, 韩素芹2, 邱晓滨2, 张敏1, 陈靖2, 姚青1,2, 刘敬乐21. 天津市环境气象中心, 天津 300074;
2. 天津市气象科学研究所, 天津 300074
收稿日期: 2018-02-08; 修回日期: 2018-03-30; 录用日期: 2018-03-30
基金项目: 国家重点研发计划（No.2016YFC0203302）；国家国际科技合作专项项目（No.2015DFA20870-02）；中国气象局预报员专项（No.CMAYBY2016~005）；天津市气象局课题（No.201716ybxm10）
作者简介: 蔡子颖(1984—), 男, 高级工程师, E-mail:120078030@163.com
通讯作者（责任作者）: 蔡子颖(1984-), 男, 江苏扬州人, 高工, 主要从事大气环境和气候效应研究.发表论文13篇. E-mail: 120078030@163.com
摘要: 基于2016年4月-2017年3月天津地区地面、255 m气象塔和风廓线监测数据，结合数值模拟，研究天津污染天气分析中高空风特征，以期进一步提高污染天气预报准确率.结果表明：高空风速和风向分析对污染天气趋势判断有重要作用，如冠层以上高度风速、300~1500 m风向对PM2.5污染程度的指示效果好于近地面同类数据；在选取高空风速指标时，应尽量避免边界层顶附近高度风速数据选取，如使用300 m和600 m风速和作为指标要好于300、600和900 m风速和作为指标.而其是否有利于污染扩散判断的临界阈值为10~15 m·s-1，小于10 m·s-1时水平扩散条件不利于污染物扩散，大于15 m·s-1时有利于污染物扩散.分析高空风向时，需要考虑输送高度和Ekman螺线的影响，与地面不同，300~1500 m高空风分析时，有利于出现污染天气的风向为西风、西南风和南风，而地面仅为南风和西南风；当1500 m高度呈现东风、偏东风和东南风时，天津地区受来自渤海的气流影响明显，污染气象条件有利于污染物扩散，空气质量以良好为主.
关键词:污染天气高空风分析255 m气象塔天津
The Characteristics of high-altitude wind about the analysis of pollution weather by 255 meters meteorological tower in Tianjin
CAI Ziying1,2
, HAN Suqin2, QIU Xiaobin2, ZHANG Min1, CHEN Jing2, YAO Qing1,2, Liu Jingle2 1. Tianjin Environmental Meteorological Center, Tianjin 300074;
2. Tianjin Institute of Meteorology, Tianjin 300074
Received 8 February 2018; received in revised from 30 March 2018; accepted 30 March 2018
Supported by the National Key Research and Development Program of China(No.2016YFC0203302), the National Special Project on International Scientific and Technological Cooperation(No.2015DFA20870-02), the China Meteorological Bureau Weatherman Project(No.CMAYBY2016-005)and the Tianjin Meteorological Bureau Projects(No.201716ybxm10)
Biography: CAI Ziying(1984—), male, senior engineer, E-mail: 120078030@163.com
*Corresponding author: CAI Ziying(1984—), E-mail: 120078030@163.com
Abstract: Based on the monitoring data of ground, 255 meter meteorological tower and wind profile, combined numerical simulation in Tianjin area during April 2016 to March 2017, researched on characteristics of upper air wind about the analysis of pollution weather in Tianjin. The result showed:The analysis of wind speed and direction at high altitude played an important role in judging the trend of pollution weather, Such as wind speed at 80 meters and wind speed during 300~1500 m, choosing data analyzed, the wind speed data near the top of the boundary layer was avoided, Such as using the sum of wind speed at 300 m and 600 m was better than the sum of the wind speed at 300 m, 600 m and 900 m, Statistical displayed when the index was less than 10 m·s-1, the horizontal diffusion condition was not conducive to the diffusion of pollutants, when the index was larger than 15 m·s-1, the horizontal diffusion condition was favorable to the diffusion of pollutants. In the analyzed of high altitude wind direction, it was necessary to consider the influence of the conveying height and the Ekman spiral, It was different from the ground, when wind direction during 300~1500 m were analyzed, the wind direction which was favorable to the polluted weather was westerly wind, southwest wind and south wind, but the ground were only southerly and southwest wind, When the wind direct at 1500 m were East and Southeast, Tianjin area were affected by air mass from Bohai, the pollution meteorological condition was advantageous to the pollutant diffusion, air quality was good.
Keywords: polluted weatherThe high-altitude wind analysis255 m meteorological towerTianjin
1 引言(Introduction)近年来受人为活动加剧和不利气象条件共同影响, 我国重污染天气频繁出现, 已严重影响到人民群众的健康, 受到各级政府和气象部门的高度关注(李东升等, 2016；张人禾等, 2014；王自发等, 2014).为更有效的实现重污染天气的防治, 各地气象和环保部门均联合开展空气质量预报和重污染天气预警工作.研究显示重污染天气的形成受人为排放和气象因素的共同影响, 其中人为排放是内因, 气象因素是外因, 但在一定时期内, 人为排放相对恒定, 重污染天气的生成、维持和消散气象因素在其中发挥的作用更为关键(穆穆等, 2014), 通过天气形势和相关指标的分析可以有效地判断未来大气环境质量状况.污染天气分析方法大致可以分为3类, 一类是天气学分析, 二是统计分析, 三是数值模拟, 如CMAQ模型(邓涛等, 2012), CMAX模型(薛文博等, 2014), WRF/chem模型(赵秀娟等, 2016；周广强等, 2016；徐敬等, 2015), CUACE模型(周春红, 2013)和NAQPMS模型(潘锦秀等, 2016)等.在实际预报中3种方法各有优势.近年数值模式预报技术得以快速发展, 为污染预报业务的开展提供了极大的支撑, 但天气学分析方法仍然是预报员开展污染天气预报最根本和最可信的方法, 通过高空地面天气形势判断(高庆先等, 2017；许建明等, 2016)、风场分析、温度层结(姜大膀等, 2001；花丛等, 2015)分析, 结合主观经验是现阶段污染天气预报的基本流程.在天气学方法中, 对于细颗粒物的污染天气分析, 风场分析最为关键, 风速较小时, 大气水平输送能力差, 大气污染物易于出现累积；风速较大时, 细颗粒物污染物会向下游迁移, 从而有利于本地污染物的扩散和清除.但细颗粒污染物的水平扩散不仅发生在近地面, 当大气污染物排放后, 湍流会将其快速在近地层或者更高的大气进行混合, 实现细颗粒污染物在更高一层的大气水平传输.基于此, 污染天气不仅要分析10 m高度的风场, 也需要掌握高空风场特征.如黄晓闲等(2012)构建空气污染潜势-统计结合预报模型, 蔡子颖等(2017)构建细颗粒物气象扩散指数, 以及Yang等(2016)构建的PLAM指数均考虑了高空风场指标, 刘建等(2015)对珠江三角洲霾过程分析, 刘咸德等(2010)对北京颗粒物污染分析, 张艳等(2010)对长三角污染过程分析也均使用高空风场资料予以更好的描述污染过程.天津地处京津冀地区中部, 是我国霾和污染天气最为频发的地区.统计显示天津地区2016年PM2.5质量浓度69 μg·m-3, 在全国参与排名的74城市中位列58位, 全年轻度及以上污染天气140 d, 其中重污染天气29 d, 空气质量预报和重污染天气预警是其《大气污染防治行动计划》执行的重要环节之一.目前天津市气象局和天津市环保局每日保持4次会商, 联合制作空气质量预报并加强重污染天气预警.本文基于2016年4月—2017年3月天津地区地面、255 m气象塔和风廓线监测数据, 结合数值模拟, 研究天津地区污染天气分析中高空风场特征指标, 弥补原有污染天气分析指标体系不足, 为天津空气质量预报和重污染天气预警业务开展提供支撑.
2 资料和方法(Materials and methods)2.1 监测数据本文气象数据来自天津市气象局, 其中255 m气象塔位于天津城区南部, 可实时监测大气分钟级0~250 m风、温、湿梯度廓线, 设备型号为中环天仪EL51型风向风速传感器, DHC1型温湿度传感器, 其测风分辨率0.1 m·s-1, 湿度分辨率1%, 气温分辨率0.1 ℃, 仪器精度风速±0.5 m·s-1, 湿度±3%, 气温±0.2 ℃.风廓线雷达位于天津近郊的西青气象局, 可监测对流层以下三维风向、风速及大气折射率结构常数等要素廓线变化情况, 设备型号CFL-06型, 工作频率：1360 MHz, 风速分辨率：0.1 m·s-1, 风向分辨率：0.5°, 风速测量误差小于等于1.0 m·s-1, 风向测量误差小于等于10°.高度分辨率：低模式为120 m, 高模式为240 m.空气质量数据来自天津环境监测中心发布数据, 包括各站逐时PM2.5、PM10、SO2、NO2、O3、CO质量浓度, 以上数据均经过严格质量控制.
2.2 模式设置3.5节不同高度天津西侧边界PM2.5质量浓度输送通量计算使用中尺度在线大气化学模式WRF/chem, 采用WRF/chem 3.5.1版本, 气相化学过程采用CBMZ机制(向伟玲等, 2010), 气溶胶过程采用MOSAIC模型(José et al., 2016), 主要物理过程设置如下：积云对流方案采用Grell-3D(Kurniawan R, 2014), 微物理过程采用WSM5(Mielikainen et al., 2016), 长波辐射方案和短波辐射方案均采用RRTMG(Price et al., 2013), 边界层方案分别使用YSU方案(张碧辉等, 2012), 模式水平分辨率15 km, 水平网格121×121, 中心经纬度为39°N, 117°E, 垂直方向分为41层.模式的人为排放源清单使用清华大学MEIC 2012, 分辨率0.25°×0.25°, 在天津地区使用27个空气质量监测站实况数据和相关排放源统计信息进行时空的细化, 气象初始场和背景场均使用NECP的FNL全球1°×1°数据, 模拟时间为2016年4月1日—2017年3月31日, 模拟采用24 h滚动计算, 每24 h重新使用一次FNL气象初始场, 而污染初始场则为上一次的模拟值.积分时长90 s, 研究期间PM2.5质量浓度模拟值72.6 μg·m-3, 实况值74.9 μg·m-3, 相关系数0.84, 相对误差32.7%.
3 结果和分析(Results and analysis)3.1 天津地区细颗粒物污染与地面风的关系根据天津市环保局公布数据, 2016年4月—2017年3月天津地区PM2.5平均质量浓度75 μg·m-3(逐日均值, 下同), 重污染天气36 d, 首要污染物均为PM2.5, 超标150 d, 其中PM2.5质量为首要污染物的113 d, 占3/4, 细颗粒污染仍然是空气质量超标的重要原因.与光化学污染不同, 细颗粒物对风速有较强的敏感性, 当风速较小时, 空气流动性较差, 细颗粒污染物会在局地形成堆积；当冷空气到来风速较大时, 细颗粒物污染物会向下游迁移, 从而有利于本地的污染物的扩散和清除.在细颗粒物为首要污染的天气中, 风速分析对于预报员判断污染气象条件有至关重要的作用.统计显示2016年4月—2017年3月天津地区近地面PM2.5质量浓度与地面风速呈明显的负相关, 采暖季其相关系数可以达到-0.47, 非采暖季大气垂直扩散条件明显改善, 细颗粒物扩散对水平输送条件的依赖明显下降, 且受降水影响, PM2.5质量浓度与近地面风速相关性明显下降, 仅为-0.16.拟合采暖季PM2.5质量浓度和风速散点数据, 两者之间最好的表达式为幂函数, 其R值为0.53, 高于线性函数的0.47.从全市平均状况分析, 当风速小于1 m·s-1时, 采暖季天津地区PM2.5平均质量浓度181 μg·m-3, 出现重污染天气概率50%, 水平气象扩散条件非常不利于污染物扩散；当风速大于等于1 m·s-1小于2 m·s-1时, PM2.5平均质量浓度为113 μg·m-3, 出现重污染天气概率27 %, 水平气象扩散条件略不利于污染物扩散；当风速介于2~3 m·s-1时, PM2.5平均质量浓度为71 μg·m-3, 出现重污染天气概率6%, 水平气象扩散条件一般, 当风速介于3~4 m·s-1时, PM2.5平均质量浓度为36 μg·m-3, 水平气象扩散条件较有利于污染物扩散, 当风速大于4 m·s-1时, PM2.5平均质量浓度为30 μg·m-3, 水平气象扩散条件非常有利于污染物扩散.城区风速相比全市平均风速要明显偏低, 均值为1.36 m·s-1, 仅为全市平均68%, 将其乘以1.4以后显示其与全市平均风速与PM2.5质量浓度关系曲线基本吻合(图 1), 其水平扩散能力辨识界限, 可认为城区为风速小于0.7 m·s-1时, 水平气象扩散条件非常不利于污染物扩散, 风速介于0.7~1.5 m·s-1时, 水平气象扩散条件略不利于污染物扩散, 风速介于1.5~2 m·s-1时, 水平气象扩散条件一般, 风速介于2~2.8 m·s-1时, 水平气象扩散条件较有利于污染物扩散, 风速大于2.8 m·s-1时, 水平气象扩散条件非常有利于污染物扩散.
图 1(Fig. 1)
 |
| 图 1 天津地区采暖季PM2.5质量浓度与地面风速的关系 Fig. 1The relationship between the PM2.5 mass concentration and wind speed during heating season in Tianjin |
3.2 地面风与塔层风的差异细颗粒污染物的水平扩散不仅发生在近地面, 在近地层甚至更高的塔层水平风对细颗粒污染物扩散均有显著的影响.由于城市化过程近地面风速受下垫面影响显著, 1960—2016年天津城区气候监测站10 m高度风速下降了45%, 下降幅度达到1.26 m·s-1, 相比近郊的西青站, 其10 m高度风速仅为其60%.在城市内部受局地建筑的影响, 10 m风速反映大气水平输送能力明显减弱, 其特征相对天气系统过程, 表现略有杂乱.以天津城区为例, 255 m气象塔监测显示2016年冬季相比1996年冬季, 天津地区10 m高度风速约为1.28 m·s-1, 下降了47%, 而250 m风速约为5.65 m·s-1, 仅下降了29%(图 2), 地面风速的下降明显的高于塔层高度的中上部.图 3给出255 m气象塔监测的采暖季不同高度风速与地面PM2.5质量浓度的相关系数.由图显示无论是与气象塔附近的前进道观测站对比, 还是市区平均, 甚至全市平均对比, 与地面PM2.5质量浓度相关系数最高的并不是10 m高度的风速, 而是随着高度增加, 其相关系数有一个增加过程, 在80 m高度左右达到最大值, 且伴随高度进一步上升, 高空风对近地面PM2.5质量浓度影响减弱, 水平风速与近地面PM2.5质量浓度相关系数快速下降, 140 m高度与10 m高度大体相当, 250 m高度风速与近地面PM2.5质量浓度相关系数仅是80 m高度的60%.分析其中的原因, 一是由于城市内部受局地建筑的影响, 在建筑密集地区10 m风速反映水平扩散能力明显减弱, 对天气系统表征受局地下垫面影响明显；二是近地面PM2.5质量浓度水平扩散受到多方面影响, 当大气污染排放后, 并不仅仅在贴地的大气层进行传输, 而是由湍流将其快速的在近地层或者更高的大气进行混合, 水平扩散即发生在近地面, 也发生在更高一层的大气.从细颗粒物的垂直分布而言, 其与粗颗粒物不同, 在0~120 m混合相对均匀(255 m气象塔监测显示：1月地面到120 m高度PM2.5质量浓度下降24%, 5月地面与120 m高度PM2.5质量浓度基本持平, 10月地面到120 m高度PM2.5质量浓度下降16%), 但10 m高度水平风速仅为80 m高度的40%, 如果将风速与颗粒物浓度乘积理解为输送通量, 80 m高度细颗粒物水平扩散能力显然更强, 所以80 m高度水平风速与地面PM2.5质量浓度的关联性甚至高于10 m高度水平风速.由此为业务中PM2.5质量浓度预报带来启发, 在关注模式10 m风速的同时, 还需要加强模式次底层风速预报资料的运用, 其与近地面PM2.5质量浓度相关性更高, 同时次底层风速明显要大于10 m高度水平风速, 其可用辨识水平扩散能力的区分度更高, 如表 1所示, 当80 m高度风速小于2 m·s-1, 出现重污染概率57%, 对应PM2.5质量浓度170 μg·m-3, 而80 m高度水平风速上升到3 ~4 m·s-1之间时, 出现重污染概率17%, 对应PM2.5质量浓度93 μg·m-3.从80 m高度风速分析, 小于2 m·s-1的风和3 ~4 m·s-1的风有明显的区分度, 而地面风场受下垫面和建筑遮挡, 平均风速仅从0.93 m·s-1上升到1.31 m·s-1, 0.4 m·s-1的风速差显然不如80 m·s-1风速的变化易于识别, 此外10 m风速受下垫面影响大, 在现有的天气模式中, 其预报相对误差也偏大, 而次底层风速预报效果也略好.
图 2(Fig. 2)
 |
| 图 2 天津冬季不同高度水平风速下降趋势 Fig. 2The trend of wind speed at different heights in winter in Tianjin |
图 3(Fig. 3)
 |
| 图 3 采暖季天津地区不同高度水平风速与地面PM2.5质量浓度相关系数 Fig. 3The correlation coefficient between the PM2.5 mass concentration and wind speed at different heights during heating season in Tianjin |
表 1(Table 1)
| 表 1 采暖季天津地区80 m高度风速与近地面PM2.5质量浓度对应关系 Table 1 The relationship between the PM2.5 mass concentration and wind speed at 80 m | ||||||||||||||||||||||||||||||||
表 1 采暖季天津地区80 m高度风速与近地面PM2.5质量浓度对应关系 Table 1 The relationship between the PM2.5 mass concentration and wind speed at 80 m
| ||||||||||||||||||||||||||||||||
 | ||||||||||||||||||||||||||||||||
3.3 天津地区高空风与细颗粒物污染的关系尽管随着高度的增加高空风与地面的细颗粒质量浓度相关系数显著下降(图 3), 但从箱体模型分析, 细颗粒物的水平扩散发生在整个边界层中, 混合层高度决定这个箱体的高度, 混合层内的平均风速, 决定水平扩散的速度.大气污染物的水平扩散能力不仅与地面和塔层高度的风相关, 也与其上层的风密切相关.在国家气象中心下发的污染气象条件计算参考指标中以300、600和900 m的风速和作为判断指标, 当其小于等于21 m·s-1时, 认为气象条件不利于污染物扩散, 权重取+1, 当其大于21 m·s-1时, 认为气象条件有利于污染物扩散, 权重取-1；此外1500 m风速也是其重要判识标志, 当其小于等于8 m·s-1时, 认为气象条件不利于污染物扩散, 权重取+1, 风速8~10 m·s-1, 气象扩散条件一般, 权重取0, 风速大于10 m·s-1, 气象条件有利于污染物扩散, 权重取-1.以天津地区风廓线雷达数据, 验证高空风指标与近地面细颗粒物关系.由图 4显示, 采暖季天津不同高度风速与近地面PM2.5质量浓度相关系数随着高度的增加呈现下降趋势, 尤其在700~1600 m高度, 相关系数达到谷值, 平均值为0.14, 超过1600 m后, 高空风速与近地面PM2.5质量浓度相关系数略有增加维持在0.2左右, 呈现上述分布的原因可能是当高度在700 m以下时, 风速多为边界层内部风速, 其与大气污染物水平扩散能力密切相关；当高度大于1600 m时, 气层多处于边界层外对流层中, 虽然对边界层内大气污染的水平扩散无直接影响, 但风速较大时, 意味着气团移动较快, 与大气的水平扩散能力存在一致性；而在700~1600 m高度时, 有时处在边界层内部, 有时处在边界层以外, 甚至处于边界层顶部的大风区, 其对大气污染水平扩散的反映存在物理意义上的不一致, 从而导致其与近地面PM2.5质量浓度相关系数甚低, 指标意义较差.基于上述分析, 在污染天气分析中, 对于边界层水平扩散能力指标建立, 应尽量避免该高度段指标的引入, 单纯使用300 m和600 m风速和作为指标, 其意义和效果均好于300、600和900 m的风速和作为判断指标, 统计天津高空风速和近地面PM2.5质量浓度, 可以认为300 m和600 m风速和大于10 m·s-1小于15 m·s-1时, 区分性不强, 对应的近地面PM2.5质量浓度多在良到轻度污染之间, PM2.5质量浓度均值85 μg·m-3, 是天津采暖季PM2.5质量浓度的87%, 可以认为该指标段, 水平扩散条件一般；当300 m与600 m风速和小于等于10 m·s-1时, PM2.5质量浓度均值119 μg·m3, 出现重污染概率34%, 占天津采暖季重污染天气的67%, 在高空风分析时可以认为污染气象条件不利于污染物扩散；当300 m与600 m风速和大于等于15 m·s-1以后, 水平扩散条件明显有利于污染物扩散, PM2.5质量浓度均值55 μg·m-3, 除极个别输送过程, 76%的天气PM2.5质量浓度小于75 μg·m-3, 达到一级优或者二级良好水平.1500 m高度水平风的分析已经无法反映边界层内风速的情况, 但可以反映气团和气流的移动速度和方向, 尤其在天气分析中850、700和500 hPa高度场分析被预报员常用, 而850 hPa高度场在平原地区对应高度多为1500 m, 是预报员用来判断大气污染气流轨迹的重要气层；统计分析表明将1500 m风速划分为8 m·s-1以下, 8~10 m·s-1, 10 m·s-1以上有一定的合理性, 小于8 m·s-1以下时, 近地面PM2.5质量浓度103 μg·m-3, 大于10 m·s-1以上时, 近地面PM2.5质量浓度77 μg·m-3, 但总体而言1500 m高度基本在边界层以外, 对近地面PM2.5质量浓度指示作用较弱.
图 4(Fig. 4)
 |
| 图 4 300~5000 m风速和与PM2.5质量浓度关系 Fig. 4The relationship between the PM2.5 mass concentration and wind speed during 300 to 5000 m |
图 5(Fig. 5)
 |
| 图 5 300、600 m风速和与PM2.5质量浓度关系 Fig. 5The relationship between the PM2.5 mass concentration and the sum of wind speed between 300 m and 600 m |
3.4 天津细颗粒物污染与地区通风系数的关系通风系数是常用的描述大气承载力的指标, 其计算公式为混合层高度乘以边界层平均风速, 即可以反映大气水平输送能力, 也反映大气的垂直扩散能力.以天津地区地面观测云、气温、湿度和风推导天津地区通风系数, 如图 6所示1981—2016年天津地区通风系数呈现下降趋势, 2010—2016年仅相当于1981—1989年的三分之二, 这也是近年天津污染天气多发的重要原因.定义10、300和600 m的平均风速为边界层平均风速, 取数值模拟的混合层厚度计算量获取2016年4月—2017年3月天津地区通风系数(边界层平均风速乘以混合层厚度), 从全年数据反映, 通风系数与PM2.5质量浓度相关系数-0.45, 呈现出较好的幂指数关系(R=0.61, 近地面风速为0.53), 当通风系数大于2000 m2·s-1后, PM2.5质量浓度55 μg·m-3, 出现重污染概率仅为1%, 此时通风系数反映出有利于污染物扩散；当通风系数在1000~ 2000 m2·s-1, 随着通风系数的减少, PM2.5质量浓度呈现缓慢的上升, 此时对应的PM2.5质量浓度73 μg·m-3, 出现重污染概率仅为6%, 通风系数反映污染扩散条件一般；当通风系数在500~1000 m2·s-1, 随着通风系数的减少, PM2.5较快上升, 对应的平均PM2.5质量浓度为122 μg·m-3, 出现重污染概率为24%, 通风系数反映出污染扩散条件较不利于污染物扩散；当通风系数小于500 m2·s-1以后, 随着通风系数的减少, PM2.5质量浓度快速上升, 此时对应的PM2.5质量浓度为171 μg·m-3, 出现重污染的概率64%, 通风系数反映出污染扩散条件非常不利于污染物扩散.
图 6(Fig. 6)
 |
| 图 6 1981—2016年天津地区通风系数变化趋势 Fig. 6The trend of Ventilation coefficient during 1981 to 2016 in Tianjin |
图 7(Fig. 7)
 |
| 图 7 通风系数和与PM2.5质量浓度关系 Fig. 7The relationship between the PM2.5 mass concentration and Ventilation coefficient |
3.5 天津地区高空风向与细颗粒物污染的关系污染天气分析中风场的分析包括风速和风向.从风向分析(图 8)采暖季10 m风向为南风和西南风时, 天津近地面PM2.5质量浓度最高, 分别为111 μg·m-3和112 μg·m-3, 西北风时最低仅为61 μg·m-3.其主要受两方面影响, 一是周边排放源和PM2.5质量浓度分布在京津冀整体呈现北低南高的格局, 尤其是河北中南部地区是京津冀地区大气污染最严重的区域, 而沿着太行山东侧是该区域重要的大气污染输送带；二是不同风向代表的天气过程不同, 比如西南风时高空多为暖平流, 地面以高压后, 低压前为主, 层结稳定, 风速较小, 不利于污染物扩散, 而西北风时高空多为冷平流, 地面多为高压前, 层结不稳定, 风速较大, 有利于污染物扩散.天津地区10 m高度风向为南风和西南风时, 近地面PM2.5质量浓度最高, 但并意味着上述两个方向是天津大气污染的主要来源地, 其主要是因为根据Ekman螺线的描述(徐银梓等, 1986), 在北半球风速随高度增加而增大, 风向随着高度增加而由向右旋转.根据255 m气象塔监测可以清晰显示随着高度增加风向向右偏转的趋势.定义风速和PM2.5质量浓度乘积为PM2.5的输送通量, 取2016年10月—2017年3月模式模拟的各层PM2.5质量浓度和风速, 可以清晰的显示天津西侧界输送峰值高度并不在近地面, 而在300~1500 m高度(图 9), 其主要原因是近地面PM2.5质量虽然高, 但风速也相对较弱, 不利于污染物的水平输送.所以在判断风向对大气污染影响时, 高空风比地面风更有利于准确辨别大气污染的来源.从255 m气象塔监测显示, 250 m高度不同风向下PM2.5质量的区分度也明显的好于地面(图 8).由于Ekman螺线的原因, 与地面不同, PM2.5质量浓度最高的风向为西南风、西风, 分别为128 μg·m-3和130 μg·m-3, 南风位居第3, 为110 μg·m-3, PM2.5质量浓度最低的为西北风和北风, 分别为68 μg·m-3和70 μg·m-3.由此表明在污染分析中, 在关注近地面风向的基础上, 关注300 m高度的风向, 在精细化分析中也颇为重要, 尤其是300 m高度风场为西风和西南风的情况.根据以往预报经验, 相比1500 m的风速, 1500 m风向分析对是否有利于大气污染形成更为关键, 取风廓线监测的1500 m风向数据, 与250 m高度风向和近地面PM2.5质量浓度关系基本一致(图 10), 西风、西南风和南风向时, PM2.5质量浓度较高, 出现重污染概率较大, 北风和西北风时PM2.5质量浓度较低.不同之处在于, 如果1500 m高度呈现东北风、东南风和东风时, 平均PM2.5质量浓度要显著的低于250 m上述3个风向情况, 其主要原因是我国华北地区处于西风带, 高空以西风为主, 偏东风一般出现在较低的大气层中, 1500 m出现东风和东南风较少(图 11).如果在1500 m呈现东风, 说明该系统发展较为深厚, 偏东风较强, 有利于污染物扩散.
图 8(Fig. 8)
 |
| 图 8 采暖季天津不同高度不同风向PM2.5质量浓度 Fig. 8The relationship between the PM2.5 mass concentration and wind direct at different height in Tianjin |
图 9(Fig. 9)
 |
| 图 9 采暖季不同高度天津西侧边界层PM2.5质量浓度输送通量 Fig. 9The western boundary layer of PM2.5 mass concentration delivery flux at different height |
图 10(Fig. 10)
 |
| 图 10 采暖季天津250 m和1500 m高度不同风向地面PM2.5质量浓度(a)及风向百分率(b) Fig. 10The relationship between the PM2.5 mass concentration and wind direct(a) and Wind direction percentage(b) at 250 m and 1500 m |
4 结论(Conclusions)1) 从255 m气象塔监测显示, 地面PM2.5质量浓度与风速相关系数最高值并不在10 m, 而是随着高度的增加, 风速与地面PM2.5质量浓度相关系数呈现增加趋势, 在冠层以上(80 m)高度达到最大值, 且由于受下垫面影响, 天津地区10 m风速仅为80 m风速的40%, 污染程度辨识能力并不如80 m风速, 由此说明在预报中除了需要关注模式10 m风速, 还需要加强模式次底层风速预报资料的运用, 以天津为例当80 m风速小于2 m·s-1时, 出现重污染概率57%, 对应PM2.5质量浓度170 μg·m-3, 80 m高度风速上升到3 ~4 m·s-1之间, 出现重污染概率17%, 对应PM2.5质量浓度93 μg·m-1, 通过模式次低层风速的分析, 可以较好的判断污染物变化趋势.
2) 高空风是重要的水平扩散能力判断指标, 高空风速分析时应避免选取边界层顶附近高度风速数据.从统计规律反映, 天津地区300 m和600 m风速和是否有利于污染扩散的临界阈值介于10~15 m·s-1, 小于10 m·s-1水平扩散条件不利于污染物扩散, 大于15 m·s-1有利于污染物扩散.
3) 基于地面和高空风向分析污染来源需要考虑Ekman螺线的影响(在北半球风向随着高度增加而由向右旋转), 有利于天津地区污染天气出现的地面风向为南风和西南风, 与地面不同, 300 ~1500 m高空风分析时, 有利于污染天气出现的风向为西风、西南风和南风, 其对应平均PM2.5质量浓度分别为128、130和110 μg·m-3.从实际效果和数据区分度分析, 高空风比地面风更有利于准确判断大气污染的来源.
参考文献
| 蔡子颖, 姚青, 韩素芹, 等. 2017. 21世纪以来天津细颗粒物气象扩散能力趋势分析[J]. 中国环境科学, 2017, 37(6): 2040–2046.DOI:10.3969/j.issn.1000-6923.2017.06.006 |
| 邓涛, 邓雪娇, 吴兑, 等. 2012. 珠三角灰霾数值预报模式与业务运行评估[J]. 气象科技进展, 2012, 2(6): 38–44. |
| 高庆先, 李亮, 马占云, 等. 2017. 2013-2016年天气形势对北京秋季空气重污染过程的影响[J]. 环境科学研究, 2017, 30(2): 173–183. |
| 花丛, 张碧辉, 张恒德. 2015. 2013年1-2月华北雾、霾天气边界层特征对比分析[J]. 气象, 2015, 41(9): 1141–1151. |
| 黄晓娴, 王体健, 江飞. 2012. 气污染潜势-统计结合预报模型的建立及应用[J]. 中国环境科学, 2012, 32(8): 1400–1408.DOI:10.3969/j.issn.1000-6923.2012.08.009 |
| 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(自科版), 2001, 37(4): 133–139. |
| José R S, Pérez J L, Balzarini A, et al. 2015. Sensitivity of feedback effects in CBMZ/MOSAIC chemical mechanism[J]. Atmospheric Environment, 115: 646–656.DOI:10.1016/j.atmosenv.2015.04.030 |
| Kurniawan R. 2014. Penggunaan Skema Konvektif Model Cuaca Wrf (Betts Miller Janjic, Kain Fritsch Dan Grell 3d Ensemble)(Studi Kasus:Surabaya Dan Jakarta)[J]. Journal Meteorologi Dan Geofisika, 15(1): 25–36. |
| 李名升, 任晓霞, 于洋, 等. 2016. 中国大陆城市PM2.5污染时空分布规律[J]. 中国环境科学, 2016, 36(3): 641–650.DOI:10.3969/j.issn.1000-6923.2016.03.001 |
| 刘建, 范绍佳, 吴兑, 等. 2015. 珠江三角洲典型灰霾过程的边界层特征[J]. 中国环境科学, 2015, 35(6): 1664–1674.DOI:10.3969/j.issn.1000-6923.2015.06.008 |
| 刘咸德, 李军, 赵越, 等. 2010. 北京地区大气颗粒物污染的风向因素研究[J]. 中国环境科学, 2010, 30(1): 1–6. |
| 李婷苑, 范绍佳, 邓雪娇, 等. 2015. 2015.基于GRAPES模式的广州地区大气输送扩散参数及其对PM2.5预报的应用[J]. 热带气象学报, 2015, 31(5): 673–680. |
| Mielikainen J, Huang B, Huang H L A, et al. 2012. Improved GPU/CUDA based parallel weather and research forecast (WRF) single moment 5-class (WSM5) cloud microphysics[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 5(4): 1256–1265. |
| 穆穆, 张人禾. 2014. 应对雾霾天气:气象科学与技术大有可为[J]. 中国科学:地球科学, 2014, 44(1): 1–2. |
| 潘锦秀, 朱彬, 晏平仲, 等. 2016. 京津冀区域重污染天气过程数值预报评估新方法[J]. 环境科学学报, 2016, 36(8): 2752–2760. |
| Price E, Mielikainen J, Huang B, et al. 2013. GPU acceleration experience with RRTMG long wave radiation model[C]//SPIE Remote Sensing. International Society for Optics and Photonics |
| 王自发, 李杰, 王哲, 等. 2014. 2013年1月我国中东部强霾污染的数值模拟和防控对策[J]. 中国科学:地球科学, 2014, 44(1): 3–14. |
| 徐敬, 马志强, 赵秀娟, 等. 2015. 边界层方案对华北低层O3垂直分布模拟的影响[J]. 应用气象学报, 2015, 26(5): 567–577. |
| 许建明, 常炉予, 马井会, 等. 2016. 上海秋冬季PM2.5污染天气形势的客观分型研究[J]. 环境科学学报, 2016, 36(12): 4303–4314. |
| 薛文博, 付飞, 王金南, 等. 2014. 基于全国城市PM2.5达标约束的大气环境容量模拟[J]. 中国环境科学, 2014, 34(10): 2490–2496. |
| 徐银梓, 伍荣生. 1986. 边界层中风速向Ekman气流的调整[J]. 气象学报, 1986(1): 110–114. |
| 向伟玲, 安俊岭, 王自发, 等. 2010. 北京奥运会期间CBM-Z化学机制的模拟应用[J]. 气候与环境研究, 2010, 15(5): 551–559.DOI:10.3878/j.issn.1006-9585.2010.05.03 |
| Yang Y Q, Wang J Z, Gong S L, et al. 2016. PLAM-a meteorological pollution index for air quality and its applications in fog-haze forecasts in North China[J]. Atmospheric Chemistry and Physics, 16(3): 1353–1364.DOI:10.5194/acp-16-1353-2016 |
| 张艳, 余琦, 伏晴艳, 等. 2010. 长江三角洲区域输送对上海市空气质量影响的特征分析[J]. 中国环境科学, 2010, 30(7): 914–923. |
| 赵秀娟, 徐敬, 张自银, 等. 2016. 北京区域环境气象数值预报系统及PM2.5预报检验[J]. 应用气象学报, 2016, 27(2): 160–172. |
| 周春红. 2013. 大气气溶胶及其对云和降水影响的在线数值模拟研究[D]. 北京: 中国气象科学研究院. 1-40 |
| 周广强, 谢英, 吴剑斌, 等. 2016. 基于WRF-Chem模式的华东区域PM2.5预报及偏差原因[J]. 中国环境科学, 2016, 36(8): 2251–2259.DOI:10.3969/j.issn.1000-6923.2016.08.002 |
| 张碧辉, 刘树华, 马雁军. 2012. MYJ和YSU方案对WRF边界层气象要素模拟的影响[J]. 地球物理学报, 2012, 55(7): 2239–2248. |
