天津大氣穩定度和逆溫特征對PM2.5污染的影響

姚 青,劉敬樂,蔡子穎,韓素芹,馬志強

?

天津大氣穩定度和逆溫特征對PM2.5污染的影響

姚 青1*,劉敬樂2,蔡子穎1,韓素芹2,馬志強3

(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；3.京津冀環境氣象預報預警中心,北京 100089)

利用氣象鐵塔資料分析了逆溫頻率和強度,采用溫差-風速法計算了天津地區大氣穩定度,探討了其相互關系及對PM2.5濃度月均值和超標日的影響,并對一次重污染過程中大氣穩定度和逆溫分布特征進行了分析.結果表明, 2015年9月~2017年8月A,B,C,D,E和F類大氣穩定度發生頻率依次為6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,秋冬季節穩定類天氣(E,F類)較多,全年白天各時段均以不穩定類大氣為主,夜間大氣穩定度以中性為主,秋冬季夜間穩定類高達30%~40%.觀測期內冬季逆溫頻率最高, 5:00~8:00和21:00~23:00超過90%,冬季逆溫強度也最高.隨著穩定類大氣層結日數的增多,PM2.5月均值和污染日數均有所增大,同時逐月PM2.5均值、污染日發生頻率均與逆溫發生頻率呈正相關關系.2016年12月16~21日的一次重污染天氣過程顯示,PM2.5受到大氣穩定度和逆溫發展的影響,霾形成、霧-霾交替和消散等階段大氣穩定度和逆溫特征具有顯著的不同.大氣持續趨于穩定及逆溫強度的逐漸增大,對污染生成和維持起了非常重要的作用,污染過程中大氣穩定度和逆溫特征的精細化分析有助于提升重污染天氣預報預警水平.

大氣穩定度；逆溫；重污染；PM2.5；天津

近年來伴隨著工業和城市交通快速發展,大量化石能源消耗,京津冀、長三角、珠三角等城市群呈現區域性復合型大氣污染特征,突出表現為秋冬季節中東部地區霧霾天氣頻發,尤其是京津冀地區,由于受山地、渤海等特殊地形和特大城市群構成的復雜下墊面影響,區域和局地氣象條件、近地層環流特征特別是邊界層結構具有獨特性,造成了污染物在邊界層內的局地擴散以及區域輸送的變化規律呈現復雜多變態勢.大量研究[1-5]表明,京津冀區域重污染天氣常伴有大氣靜穩天氣,較強的逆溫層,以及較強的近地層水汽輸送,此類不利氣象條件易導致污染物的累積,從而形成重污染過程,并突出性的表現為持續霧霾天氣.氣象條件是造成2013年初我國中東部地區持續嚴重霧霾天氣的重要外因[1-2],氣溶膠分布特征[3-6],不同尺度環流形勢和邊界層結構分析[7-9]及其對氣象條件的反饋作用[10-13]等被廣泛于霧霾天氣過程研究中.

大氣穩定度可作為衡量大氣污染嚴重程度的重要指標,污染物在大氣中擴散的速度、距離和范圍受到大氣穩定度的影響,當大氣層結處于穩定狀態時,污染物不易擴散.大氣穩定度有多種分類方法,康凌等[14]對針對戈壁沙漠、低矮丘陵山地和沿海地區等不同下墊面,分別采用采用P-T法、ΔT法、ΔT/U法、ΔT/U2法、輻射法和風向標準差法計算大氣穩定度,分析了不同下墊面大氣穩定度的適用方法.金莉莉等[15]利用烏魯木齊市４座100m梯度氣象塔的氣象資料,認為溫差-風速法更加適合烏魯木齊的大氣穩定度分類.楊靜等[16]的研究顯示烏魯木齊F類穩定度的出現頻率與API相關系數0.80,是一個比較好的空氣污染潛勢預報因子.北京[17]、哈爾濱[18]等地的研究表明,逆溫是導致大氣層結穩定和形成大氣污染的重要原因.

天津地區有關學者利用氣象鐵塔資料,開展了有關邊界層低層風溫資料[19]、粗糙度[20]、霧[21-22]和污染物[23-30]的初步研究,獲得了大量一手觀測資料,對于天津地區邊界層結構和污染物垂直分布特征有了一定程度的了解.深入研究天津城市氣象條件,如大氣穩定度、逆溫等的變化特征,以及對PM2.5等主要大氣污染物的影響,厘清重污染天氣形成機理,對于改進空氣質量模式,提升本區域霧霾天氣等環境氣象業務預報預警水平,制定切實可行的大氣污染防控措施,具有重要的科學意義和技術價值.

1 資料與方法

本文采用的氣象數據來自中國氣象局天津大氣邊界層觀測站(北緯39°06￠,東經117°10￠,海拔高度2.2m,臺站編號:54517)氣象鐵塔梯度氣象觀測系統,該站點位于天津市城區南部,其北距快速路約100m,東臨友誼路－友誼南路,西面和南面主要為住宅區,已開展逾30a的梯度氣象觀測,觀測資料已在天津地區邊界層氣象和大氣環境研究中得到諸多應用[19-22].該系統在距地面5, 10, 20, 30, 40, 60, 80, 100, 120, 140, 160, 180, 200, 220, 250m觀測平臺上均開展風速、風向、溫度和相對濕度的觀測,采用中環天儀(天津)氣象儀器有限公司生產的DZZ6型自動氣象站,氣象資料經過嚴格質控后取小時平均值,質控方法見參考文獻[31].PM2.5質量濃度數據來源于天津市環境監測中心對外發布的全市平均值,依據《環境空氣質量指數(AQI)技術規定(試行)》[32]判定污染日數,考慮到天津地區主要污染物為PM2.5,本文僅考慮PM2.5的污染狀況,以PM2.5質量濃度日均值超過75μg/m3記做一個PM2.5超標日.觀測期為2015年9月1日~2017年8月31日,數據經過質控,小時樣本數為17304,有效率為98.6%.能見度數據采用美國Belfort公司生產的MODLE6000型前向散射能見度儀測量,儀器測量上限為20km,下限為6m,精確度10%,能見度儀安裝于觀測站院內的觀測場內,探頭離地高約2.2m.

蔡子穎等[33]采用溫差-風速法和凈輻射法分別計算了本站2015年10月~2017年2月的大氣穩定度,并詳細分析了各種計算方法的優缺點,結果表明采用溫差-風速法可以充分利用氣象鐵塔的客觀觀測資料,并且較好的反映熱力湍流和機械湍流的影響.本文采用該方法計算大氣穩定度,具體方法為根據鐵塔40m處的風速,以及100m和30m處的溫度差,按照不同風速區間,將溫度差插值進入表1,即可得到相應的大氣穩定度,其中A為強不穩定,B為不穩定,C為弱不穩定,D為中性,E為較穩定,F為穩定.

考慮到氣象鐵塔的基座為水泥地面,5m處溫度因受到地面輻射影響,與10m及以上平臺測定的溫度差異較大,本文中逆溫的判定以10m平臺的溫度開始,逐層計算,在10~250m共14層高度的溫度廓線中,如有上層溫度高于下層溫度,即記做一次逆溫,定義逆溫強度(Temperature Inversion,TI,單位為℃/100m)如下:

TI=100*(2-1)/(2-1)

式中:1<2,1為高度1下的溫度,2為高度2下的溫度,如2>1則記做逆溫,如一次逆溫事件中1=10m,則記做貼地逆溫,如1>10m,則記做脫地逆溫,本文不考慮多層逆溫的情況.考慮到溫度傳感器準確性為±0.1℃,如兩層間溫度差小于0.2℃,可能代表較弱的逆溫,也可能是儀器測量誤差造成.經計算,逆溫差0.2℃時逆溫強度平均值為0.36℃,低于全體逆溫樣本時的逆溫強度平均值(0.82℃),表明仍以弱逆溫為主,因而本文保留這些數據.

表1 溫差-風速法確定穩定度的分類標準

2 結果與討論

2.1 大氣穩定度特征分析

圖1 大氣穩定度發生頻率的逐月分布特征

觀測期內A~F類大氣穩定度的發生頻率依次為6.7%,11.4%,22.4%,46.1%,11.1%和2.2%,D類穩定度(中性)最多,穩定類天氣(E,F類)為13.3%,各類穩定度發生頻率的分布規律較為合理.圖1給出了大氣穩定度發生頻率的逐月分布情況,A~F類穩定度發生頻率的范圍依次為1.8%~12.9%,6.8%~16.4%, 14.2%~45.7%,32.9%~58.1%,2.3%~24.3%和0~6.2%,其中2016年7月天津地區多降水天氣,強對流天氣頻發,未出現F類穩定度.逐月分布顯示,大氣穩定度的季節變化差異較大,秋冬季節穩定類天氣較多, 2015年10月E+F類發生頻率為30.5%,2015年12月、2016年2月、3月、10月、11月、12月,2017年2月發生頻率均在20%左右,較為穩定的大氣是造成天津地區秋冬季節大氣擴散條件變差、污染物濃度較高和霧霾天氣頻發的重要氣象條件[34].

受到晝夜間熱力和動力因子差異的影響,大氣穩定度分布具有明顯的日變化(圖2).各季節白天大氣穩定度均以不穩定類為主,春季和夏季持續時間明顯高于秋季和冬季,春夏季7:00~17:00不穩定類頻率超過50%,春季10:00~14:00這一比例甚至接近100%;秋季和冬季不穩定類占優勢地位的時間有所縮短,分別為8:00~ 16:00和9:00~16:00,可能與太陽輻射時間縮短、熱力對流強度減弱有關.夜間大氣穩定度以中性為主,穩定類次之,其中春季中性類在60%以上,夏季則高達80%,秋季和冬季也維持在50%左右,穩定類夏季最低,僅為10%左右,秋季和冬季高達30%~40%,根據溫差-風速法的計算原理,可能與秋冬季頻繁發生的逆溫現象有關.

圖2 不同季節下不穩定類、中性和穩定類的日變化特征

2.2 逆溫特征分析

由圖3可見,冬季逆溫頻率最高,兩個冬季均在60%以上,其中2016年12月和2017年1月逆溫頻率超過80%,夏季逆溫頻率在40%以下,貼地逆溫頻率也有類似的季節分布規律,但冬季頻率沒有逆溫頻率突出,可能與冬季逆溫存在大量的脫地逆溫有關.逆溫和貼地逆溫強度分布規律較為復雜,大體上呈現秋冬高、春夏低的特點,除了冬季逆溫強度較高外,2015年10月、2016年3月和2017年4月等月份的突出高值,可能與單次較強的逆溫事件有關,需要結合邊界層氣象資料和污染事件進一步分析.

圖3 逆溫和貼地逆溫發生頻率及強度的逐月分布特征

由圖4可見,冬季在各個時段逆溫頻率均高于其他季節,春、夏、秋三季則總體差別不大,冬季凌晨和夜間受地面輻射降溫影響,逆溫頻發,5:00~8:00和21:00~23:00逆溫頻率超過90%,秋季次之,春季和夏季的白天偶有逆溫發生.貼地逆溫沒有逆溫的季節差異明顯,凌晨各時段貼地逆溫頻率均在50%左右,白天8:00~15:00各季節貼地逆溫發生頻率接近0,這與日出后,地面升溫,破壞了貼地逆溫層有關,日落后貼地逆溫頻率逐漸增大,冬季>秋季>春季>夏季,可能與不同季節傍晚地面降溫時間先后和降溫幅度不同有關.圖5給出了各季節逆溫和貼地逆溫強度的日變化狀況,考慮到白天部分時段逆溫和貼地逆溫發生頻率較低(10%),樣本數不足,在統計逆溫強度時未統計該部分數據,主要是春夏秋三季11:00~16:00的逆溫強度和8:00~16:00的貼地逆溫強度,從圖5可見,一般而言秋冬季逆溫強度高于春夏季,且夜間(19:00~次日4:00)冬季逆溫強度最高,秋季次之,春季和夏季最低,逆溫強度和逆溫頻率的季節差異類似,反映了太陽輻射的季節變化特征.

圖5 各季節逆溫和貼地逆溫強度的日變化特征

2.3 大氣穩定度、逆溫特征與污染的關系

觀測期間天津全市PM2.5質量濃度均值為(71±60)μg/m3,小時濃度中位值為53μg/m3,最大小時值為509μg/m3,發生在2016年2月8日1:00.圖6給出了觀測期間PM2.5質量濃度的逐月均值和逐月超標日數,可見大體上呈現冬季高、夏季低的特征,2a的峰值均出現在12月,正值天津地區2015年和2016年發布的重污染紅色預警期間,持續嚴重的重污染天氣對推高PM2.5月均值的峰值起到了重要作用,此外2016年3月出現了一個較小的峰值,這與當月我國北方出現的幾次沙塵天氣過程有關[35].按照《環境空氣質量指數(AQI)技術規定(試行)》[32]統計各月的超標日數,可以發現2015年11月、12月,2016年11月、12月和2017年1月PM2.5超標日數較高,均超過全月日數的50%,其中2016年12月最高,超標日數為22d,2015年12月和2016年11月次之,為20d,夏季超標日數較少,一般在6d以內.超標日數的月分布規律與PM2.5均值的月分布相一致,這表明污染天氣頻發對PM2.5濃度均值的拉升作用,對PM2.5的治理策略應首先集中在降低PM2.5污染程度和頻度上.

圖6 觀測期間PM2.5質量濃度的逐月均值和逐月超標日數

采用溫差-風速法計算的大氣穩定度既反映了動力特征(風速),也反映了大氣的熱力特征(溫度層結),從表1可以看出,如近地層存在逆溫(100>30),則易出現E和F類穩定度,在大風天氣下(37.0m/s)則均為D類穩定度.圖7給出了不同大氣穩定度下逆溫頻率、貼地逆溫頻率和貼地逆溫占逆溫比的關系,可見隨著逆溫和貼地逆溫發生概率增加,大氣趨于穩定時,逆溫發生概率不足20%,幾乎沒有貼地逆溫發生,大氣多為不穩定層結;當逆溫和貼地逆溫發生頻率增高至為60%和29%時,表現為中性層結;逆溫發生概率接近100%,貼地逆溫在80%以上時,大氣為較穩定層結(E類);而大氣進一步穩定達到F類穩定度時,逆溫和貼地逆溫頻率均有不同程度下降,這可能與逆溫層深厚,逆溫頂和逆溫底均向上發展導致大氣更加穩定,而鐵塔資料僅為地面至250m高,高于這一高度的逆溫層底無法在統計資料中體現,因而部分脫地逆溫可能被遺漏有關.

圖7 不同大氣穩定度下逆溫頻率、貼地逆溫頻率和貼地逆溫占逆溫比

由圖8可見,隨著穩定類大氣層結日數的增多,PM2.5均值和污染日數均有所增大.由圖9可見,隨著逆溫發生頻率的增大,PM2.5均值和污染日數均有所增大,這與何永晴等[36]在西寧的研究結果一致.逆溫頻發月份PM2.5月均值和污染日也相應較高,這可能與逆溫天氣下,大氣邊界層高度降低,湍流減弱,地面污染物的垂直擴散受到了直接的限制,更容易堆積在近地面有關.相關性分析表明逆溫對空氣污染的影響強于穩定度,這可能與大氣穩定度的計算方法有關.本文采用的溫差-風速法使用40m高度的風速,當40m處風速為3.4~7.9m/s時如30~100m存在較弱的逆溫則有可能被記做E類穩定度,但40m高度風速較大時,地面可能難以維持靜小風(1.5m/s)狀態,大氣擴散條件可能并不差,因而相應的PM2.5月均值和污染日發生頻率并不高(圖8方框內所示),計算方法可能夸大了穩定類層結的統計結果,這可能是造成PM2.5均值、污染日發生頻率與穩定類(E+F)發生頻率相關性較弱的主要原因.鄧雪嬌等[37]對廣州地區清潔過程和污染過程污染物與穩定度Z/L的相關性分析表明,清潔過程二者存在正相關,污染期間則為一定的負相關,是某種程度上造成污染物與穩定度弱相關性的重要原因.這需要結合具體污染過程進行下一步深入分析.

圖8 逐月PM2.5均值、污染日發生頻率與穩定類(E+F)發生頻率的關系

圖9 逐月PM2.5均值、污染日發生頻率與逆溫發生頻率的關系

2.4 一次重污染過程的個例分析

2016年12月我國中東部大部分地區霾日數整體偏多,月內共出現3次大范圍霧-霾天氣過程,分別為12月2~4日、10~13日和16~21日,其中12月16~21日是2016年范圍最廣、持續時間最長、強度最強的霾天氣,袁東敏等[38]的氣象診斷分析表明,地面小風速、高濕度以及淺薄的邊界層是促使本次重度霾發生的重要因子.從環流形勢上看,這段時間我國中東部大部分地區位于冷高壓前部的均壓場控制,地面氣壓梯度弱、風速小,以下沉氣流為主,有利于污染物累積,環流形勢有利于霧-霾天氣的發生和維持[39].圖10給出了此次過程PM2.5質量濃度、相對濕度、大氣能見度、大氣穩定度和逆溫強度的逐時分布狀況,本次重污染過程大體上經歷了污染物累積、維持和快速消散,分別記作P1,P2和P3 3個階段.

圖10 典型重污染過程大氣穩定度、逆溫強度和PM2.5質量濃度的時間分布特征

12月15日午后~18日午后PM2.5逐漸累積,至18日12:00PM2.5質量濃度達到383μg/m3,大氣能見度也由10km左右下降至1km左右,相對濕度具有明顯的日變化特征,且逐日升高,這一階段可以判斷為霾的增強階段,記作P1階段.大氣穩定度以較穩定(E)為主,逆溫強度也逐日增大,穩定層結和逆溫發展對污染物的聚集起到了重要作用,PM2.5質量濃度達到第一個峰值(383μg/m3,18日12:00),這同時也是霾形成和增強的階段.

其后隨著RH長時間維持在90%以上,受到霧的濕清除作用[40],PM2.5濃度有所降低,維持在200~ 300μg/m3間,能見度維持在1km以下,最低時僅為0.03km,接近儀器測量極限,表現出典型的霧天氣特征,記作P2階段.受地面輻射降溫影響,近地面氣象條件有利于形成逆溫層結,逆溫強度突然大幅度升高,最高時達到7.69℃/100m,強逆溫嚴重抑制了污染物和水汽的垂直擴散,導致PM2.5質量濃度出現了又一個峰值(361μg/m3,19日16:00),能見度隨著RH的小幅下降短暫恢復到1km左右,霧天氣下大氣層結以中性為主[22],隨著霧趨于成熟,大氣穩定度以中性為主,不穩定層結時有發生,同時伴有逆溫發生頻率降低,逆溫強度減弱.吳彬貴等[21]的研究表明,華北地形槽和地面弱高壓場下的輻射霧中淺薄逆溫層夜生日消,強度從下而上迅速減弱,霧形成后逆溫底抬升到霧頂高度上下,霧體中逐漸演變呈弱不穩定層結,霧形成后逆溫層底抬升,霧體中逐漸演變呈不穩定層結.逆溫層整體抬升,超出了氣象鐵塔觀測高度,可能是本次重污染過程中霧成熟階段逆溫頻率降低的主要原因.這一階段霧-霾天氣交替發展.

22日白天起受冷空氣影響,隨著地面偏北風逐漸加大,氣污染擴散條件逐漸增強,大霧快速消散,能見度好轉,PM2.5濃度迅速下降,從嚴重污染減弱至優良級別,本次重污染天氣結束,記作P3階段.這一階段大氣穩定度以不穩定狀態為主,逆溫頻率降低,逆溫強度顯著減弱,溫度層結有利于污染物擴散.

本次重污染過程中大氣穩定度和逆溫特征具有明顯的階段性,大氣持續趨于穩定及逆溫強度的逐漸增大,對污染生成和維持起了非常重要的作用,對其的精細分析有助于厘清重污染過程中的大氣擴散條件和邊界層結構特征的演變規律,對于提升精細化重污染天氣預報預警水平也有所裨益.

3 結論

3.1 采用溫差-風速法計算得到的2015年9月~ 2017年8月大氣穩定度資料顯示,A~F類大氣穩定度的發生頻率依次為6.7%,11.4%,22.4%,46.1%, 11.1%和2.2%,秋冬季節穩定類天氣(E,F類)較多,全年白天各時段均以不穩定類大氣為主,夜間大氣穩定度以中性為主,秋冬季穩定類高達30~40%.

3.2 觀測期內冬季逆溫頻率最高,5:00~8:00和21:00~23:00逆溫頻率超過90%,春、夏、秋三季則總體差別不大,冬季逆溫強度最高,秋季次之,春季和夏季最低.

3.3 觀測期間天津全市PM2.5質量濃度均值為(71±60)μg/m3, PM2.5質量濃度月均值和污染日峰值均出現在12月.隨著穩定類大氣層結日數的增多,PM2.5均值和污染日數均有所增大,同時逐月PM2.5均值、污染日發生頻率與逆溫發生頻率均呈正相關關系;2016年12月16~21日的一次重污染天氣過程顯示PM2.5質量濃度受到大氣穩定度和逆溫發展的影響,霾形成、霧-霾交替和消散等階段大氣穩定度和逆溫特征具有顯著的不同,大氣持續趨于穩定及逆溫強度的逐漸增大,對污染生成和維持起了非常重要的作用.

[1] 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, 2014,57:14-25.

[2] 張人禾,李 強,張若楠.2013年1月中國東部持續性強霧霾天氣產生的氣象條件分析[J]. 中國科學:地球科學, 2014,44(1):27-36.

[3] 楊 欣,陳義珍,劉厚鳳,等.北京2013年1月連續強霾過程的污染特征及成因分析[J]. 中國環境科學, 2014,34(2):282-288.

[4] 花 叢,張碧輝,張恒德.2013年1~2月華北霧、霾天氣邊界層特征對比分析[J]. 氣象, 2015,41(9):1144-1151.

[5] Han S Q, Wu J H, Zhang Y F, et al. Characteristics and formation mechanism of a winter haze-fog episode in Tianjin, China [J]. Atmospheric Enviroment, 2014,98:323-330.

[6] 姚 青,蔡子穎,韓素芹,等.天津冬季相對濕度對氣溶膠濃度譜分布和大氣能見度的影響[J]. 中國環境科學, 2014,34(3):596-603.

[7] 王 躍,王莉莉,趙廣娜,等.北京冬季 PM2.5重污染時段不同尺度環流形勢及邊界層結構分析[J]. 氣候與環境研究, 2014,19(2):173– 84.

[8] 孫兆斌,李梓銘,廖曉農,等.北京大氣熱力和動力結構對污染物輸送和擴散條件的影響[J]. 中國環境科學, 2017,37(5):1693-1705.

[9] 孫永亮,趙天良,邱玉珺,等.成都一次霾過程中顆粒物消光作用的垂直變化[J]. 中國環境科學, 2018,38(5):1629-1636.

[10] 王自發,李 杰,王 哲,等.2013年1月我國中東部強霾污染的數值模擬和防控對策[J]. 中國科學:地球科學, 2014,44(1):3-14.

[11] 楊雨靈,譚吉華,孫家仁,等.華北地區一次強灰霾污染的天氣學效應 [J]. 氣候與環境研究, 2015,20(5):555?570.

[12] 程良曉,范 萌,陳良富,等.秋季秸稈焚燒對京津冀地區污染過程的影響分析[J]. 中國環境科學, 2017,37(8):2801-2812.

[13] 張晗宇,溫 維,程水源,等.京津冀區域典型重污染過程與反饋效應研究[J]. 中國環境科學, 2018,38(4):1209-1220.

[14] 康 凌,張宏升,王志遠,等.不同下墊面大氣穩定度分類方法的對比研究[J]. 北京大學學報(自然科學版), 2011,47(1):66-70.

[15] 金莉莉,何 清,李振杰,等.烏魯木齊市低層大氣穩定度分布特征的統計分析[J]. 氣象, 2016,42(8):996-1006.

[16] 楊 靜,李 霞,李 秦,等.烏魯木齊近30a大氣穩定度和混合層高度變化特征及與空氣污染的關系[J]. 干旱區地理, 2011,34(5):747-752.

[17] 楊孝文,周 穎,程水源,等.北京冬季一次重污染過程的污染特征及成因分析[J]. 中國環境科學, 2016,36(3):679-686.

[18] 龐 博,汪喜江.哈爾濱市冬末逆溫、大氣穩定度與大氣污染概率關系[J]. 黑龍江氣象, 2011,28(2):7-11.

[19] 解以揚,劉學軍.天津氣象塔風溫梯度觀測資料的統計特征[J]. 氣象, 2003,29(1):12-16.

[20] 韓素芹,劉彬賢,解以揚,等.利用255m鐵塔研究城市化對地面粗糙度的影響[J]. 氣象, 2008,34(1):54-58.

[21] 吳彬貴,張宏升,張長春,等.天津城區大霧過程近地面層特征研究[J]. 氣候與環境研究, 2010,15(2):179-190.

[22] 蔡子穎,韓素芹,吳彬貴,等.天津一次霧過程的邊界層特征研究[J]. 氣象, 2012,38(9):1103-1109.

[23] 姚 青,蔡子穎,韓素芹,等.一次沙塵過程對天津氣溶膠濃度分布的影響[J]. 中國沙漠, 2013,33(4):1138-1143.

[24] 姚 青,蔡子穎,韓素芹,等.2009年秋冬季天津低能見度天氣下氣溶膠污染特征[J]. 氣象, 2012,38(9):1096-1102.

[25] 高文康,唐貴謙,姚 青,等.天津重污染期間大氣污染物濃度垂直分布特征[J]. 環境科學研究, 2012,25(7):731-738.

[26] 黃 鶴,姚 青,張文煜,等.天津夏季低層大氣O3,NO2濃度垂直觀測研究[J]. 環境科學研究, 2009,22(3):315-320.

[27] Hao T Y, Han S Q, Chen S C, et al. The role of fog in haze episode in Tianjin, China:A case study for November 2015. Atmospheric Research. 2017,194:235-244.

[28] Wu H, Zhang Y F, Han S Q, et al. Vertical characteristics of PM2.5during the heating season in Tianjin, China [J]. Science of the Total Environment, 2015,523:152-160.

[29] Han S Q, Cai Z Y, Zhang Y F, et al. Long-term trends in fog and boundary layer characteristics in Tianjin, China [J]. Particuology, 2015,20:61-68.

[30] Han S Q, Zhang Y F, Wu J, et al. Evaluation of regional background particulate matter concentration based on vertical distribution characteristics. Atmos. Chem. Phys. 2015,15:11165–11177.

[31] 金莉莉,何 清,李振杰,等.烏魯木齊市氣象塔梯度觀測資料質量控制與處理[J]. 氣象, 2016,42(6):732-742.

[32] 蔡子穎,韓素芹,張 敏,等.天津地區污染天氣分析中垂直擴散指標構建及運用 [J]. 環境科學, 2018,39(6):2548-2556.

[33] HJ 633-2012 環境空氣質量指數(AQI)技術規定(試行) [S].

[34] 劉麗麗,王莉莉.天津冬季重霾污染過程及氣象和邊界層特征分析 [J]. 氣候與環境研究, 2015,20(2):129-140.

[35] 胡 寧,孫 軍. 2016年3月大氣環流和天氣分析[J]. 氣象, 2016, 42(6):770-776.

[36] 何永晴,趙玉成,馮蜀青.西寧市逆溫特征及其與空氣污染物濃度的相關分析[J]. 冰川凍土, 2014,36(3):608-613.

[37] 鄧雪嬌,李 菲,吳 兌,等.廣州地區典型清潔與污染過程的大氣湍流與物質交換特征[J]. 中國環境科學, 2011,31(9):1424-1430.

[38] 袁東敏,馬小會.2016年12月16~21日重度霾過程及大氣環流異常[J]. 氣候與環境研究, 2017,22(6):757?764.

[39] 劉 超,馬學款.2016年12月大氣環流和天氣分析[J]. 氣象, 2017, 43(3):378-384.

[40] 康漢青,朱 彬,樊曙先.南京北郊冬季大氣氣溶膠及其濕清除特征研究 [J]. 氣候與環境研究, 2009,14(5):523-530.

Atmospheric stability and inverse temperature characteristics of Tianjin and its effect on PM2.5pollution.

YAO Qing1*, LIU Jin-le2, CAI Zi-ying1, HAN Su-qin2, MA Zhi-qiang3

(1.Tianjin Environmental Meteorology Center, Tianjin 300074, China；2.Tianjin Institute of Meteorological Science, Tianjin 300074, China；3.Environmental Meteorology Forecast Center of Beijing-Tianjin-Hebei, Beijing 100089, China)., 2018,38(8)：2865~2872

Temperature-velocity method was used to calculate the atmospheric stability in Tianjin and the frequency and intensity of the inversion of temperature were analysed based on the meteorological tower. In addition, we investigated the relationship between atmospheric stability and the temperature inversion, which had an influence on the monthly averaged mass concentration of PM2.5. The characteristics of atmospheric stability and temperature inversion were analysed during a heavy haze period. The results showed that the frequencies of atmospheric stability were 6.7%, 11.4%, 22.4%, 46.1%, 11.1% and 2.2%, respectively, from September 2015 to August 2017. The stagnant meteorological conditions occurred frequently during fall and winter. The unstable and neutral atmospheric stability dominated the daytime and nighttime of all year, respectively. The stable atmosphere contributed 30%~40% during nighttime in fall and winter. During the observation period, the frequency of temperature inversion was the highest in winter, which up to more than 90% during 5:00~8:00and 21:00~23:00. The intensity of temperature inversion was also the highest in winter. With the increase of the number of days of stable atmosphere, the monthly averaged mass concentration of PM2.5and the number of polluted days increased. Meanwhile, the monthly averaged mass concentration of PM2.5and the frequency of polluted day were all positively correlated with the frequency of inversion temperature. A heavy pollution process from December 16, 2016 to December 21, 2016 showed that the mass concentration of PM2.5was effected by the atmospheric stability and the evolution of inversion temperature. The characteristics of atmospheric stability and temperature inversion during the formation of haze, fog-haze alternation and dissipation of haze had obvious difference. As the atmosphere continues to stabilize and the inversion temperature increases, it plays a very important role in the generation and maintenance of pollution. Fine analysis of atmospheric stability and inversion characteristics in the process of pollution will help to improve the prediction and warning level of heavy pollution weather.

atmospheric stability；temperature inversion；heavily polluted weather；PM2.5；Tianjin

X131.1

A

1000-6923(2018)08-2865-08

姚 青(1980-),男,湖北宜昌人,高級工程師,碩士,主要從事大氣環境與大氣化學方面的科研業務工作.發表論文50余篇.

2018-01-02

國家重點研發計劃課題(2016YFC0203302);國家自然科學基金資助項目(41771242);國家國際科技合作專項項目(2015DFA20870-02);中國氣象局預報員專項(CMAYBY2016-005);中國氣象局第二批青年英才培養項目

* 責任作者, 高級工程師, yao.qing@163.com