21世紀以來天津細顆粒物氣象擴散能力趨勢分析

蔡子穎,姚 青,韓素芹,邱曉濱,張 敏(.天津市環境氣象中心,天津 300074；.天津市氣象科學研究所,天津 300074)

21世紀以來天津細顆粒物氣象擴散能力趨勢分析

蔡子穎1,2*,姚 青1,韓素芹2,邱曉濱2,張 敏1(1.天津市環境氣象中心,天津 300074；2.天津市氣象科學研究所,天津 300074)

基于高精度的排放源和大氣化學模式WRF/chem,在同排放源條件下模擬了2000～2015年天津地區PM2.5質量濃度,根據NECP再分析資料和地面觀測相關數據構建細顆粒物氣象擴散指數,使用兩種方法描述21世紀以來天津地區細顆粒物氣象擴散能力變化趨勢.研究結果表明：2000～2015年期間天津地區細顆粒氣象擴散能力呈現周期性波動,不利氣象條件的第一個峰值出現在2003～2004年,第二個峰值為2013～2015年,兩個峰值相距11年,在2000～2015年間,天津地區氣象擴散能力(主要針對PM2.5影響)年際平均波動4.1%,最大值約為9%,對于大氣污染防治目標制定和效果評估,必須考慮氣象年際波動的影響;2008～2010年氣象條件較有利于細顆粒物擴散,此后逐年轉差,在2013～2015年處于歷史正距平(不利擴散),從而導致2013～2015年霧霾和重污染天氣頻發;2015年相比2013年天津細顆粒物氣象擴散能力沒有明顯提高,但PM2.5質量濃度下降29%,大氣污染防治措施的有效執行在其中發揮積極作用.

WRF/CHEM；細顆粒物氣象擴散能力；天津

近年來,空氣污染日益嚴重及霾、沙塵天氣頻繁出現,已嚴重影響到人民群眾的健康.國務院于2013年9月10日公布《大氣污染防治行動計劃》,力爭逐步消除重污染天氣,全國空氣質量明顯改善. 2017年將是《大氣污染防治行動計劃》階段性考核年,北京計劃將 PM2.5質量濃度控制在 60μg/m3,天津計劃 PM2.5質量濃度比2012年降低25%,河北省計劃PM2.5質量比2013年降低不低于30%,考核目標實現不僅需要有效大氣污染防治措施的執行,也需要考慮氣象條件的影響.氣象條件對于大氣污染的影響是多方面且重要的,如Mu等[1]研究顯示2013年霧霾天氣逐日演變的方差有超過 2/3可以由氣象因子解釋.對于天氣尺度的過程的而言,其氣象分析往往從天氣形勢[2-5]、要素分析和數值模擬入手;對于月際尺度的分析,環流形勢的描述是重要的手段[6-8];關于長序列或者年際氣象擴散條件的描述,文獻顯示一般可以使用以下幾種方式,一是單要素氣象條件的分析,如降水、風、溫度和濕度[9-11];二是環流形勢分析和氣候條件的分析[12-15],比如地面環流形勢,經向環流指數和緯向環流指數;三是綜合氣象指數的分析[16-17],典型的有 PLAM 指數,大氣環境容量等;四是一些氣候模式的模擬.近年,隨著中尺度大氣化學模式的發展,其模擬的準確性不斷提升,對于 PM2.5在大氣中擴散、稀釋和反應描述能力不斷增加,其模擬性能相比氣候模式嵌套污染模型明顯優越,但受限于計算能力,通過中尺度大氣化學模式實現長序列的污染氣象條件趨勢評估卻鮮見報導.本文基于天津中尺度大氣化學模式,充分利用天河超算中心的計算資源(歷時近3000h模擬),采用同排放源不同氣象條件的設計,計算2000～2015年天津地區逐時 PM2.5質量濃度,并采用權重系數的方式,計算細顆粒物氣象擴散指數,以兩種方法評估 21世紀以來天津地區細顆粒物氣象擴散能力的變化趨勢,分析其周期和波動強度,以期進一步開展天津地區氣象因素對大氣環境影響的研究,解釋氣象對于近年空氣質量變化的影響,從而在大氣污染防治目標制定和效果評估中發揮氣象積極作用.

1 資料與方法

1.1 監測數據

使用的監測數據包括兩部分,一是用于模式檢驗的空氣質量監測數據,來自天津城市邊界層觀測站(39.04°N,117.12°E)和天津市環保局發布的空氣質量監測數據;二是用于計算細顆粒物氣象擴散指數的數據,主要來自NECP再分析資料和天津氣象局地面監測數據,其中混合層厚度來自WRF/chem模式模擬輸出.

1.2 模式設置

WRF/chem模式[18]是NCAR和NOAA聯合一些大學和研發機構開發的中尺度在線大氣化學模式，其在全球空氣質量預報和模擬中有廣泛的運用.本文采用 WRF/ chem3.5.1版本,氣相化學過程采用 CBMZ機制,氣溶膠過程采用MOSAIC模型,積云對流方案采用 GRELL-3D,微物理過程采用WSM5,長波輻射方案和短波輻射方案均采用 RRTMG,考慮氣溶膠直接輻射反饋,邊界層方案使用 YSU方案,模式水平分辨率15km,水平網格 121×121,中心經緯度為 39N°, 117E°,垂直方向分為41層.模式的人為排放源使用清華大學 MEIC排放源清單,分辨率 0.25°× 0.25°,在天津地區使用 28個空氣質量監測站實況數據和相關排放源統計信息進行時空的細化,氣象初始場和背景場均使用NECP的FNL全球1°×1°數據,模擬時間為2000年1月1日～2015年12月31日,模擬采用24h滾動計算,每24h重新使用一次NECP的FNL氣象初始場,而污染初始場則為上一次的模擬值.

1.3 細顆粒物氣象擴散指數計算

由于單要素的氣象數據并不能反映氣象條件對大氣污染物擴散的影響,本文構建綜合細顆粒物氣象擴散指數,其具體方法如下：以 2014～2015年數據為建模和檢驗樣本,選取與PM2.5質量濃度相關性較好的10項氣象指標,包括地面風速、相對濕度、海平面氣壓、變壓、變溫、925hPa垂直風速、700hPa風速、1000hPaV分量風速、700hPa到地面的位溫度差和混合層厚度.根據其各自變量的分布將其劃分為10等份,計算每一等份對應的 PM2.5質量濃度,并求取其與2014～2015年平均PM2.5質量濃度的比值,定為該氣象指標對應分布段權重系數.如風速,根據風速出現的概率,將其劃分為 0～0.5m/s、0.5～1m/s、1～1.5m/s、1.5～2m/s、2～2.5m/s、2.5～3m/s、3～4m/s、4～4.5m/s、4.5～5.5m/s和5.5m/s以上,當風速小于等于 0.5m/s時,其對應的 PM2.5質量濃度為133μg/m3, 2014～2015年 PM2.5質量濃度均值 78μg/m3,其權重系數為兩者比,即 1.7,風速大于等于 5.5m/s,其平均濃度為 33μg/m3,初步確定其權重系數為0.43,依次類推對10項氣象指標分別計算,以求和構建細顆粒物氣象擴散指數,表征天津地區細顆粒物氣象擴散能力.在此基礎上以達到細顆粒物氣象擴散指數和PM2.5質量濃度的相關系數最大為目標,編輯程序再次反復微調權重系數,進行適當的放大和縮小,最終確定權重系數表1.以2014～2015年為例,兩者日值相關系數在0.62左右,具體權重表見表1.

表1 天津地區細顆粒物擴散指數權重系數表Table 1 The weight coefficient of the fine particulate meteorological diffusion index in Tianjin

2 結果與討論

2.1 方法的檢驗與統計

方法一：采用大氣化學模式,假定年際排放源固定(有月變化和日間變化),模擬天津地區PM2.5質量濃度.由表2顯示模式模擬的天津地區PM2.5質量濃度趨勢與觀測基本一致(相關系數0.61～0.78),年均值和相對誤差與近年觀測的結果基本接近(2015年模擬值 72.95μg/m3,實況值 71.56μg/m3,相對誤差 32%),可以基本反映出天津地區 PM2.5質量濃度變化趨勢和規律.同時由于模擬結果的可信,在年際排放源固定的基礎上,可以認為其模擬 PM2.5質量濃度的年際波動代表天津地區細顆粒物氣象擴散能力變化趨勢.方法二：以地面風速、相對濕度、海平面氣壓、變壓、變溫、925hPa垂直風速、700hPa風速、1000hPaV分量風速、700hPa到地面的位溫度差和混合層厚度10項氣象指標構建細顆粒物氣象擴散指數.由圖 1顯示其與近年天津地區 PM2.5觀測日變化趨勢基本一致,相關系數可達到0.62,由此認為10項氣象要素構建的細顆粒物氣象擴散指數年際統計值反映天津地區細顆粒物氣象擴散能力變化趨勢.計算2008～2015年上述兩種方法的月均值,由圖 2顯示,兩種方法相互印證,其相關系數可以達到 0.83,由此表明方法一和方法二均可以很好的表征天津地區長序列細顆粒物氣象擴散能力年際變化特征.

表2 天津地區PM2.5質量濃度模擬的實況檢驗Table 2 Test of PM2.5mass concentration simulation in Tianjin

圖1 2014～2015年細顆粒物氣象擴散指數和實況PM2.5日均質量濃度的關系Fig.1 The relationship between the PM2.5mass concentration and the fine particulate meteorological diffusion index

2.2 同排放源不同氣象條件模擬 PM2.5趨勢分析

假定年際排放源固定(有月變化和日間變化),基于大氣化學模式模擬天津地區 2000～2015年 PM2.5質量濃度.由于排放源相對固定,其變化主要由氣象因素引起,定義 2000～2015年 PM2.5質量濃度均值為基準,單年模擬相比基準值的變化體現細顆粒物氣象擴散能力演變.統計顯示由于氣象因素的年際波動引起PM2.5質量濃度年際平均距平(距基本)波動為 4.1%,最大波動為 9%; 2000～2015年期間由于氣象條件引起的PM2.5年均質量濃度正距平波動有2個峰值,第1個峰值為2003～2004年,分別為8.9%和7.2%,第2個峰值為2013～2015年,其中2015年正距平6.4%;負距平波動峰值為2008～2009年,其中2009年約為6.3%,2008年約為5.6%.

圖2 2008～2015年細顆粒物氣象擴散指數和同排放源不同氣象條件PM2.5月均質量濃度的關系Fig.2 The relationship between the PM2.5mass concentration by numerical simulation and fine particulate meteorological diffusion index

圖3 同排放源不同氣象條件天津地區PM2.5質量濃度Fig.3 The model Value of PM2.5mass concentration on different meteorological conditions with same emission source in Tianjin

圖4 2009～2015年1月、2月份同排放源PM2.5模擬距平與實況值距平比對Fig.4 Between of PM2.5simulation with the same emission source and observation

圖3顯示同排放源不同氣象條件2000～2015年天津地區 PM2.5質量濃度變化趨勢.天津地區由于氣象因素引起的PM2.5年均質量濃度變化趨勢并不是線性的,而是具有一定波動性.在 2000～2015年呈現兩峰一谷的分布,兩峰之間大約有11～12年,2008～2010年是歷史谷值階段,即氣象條件相對有利于PM2.5的擴散,從2010年開始細顆粒物擴散能力逐年轉差,2013年相比 2012年間出現一個躍遷,同排放源不同氣象條件模擬顯示PM2.5質量濃度增加 4.9%.2013～2015年整體氣象條件均不利于細顆粒物擴散,同排放源不同氣象條件模擬,PM2.5質量濃度比2000～2015年平均值增加4.3%,比2008～2010年增加10.5%. 2013年相對前幾年霧霾和重污染天氣頻發,不僅與人為排放源持續增加相關,氣象因素轉為不利于細顆粒物擴散也是其重要影響因素.從同排放源不同氣象條件模擬顯示,2015年相比 2013年氣象條件更為不利于細顆粒物擴散,但天津地區PM2.5質量濃度卻下降了 29%,大氣污染防治在其中起到了積極主要的作用.基于天津 2009～2015年 PM2.5質量濃度監測數據,顯示在幾個比較明顯的霧霾和重污染頻發月中氣象因素的貢獻突出(圖4).如2013年1月同排放源不同氣象條件模擬PM2.5質量濃度比2009～2015年同期均值增加20%,2011年2月同排放源不同氣象條件模擬PM2.5質量濃度比2009～2015年同期均值增加12%.但可喜的是2014年和2015年,雖然也出現了一些極端不利于細顆粒物擴散的月份,但相對歷史情況,PM2.5質量月均濃度雖然出現正距平,但與氣象條件轉差引起的波動相比,實況監測PM2.5質量濃度上升明顯收窄,如2014年2月同排放源不同氣象條件模擬 PM2.5質量濃度比2009～2015年同期均值增加 22%,但實況 PM2.5質量濃度僅增加8.7%.與此同時也不能過分夸大大氣污染防治效果,比如2016年1～6月份,天津PM2.5質量由2015年72μg/m3下降到62.5μg/m3,其中除了大氣污染防治的作用,氣象條件大幅度的轉向有利于細顆粒物擴散也發揮積極作用.同排放源不同氣象條件模擬 PM2.5質量濃度 2016年上半年比2015年同期下降16%,而隨后第三季度氣象條件對細顆粒擴散作用的轉向以及PM2.5監測實況同比去年同期的上升,也體現出氣象條件對空氣質量是否改善的影響顯著.因此,大氣污染防治目標的制定必須考慮氣象條件的變化,數值模擬顯示年平均氣象波動可引起約 4.1%的PM2.5質量濃度年均值波動,而從極值考慮上,部分年份可能會達到9%～10%.從周期上看2～3年的平滑,無法消除氣象對細顆粒物擴散的周期波動影響,其周期年份可能在11～12年.

2.3 細顆粒物氣象擴散指數的趨勢分析

為印證同排放源不同氣象條件模擬得出的天津地區細顆粒物氣象擴散能力變化趨勢的可信性.計算2008～2015年天津地區細顆粒物氣象擴散指數變化趨勢.圖 5顯示與同排放源不同氣象條件數值模擬類似,在2008～2010年細顆粒物氣象擴散指數為負距平,2013～2015年為正距平, 2013～2015年氣象擴散相比2008～2010年要更加不利于細顆粒物的擴散,從而導致上述年份霧霾天氣和重污染天氣的頻發,在2015到2013年期間,天津地區細顆粒物擴散能力也未見明顯好轉,天津地區 PM2.5質量濃度的下降,主要是有效大氣污染防治措施的貢獻.

圖5 2008～2015年天津地區細顆粒物氣象擴散指數變化趨勢Fig.5 The change of fine particulate meteorological diffusion index from 2008 to 2015

2.4 細顆粒氣溶膠擴散能力氣候預測方法討論

21世紀以來天津細顆粒物氣象擴散能力呈現兩峰(不利)一谷(有利)的格局,2015年是否已經達到第2峰的峰值,仍然無法準確判斷.過去對于氣候的預測,主要集中在氣溫、降水的預測,關于細顆粒物氣象擴散能力預測仍然處于初始研究階段.但實際業務中大氣污染防治目標制定和措施準備,對氣候尺度細顆粒物氣象擴散能力預測有很強的需求.假定2000～2015年同排放源不同氣象條件得出的天津細顆粒物氣象擴散能力趨勢是可信的,分析其與氣溫和環流指數的相關性,從而初步探討秋冬季細顆粒物氣象擴散能力氣候預測的方式和方法.本文秋冬季定義為每年的10月到次年的2月.表3顯示,天津秋冬季細顆粒物氣象擴散能力對于風、溫、濕和海平面氣壓4個指標中濕度最為敏感,相關系數為 0.62,這其中有多方面因素影響,一是氣溶膠吸濕增長效應伴隨的二次反應,最終導致 PM2.5增加;二是當相對濕度較高時,有利于氣溶膠吸濕增加;三是水汽和 PM2.5均為物質,其在大氣中傳輸、擴散,以及湍流和風場對其的影響與PM2.5的物質輸送、擴散和稀釋有相似之處.在業務預測中,由于缺少必要的研究,常考慮用暖冬和冷冬表述細顆粒物氣象擴散能力,簡單認為氣溫偏高時,細顆粒物氣象擴散能力較差,氣溫偏低時,細顆粒物氣象擴散能力較好.實際統計數據表明天津秋冬季氣溫和細顆粒物氣象擴散能力僅呈現弱的正相關,相關系數為 0.22,當氣溫正負距平小于 1℃時,秋冬季細顆粒物氣象擴散能力沒有顯著變化,氣溫正距平大于1℃時,對應的秋冬季PM2.5質量濃度往往會顯著高于平均值,即暖冬(氣溫距平大于1℃)霧霾和重污染天氣往往頻發,但冷冬并不意味著細顆粒物氣象擴散能力較好.從相關系數考慮,除了相對濕度以外,風、溫和海平面氣壓的變化適用于天氣尺度的污染過程分析,但在氣候預測中,預報效果均不佳.遴選74項環流指數[19],至少有15項指數的預報指示性好于基于氣溫、海平面氣壓和風距平開展秋冬季細顆粒物氣象擴散能力氣候預測,其中相關系數超過0.45的有5項,分別為東太平洋副高脊線,東太平洋副高北界,北半球極渦中心強度,亞洲經向環流指數和北半球極渦強度指數,其中除北半球極渦強度指數為正相關,其余均為負相關,至于其中存在的物理關系,還需要進一步研究(表3).

表3 天津秋冬季細顆粒物氣象擴散能力(同排放源不同氣象條件計算)與環流指數關系Table 3 The relationship between pollution meteorological conditions and circulation index on winter in Tianjin

續表3

3 結論

3.1 基于同排放源不同氣象條件模擬和細顆粒物氣象擴散指數,均顯示2008～2010年氣象條件較有利于細顆粒物擴散,2012年前后轉差,在2013年出現躍變,2013～2015年氣象條件不利于細顆粒物氣象擴散,從而導致2013～2015年期間霧霾和重污染天氣頻發.

3.2 同排放源不同氣象條件模擬顯示,2000～2015年細顆粒物氣象擴散能力呈現周期性波動,2個峰值相距11～12年,對于PM2.5擴散能力,其年際波動約為4.1%,最大波動在9%左右.在大氣污染防治目標制定和效果評估中,必須考慮氣象年際波動的影響,且2～3年的平均值并不能消除氣象周期波動的影響.

3.3 2015年相比2013年天津地區氣象擴散沒有明顯轉向有利于細顆粒物氣象擴散,天津地區PM2.5質量濃度下降,有效的大氣污染防治措施實施起到了主要積極作用.

[1]Mu M, Zhang R H. Addressing the issue of fog and haze： A promising perspective from meteorological science and technology [J]. Science China Earth Sciences, 2014,57(1)：1-2.

[2]趙子菁,魏永杰,張祥志,等.南京市霾天氣與主要氣象條件的相關分析 [J]. 中國環境科學, 2015,35(12)：3570-3580.

[3]王明潔,張 蕾,張琳琳,等.基于精細觀測資料的深圳不同季節霾及其污染特征分析 [J]. 中國環境科學, 2015,35(12)：3562-3569.

[4]王占山,李云婷,孫 峰,等.2014年10月上旬北京市大氣重污染分析 [J]. 中國環境科學, 2015,35(6)：1654-1663.

[5]Wang Y S, Yao L, Wang L L, et al. Mechanism for the formation of the January 2013 heavy haze pollution episode over central and eastern China [J]. Science China Earth Sciences, 2014,57(1)：14-25.

[6]李 明,花 叢,馬學款.2015年12月大氣環流和天氣分析 [J].氣象, 2016,42(3)：382-388.

[7]楊正龍,高拴柱.2015年 10月大氣環流和天氣分析 [J]. 氣象, 2016,42(1)：122-128.

[8]Zhang R H, Li Q, Zhang R N. Meteorological conditions for the persistent severe fog and haze event over eastern China in January 2013 [J]. 中國科學：地球科學, 2014,57(1)：26-35.

[9]Gao M, Carmichael G R, Saide P E, et al. Response of winter fine particulate matter concentrations to emission and meteorology changes in North China [J]. Atmospheric Chemistry & Physics, 2016,16(18)：11837-11851.

[10]周兆媛,張時煌,高慶先.等.京津冀地區氣象要素對空氣質量的影響及未來變化趨勢分析 [J]. 2014,36(1)：191-199.

[11]Ding Y H, Liu Y J. Analysis of long-term variations of fog and haze in China in recent 50years and their relations with atmospheric humidity [J]. 中國科學：地球科學, 2014,57(1)：36-46.

[12]Wang H J, Chen H P. Understanding the recent trend of haze pollution in eastern China： roles of climate change [J]. Atmospheric Chemistry & Physics, 2016,16(6)：1-18.

[13]Zhang Z, Zhang X, Gong D, et al. Possible influence of atmospheric circulations on winter haze pollution in the Beijing-Tianjin-Hebei region, northern China [J]. Atmospheric Chemistry & Physics, 2016,15(16)：561—571.

[14]俞科愛,胡 曉,黃旋旋,等.寧波區域霾過程的天氣分型及環流場特征 [J]. 氣象, 2015,41(12)：1514-1524.

[15]陳 龍,智協飛,覃 軍,等.影響武漢市空氣污染的地面環流形勢及其與污染物濃度的關系 [J]. 氣象, 2016,42(7)：819-826.

[16]Yang Y, Wang J, Gong S, et al. PLAM - a meteorological pollution index for air quality and its applications in fog-haze forecasts in north China [J]. Atmospheric Chemistry & Physics, 2016,15(6)：1353—1364,

[17]薛文博,付 飛,王金南,等.基于全國城市PM2.5達標約束的大氣環境容量模擬 [J]. 中國環境科學, 2014,34(10)：2490-2496.

[18]趙秀娟,徐 敬,張自銀,等.北京區域環境氣象數值預報系統及PM2.5預報檢驗.應用氣象學報, 2016,27(2)：160-172.

[19]姚 才,錢維宏,林振敏,等.華南季風降水應對的環流指數 [J].應用氣象學報, 2011,22(3)：302-311.

The trends of fine particulate meteorological diffusivity in Tianjin form 21th.

CAI Zi-ying1,2, YAO Qing1, HANSu-qin2, Qiu Xiao-bin2, ZHANG Min1(1.Tianjin Environmental Meteorological Center, Tianjin 300074, China；2.Tianjin Institute of Meteorology, Tianjin 300074, China). China Environmental Science, 2017,37(6)：2040～2046

Two method was used to analysis the trend of meteorological diffusivity for fine particulate in Tianjin since 2000. One is simulating PM2.5mass concentration by WRF/chem in Tianjin from 2000 to 2015 with same high precision emission. The other is analyzing a fine particulate meteorological diffusion index constructing from NCEP data and ground observation. There is an obviously periodic fluctuation of meteorological diffusivity for fine particulate from 2000 to 2015. There are two peak of low meteorology diffusivity. The first one is from 2003 to 2004 and another is from 2013 to 2015. There are 11 years interval between the two peaks. The inter annual variability for meteorological diffusivity of fine particulate has a averaged 4.1% value and max 9%value. The inter annual variability must be considered for atmospheric pollution control and evaluation. The good meteorological diffusivity for fine particulate is from 2008 to 2010. After that, the meteorological diffusivity get worse year by year and reach peak value from 2013 to 2015 which causing the frequently haze and heavy pollution weather. Comparing with 2013, the observed PM2.5mass concentration decreased 29% on 2015 with same meteorological diffusivity. It implies that the atmospheric pollution control method worked effectively. comprehensive meteorological diffusion function, described the change tendency of the 21st century polluted meteorological conditions. The result showed: The polluted meteorological conditions Showed the cycle fluctuation form 2000 to 2015, the first peak of adverse weather conditions was 2003～2004, the second peak of adverse weather conditions was 2013～2015, the apart of two peaks was 11 years. Inter annual fluctuation of The polluted meteorological conditions (mainly for PM2.5) was about 4.1%, the maximum was about 9%, The goal and effect of atmospheric pollution control was set, meteorological cycle fluctuations must be considered. Polluted meteorological conditions was conducive to atmospheric pollutants diffusion from 2008 to 2010, then turn worse year by year, which led to haze and heavy pollution weather frequent form 2013～2015. Compared to 2013, Tianjin pollution meteorological was not turned for the better on 2015, but PM2.5dropped 29%. Atmospheric pollution control was effective on Tianjin.

WRF/CHEM；fine particulate meteorological diffusion index；Tianjin

X131.1,X515

A

1000-6923(2017)06-2040-07

蔡子穎(1984-),男,江蘇揚州人,高級工程師,南京信息工程大學碩士研究生,主要從事大氣環境和氣候效應研究.發表論文10篇.

2016-10-25

環保公益行業專項(201409001);國家科技支撐計劃(2014BAC23B01);天津市氣象局課題(201704ybxm04)

* 責任作者, 高級工程師, 120078030@163.com