, 吴俊石2, 张燕燕2, 汪红斌2, 许建明1,3
1. 长三角环境气象预报预警中心, 上海 200030;
2. 宝山气候观象台, 上海 200030;
3. 大气科学与卫星遥感安徽省重点实验室, 合肥 230000
收稿日期: 2019-09-03; 修回日期: 2019-10-20; 录用日期: 2019-10-20
基金项目: 上海市气象局科技项目（No.MS201807，MS201808）
作者简介: 潘亮(1978-), 男, E-mail:panlg@163.com
通讯作者（责任作者）: 许建明, E-mail:metxujm@163.com
摘要：PM2.5的峰值浓度一般出现在早晨，这是早晨高排放和低边界层共同作用的结果.早晨的边界层结构对PM2.5峰值浓度及演变具有重要影响，但准确反演早晨较低的边界层高度存在很大困难.基于此，本文以上海为例，采用8：00的L波段气象探空数据，利用高分辨率的垂直风温资料计算总体理查逊数（Rf）来判定早晨边界层的稳定度.研究发现，上海早晨边界层的稳定度具有明显的季节差异，其中，11月、12月和1月基本为稳定边界层结构（SBL），5—8月为对流边界层结构（CBL）.通过分析风温廓线发现，上海冬季早晨SBL存在明显逆温，高度约为100~200 m，平均逆温强度为2.4℃/100 m；而夏季早晨的CBL可发展至400~500 m.早晨PM2.5峰值浓度随Rf的升高明显上升，SBL条件下的PM2.5峰值浓度较CBL条件下偏高约20 μg·m-3.2013—2017年上海早晨边界层的稳定度在春季和冬季呈波动上升的趋势，其中，2016和2017年的上升幅度尤其明显.2016、2017年春季的SBL频数较2013—2015年同期分别偏多12.5%、17.0%，冬季分别偏多10.8%、9.0%，而2016、2017年春季的PM2.5浓度却分别下降11.00%、23.00%，冬季分别下降27.94%和34.38%，表明近几年上海早晨的PM2.5排放强度明显下降.
关键词：早晨边界层理查逊数(Rf)PM2.5峰值浓度上海
The characteristics of the morning atmospheric stability and its impacts on the peak PM2.5 concentration during 2013 to 2017 in Shanghai
PAN Liang1
, WU Junshi2, ZHANG Yanyan2, WANG Hongbin2, XU Jianming1,31. YRD Center for Environmental Meteorology Prediction and Warning, Shanghai 200030;
2. Baoshan Climate Observatory, Shanghai 200030;
3. Anhui Province Key Laboratory of Atmospheric Science and Satellite Remote Sensing, Hefei 230000
Received 3 September 2019; received in revised from 20 October 2019; accepted 20 October 2019
Abstract: The peak values of PM2.5 mass concentration usually appear in the morning jointly resulting from the high local emissions and low planetary boundary layer (PBL). The morning PBL structures have great influence on the peak levels and the evolution of PM2.5 concentrations. However the height of a stable or a neutral PBL in the morning cannot be well retrieved with traditional parameters. In this paper, the bulk Richardson number (Rf) was applied to examine the atmospheric stability in the morning using high-resolution radiosonde measurements during 2013—2017 in Shanghai. Observational results suggested that the morning PBL exhibited distinct seasonal variations in Shanghai, presenting stable structures(SBL) in November, December and January, and convective structures(CBL) from May to August. By analyzing the profiles of temperature and wind speed, we found that the morning SBL was associated with obvious inversion layers in winter, locating at altitudes of 100~200 m. In summer, the CBL could develop to an altitude of 400~500 m due to strong solar radiation. The PM2.5 concentrations exhibited significant increase with enhanced Rf in the morning, with peak values in SBL 20 μg·m-3 higher than those in CBL, indicating that a stable PBL was more favorable for the accumulation of local PM2.5. The stability of the morning PBL tended to be enhanced in spring and winter during 2013—2017, exhibiting higher Rf in 2016 and 2017. The frequencies of SBL increased by 12.5%, 17.0% in spring of 2016 and 2017 respectively, and 10.8%, 9.0% in winter of 2016 and 2017 respectively, compared to those in 2013—2015, suggesting more stable PBL structures in the morning. The corresponding peak PM2.5 concentrations decreased by 11.00%, 23.00% in spring and 27.94%, 34.38% in winter respectively, indicating significant emission reductions as a result of the implementation of Clean Air Action in Shanghai.
Keywords: morning PBLgradient Richardson numberpeak PM2.5 concentrationShanghai
1 引言(Introduction)大气边界层直接受到地球表面的影响, 基本特点是其运动的湍流性(Stull, 1988), 这也是动量、热量、水汽及大气污染物在垂直方向输送的主要驱动力.因此, 对边界层过程的研究和参数化一直是天气模式和空气质量模式的研究重点(程兴宏等, 2009；Konor et al., 2009；王咏薇等, 2013；Tie et al. 2015；王成刚等, 2017；陆正奇等, 2018).边界层高度(PBLH)是一个重要的特征参数量, 用于表征物质、动量和能量在一定时间内由于湍流混合所能达到的垂直高度(Garratt, 1992).由于PBLH无法直接测量, 很多****利用风温湿廓线观测或者气溶胶激光雷达等地基遥感观测研究和比较各种PBLH的反演算法(Marsik et al., 1995；Seibert et al., 2000；Hennemuth et al., 2005；Wiegner et al., 2006；张鑫等, 2006；李霞等, 2018；王存贵等, 2018；宋烺等, 2019), 用于检验模式计算的PBLH.此外, PBLH的长期变化也会对气候系统产生影响(Collaud et al., 2014), 一些****进而开展了全球和区域尺度PBLH气候特征的研究.例如, Liu等(2010)和Seidel等(2012)分别利用58286个(1987—2008年)和3030个(1999—2008年)探空廓线从全球尺度研究了PBLH的气候学特征, 前者重点分析了不同下垫面PBLH日变化的差异, 后者重点对比了6种反演算法计算的PBLH的异同.Guo等(2016；2019)利用探空资料结合再分析资料首次研究了中国大陆PBLH的年际变化趋势, 以及与不同气象要素的相关性.Pan等(2019)利用激光雷达资料分析了2006—2015年上海日最大混合层高度的变化趋势及其与PM2.5浓度的关系.上述工作对于推动边界层研究的发展具有重要意义.
2013年以来, 有关边界层对我国细粒子污染的影响及气溶胶对边界层的正反馈效应成为研究热点(刘超等, 2017；石春娥等, 2017；姚青等, 2018；张静等, 2018；张敏等, 2018；桂海林等, 2019；贺园园等, 2019).在静稳天气条件下, 由于水平风速较小, 白天的湍流交换成为调节污染物浓度的重要因素.Xu等(2016)和Pan等(2019)的研究都表明, 在上海的重污染时段, 白天PBLH一般低于500 m, 较非污染日下降约50%, 是重污染维持的重要原因之一.贺园园等(2019)、姚青等(2018)、桂海林等(2019)在北京、天津等地的研究也有相似的结论.需要强调的是, 绝大多数文献中的PBLH一般是日最大边界层高度, 通常出现在下午14：00—15：00, 此时垂直湍流混合最强, 是污染物日变化的谷值.然而陆地边界层具有明显的日变化特征, 表现为白天的对流边界层(CBL)、夜间的稳定边界层(SBL), 早晨和傍晚的边界层结构则介于CBL和SBL之间, 处于两者的过渡和转换阶段.以往的文献很少关注和研究早晨的边界层结构.主要原因是早晨边界层存在逆温或者尚未得到发展, 在中纬度地区通常低于200 m(Liu et al., 2010), 处于激光雷达等地基观测的盲区内.其次, 通用的气象探空资料仅有特征层数据, 比如在1 km以内仅有2~3层数据, 无法获取精细的风温湿廓线, 不适于研究早晨的低边界层结构.最后, 目前基于探空资料反演PBLH的算法更加适用于对流边界层, 而对稳定和中性边界层有较大分歧.Seidel等(2012)指出, 由于早晨和夜间SBL发生的频数最高(50%~80%), 各种算法反演的PBLH分歧最大(相差3~4倍).上述原因增加了对早晨边界层研究的困难.
然而观测显示, 上海大气污染物的峰值浓度出现在早晨(许建明等, 2011).图 1计算了2013—2017年上海4个季节PM2.5浓度的日变化, 可见早晨(7：00—9：00)的PM2.5浓度是一天中的峰值, 较日平均浓度分别偏高了4.6%、2.4%、6.0%和6.4%, 在冬季更加显著.早晨PM2.5浓度最高、上升速率最快是排放和边界层共同作用的结果(赵鸣, 2006).早晨是一天中PM2.5排放最强的时段(Zhou et al., 2018), 在边界层稳定的情况下容易快速累积形成高值.此外, 由于早晨风速较小、二次气溶胶转化很弱, 早晨观测的PM2.5浓度具有明显的局地性, 直接反映了局地的排放强度.因此, 研究早晨边界层的结构特征、变化趋势及其与PM2.5的关系, 对于深入理解PM2.5的年际变化及其与排放变化的关系具有重要意义.
图 1(Fig. 1)
 |
| 图 1 2013—2017年春季(a)、夏季(b)、秋季(c)、冬季(d)上海PM2.5浓度的平均日变化 Fig. 1The mean diurnal variations of PM2.5 mass concentration in spring(a), summer(b), autumn(c) and winter(d) from 2013 to 2017 in Shanghai |
与2013年相比, 2017年上海的平均PM2.5质量浓度下降了31%, 其中, 早晨的峰值浓度下降了33.3%.由于通用的PBLH很难准确表征早晨低边界层的特点, 因此, 本文收集了2013年以来上海宝山站的L波段探空雷达秒级气象数据(北京时8：00, 垂直分辨率约10 m), 通过高分辨率的风温廓线计算经典的理查逊数来判定边界层的稳定程度, 分析不同季节早晨边界层的稳定度特征和风温廓线特征, 探讨早晨边界层稳定度对PM2.5峰值浓度的影响, 进而研究2013—2017年早晨边界层稳定度的变化趋势及其与PM2.5年际变化的关系.
2 数据和方法(Data and methods)2.1 数据2.1.1 地面观测资料本文利用的逐小时地面PM2.5质量浓度资料由上海市环境监测中心提供, 时间段是2013—2017年, 由上海10个国控点平均所得, 代表了上海城市地区的PM2.5特征.
本文利用宝山站的逐小时地面气象观测数据, 包括气温、降雨、水平风速风向、相对湿度.宝山站是上海唯一的国家气候观象台, 其数据代表上海参与国际气象数据交换.
2.1.2 气象探空资料本文利用2013—2017年上海宝山观象台8：00(北京时)的探空资料, 包括温度、相对湿度、水平风向风速.宝山是上海唯一的探空站, 按照WMO规定每天释放2次气球探空观测(北京时间8：00和20：00).由于早晨边界层很低(通常小于200 m), 通常的探空数据在1 km以下仅有2~3层, 不适用于对早晨边界层的研究.因此, 本文采用秒级探空数据, 垂直分辨率为20 m, 1 km以下有50层, 这样能够得到精细的风温廓线分析边界层的结构.Seidel等(2012)指出探空数据的垂直分辨率对确定边界层的结构具有重要影响.
2.2 总体理查逊数如前文所述, 早晨边界层一般处于稳定或者中性结构(夏季除外)(Stull, 1988), Liu等(2010)和Seidel等(2012)对全球探空数据的分析表明, 早晨SBL的出现频率超过50%.目前各种算法对稳定边界层高度的自动反演存在较大的分歧和争议.Liu等(2010)特别指出, 早晨逆温层之上存在残留层(Residual layer, RL)时会增加PBLH的计算难度.因此, 本文不采用PBLH表征早晨的边界层特点, 而是利用高分辨率的垂直风温资料计算理查逊数进而判定边界层的稳定度.理查逊数定义为热力湍能产生率的负值与机械湍能产生率的比值(Stull, 1988), 理查逊数小于0表示浮力做功使得湍能增强, 绝对值越大代表湍能越强.实际计算中一般采用总体理查逊数(Rf)：
 | (1) |
3 结果和讨论(Results and discussion)3.1 Rf的月变化特征本文的目的是分析早晨边界层的稳定度特征及其变化趋势.为了检验利用Rf判定早晨(北京时间8：00—9：00)边界层稳定度的合理性, 图 2计算了2013—2017年逐月的Rf分布特征.由图可见, 早晨边界层的稳定度特征具有非常明显的季节差异, 表现为秋冬季以正值为主(SBL)、春夏季以负值为主(CBL)的特点.其中, 11月、12月和1月的Rf均值最高分别为1.60、1.61、1.88, 分别有63.0%、69.6%、62.0%的廓线表现为SBL的特征.这是因为夜间地面长波辐射降温, 容易形成逆温层；而冬季早晨日出较晚, 太阳辐射很弱, 使得逆温层稳定维持, 抑制了垂直方向的湍流发展, 有利于PM2.5的累积.许建明等(2016)研究表明, 上述3个月上海的PM2.5浓度最高, 对全年总浓度贡献了36.2%.相比之下, 5—8月的Rf值全部小于0, 表现为明显的CBL结构, 这是因为夏季日出较早、太阳辐射较强, 使得地面快速升温形成自下向上的感热交换, 有利于垂直方向湍流发展从而降低近地面的PM2.5浓度.统计发现, 上述4个月上海平均PM2.5浓度较年均浓度偏低约30% (Xu et al., 2016).此外, 2月、10月基本以稳定边界层为主, SBL频数分别为49.44%、44.14%.4月、9月则以不稳定边界层为主, CBL频数分别为60.64%、67.71%.从图 2可见, 本文利用高分辨率探空资料计算Rf得到的早晨边界层稳定度的季节差异符合对中纬度城市边界层研究的结论(Liu et al., 2010; Guo et al., 2016).
图 2(Fig. 2)
 |
| 图 2 2013—2017年上海早晨总体理查逊数Rf的平均月变化 Fig. 2The mean monthly variation of bulk Richardson number in the morning during 2013 and 2017 |
在此基础上进一步计算了2013—2017年上海冬季SBL(Rf>0.25)、夏季CBL(Rf < 0)早晨两种典型边界层结构的温度、位温、风速的平均廓线, 分析上海早晨边界层的垂直结构.由图 3a和3b可见, 冬季稳定边界层在低层有明显的逆温存在, 高度约为100~200 m, 平均逆温强度为2.4 ℃/100 m.在逆温层之上有一个温度随高度变化很小的残留层(图 3b), 保持了前一天白天温度的特点.Liu等(2010)指出, 当早晨边界层存在逆温时, 边界层高度即是逆温层顶的高度.由图 3b可见, 上海冬季早晨SBL的平均高度约为100~200 m.这与水平风速廓线(图 3c)的判别结果一致, 即风速垂直梯度最大的高度范围.值得注意的是, 图 3显示的早晨稳定边界层在激光雷达的探测盲区范围内(300 m), 可见高分辨率探空资料仍然是研究冬季稳定边界层结构的有效手段.
图 3(Fig. 3)
 |
| 图 3 2013—2017年上海冬季早晨SBL的位温(a)、温度(b)、水平风速(c)平均廓线 Fig. 3The mean profiles of potential temperature(a), temperature(b) and horizontal wind speed(c) in the morning under the condition of winter stable boundary layer during 2013 and 2017 |
图 4显示了夏季早晨不稳定边界层的廓线.由图可见, 受地面加热作用, 夏季8：00边界层已经开始发展, 低层的位温随高度变化较小(图 4a), 原因是湍流混合使得位温梯度减小.但由于早晨湍流混合强度仍然较弱, 影响的高度约为400 m, 再向上位温随高度明显增加, 表现为自由大气的特征.Liu等(2010)认为对流边界层的高度可定义在夹卷层的中部.由图 4a和4b可见, 上海夏季早晨CBL的平均高度约为400~500 m.边界层内风速仍然随高度上升(图 4c), 表明8：00的湍流垂直混合并不充分.
图 4(Fig. 4)
 |
| 图 4 2013—2017年上海夏季早晨CBL的位温(a)、温度(b)、水平风速(c)平均廓线 Fig. 4The mean profiles of potential temperature(a), temperature(b) and horizontal wind speed(c) in the morning under the condition of summer convective boundary layer during 2013 and 2017 |
边界层的热力稳定度取决于下垫面的热力属性和太阳辐射强度, 由此形成了边界层结构的季节变化和日变化特点.上文利用8：00高分辨率探空资料计算Rf来判别早晨边界层的稳定度, 继而分析早晨冬季SBL、夏季CBL的风温廓线特征, 得到的结果符合文献中关于边界层季节变化和日变化的规律.上述结果表明, 利用高分辨率探空资料计算Rf可较好地表示早晨边界层的稳定特征.
3.2 早晨边界层对PM2.5峰值浓度的影响研究表明, 大部分污染物日变化的峰值出现在早晨, 以上海为例, 早晨的PM2.5浓度较日平均浓度偏高5%.由于早晨风速较小, 气溶胶二次生成很弱, 因此, 边界层的特征及变化对污染物峰值浓度具有重要影响.图 5计算了早晨PM2.5浓度随Rf的分布, Rf取值范围在-3~3之间, 设置了50个区间, 柱条表示每个Rf区间对应的PM2.5平均质量浓度.由图可见, PM2.5浓度明显随Rf的升高而上升.当Rf < 0时(CBL), PM2.5峰值浓度基本低于50 μg·m-3, 平均为42.77 μg·m-3；而当Rf>0.25后(SBL), PM2.5峰值浓度显著升高, 普遍大于60 μg·m-3, 平均为62.65 μg·m-3.即早晨的PM2.5高浓度基本发生在边界层稳定的情况下.由此可见, 早晨边界层的稳定度对PM2.5峰值浓度具有重要影响.
图 5(Fig. 5)
 |
| 图 5 2013—2017年上海早晨(7：00—9：00)PM2.5峰值浓度随Rf的分布 Fig. 5The distribution of PM2.5 mass concentration averaged between 7:00 and 9:00 (local time) with the variations of morning bulk Richardson number during 2013 and 2017 |
图 6计算了4个季节(冬季为12月—次年2月, 春季为3—5月, 夏季为6—8月, 秋季为9—11月)早晨不同PM2.5质量浓度等级对应的Rf值.由于春、夏、秋季重度污染的个例很少, 因此没有计算.由图可见, 随着PM2.5浓度等级的升高, Rf值显著增大, 说明边界层结构越稳定, 越有利于PM2.5的累积, 更加容易出现高浓度PM2.5污染, 这与图 5的结论一致.图 6a中春季轻度和中度污染时的Rf值相近, 主要是因为中度污染时西风频数较轻度污染时增加了20%, 上游输送加剧了上海本地的污染水平(Xu et al., 2015).稳定边界层和不稳定边界层对PM2.5的影响差异在春季和秋季更加明显, 优良等级的PM2.5大都出现在不稳定边界层条件下, 在春季和秋季分别占58.12%和38.44%.而污染等级的PM2.5大都发生在稳定边界层条件下, 在春、秋两季各占31.34%、53.55%.虽然夏季和冬季的边界层结构分别显著表现为不稳定和稳定的特征, 但由图 6可见, PM2.5等级越高对应的Rf值越大, 同样表明早晨边界层是否稳定对PM2.5峰值浓度具有非常显著的影响.
图 6(Fig. 6)
 |
| 图 6 2013—2017年春季(a)、夏季(b)、秋季(c)、冬季(d)早晨不同PM2.5浓度等级的Rf值分布 Fig. 6The box-plot of bulk Richardson number in the morning under four PM2.5 concentration levels in spring(a), summer(b), autumn(c) and winter(d) during 2013 and 2017 |
3.3 2013—2017年早晨Rf的变化趋势早晨人类活动最密集, 是一天中污染排放的峰值.由于边界层较低, 早晨观测的污染物浓度具有很强的局地性, 直接反映了局地排放的强度(许建明等, 2011).因此, 研究早晨边界层的变化趋势对于研判排放强度的变化具有很好的指示作用.图 7计算了2013—2017年不同时段PM2.5浓度的逐年变化, 可见每个时段的PM2.5浓度都呈现明显的下降趋势, 其中, 早晨PM2.5浓度下降幅度最大, 2017年较2013年下降了20.17 μg·m-3, 平均每年下降5.1 μg·m-3；其他时段的PM2.5浓度也都呈现下降特点, 幅度在4.5 μg·m-3左右.Lu等(2018)也发现, 从2013—2017年全国74个主要城市的PM2.5平均浓度下降了40%.
图 7(Fig. 7)
 |
| 图 7 2013—2017年不同时段(逐3 h)PM2.5浓度的变率 Fig. 7The annual variation of mean PM2.5 mass concentration during different time period from 2013 to 2017 |
由于早晨污染物主要受排放和边界层的影响, 图 8计算了2013—2017年4个季节Rf的变化趋势.在春季和冬季, 早晨边界层的稳定度呈现波动上升的趋势, 其中, 2016和2017年的上升幅度比较明显.以春季为例, 2013—2015年Rf值的75分位数基本小于0, 以不稳定边界层为主；而2016和2017年的Rf值明显上升, 75分位数分别为0.51、0.66, 呈现稳定边界层的特点.冬季的变化特征与春季类似, 2016和2017年Rf值的中位数分别为1.16、0.63；75分位数分别为5.23、4.59, 较2013—2015年明显增大, 表明冬季早晨边界层的稳定度趋于增强.相比之下, 夏季和秋季的边界层稳定度变化很小.本研究进一步计算了4个季节早晨SBL的日数(图 9).与图 8的结果相似, 2016、2017年春季的SBL频数较2013—2015年同期分别偏多12.5%、17.0%, 冬季分别偏多10.8%、9.0%, 而2016、2017年春季的的PM2.5浓度却分别下降11.00%、23.00%, 冬季分别下降27.94%、34.38%(图 10).上述结果表明, 2016、2017年春、冬季早晨的边界层趋于更加稳定, 更加不利于污染物的扩散, 但PM2.5浓度却显著下降, 这显然是排放强度降低的结果.图 10进一步对比了春、冬两季稳定边界层条件下的PM2.5浓度, 发现2016、2017年同样明显下降.其中, 2016、2017年春季较2013—2015年同期分别下降了25.80、29.00 μg·m-3, 冬季分别下降了35.81、38.38 μg·m-3.即使排除污染异常的2013年, 与2014—2015年相比, 春季分别下降了24.2、14.2 μg·m-3, 冬季分别下降了34.2和23.6 μg·m-3, 进一步证实了早晨排放强度明显降低的结论.
图 8(Fig. 8)
 |
| 图 8 2013—2017年春季(a)、夏季(b)、秋季(c)、冬季(d)早晨Rf值的逐年变化 Fig. 8The box-plot of the morning bulk Richardson number in spring(a), summer (b), autumn(c) and winter(d) from 2013 to 2017 |
图 9(Fig. 9)
 |
| 图 9 2013—2017年春季(a)、夏季(b)、秋季(c)、冬季(d)早晨稳定边界层频数的逐年变化 Fig. 9The annual variation of the morning SBL frequency in spring(a), summer(b), autumn (c) and winter(d) from 2013 to 2017 |
图 10(Fig. 10)
 |
| 图 10 2013—2017年春季(a)和冬季(b)SBL下的PM2.5浓度年变化 Fig. 10The annual variation of mean PM2.5 mass concentration in the morning in spring(a) and winter(b) under the condition of SBL during 2013 and 2017 |
4 结论(Conclusions)1) 通过计算Rf发现, 早晨边界层的稳定度具有明显的季节差异, 其中, 11月、12月和1月分别有63%、69.6%、62.0%的廓线表现为稳定边界层结构, 而5—8月则表现为显著的不稳定边界层结构(CBL).此外, 2月、10月基本以稳定边界层为主, 而4月、9月则以不稳定边界层为主.上述季节差异表明Rf能够合理反映上海早晨边界层的稳定特征.
2) 通过分析风温廓线发现, 冬季稳定边界层在低层有明显的逆温存在, 高度约为100~200 m, 平均逆温强度为2.4 ℃/100 m.而夏季早晨的不稳定边界层可发展至400~500 m, 但边界层内风速仍然随高度上升, 表明早晨湍流垂直混合并不充分.
3) 早晨边界层的稳定度对PM2.5峰值浓度具有重要影响.PM2.5浓度明显随Rf的升高而上升.SBL条件下的PM2.5浓度较CBL偏高约20 μg·m-3.而且随着PM2.5浓度等级的升高, 对应的Rf值显著增大, 说明边界层结构越稳定, 更加容易促发高浓度PM2.5污染.
4) 2013—2017年上海早晨的Rf呈波动上升的趋势, 在春季和冬季更加明显. 2016、2017年春季的SBL频数较2013—2015年同期分别偏多12.5%、17.0%, 冬季分别偏多10.8%、9.0%, 而2016、2017年春季的PM2.5浓度却分别下降11.00%、23.00%, 冬季分别下降27.94%、34.38%.表明2016、2017年春冬季早晨的边界层趋于更加稳定, 更加不利于污染物的扩散, 但PM2.5浓度却显著下降, 这显然是排放强度降低的结果.
参考文献
| 程兴宏, 徐祥德, 丁国安, 等. 2009. MM5/WRF气象场模拟差异对CMAQ空气质量预报效果的影响[J]. 环境科学研究, 22(12): 1411-1419. |
| Collaud M, Praz C, Haefele A, et al. 2014. Determination and climatology of the planetary boundary layer height above the Swiss Plateau by in Situ and remote sensing measurements as well as by the Cosmo-2 Model[J]. Atmospheric Chemistry and Physics, 14: 13205-13221. |
| Garratt J. 1992. AnIntroduction to Boundary Layer Meteorology[M]. Cambridge: Cambridge University Press. |
| 桂海林, 江琪, 康志明, 等. 2019. 2016年冬季北京地区一次重污染天气过程边界层特征[J]. 中国环境科学, 39(7): 2739-2747. |
| Guo J, Miao Y, Zhang Y, et al. 2016. The climatology of planetary boundary layer height in China derived from radiosonde and reanalysis data[J]. Atmospheric Chemistry and Physics, 16: 13309-13319. |
| Guo J, Li Y, Cohen J, et al. 2019. Shift in the temporal trend of boundary layer height in china using long-term (1979-2016) radiosonde data[J]. Geophysical Research Letters, 46: 6080-6089. |
| 贺园园, 胡非, 刘郁钰, 等. 2019. 北京地区一次PM2.5重污染过程的边界层特征分析[J]. 气候与环境研究, 24(1): 61-72. |
| Hennemuth B, Lammert A. 2005. Determination of the atmospheric boundary layer height from radiosonde and lidar backscatter[J]. Boundary-Layer Meteorology, 120: 181-200. |
| Konor C, Boezio G, Mechoso R, et al. 2009. Parameterization of PBL processes in an atmospheric general circulation model:Description and preliminary assessment[J]. Monthly Weather Review, 137(3): 1061-1082. |
| 李霞, 权建农, 王飞, 等. 2018. 激光雷达反演边界层高度方法评估及其在北京的应用[J]. 大气科学, 42(2): 435-446. |
| Liu S, Liang X. 2010. Observed diurnal cycle climatology of planetary boundary layer height[J]. Journal of Climate, 23: 5790-5809. |
| 刘超, 花丛, 张恒的, 等. 2017. L波段探空雷达秒数据在污染天气边界层分析中的应用[J]. 气象, 43(5): 591-597. |
| Lu X, Hong J, Zhang L, et al. 2018. Severe surface ozone pollution in China:A global perspective[J]. Environmental Science & Technology Letters, 5: 487-494. |
| 陆正奇, 韩永翔, 夏俊荣, 等. 2018. WRF模式对污染天气下边界层高度的模拟研究[J]. 中国环境科学, 38(3): 822-829. |
| Marsik F, Fischer K, McDonald T, et al. 1995. Comparison of methods for estimating mixing height used during the 1992 Atlanta Field Intensive[J]. Journal of Applied Meteorology, 34: 1802-1814. |
| Pan L, Xu J, Tie X, et al. 2019. Long-term measurements of planetary boundary layer height and interactions with PM2.5 in Shanghai, China[J]. Atmospheric Pollution Research, 10: 989-996. DOI:10.1016/j.apr.2019.01.007 |
| Seibert P, Beyrich S, Gryning S, et al. 2000. Review and intercomparison of operational methods for the determination of the mixing height[J]. AtmosphericEnvironmental, 34: 1001-1027. |
| Seidel D, Zhang Y, BeljaarsA, et al. 2012. Climatology of the planetary boundary layer over the continental United States and Europe[J]. Journal of Geophysical Research:Atmospheres, 117(D17). DOI:10.1029/2012JD018143 |
| 石春娥, 张浩, 弓中强, 等. 2017. 2013-2015年合肥市PM2.5重污染特征研究[J]. 气象学报, 75(4): 632-644. |
| 宋烺, 邓涛, 吴兑, 等. 2019. 广州地区典型灰霾过程及不同天气类型下边界层高度研究[J]. 环境科学学报, 39(5): 1381-1391. |
| Stull R. 1988. An introduction to Boundary Layer Meteorology[M]. Dordretch: Kluwer Academic Publishers. |
| Tie X, Zhang Q, He H, et al. 2015. A budget analysis of the formation of haze in Beijing[J]. Atmospheric Environment, 100: 25-36. |
| 王成刚, 沈滢洁, 罗峰, 等. 2017. 晴天及阴天条件下WRF模式中几种边界层参数化方案的对比分析研究[J]. 地球物理学报, 60(3): 924-934. |
| 王存贵, 初奕琦, 檀望舒, 等. 2018. 结合激光雷达和探空资料研究青藏高原地区混合层高度特征[J]. 大气科学, 42(5): 174-186. |
| 王咏薇, 伍见军, 杜钦, 等. 2013. 不同城市冠层参数化方案对重庆高密度建筑物环境的数值模拟研究[J]. 气象学报, 71(6): 1130-1145. |
| Wiegner M, Emeis S, Freudenthaler V, et al. 2006. Mixing layer height over Munich, Germany:Variability and comparisons of different methodologies[J]. Journal of Geophysical Research:Atmospheres, 111(D13). DOI:10.1029/2005JD006593 |
| 许建明, 耿福海, 甄灿明, 等. 2010. 上海浦东地区气溶胶散射系数及影响因子[J]. 环境科学学报, 30(1): 213-218. |
| Xu J, Chang L, Qu Y, et al. 2016. The meteorological modulation on PM2.5interannual oscillation during 2013 to 2015 in Shanghai, China[J]. Science of the Total Environment, 572: 1138-1149. DOI:10.1016/j.scitotenv.2016.08.024 |
| 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, 36(12): 22-33. |
| 姚青, 刘敬乐, 蔡子颖, 等. 2018. 天津大气稳定度和逆温特征对PM2.5污染的影响[J]. 中国环境科学, 38(8): 2865-2872. |
| 张静, 刘端阳, 钱映月, 等. 2018. 一次持续性雾霾天气的边界层结构特征[J]. 干旱气象, 36(3): 483-491. |
| 张敏, 蔡子颖, 韩素芹, 等. 2018. 天津污染天气边界层温度层结变化特征及预报阈值确定[J]. 环境科学学报, 38(6): 2270-2278. |
| 张鑫, 蔡旭晖, 柴发合. 2006. 北京时秋季大气边界层结构与特征分析[J]. 北京大学学报(自然科学版), 42(2): 220-225. |
| 赵鸣. 2006. 大气边界层动力学[M]. 北京: 高等教育出版社. |
| Zhou G, Xu J, Xie Y, et al. 2018. Numerical air quality forecasting over eastern China:An operational application of WRF-Chem[J]. Atmospheric Environment, 153: 94-108. |
