对天气形势的预报来对区域污染状况进行研判, 将对大气污染预警、区域联防联控提供理论支持, 利于及时采取应急措施以减轻重污染对环境和人体健康的危害.

参考文献
陈朝晖, 程水源, 苏福庆, 等. 2007. 北京地区一次重污染过程的大尺度天气型分析[J]. 环境科学研究, 2007, 20(02): 99–105. DOI:10.3321/j.issn:1001-6929.2007.02.020
程念亮, 李云婷, 孙峰, 等. 2015. 北京市空气重污染天气类型分析及预报方法简介[J]. 环境科学与技术, 2015, 38(05): 189–194.
Cheng S, Chen D, Li J, et al. 2007. The assessment of emission-source contributions to air quality by using a coupled MM5-ARPS-CMAQ modeling system: A case study in the Beijing metropolitan region, China[J]. Environmental Modelling & Software, 22(11): 1601–1616.
Davis R E. 2010. A comparison of trajectory and air mass approaches to examine ozone variability[J]. Atmospheric Environment, 44(1): 64–74. DOI:10.1016/j.atmosenv.2009.09.038
Greene J S, Kalkstein L S, et al. 1999. Relationships between Synoptic Climatology and Atmospheric Pollution at 4 US Cities[J]. Theoretical and Applied Climatology, 62(3): 163–174.
胡亚旦, 周自江. 2009. 中国霾天气的气候特征分析[J]. 气象, 2009, 35(07): 73–78.
李令军, 王占山, 张大伟, 等. 2016. 2013-2014年北京大气重污染特征研究[J]. 中国环境科学, 2016, 36(01): 27–35. DOI:10.3969/j.issn.1000-6923.2016.01.005
李令军, 王英, 李金香, 等. 2012. 2000-2010北京大气重污染研究[J]. 中国环境科学, 2012, 32(01): 23–30. DOI:10.3969/j.issn.1000-6923.2012.01.004
Keim B D, Meeker L D, Slater J F. 2005. Manual synoptic climate classification for the East Coast of New England (USA) with an application to PM2.5 concentration[J]. Climate Research, 28(2): 143–153.
Khan B A, Freitas C R D, Shooter D. 2007. Application of synoptic weather typing to an investigation of nocturnal ozone concentration at a maritime location, New Zealand[J]. Atmospheric Environment, 41(27): 5636–5646. DOI:10.1016/j.atmosenv.2007.02.040
Mickley L J, Jacob D J, et al. 2004. Effects of future climate change on regional air pollution episodes in the United States[J]. Geophysical Research Letters, 31(24): 10–1029.
Stohl A. 2001. A 1-year Lagrangian climatology of airstreams in the Northern Hemisphere troposphere and lowermost stratosphere[J]. J Geophys Res, 106(30): 445–430.
苏福庆, 杨明珍, 钟继红, 等. 2004. 华北地区天气型对区域大气污染的影响[J]. 环境科学研究, 2004, 17(03): 16–20. DOI:10.3321/j.issn:1001-6929.2004.03.006
孙彧, 马振峰, 牛涛, 等. 2013. 最近40年中国雾日数和霾日数的气候变化特征[J]. 气候与环境研究, 2013, 18(03): 397–406.
王莉莉, 王跃思, 王迎红, 等. 2010. 北京夏末秋初不同天气形势对大气污染物浓度的影响[J]. 中国环境科学, 2010, 30(07): 924–930.
王珊, 修天阳, 孙扬, 等. 2014. 1960—2012年西安地区雾霾日数与气象因素变化规律分析[J]. 环境科学学报, 2014, 34(01): 19–26.
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, 2012, 31(06): 1675–1681.
吴兑, 廖国莲, 邓雪娇, 等. 2008. 珠江三角洲霾天气的近地层输送条件研究[J]. 应用气象学报, 2008, 19(01): 1–9. DOI:10.3969/j.issn.1001-7313.2008.01.001
谢付莹, 王自发, 王喜全. 2010. 2008年奥运会期间北京地区PM10污染天气形势和气象条件特征研究[J]. 气候与环境研究, 2010, 15(05): 584–594. DOI:10.3878/j.issn.1006-9585.2010.05.07
杨孝文, 周颖, 程水源, 等. 2016. 北京冬季一次重污染过程的污染特征及成因分析[J]. 中国环境科学, 2016, 36(03): 679–686. DOI:10.3969/j.issn.1000-6923.2016.03.007
朱盛明, 刘聪, 姜翠宏. 1995. 分级聚类算法的区域大气污染天气分型及其动力学和统计学检验[J]. 新疆气象, 1995(03): 14–20.
赵倩彪, 胡鸣, 张懿华. 2014. 利用后向轨迹模式研究上海市PM2.5来源分布及传输特征[J]. 环境监测管理与技术, 2014, 142(04): 22–26. DOI:10.3969/j.issn.1006-2009.2014.04.006
赵普生, 徐晓峰, 孟伟, 等. 2012. 京津冀区域霾天气特征[J]. 中国环境科学, 2012, 32(01): 31–36. DOI:10.3969/j.issn.1000-6923.2012.01.005