大連市大氣污染天氣特征及污染成因模擬分析

傅 瑜,李紅斌*,于蕙箐,王秀萍,趙繁盛,周德平,何 陽,濮文耀,張殿剛

?

大連市大氣污染天氣特征及污染成因模擬分析

傅 瑜1,李紅斌1*,于蕙箐2,王秀萍2,趙繁盛1,周德平3,何 陽1,濮文耀1,張殿剛1

(1.大連市人工影響天氣辦公室,遼寧 大連 116001；2.大連市氣象臺,遼寧 大連 116001；3.中國氣象局沈陽大氣環境研究所,遼寧 沈陽 110016)

利用大連市2014~2015年地面觀測資料、高空地面形勢場和2015年12月NCEP/NCAR再分析資料,結合WRF-CMAQ數值模式,對大連市污染天氣特征和污染過程的成因進行分析研究.結果表明:2014~2015年大連市共有大氣污染日數145d,占20%,大氣污染天氣過程35個;發生大氣污染時的高空形勢場主要為槽后脊前的西北氣流場,占63%,槽前西南氣流場次之,占21%,槽區、脊區各占6%;地面形勢場主要表現為風速較小的均壓場(68%)和等壓線密集風速較大的非均壓場(32%)兩種氣壓場.2015年12月出現的5次污染過程中,大氣層結均為穩定層結,且近地面水平風速均值較小,對污染物垂直方向和水平方向上的擴散起到抑制作用,導致空氣質量惡化;模擬結果發現大連市冬季污染過程中大氣氣溶膠的的主要成分是硝酸鹽、銨鹽和硫酸鹽等細顆粒物,其中硝酸鹽占比最大,且污染過程的增幅最為明顯,說明機動車和燃煤排放已對大連市城市污染的形成產生重要影響.

大連；大氣污染；氣象場；WRF-CMAQ

霧霾天氣是一種大氣復合污染過程,是空氣污染和氣象因素共同作用的結果.霧霾天氣過程的本質是細粒子氣溶膠的污染[1-3],大氣中的細顆粒物(PM2.5)通過對太陽輻射的散射降低大氣能見度,還能攜帶其他大氣污染物和病菌進入人體肺部,危害人體健康.中國環境保護部2012年在新的環境空氣質量標準(GB3095-2012)[4]中增設了PM2.5濃度限制,在“環境空氣質量指數(AQI)技術規定(試行)” (HJ633-2012)[5]中給出了各級空氣質量對應的PM2.5濃度24h平均的限制.隨著城市化進程的加快和經濟的快速發展,近幾年大連市霧霾天氣頻發,細顆粒物已成為大連市大氣污染的首要污染物.

多年來,許多國內外學者對大氣污染過程中污染物成因、粒子譜分布等污染特征進行了多年觀測和詳細研究[6-8],發現城市污染是一個復雜過程,即造成大氣污染的污染物成分復雜,來源廣泛[9-12],污染物排放包括本地燃煤、工業及交通排放和外來輸送.同時,受到各種氣象條件包括天氣形勢場和各種氣象要素變化(如風速、溫度、濕度等)的影響,當大氣污染物排放穩定時,氣象條件將成為決定大氣污染發生的關鍵因素[13-14],污染過程初始階段的持續晴天、高壓均壓場和污染過程中溫度、相對濕度、降水等氣象要素的變化對于顆粒物的濃度變化產生重要影響[15-16],降水過程則對污染物的清除起到重要作用[17-19].對于污染過程中的污染物成因分析,目前多使用不同尺度的空氣質量數值模式[20-21],利用MM5-CMAQ和RAMS-CMAQ等數值模式可分析污染過程中近地面污染物濃度分布、輸送狀況以及霧霾成因,研究表明引發霧霾的主要氣溶膠物種為硝酸鹽、硫酸鹽和銨鹽,工業源和交通源是北京地區的主要污染源[22-23].

大連市地處遼東半島南端,三面環海,對其特殊地理位置下大氣污染特征及成因的研究是十分必要的.但目前針對大連地區污染相關特征的研究較少[24-25],對影響大氣污染過程的天氣形勢和污染過程中顆粒物組成等相關研究分析也缺少針對性.本文選取2014~2015年大連市地面氣象要素監測和環保部門公布的大連市空氣質量日均數據,以及影響大連市35個污染個例的高空環流形勢場和地面形勢場進行了系統地分析和研究,并選用NCEP/ NCAR再分析資料等分析研究大連市大氣污染過程的氣象要素特征,結合區域空氣質量模式系統(WRF-CMAQ)對大連地區2015年12月份的氣溶膠顆粒物濃度及其成分進行了數值模擬,進而對大連市大氣污染的天氣特征和污染成因進行了綜合全面的分析,為應對和減輕大氣污染提供科學依據.

1 資料和方法

1.1 資料來源

大連市空氣質量污染指數AQI由中華人民共和國環境保護部數據中心(www.mep.gov.cn)給出,選取2014年1月1日~2015年12月31日進行污染日分布情況分析;天氣圖(500hPa高度場和地面氣壓場)和T-lnP圖由國家氣象局提供,利用氣象信息綜合分析處理系統(MICAPS)處理;氣象要素分析選取2015年12月的5次污染天氣過程進行分析,時間分別為7~8日、12~14日、21~23日、25~26日、29~31日,其中水平風選取大連站(站號54662,經緯度為38.9°N,121.6°E,海拔91.5m)10m水平風速日均值,溫度和垂直風的垂直分布選取NCEP/NCAR(美國國家環境預報中心/美國國家大氣研究中心)再分析資料(時間分辨率為每天02:00、08:00、14:00和20:00)進行分析,通過對大連站周圍四個格點(2.5°×2.5°)數據進行插值,得到大連本站上空的近似溫度和垂直風的垂直分布.

1.2 數值模式

WRF模式是由美國環境預測中心(NCEP)、美國國家大氣研究中心(NCAR)、美國國家大氣海洋總署-預報系統實驗室(FSL)等美國科研機構中心聯合開發的新一代中尺度預報模式和同化系統,可用來進行1~10km內高分辨率氣象要素的數值模擬.本文中WRF模式采用四層嵌套網格(見圖1),最外層(d01)為中國及周邊部分地區,網格數為88×75;第二層(d02)為京津冀及東北等地區,網格數為85×71;第三層(d03)為遼寧大部地區,網格數為82×82;第四層(d04)為大連及周邊部分地區,網格數為82×64,格距分別為81,27,9,3km,垂直方向共24層,模式頂層為10hPa.初始場采用美國國家環境預報中心的全球再分析資料(FNL),模擬時間為2015年12月1~31日,參數化方案選擇如下:WSM 6類冰雹微物理方案、RRTM長波輻射方案、Dudhia短波輻射方案、MYJ Monin-Obukhov近地面層方案、Noah陸面過程方案、Eta Mellor-Yamada-Janjic TKE邊界層方案和Betts-Miller-Janjic積云參數化方案.

圖1 WRF模式使用的四層嵌套網格區域設置

CMAQ模式是美國環保署(USEPA)開發的第三代區域空氣質量模式,秉承一個大氣的理念,代表著當前大氣化學、污染物遷移和沉降的最新研究成果,能夠在WRF模式提供的氣象背景場上模擬臭氧、氣溶膠成分等多種污染物在大氣中的擴散和遷移過程等.CMAQ模式的網格設置與WRF模式一致,僅在水平邊界上各少3個格點,其參數化方案采用CB05光化學機制,AERO4氣溶膠方案,Photolysis- inline光解率方案,PPM平流方案和ACM2擴散方案.CMAQ模式包括5個部分:初值模塊(ICON)、邊界模塊(BCON)、光解率模塊(JPROC)、源排放處理模塊(ECIP)和大氣化學傳輸模塊(CCTM).其中,CCTM模塊是核心,用于大氣化學過程、污染物輸送和沉降過程的模擬;ECIP模塊使用Zhang等[26]提供的洲際化學運輸實驗東亞地區網格排放源清單作為背景源排放清單[27-28],包括電廠、工業源、交通源、居民生活等各種人為源及自然源排放,涵蓋BC、OC、NO、SO2、CO、PM10、PM2.5、VOC等多種污染物.

2 結果與討論

2.1 大連市污染日特征分析

利用AQI日均值統計和分析大連市2014年1月1日~2015年12月31日的污染日分布情況,得到如下結果:大連市2014年1月1日~2015年12月31日24個月的730d中,出現大氣污染的日數有145d,占平均年日數的20%.其中,2014年污染日數77d,占全年日數的21%,2015年污染日數68d,占全年日數的19%;污染日數冬季最多,占48.3%,其次是春季占34%,秋季占10%,夏季最少占8%(表1);且11月污染日數最多,達29d,月均為48%,其次是1月為23d,月均為37%,9月最少,只有1d(圖2).

表1 大連市2014~2015年污染日季節分布

同時分析得到,出現重度污染的日數有9d,嚴重污染日數4d,共13d,占污染日數的9%,主要出現在冬季和秋季,其中12月份最多,達6d之多.

圖2 大連市2014~2015年污染日分布

2.2 污染過程天氣形勢特征

對大連市2014年~2015年出現的大氣污染天氣過程進行統計和分析發現,大連市近2a出現大氣污染過程共35次,主要集中在11月~次年4月.其中12月~次年2月(冬季)最多,夏季(6~8月)最少.

本文將35次污染過程作為35個大氣污染天氣個例,對大連市產生大氣污染天氣過程的高空500hPa環流形勢場進行統計和分析發現:產生大氣污染的高空環流形勢為高空槽后脊前的西北氣流場,占63%;槽前脊后西南氣流場,占21%;槽區、脊區各占6%,以及閉合低壓環流場(2次)占4%.其中,大氣污染產生的主要高空形勢場為高空槽,而大氣污染過程多出現在高空槽后的西北氣流場,與出現污染時大氣多為穩定層結相一致;同時發現,在35個大氣污染個例中,有部分污染天氣過程(21%)出現在高空槽前,當高空槽前的上升氣流和西南暖濕氣流帶來降水天氣過程時,會通過濕沉降對減輕污染起到一定影響[29].

同時,對35個大氣污染天氣個例的地面氣壓場進行統計和分析發現,大連市產生大氣污染過程的地面形勢場主要表現為兩種特征,即風速較小的均壓場特征和風速較大,等壓線較密集的非均壓場特征.其中,均壓場占68%,非均壓場占32%.由此表明,大連市產生大氣污染過程有兩種原因:一是由當地排放產生,即本地源(近地面風速較小);二是從大連上游地區傳輸過來的大氣污染(近地面風速較大,且上游出現污染),即外來源.因此,大連市大氣污染過程主要受本地源影響,另外一部分為本地源和外來源共同影響產生的.

2.3 污染過程大氣層結與溫度特征

2.3.1 大氣層結特征 利用大連站氣象探空資料對2015年12月份出現的5次污染過程的T-lnp圖進行分析,發現5次污染過程中大連市的大氣層結均為穩定層結,層結的穩定在一定程度上抑制了大氣湍流的垂直交換,不利于污染物的垂直擴散.而12~14日污染過程中更是出現了較為明顯逆溫現象,根據探空資料分析可以發現(圖3),10日20:00~12日20:00大連市上空持續存在超過500m的逆溫穩定層結,大氣環境容量維持在較小的范圍內,湍流擴散能量較弱,對近地面污染物的垂直稀釋起到一定的抑制作用,使污染濃度逐日累積,在13日出現重度污染天氣過程(13日AQI為225).

圖3 12月10日20:00~12日20:00大連站T-lnP

(a)10日20:00 (b)11日08:00 (c)11日20:00 (d)12日08:00 (e)12日20:00

2.3.2 溫度特征 選用NCEP/NCAR再分析資料中的溫度資料,對大連地區上空不同高度層溫度的時空分布及變化進行了分析,得到2015年12月大連本站上空的近似溫度垂直分布(圖4).圖中灰色虛框標出的是12月份出現污染天氣的日期,可以看到在污染天氣下,近地面氣溫較高,統計大連站12月份的2m溫度日均值,發現污染天氣下日均溫度的平均值較無污染天氣高出1℃左右.另外,從溫度垂直分布圖上同樣可以看到12日前后出現了較明顯的逆溫現象,持續時間達3d之久,最大逆溫層厚度超過1km,與溫度層結的分析一致.

2.4 污染過程風場特征

2.4.1 垂直風速特征 根據NCEP/NCAR再分析資料對大連市2015年12月份不同高度層垂直風速隨時間變化情況進行分析(圖5).從圖5可以看出,在5次大氣污染過程中,除7~8日污染過程的垂直風速為微弱下沉氣流外,其余4次大氣污染過程(即12~14日、21~23日、25~26日和29~31日)的垂直風速主要表現為均勻穩定(時有微弱上升氣流).其中,大氣污染日30日出現了弱降水過程,在垂直方向上大氣出現了一段時間和一定強度的上升運動,對大氣中近地面細顆粒物向高空的輸送起到了重要作用.由此可見大氣污染過程中大氣層結較為穩定,但垂直方向上也會出現微弱的上升運動.

2.4.2 水平風速特征 對2015年12月份的5次污染過程的水平風速進行統計和分析(表2),結果表明,絕大多數大氣污染過程的水平風速均較小,4次污染過程(7~8日、12~14日、21~23日和29~31日)的近地面水平風等級均為1~2級,前3次污染過程的水平風均值更是不超過2.0m/s,大氣的稀釋擴散能力較差,使近地面污染物累積增加.另外,25~26日污染過程中近地面風速較大,結合風向和全國AQI日均分布圖分析發現,本次污染過程主要受外來源影響,26日近地面風速增加對污染物的擴散起到促進作用.

圖5 2015年12月份不同高度垂直風速隨時間的變化情況

表2 12月13d污染天氣下水平風速

2.5 模擬結果分析

2.5.1 模擬結果評估 對大連市2015年12月5~31日進行氣象要素和顆粒物的數值模擬,并通過選取大連市近地面溫度、氣壓、相對濕度、風速和顆粒物濃度對WRF-CMAQ耦合模式模擬出的結果進行評估,得到圖6((a)~(d)),即大連市2015年12月5~31日氣象要素、顆粒物的模擬和觀測日均時間序列.從圖6可以看出,模擬溫度、氣壓與觀測資料對應較好,模擬結果基本上可以較好地再現觀測值大小和變化趨勢,兩種氣象要素的模擬相關系數接近0.9(表3);模擬相對濕度和風速則略高于實際觀測值,認為是WRF模式中城市冠層設置較為粗糙導致的,但二者的總體變化趨勢與實際觀測基本相符,能夠通過顯著性水平<0.001的-檢驗.總體來看,氣象要素模擬結果較為準確,變化趨勢也與觀測值較為接近,可以為CMAQ模式提供背景氣象場.

圖6(e)、(f)中通過PM2.5和PM10的時間序列對CMAQ模式模擬結果進行了評估.其中PM2.5和PM10的觀測數據取自中國環境保護部公布的大連市實測值.從圖6(e)、6(f)可以看出,PM2.5、PM10模擬結果的變化趨勢與觀測資料有較好的一致性,尤其是12月14日和22日的高值,二者的相關系數統計結果也較為理想,相關系數接近0.8,通過顯著性水平<0.001的-檢驗.由此可見,CMAQ模式能夠較好模擬大連市2015年12月份出現的污染天氣過程,該模擬結果可以用來進行本月大氣污染過程的定量分析.

圖6 日均氣象要素和顆粒物質量濃度的觀測與模擬結果比較

表3 氣象要素和顆粒物的觀測與模擬統計結果

2.5.2 大氣污染成因模擬分析 據張小曳等[30]研究表明,硝酸鹽氣溶膠主要來源于機動車和燃煤等化石燃料燃燒,銨鹽主要來自于農業化肥和工業排放,硫酸鹽主要來自電廠和工業用煤.此外,有機碳(OC)和元素碳(EC)主要來源于化石燃料和生物質的不完全燃燒,其他成分則包括自然排放的粗粒子和土壤、建筑揚塵等.利用WRF-CMAQ數值模式對大連市2015年12月出現的5次污染過程中大氣氣溶膠組分及質量濃度百分比的日均值進行分析(表4),發現大連市出現污染天氣的大氣氣溶膠主要成分是細粒子,且硝酸鹽、銨鹽和硫酸鹽是大氣污染時氣溶膠粒子的主要成分.硝酸鹽占比最大,占比均值超過45%;銨鹽和硫酸鹽其次,占比均值分別為18.05%和13.02%;此外,OC和EC的質量濃度占比均值總和超過10%,分別為7.29%和3.87%;海鹽成分占比略低,均值為0.87%;其他成分的質量濃度占比均值為11.33%.

通過統計和對比分析大連市5次污染天氣過程與無污染天氣中大氣氣溶膠不同組分及質量濃度的百分比均值(圖7),可以看出污染天氣下的硝酸鹽和硫酸鹽氣溶膠質量濃度百分比較無污染天氣高出7.75%和1.82%,而銨鹽、OC 2種細粒子則略有降低,但總量不超過2%.由此可以看出污染天氣下細顆粒物濃度增幅顯著,且硝酸鹽貢獻最大,說明汽車尾氣排放和燃煤排放已成為大連市不可忽視的大氣污染源,控制機動車尾氣排放和燃煤排放對減緩大氣污染的效果更為顯著.

另外,在無污染天氣下,海鹽氣溶膠的質量濃度百分比明顯大于污染天氣,增幅超過3倍,分析其原因可能與大連市三面環海的地形有關,即在水平輸送條件較好的無污染天氣條件下,大連市上空海鹽氣溶膠粒子質量濃度反而有所升高.

表4 污染天氣下大氣氣溶膠不同成分的質量濃度百分比(%)

圖7 大連市不同氣溶膠組分在污染天氣下和無污染天氣下的質量濃度百分比

(a)污染天氣 (b)無污染天氣

3 結論

3.1 統計環保部給出的大連市2014~2015年10個國控點位的日均AQI數據,得到145個污染日數,占20%,且冬季最多,占48%,夏季最少,占8%,重度污染主要出現在冬季和秋季,以12月份為最多.

3.2 統計大連市2014~2015年的35個污染個例,發現大連市產生大氣污染的高空形勢場主要為槽后脊前的西北氣流場(占63%)和槽前脊后的西南氣流場(占21%),槽區、脊區各占6%;地面主要表現為風速較小的均壓場(68%)和等壓線較密集、風速較大(32%)的氣壓場,表明大連市大氣污染過程主要受本地源影響.

3.3 分析2015年12月出現的5次大氣污染過程的探空資料、再分析資料和觀測資料,發現污染過程中大氣層結穩定,垂直風速均勻穩定,水平風速均值較小,對污染物垂直方向和水平方向的擴散起到抑制作用.

3.4 數值模擬結果得出大連大氣污染過程中大氣氣溶膠的主要成分是硝酸鹽、銨鹽和硫酸鹽等細顆粒物,且硝酸鹽占比最大;與無污染天氣相比,污染過程中大氣細顆粒物濃度增幅顯著,硝酸鹽貢獻最大,說明汽車尾氣排放和燃煤排放已成為大連市不可忽視的大氣污染源.

[1] 吳 兌.近十年來中國灰霾天氣研究綜述[J]. 環境科學學報, 2012, 32(2):257-269.

[2] 宋 宇,唐孝炎,方 晨,等.北京市能見度下降與顆粒物污染的關系[J]. 環境科學學報, 2003,23(4):468-471.

[3] Wu D, Tie X X, Deng X J. Chemical characterizations of soluble aerosols in Southern China [J]. Chemosphere, 2006,64(5):749-757.

[4] GB3095-2012 環境空氣質量標準 [S].

[5] HJ633-2012 環境空氣質量指數(AQI)技術規定(試行) [S].

[6] Weiss R E, Waggoner A P, Charlson R J, et al. Sulfate aerosol; Its geographical extent in the Midwestern and southern United States [J]. Science, 1977,195(4282):979-981.

[7] Husar R B, Wilson W E. Haze and sulfur emission trends in the eastern United States [J]. Environmental Science and Technology, 1993,27(1):12-16.

[8] 楊衛芬,銀 燕,魏玉香,等.霾天氣下南京PM2.5中金屬元素污染特征及來源分析[J]. 中國環境科學, 2010,30(1):12-17.

[9] Ferman M A, Wolff G T, Kelly N A. The nature and source of haze in the Shenandoah Valley/Blue Ridge Mountains area [J]. Air Pollut Control Assoc, 1991,31(10):1074-1082.

[10] 徐 敬,丁國安,顏 鵬,等.北京地區PM2.5的成分特征及來源分析[J]. 應用氣象學報, 2007,18(5):645-654.

[11] 付桂琴,張迎新,谷永利,等.河北省霾日變化及成因[J]. 氣象與環境學報, 2014,30(1):51-56.

[12] 王成祥,劉加珍.聊城市空氣質量現狀及污染原因分析[J]. 氣象與環境學報, 2016,32(1):108-112.

[13] Ziomas I C, Melas D, Zerefos C S, et al. Forecasting peak pollutant levels from meteorological variables [J]. Atmospheric Environment, 1995,29(24):3703-3711.

[14] 謝付瑩,王自發,王喜全.2008年奧運會期間北京地區PM10污染天氣形勢和氣象條件特征研究[J]. 氣候與環境研究, 2010,15(5):584- 594.

[15] 任陣海,蘇福慶,高慶先,等.邊界層內大氣排放物形成重污染背景解析[J]. 大氣科學, 2005,29(1):57-63.

[16] Tai A P K, Loretta J M, Daniel J J, et al. Correlations between fine particulate matter(PM2.5)and meteorological variables in the United States:Implications for the sensitivity of PM2.5to climate change [J]. Atmospheric Environment, 2010,44(32):3976-3984.

[17] 胡 敏,劉 尚,吳志軍,等.北京夏季高溫高濕和降水過程對大氣顆粒物譜分布的影響[J]. 環境科學, 2006,27(11):2293-2298.

[18] 韓 燕,徐 虹,畢曉輝,等.降水對顆粒物的沖刷作用及其對雨水化學的影響[J]. 中國環境科學, 2013,33(2):193-200.

[19] 李 芳,張承中.西安市大氣顆粒物PM2.5與降水關系的探討[J]. 中國環境監測, 2013,29(6):22-28.

[20] Ding A, Wang T, Zhao M, et al. Simulation of sea-land breezes and a discussion of their implications on the transport of air pollution during a multi-day ozone episode in the Pearl River Delta of China [J]. Atmospheric Environment, 2004,38(39):6737-6750.

[21] Chen X L, Feng Y R, Li J N, et al. Numerical simulations on the effect of set-land breezes on atmospheric haze over the Pearl River Delta region [J]. Environment Model Assessment, 2009,14(3):351-363.

[22] 李 莉,陳長虹,黃 成,等.長江三角洲地區大氣O3和PM10的區域污染特征模擬[J]. 環境科學, 2008,29(1):238-246.

[23] 韓 霄,張美根.2013年1月華北平原重霾成因模擬分析[J]. 氣候與環境研究, 2014,19(2):127-139.

[24] 李 丹.2006~2010年大連市區空氣質量變化原因分析[J]. 遼寧師范大學學報, 2011,34(4):524-527.

[25] 閻守政,紀德鈺,李 丹,等.大連市區空氣中顆粒物(PM10和PM2.5)污染原因分析[J]. 中國環境管理干部學院學報, 2015,25(4):53-56.

[26] Zhang Q, Streets D G, Carmichael G R, et al. Asian emissions in 2006for the NASA INTEX-B mission [J] Atmospheric Chemistry and Physics, 2009,9(14):5131-5153.

[27] 李 鋒,朱 彬,安俊嶺,等.2013年12月初長江三角洲及周邊地區重霧霾污染的數值模擬[J]. 中國環境科學, 2015,35(7):1965-1974.

[28] 常 明,劉曉環,劉明旭,等.非采暖期和采暖期青島市及中國東部臭氧和細顆粒物模擬研究[J]. 中國海洋大學學報:自然科學版, 2016, 46(2):14-25.

[29] 李紅斌,傅 瑜,張靖萱,等.一次大氣污染過程的降水天氣特征及相關分析 [J]. 氣象, 2018,44(5):655-664.

[30] 張小曳.中國不同區域大氣氣溶膠化學成分濃度、組成與來源特征[J]. 氣象學報, 2014,72(6):1108-1117.

Weather characteristics and simulation analysis on causes of air pollution in Dalian.

FU Yu1, LI Hong-bin1*, YU Hui-qing2, WANG Xiu-ping2, ZHAO Fan-sheng1, ZHOU De-ping3, HE Yang1, PU Wen-yao1, ZHANG Dian-gang1

(1.Dalian Weather Modification Office, Dalian 116001, China；2.Dalian Observatory, Dalian 116001, China; 3.Institute of Atmospheric Environment, China Meteorological Administration, Shenyang 110016, China)., 2018,38(10)：3639~3646

Based on the observational data, upper air and ground surface synoptic field during 2014~2015, and NCEP/NCAR reanalysis data in December 2015, combined with WRF-CMAQ numerical model, the characteristics and the cause of the air pollution process in Dalian were analyzed. The results showed that there were 145 pollution days, accounting for 20%, and 35pollution processes in Dalian from 2014 to 2015. The upper air circulations during air pollutions were mainly northwest air flow field after the trough (accounting for 63%), and the southwest air flow field before the trough (accounting for 21%). The ground surface synoptic field were mainly in two types, which are uniform pressure field with weak wind (accounting for 68%) and intensive isobars with high-speed wind. The atmospheric stratification was stable, with weak average horizontal wind during 5air pollution processes in December 2015 in Dalian, which suppressed the dispersion of pollutant in the vertical and horizontal directions, leading to the deterioration of air quality. Results of the numerical model simulation showed that nitrate, ammonium and sulfate are the main components of aerosols during the pollution process. And the nitrate provided the first contribution and the most obvious increase during the pollution processes, which means the vehicle emission and coal-fired emission already had important impacts on the formation of urban pollution in Dalian.

Dalian city；air pollution；meteorological field；WRF-CMAQ

X511

A

1000-6923(2018)10-3639-08

傅 瑜(1990-),女,助理工程師,碩士,主要從事人工影響天氣、大氣物理與環境研究.發表論文1篇.

2017-11-09

國家自然科學基金資助項目(41440036)

* 責任作者, 研究員, lhb7159@163.com