天津地區霾天氣特征研究

蔡子穎,姚 青,韓素芹,邱曉濱,張 敏,吳彬貴,王雪蓮

?

天津地區霾天氣特征研究

蔡子穎1,2,3*,姚 青1,3,韓素芹3,邱曉濱3,張 敏1,吳彬貴3,王雪蓮3

(1.天津市環境氣象中心,天津 300074；2.中國氣象局大氣化學重點開放實驗室,北京 100081；3.天津市氣象科學研究所,天津 300074)

基于2014~2017年天津地區PM2.5質量濃度,能見度和相對濕度監測數據開展霾天氣特征研究.結果表明:天津中度以上霾過程分為五類:高壓后部型,北部弱高壓型,低壓槽型,均壓場型和鋒前低壓型.在現行標準下,中度霾一般對應重度污染天氣,重度霾對應重度到嚴重污染天氣;五級重度污染天氣一般有中-重度霾發生,六級嚴重污染天氣有重度霾天氣發生.2013年“大氣污染防治行動計劃”開展以后,天津PM2.5質量濃度和霾日均顯著減少,2017年相比2013年霾日減少了55%,中度及其以上霾日由2013年的41d下降到2017年的20d,下降幅度超過50%.基于實況監測的PM2.5質量濃度,能見度和相對濕度,可以較好的構建區域能見度計算方程.統計數據顯示,其估算的能見度和實況值相關系數為0.94,相對誤差為18.6%,非霾日辨識準確率為85%,霾日辨識準確率為95.6%,輕微霾辨識準確率為83%,輕度霾辨識準確率為78%,中度霾辨識準確率為93%,重度及以上霾辨識準確率為94%,對于判斷霾等級,有較強的適用性.將該方程與空氣質量模式結合開展霾等級預報,2015~2017年24h預報產品檢驗顯示:能見度預報值與實況值相關系數為0.75,預報均值13.9km,實況均值14.1km,相對誤差為29.6%, FAC2(預報值在實況值兩倍范圍內百分比)為98.1%,霾日預報準確率81.4%,霾日漏報率18.6%,霾日空報率20.6%,如果容錯1級,輕微霾日預報準確率為96%,輕度霾日預報準確率為85%,中度及以上霾日預報準確率為69%,可有效支撐天津霾等級預報的開展.

霾等級預報；重污染天氣；天津

近年伴隨人民日益增長的美好生活需要,霾受政府重視和公眾關注,成為研究的熱點問題.21世紀初吳兌[1]基于珠江三角洲開展霾與霧區別和灰霾天氣預警的討論,并研究珠三角洲大氣灰霾導致能見度下降問題[2],陳歡歡[3]和吳蒙[4]延續吳兌工作,認為廣東省典型灰霾過程分布在每年的10月~次年4月,造成灰霾的天氣形勢主要是高壓變性出海.在長江三角洲地區霾的影響明顯,其垂直結構[5-6],光學特性[7],機理[8]被細致的研究.京津冀地區是我國霾最高發的地區,受地形影響[9],導致山前暖區空氣流動性較小形成氣流停滯區,污染物和水汽容易聚集從而有利于霾形成.綜合近年研究,霾天氣發生,排放是內因[10],氣象是外因[11].靜穩天氣[12]、小風速[13]、高相對濕度[14]、大氣層結穩定[15]、混合層厚度低[16-18]和弱氣壓場[19]都是霾天氣發生的重要氣象誘因.能見度的高低是霾天氣判斷的重要標識,影響能見度的天氣現象有霧、霾、沙塵和降水等,霧天氣能見度的大小與霧滴液態含水量和霧滴尺度密切相關[20];霾天氣能見度與氣溶膠和相對濕度密切相關[21-22],其貢獻達到大氣消光的85%以上[23-24];降水天氣出現低能見度,主要來自雨滴的消光作用[25].在霾判斷時,需要扣除霧、沙塵和降水等視程障礙天氣的影響[26].關于霾天氣的預報,一般可以分為天氣學方法[27],統計學方法[28]和數值預報[29-31]方法.隨著近年數值模式和高性能計算機技術的不斷發展,越來越多的數值模式被用于霾和能見度預報.基于數值模式開展霾天氣和能見度預報,需要解決大氣消光系數計算的問題,常見的方法可以分為3類,一類是基于質量濃度或者體積濃度觀測數據,構建區域統計方程和數值模式相互銜接計算大氣消光系數[32-34],其優勢是方程構建相對簡單,且往往能取得不錯的效果,缺點是需要長序列觀測數據建立方程,方程構建區域特征明顯,移植其它地區需要重建方程,物理意義略差;二是基于化學組分計算大氣消光系數,典型的如IMPROVE方程[35-37],其優點是物理意義明確性強,且對大氣消光的成因可以有效分解,缺點是成分數據采樣分析成本高,空氣質量模型化學組分模擬相比質量濃度模擬偏差大;三是基于MIE散射和粒徑譜的消光系數計算[38-39],其優點是物理意義明確,且無需觀測數據新建方程;缺點是模式粒徑譜與實況存在偏差,導致大氣消光系數計算存在誤差.

相比傳統天氣業務.環境氣象業務發展滯后.中國氣象局《應對氣候變化保障生態文明建設規劃》明確要求,各省氣象局應提高大氣污染防治氣象保障服務水平,到2020年建立集約化,0~10d無縫隙的環境氣象預報業務,重污染天氣和霾預警時效提前至48h,霾、空氣質量24h時效預報TS評分達到0.35和0.55,發布72h效逐3h霾預報產品及霾、能見度預報格點化產品.為有效支撐天津地區霾等級預報開展,本文在收集2014~2017年天津地區PM2.5質量濃度、能見度和相對濕度監測數據的基礎上,從監測數據出發,分析現行標準下天津霾天氣與重污染天氣(以AQI為標準)的區別和聯系,以及兩者的時空演變規律特征.結合天氣學分析,構建天津中度及以上霾天氣概念模型.在此背景下研究天津PM2.5質量濃度、能見度和相對濕度三者的相互關系.構建能見度計算方程并與天津氣象部門空氣質量數值模式相互銜接,試驗性提供霾等級預報客觀支撐產品,并基于2015~2017產品對方法進行檢驗,最終以期提升天津氣象部門霾天氣能見度和霾等級預報能力,服務天津生態文明建設.

1 研究方法

1.1 監測數據

圖1 2014~2016年中國氣象局天津大氣邊界層觀測站與天津市生態環境監測中心發布PM2.5質量濃度對比

本文研究氣象數據來自天津市13個區級氣象站;空氣質量數據來自生態環境保護部門和氣象部門監測,其中2014年1月1日~2017年12月31日為天津市生態環境監測中心發布的逐小時PM2.5質量濃度監測數據,監測站點27個,監測方法為震蕩天平法,增加揮發有機物補償測量;2009年1月1日~2013年12月31日為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)逐小時監測數據,監測方法為震蕩天平法,兩者數據通過2014~2016年3a同步觀測(圖1),進行歸一化修正.本文使用數據經過嚴格控制比對.

1.2 模式設置

WRF/chem模式[40-42]是NCAR(national center for atmospheric research)和NOAA(national oceanic and atmospheric administration )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,模式考慮大氣污染的化學過程,平流輸送,湍流擴散,干濕沉降過程,在全球空氣質量預報和模擬中有廣泛的運用.本文采用WRF/ chem3.8.1版本,氣相化學過程采用CBMZ機制,氣溶膠過程采用MOSAIC模型,主要物理過程設置如下: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,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.模式的人為排放源清單使用清華大學MEIC (Multi-resolution Emission Inventory for China)2012,分辨率0.25°×0.25°,在天津地區使用27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2015年1月1日~2017年12月31日,模擬采用24h滾動計算,每24h重新使用一次FNL氣象初始場,而污染初始場則為上一次的模擬值.

2 結果與討論

2.1 霾天氣與重污染天氣的聯系和區別

2010年氣象行業標準《霾的觀測和預報等級》[43]首次引入了大氣成分指標作為霾等級的判識標準,認為當能見度低于10km,相對濕度低于80%時是霾,相對濕度為80%~95%時PM2.5質量濃度大于75μg/m3為霾.且依據能見度()對霾等級進行劃分:輕微霾(5km￡<10km),輕度霾(3km￡<5km),中度霾(2km￡<3km),重度霾(<2km).2013年中國氣象局在充分考慮能見度、相對濕度和PM2.5質量濃度的基礎上制定霾預警(暫行)標準,明確霾等級劃分方法(表1),并以此為依托發布霾預警.

依據重污染天氣應急預案定義,重污染天氣為空氣質量指數(AQI)級別達到五級(重度污染)及以上污染程度的天氣.2013~2017年監測數據顯示,天津地區AQI大于200的重污染天氣共計169d,其中首要污染物為PM2.5的163d,為PM10的6d(5d受到顯著的沙塵天氣影響),未出現O3和其它污染物為首要污染物的重污染天氣,即在天津地區重污染天氣一般為PM2.5為首要污染物的五級及以上重污染天氣,即PM2.5質量濃度大于150mg/m3.

表1 中國氣象局霾預警標準(暫行)

綜上所述,基于現行業務規范和天津大氣環境現狀,天津霾等級的判斷依賴于能見度、相對濕度和PM2.5質量濃度.重污染天氣的判斷主要為PM2.5質量濃度,當PM2.5質量濃度大于150mg/m3即認為出現重污染天氣.研究顯示,在非霧天氣,大氣能見度的下降主要為細顆粒物的吸收和散射,其中PM2.5在其中發揮最為主要的作用,在濕度不變的情況,PM2.5質量濃度與能見度基本呈現冪指數關系[33],確定一個地區PM2.5體積濃度(如果體積譜確定,體積濃度和質量濃度可進行換算)和相對濕度,可以計算出該區域的大氣消光系數和能見度.所以確定一個區域PM2.5質量濃度和相對濕度,可對霾的等級進行粗略辨識.基于上述討論,依托2014~ 2017年天津地區實測的資料,分析天津霾天氣和重污染天氣的區別和聯系.

由表2~3統計顯示,基于上述標準判斷,天津地區輕度霾天氣,一般對應輕度-中度污染,其平均能見度4.15km,PM2.5質量濃度112mg/m3;中度霾天氣平均能見度3.40km,PM2.5質量濃度177mg/m3,90%為重度污染天氣,10%為中度污染天氣;重度及以上霾天氣,一般對應重度到嚴重污染天氣,其概率為重污染天氣51%,嚴重污染天氣49%.當空氣質量為優,能見度均在10km以上,沒有霾天氣發生;空氣質量為良,有11%的天氣能見度介于5~10km,出現輕微霾天氣;當空氣質量為輕度污染,有35%天氣由于相對濕度較低,氣溶膠消光能力弱,能見度在10km以上,65%天氣出現輕微到輕度霾天氣;當空氣質量達到中度污染等級,平均能見度降至6.42km,90%的情況有霾發生,其中輕度霾占26%,有7%的天氣由于相對濕度較高,氣溶膠吸濕增長明顯,能見度低于3km,出現中度霾天氣;當空氣質量達到重度污染水平,66%的天氣將出現中度霾,20%的天氣將出現重度霾,但也有部分天氣,由于相對濕度非常低(空氣干燥),能見度大于5km,甚至大于10km,這樣的天氣給公眾的感官較好,但大氣中高負載的氣溶膠對人體也將產生嚴重傷害,其占比為13%.當空氣質量達到嚴重污染程度,平均能見度將降至1.50km,在所有研究樣本中僅有1d,能見度在5km以上,大部分個例能見度介于1~2km之間,一般對應重度霾天氣.綜合而言:天津地區霾天氣和重污染天氣雖然定義不同,霾天氣側重于能見度和PM2.5質量濃度的綜合判斷,重污染天氣主要依賴于PM2.5質量濃度判斷,但由于霾天氣能見度的高低主要為細顆粒物的散射和吸收作用決定,所以霾等級與空氣質量等級存在較為固定的關系.一般而言,中度霾對應重度污染天氣(90%),重度霾對應重度到嚴重污染天氣(95%);反之,五級重度污染天氣一般有中-重度霾發生(87%),六級嚴重污染天氣有重度霾發生(95%).重污染天氣(包含五級、六級)88%有中度-重度霾發生,僅有12%由于大氣過于干燥,能見度大于5km.

表2 不同等級霾對應的氣象要素和空氣質量等級

表3 不同等級空氣質量對應的氣象要素和霾等級

2.2 霾天氣和重污染天氣的統計特征

統計2014~2017年天津地區霾天氣和重污染天氣特征.圖2a顯示由于氣象條件以及采暖季和非采暖季排放源差異,PM2.5質量濃度呈現單峰結構,每年12月~次年1月為峰值,5月~9月為谷值.對應PM2.5質量濃度單峰結構,重污染天氣也呈現單峰結構,每年10月~次年3月多有重污染天氣發生,出現概率15.5%,其余時間重污染天氣發生概率0.7%.霾天氣與重污染天氣略有區別,天津能見度峰值出現在5~6月,7月雨季開始,相對濕度明顯增加,雖然PM2.5質量濃度較低,但能見度小于10km天數明顯增加,霾出現概率34%,一般以輕微霾為主,未出現中度及以上霾天氣.對應PM2.5質量濃度分布,10月~次年3月,也是霾高發季節,霾發生概率41%,尤其中度及以上霾,96%發生在每年10月~次年3月(圖2b).綜合而言,天津地區霾天氣全年均有發生,但中度及以上霾呈現明顯的季節差異,96%發生在每年10月~次年3月,與重污染天氣月季分布規律基本一致.

圖2 2014~2017年天津地區霾天氣統計特征

a 霾月變化,b中度以上霾發生概率,c PM2.5質量濃度年際變化,d 霾日數年際變化,e 日變化,f 發生概率日變化

年際變化分析,天津地區PM2.5質量濃度2009~ 2012年呈現平穩變化,維持在86mg/m3左右,受極端不利氣象條件影響,2013年PM2.5質量濃度躍遷至96mg/m3,《大氣污染防治行動計劃》頒布以后PM2.5質量濃度呈現逐年下降的趨勢(圖2c),相比峰值濃度,2017年PM2.5質量濃度下降了35.4%,相比2009~ 2012年的穩定濃度,PM2.5質量濃度下降28%.隨著大氣中PM2.5質量濃度的減少,霾日呈現顯著下降趨勢,2017年相比2013年霾日下降了55%,中度及其以上霾日由2013年的41d下降到2017年的20d,下降幅度超過50%,重污染天氣與中度及以上霾日變化趨勢一致,在2009~2013年保持45~50d范圍變化,經過5a的治理,2017年僅為23d,重污染日顯著減少(圖2d).

基于小時數據分析霾時和重污染時日變化.天津地區PM2.5質量濃度呈現單峰型分布(圖2e),每日15h~17h為谷值,8h~10h為峰值,傍晚18h雖然PM2.5質量濃度有所增加,但晚高峰并不明顯,18h~22h有持續增加,然后保持平穩,直到早晨再次出現峰值.能見度日變化規律與PM2.5質量濃度相反,但波動幅度明顯更大,其差異主要因為能見度受相對濕度日變化影響.下半夜到清晨太陽升起前相對濕度出現每日高值,此時能見度也為全天最低,日出后雖然PM2.5質量濃度有小幅增加,但伴隨氣溫的增加,導致濕度降低,能見度呈現增加趨勢.基于上述規律,天津地區霾最易發生在下半夜到上午,峰值出現在6h~9h,有接近50%的概率出現霾,且出現中度及以上霾概率達到13%(圖2f),午后由于大氣垂直擴散條件改善以及相對濕度下降,霾發生概率大幅度減小,其發生概率約在25%~30%.以小時計算,2017年天津地區霾約為2164h,其中中度及以上霾發生590h,相比2014年分別減少1944h和657h,但霾時仍占所有時間的25%,霾天氣依舊是影響天津人民群眾生活的重要問題.與霾天氣對應的是重污染天氣,重污染天氣日變化分布相對平緩,9h~11h發生的概率略高,為11.6%,每日20h~次日12h發生概率為10%~11%,午后受垂直擴散條件改善影響,在8%~10%之間.對比霾日間變化,重污染受日間變化影響更小,持續性更強.

2.3 霾天氣和重污染天氣的天氣概念模型

2014~2017年發生中度及以上霾為111d,重污染天氣為118d,重合天數為104d.出現中度及以上霾天氣,未出現重污染天氣7d(出現中度污染).地面以高壓后(東風增濕)或者鋒前低壓(弱北風降溫增濕)為主,平均相對濕度為82%,由于相對濕度較高,雖然未出現重度污染,但能見度較低(平均2.5km),達到中度霾等級;出現重污染天氣,未出現中度霾天氣為14d,其中850hPa呈現偏西或者西北氣流為10d,平均相對濕度為50%,低相對濕度導致能見度保持在5~10km,且其中50%的過程地面已經轉為偏西或者西北風,西北風、西風使得天津地區相對濕度快速下降,但北部、西北部輸送的污染物仍然使得天津有較高的細顆粒物質量濃度,空氣質量改善時間明顯滯后于能見度改善時間.

500hPa環流分析,當高空環流為平直西風氣流、弱西北氣流和槽前西南氣流時易于霾天氣發生.具體而言,當高空環流為平直西風氣流時,西風帶無明顯波動,無明顯天氣系統影響華北地區,氣壓場較弱,易于霾天氣出現,占所有過程的34%;當高空處于弱西北氣流控制時,華北地區受脊前或者槽后弱西北氣流影響,地面以高壓后、弱高壓為主,也有部分前傾槽,地面位于低壓后部或者鋒前低壓區,易于霾天氣出現,占所有過程34%;當高空為槽前西南氣流時,華北地區位于高空槽前,地面多為鋒前低壓區或均壓場控制,輻合風場有利于污染物的累積,占所有過程32%.

850hPa流場分析,西南氣流是霾天氣最重要的影響氣流,占61%.當850hPa為西南氣流時,西南氣流將攜帶河北中南部的污染物輸送到天津,且如果華北地區受明顯的暖舌控制,暖舌的影響利于逆溫形成,或者西南氣流會帶來暖平流,暖平流利于逆溫形成,引起污染物累積.除西南氣流以外,850hPa呈現偏西氣流占13.5%,其多對應地形槽或者華北小低壓天氣,南北向太行山與西風下沉,易形成輻合低壓污染.850hPa呈西北流占23%,地面多對應鋒前低壓區,雖然已經轉為偏北風影響,但風場較弱,北部輸送和鋒面逆溫導致霾天氣加劇.比較特殊的是前傾槽過程,高空850hPa為西北氣流,呈現下沉趨勢,地面仍然位于低壓槽前,呈現上升氣流,下沉氣流抑制污染物的垂直擴散,而地面弱上升,意味著仍處于低壓輻合區,水平和垂直擴散條件的雙重不利,導致污染過程加劇.

結合500hPa環流分析和850hPa流場分析,基于地面天氣形勢,可將天津中度及以上霾天氣劃分為5種類型.分別為均壓場型、弱高壓型、鋒前低壓型、高壓后型和低壓槽型.高壓類型2類,分別為高壓后和弱高壓,其中高壓后部型是華北地區較為常見的一種污染天氣形勢(占比27%),由于河北中南部相比京津冀中北部大氣污染物排放量和氣象條件均有利污染物積累,當高壓后-低壓前地面形勢出現時,天津地區一般為暖平流控制,易于逆溫出現,西南輸送和本地垂直擴散條件不利,雙重疊加有利于霾天氣發生.弱高壓(占比9.9%),主要為北部弱高壓型,海平面氣壓場呈現北高南低格局,前期污染積累以及冷空氣的強度對于弱高壓型污染是否出現中度及以上霾天氣至關重要.當前期冷空氣較弱時,對區域性污染清除不徹底,冷空氣減弱后,易于大氣污染回流或者上游輸送滯留,導致霾天氣出現,此類天氣需要注意弱高壓天氣下沉氣流對大氣污染物垂直擴散的影響.低壓類型有3類,占比最多的為鋒前低壓(占比28.8%),該天氣一般為污染過程的最后階段,也是污染過程峰值階段,未來有冷鋒過境,目前處于低壓系統或弱氣壓場內.在此階段大氣污染受前期積累和上游輸送的共同的影響,呈現較高的峰值濃度.其次為均壓場(占比22%),弱風場是此類污染天氣的最大特征,當濕度較高時,此類天氣也易出現霧霾交替產生的現象.低壓槽也是華北地區典型的低壓污染類型(占比11.7%),其屬于輻合風場污染類型.由于我國處于西風帶,太行山又呈現南北向,氣流過山后,氣柱伸長,空氣發生輻合,氣旋性渦度增加,下沉氣流絕熱增溫,在對流層低層產生暖溫度脊,使低層減壓,在華北平原形成低槽(華北地形槽).該地形槽常為地面氣壓場的暖性低槽,有時在地形槽內出現地形低壓,強度弱、不發展.受其影響在華北平原常有低壓區輻合區的存在,當低壓輻合區閉合時,我們稱為華北小低壓,當低壓輻合區不閉合時,稱為地形槽.地形槽與低壓系統相互融合,使得華北平原地區風場輻射,污染滯留,有利于霾天氣的出現.

圖3 中度及以上霾天氣概念模型

根據上述分析,構建天津地區霾天氣概念模型,I為高壓后型;II為北部弱高壓型;III低壓槽型;IV均壓場型;V鋒前低壓型.具體如下(圖3):

2.4 PM2.5、相對濕度和能見度的關系

大氣低能見度的形成原因復雜,且存在明顯的地域性和季節性,其對應的天氣現象有霧、霾、沙塵和降水等.霾天氣能見度與氣溶膠、相對濕度密切相關,其貢獻達到大氣消光的85%以上,氣溶膠質量濃度、粒徑譜分布、化學組分、吸濕特性和黑碳及其混合狀態等性質均對其產生影響,在PM2.5中硫酸鹽、硝酸鹽和含碳氣溶膠是引起能加度降低的主要成分.如果固定相對濕度,清晰顯示PM2.5質量濃度與能見度呈現冪指數關系(表4),參考馬楠等[33]和蔡子穎等[32]在天津武清和城區的工作,基于2014~ 2016年PM2.5質量、相對濕度和能見度建立擬合式,共計25828h,以2017年數據作為檢驗.擬合式1,其中為大氣消光系數,可通過3912/計算大氣能見度(最高為30km,超過30km取30km),值為7.63,值為0.9,值為0.479,相比使用2012年城區觀測擬合的數據,本研究擬合數據采用天津全市樣本,且2014年后環保部門使用RP1405F測量PM2.5質量,相比原有的氣象部門RP1400,其揮發性有機物的補償使得監測PM2.5質量濃度略高于以前觀測.基于此、和略有調整(原擬合式[21]中為6.72,為0.89,為0.838).基于2017年全年樣本進行檢驗,模擬能見度和實況能見度相關系數0.94(圖4),相對誤差18.6%,比使用原有公式模擬2017年能見度略有改進(相關系數0.93,相對誤差22%).在不考慮PM2.5質量和相對濕度預報誤差的情況下,使用式1計算霾等級(2014~2017年),霾日辨識準確率為85%,霾日辨識準確為95.6%,樣本500d;輕微霾辨識準確率為83%,樣本338;輕度霾辨識準確率為78%,樣本55d;中度霾辨識準確率93%,樣本72d;重度及以上霾辨識準確率為94%,樣本34d.假定誤差一個等級辨識記為正確,則各等級平均辨識準確率為99.5%.由此表明該式對霾等級辨識具有較高的準確性.同時也說明在確定PM2.5質量濃度和相對濕度的基礎上,依據式(1)計算能見度日值雖然有接近20%的誤差,但對于判斷霾等級,有較強的適用性.尤其在中度及以上霾天氣,其等級辨識準確率可達到93%以上.

=′PM2.5(1-RH)-c′RH(1)

表4 不同相對濕度段天津能見度(y)與PM2.5質量濃度(x)的定量關系式

圖4 大氣水平能見度模擬值和實測值對比

2.5 霾天氣數值預報

2.4節從理論確定了使用式(1)可較好的進行霾天氣數值預報.基于WRF/chem.模型構建霾天氣數值模式,收集2015~2017年的24h預報產品進行檢驗.從統計數據反映,基于式(1)和WRF/chem.模型可以較好的開展天津霾天氣的能見度模擬和預報,其能見度預報值與實況值相關系數0.75,預報均值13.9km,實況均值14.1km,相對誤差29.6%,FAC2(預報值在實況值兩倍范圍內百分比)為98.1%.預報值與實況出現誤差最主要的影響因素為PM2.5質量濃度預報和實況的偏差,2015~2017年PM2.5質量濃度預報值與實況值相關系數0.73,預報均值68μg/m3,實況均值69μg/m3,相對誤差33.5%,FAC2值為86%,相對濕度相比PM2.5質量濃度預報,無論相對誤差,還是相關系數均表現的更為優異,其預報值與實況值相關系數為0.89,預報均值為53,實況均值為57,相對誤差為12.7%,FAC2值為98.1%.基于上述方法,開展霾天氣預報和模擬,霾日預報準確率為81.4%,霾日漏報率為18.6%,霾日空報率20.6%,可有效支撐霾預報的開展.對于精細化的霾等級預報開展,表5顯示大部分情況下霾等級預報的準確率在50%以上,如果容錯1級,輕微霾日預報準確率為96%,輕度霾日預報準確率為85%,中度及以上霾日預報準確率為69%,相比基于PM2.5的空氣質量等級預報,其等級預報準確率35%,容錯1級等級預報準確率86%,基于式1和數值模式的天津霾等級預報準確率與基于數值模式的空氣質量預報準確率大體相當,后期需要通過改進數值模式PM2.5質量濃度預報能力,提升天津地區霾等級預報水平.

表5 基于數值模式天津地區霾等級預報準確率(2015~2017年)

3 結論

3.1 基于2014~2017年天津地區實測的資料,分析霾天氣和重污染天氣的聯系.一般而言,中度霾對應重度污染天氣,重度霾對應重度到嚴重污染天氣;反之,五級重度污染天氣一般有中-重度霾發生,六級嚴重污染天氣有重度霾發生.

3.2 天津地區霾天氣全年均有發生,中度及以上霾呈現明顯季節差異,96%發生在每年10月~次年3月,與重污染天氣月季分布規律基本一致.隨著大氣中PM2.5質量濃度的減少,霾日呈現顯著下降趨勢,2017年相比2013年霾日下降了55%,中度及其以上霾日由2013年的41d下降到2017年的20d,下降幅度超過50%.分析2013~2017年所有中度及以上霾過程,天津地區霾天氣可以劃分為5類,分別為高壓后部型、北部弱高壓型、低壓槽型、均壓場型和鋒前低壓型.

3.3 PM2.5質量濃度與能見度呈現冪指數關系,基于實況監測可清晰描繪天津PM2.5質量濃度、相對濕度和能見度三者關系,并建立能見度計算方程.實況監測數據反算,該方程計算的能見度和實況能見度相關系數0.94,相對誤差18.6%,非霾日辨識準確率85%,霾日辨識準確95.6%,輕微霾辨識準確率為83%,輕度霾辨識準確率為78%,中度霾辨識準確率93%,重度及以上霾辨識準確率94%.假定誤差一個等級辨識記為正確,則各等級平均辨識準確率為99.5%,對于判斷霾等級,有較強的適用性.

3.4 基于本地化能見度計算方程,結合WRF/chem數值模式開展天津地區能見度和霾等級預報.2015~ 2017年24h預報產品檢驗顯示:能見度預報值與實況值相關系數為0.75,預報均值為13.9km,實況均值為14.1km,相對誤差為29.6%,FAC2為98.1%;霾日預報準確率為81.4%,霾日漏報率為18.6%,霾日空報率為20.6%,如果容錯1級,輕微霾日預報準確率為96%,輕度霾日預報準確率為85%,中度及以上霾日預報準確率為69%,其準確率與基于數值模式的空氣質量預報準確率大體相當,可有效支撐霾等級預報的開展,在后期研究中,也需要通過改進數值模式PM2.5質量濃度預報能力,提升天津霾等級預報水平.

[1] 吳 兌.關于霾與霧的區別和灰霾天氣預警的討論[J]. 氣象, 2005, 31(4):3-7. Wu D. A Discussion on Difference between Haze and Fog and Warning of Ash Haze Weather [J]. Meteorological monthly. 2005, 31(4):3-7.

[2] 吳 兌,畢雪巖,鄧雪嬌,等.珠江三角洲大氣灰霾導致能見度下降問題研究[J]. 氣象學報, 2006,64(4):510-517.Wu D, Bi X, Deng X J, et al. Effect of atmospheric haze on the deterioration of visibility over the pear river detla [J]. Acta Meteorological sinica, 2006,64(4):510-517.

[3] 陳歡歡,吳 兌,譚浩波,等.珠江三角洲2001~2008年灰霾天氣過程特征分析[J]. 熱帶氣象學報, 2010,26(2):147-155.Chen H H, Wu D, Tan H B, et al. Study on the character of haze weather process from the year 2001 to 2008 over the pearl river delta [J]. Journal of tropical meteorology, 2010,26(2):147-155.

[4] 吳 蒙,范紹佳,吳 兌,等.廣州地區灰霾與清潔天氣變化特征及影響因素分析[J]. 中國環境科學, 2012,32(8):1409-1415.Wu M, Fan S J, Wu D, et al. Characteristics and influence factors study of haze and cleaning weather over Guangzhou Area [J]. China Environmental Science. 2012,32(8):1409-1415.

[5] 劉 瓊,耿福海,陳勇航,等.上海不同強度干霾期間氣溶膠垂直分布特征[J]. 中國環境科學, 2012,32(2):207-213.Liu Q, Geng F H, Chen Y H, et al. Vertical distribution of aerosols during different intense dry haze periods around Shanghai [J]. China Environmental Science, 2012,32(2):207-213.

[6] 王 苑,耿福海,陳勇航,等.基于微脈沖激光雷達的上海浦東地區不同強度霾研究[J]. 中國環境科學, 2013,33(1):21-29.Wang Y, Geng F H, Chen Y H, et al. Study of haze with different intensity categories at Pudong District in Shanghai based on micro- pulse lidar [J]. China Environmental Science, 2013,33(1):21-29.

[7] 王 靜,牛生杰,許 丹,等.南京一次典型霧霾天氣氣溶膠光學特性[J]. 中國環境科學, 2013,33(2):201-208.Wang J, Niu S J, Xu D, et al. Aerosol optical properties during the typical haze/fog event in Nanjing [J]. China Environmental Science. 2013,33(2):201-208.

[8] 朱佳雷,王體健,邢 莉,等.江蘇省一次重霾污染天氣的特征和機理分析[J]. 中國環境科學, 2011,31(12):1943-1950.Zhu J L, Wang T J, Xing L, et al. Analysis on the characteristics and mechanism of a heavy haze episode in Jiangsu Province [J]. China Environmental Science. 2011,31(12):1943-1950.

[9] 吳 兌,廖碧婷,吳 蒙,等.環首都圈霾和霧的長期變化特征與典型個例的近地層輸送條件[J]. 環境科學學報, 2014,34(1):1-11.Wu D, Liao B, Wu M, et al. The long-term trend of haze and fog days and the surface layer transport conditions under haze weather in North China [J]. Acta Scientiae Circumstantiae, 2014,34(1):1-11.

[10] 薛亦峰,周 震,聶 滕,等.2015年12月北京市空氣重污染過程分析及污染源排放變化[J]. 環境科學, 2016,37(5):1593-1601. Xue Y F, Zhou Z, Nie T, et al. Exploring the Severe Haze in Beijing During December, 2015: Pollution Process and Emissions Variation [J]. Environmental Science. 2016,37(5):1593-1601.

[11] 穆 穆,張人禾.應對灰霾天氣:氣象科學與技術大有可為[J]. 中國科學:地球科學, 2014,44(1):1-2. Mu M, Zhang R H.Dealing with Haze Weather: Great Prospects for Meteorological Science and Technology [J].Chinese Science: Geosciences, 2014,44(1):1-2.

[12] 董春卿,鄭有飛,武永利,等.邊界層方案對山西冬季一次靜穩天氣PM2.5濃度模擬的影響[J]. 中國環境科學, 2016,36(6):1669-1680.Dong C Q, Zheng Y F, Wu Y L, et al. The effects of different planetary boundary layer schemes on PM2.5concentration simulations in winter stable weather of Shanxi [J]. China Environmental Science. 2016, 36(6):1669-1680.

[13] 李令軍,王占山,張大偉,等.2013~2014年北京大氣重污染特征研究[J]. 中國環境科學, 2016,36(1):27-35.Ling J, Wang Z S, Zhang D W, et al. Analysis of heavy air pollution episodes in Beijing during 2013~2014 [J]. China Environmental Science, 2016,36(1):27-35.

[14] 劉興瑞,馬 嫣,崔芬萍,等.南京北郊一次重污染事件期間PM2.5理化特性及其對大氣消光的影響[J]. 環境化學, 2016,35(6):1164- 1171. LiuX R, Ma Y, Cui F P, et al. Physicochemical characteristics of PM2.5and impacts on light extinction during the heavy pollution period at North Suburban Nanjing [J]. Environmental Chemistry, 2016,35(6): 1164-1171.

[15] 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.Cai Z Y, Han S Q, Zhang M, et al. Construction and Application of Vertical Diffusion Index for Analyzing Weather During Pollution Events in Tianjin [J]. Environmental Science, 2018,39(6):2548-2556.

[16] Tang G, Zhu X, Hu B, et al. Impact of emission controls on air quality in Beijing during APEC 2014: lidar ceilometer observations [J]. Atmospheric Chemistry & Physics, 2015,15(21):12667-12680.

[17] Han S, Hao T, Zhang Y, et al. Vertical observation and analysis on rapid formation and evolutionary mechanisms of a prolonged haze episode over central-eastern China. Science of total environment [J]. Science of the total environment, 2018,2018(616):135-146.

[18] 李 夢,唐貴謙,黃 俊,等.京津冀冬季大氣混合層高度與大氣污染的關系[J]. 環境科學, 2015,36(6):1935-1943.Li M, Tang G Q, Huang J, et al. Characteristics of Winter Atmospheric Mixing Layer Height in Beijing-Tianjin-Hebei Region and Their Relationship with the Atmospheric Pollution [J]. Environmental Science, 2015,36(6):1935-1943.

[19] 蔡子穎,韓素芹,汪 靖,等.基于天氣背景天津地區重污染天氣特征分析[J]. 環境科學學報, 2017,37(10):3906-3917.Cai Z Y, Han S Q, Wang J, et al. Analysis of synoptic characteristics of heavy pollution in Tianjin based on weather background [J]. Acta Scientiae Circumstantiae, 2017,37(10):3906-3917.

[20] 周 鑫,丁菊麗,田 偉,等.能見度參數化方案概述[J]. 氣象研究與應用, 2009,30(3):22-25.Zhou X, Ding J, Tian W, et al. Introduction of Visibility Parameterization Scheme [J]. Journal of meteorological research and application. 2009,30(3):22-25.

[21] 邊 海,張裕芬,韓素芹,等.天津市大氣能見度與顆粒物污染的關系[J]. 中國環境科學, 2012,32(3):406-410. Bian H, Han S Q, Zhang Y F, et al. Relationship between atmospheric visibility and particulate matter pollution in Tianjin [J]. China Environmental Science. 2012,32(3):406-410.

[22] 陳義珍,趙 丹,柴發合,等.廣州市與北京市大氣能見度與顆粒物質量濃度的關系[J]. 中國環境科學, 2010,30(7):967-971.Chen Y Z, Zhao D, Chai F H, et al. Correlation between the atmospheric visibility and aerosol fine particle concentrations in Guangzhou and Beijing [J]. China Environmental Science. 2010,30(7): 967-971.

[23] 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. Yao Q, Cai Z Y, Han S Q, et al. Study on Pollution Characteristics of aerosols during low visibility weather at Tianjin City in Autumn and Winter 2009 [J]. Meteorological monthly. 2012,38(9):1096-1102.

[24] 姚 青,韓素芹,蔡子穎,等.天津城區春季大氣氣溶膠消光特性研究[J]. 中國環境科學, 2012,32(5):795-802.Yao Q, Han S Q, Cai Z Y, et al. Study on characteristic of aerosol extinction at Tianjin City in the spring [J]. China Environmental Science, 2012,32(5):795-802.

[25] 劉西川,高太長,劉 磊,等.降水現象對大氣消光系數和能見度的影響[J]. 應用氣象學報, 2010,21(4):433-441. Liu X C, Gao T C, Liu L, et al. Influences of Precipitation on atmospheric Extinction coefficient and Visibility [J]. Journal of applied metrological science, 2010,21(4):433-441.

[26] 劉寧微,馬雁軍,王揚鋒.遼寧中部城市群夏季大氣能見度的觀測研究[J]. 氣象學報, 2012,70(4):814-820.Liu N W, Ma Y J, Wang Y F, et al. Observational study of atmospheric visibility in summer in the area of multicities in central Liaoning Province [J]. Acta Meteorological Sinica, 2012,70(4):814-820.

[27] 饒曉琴,馬學款,黃 威.2014年12月大氣環流和天氣分析[J]. 氣象, 2015,41(3):380-387.Wang J K, Gui H L, Ma X K, et al. Analysis of the December 2017 Atmospheric circulation and weather [J]. Meteorological Monthly. 2015,41(3):380-387.

[28] 熊亞軍,廖曉農,李梓銘,等.KNN數據挖掘算法在北京地區霾等級預報中的應用[J]. 氣象, 2015,41(1):98-104.Xiong Y J, Liao X N, Li Z M, et al. Application of KNN data mining algorithm to haze grade forecasting in Beijing [J]. Meteorological Monthly. 2015,41(1):98-104.

[29] 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[J]. 應用氣象學報, 2016,27(2):160-172.Zhao X J, Xu J, Zhang Z Y, et al. Beijing Regional Environmental Metrology prediction system and its performance test of PM2.5concentration [J]. Journal of applied metrological science. 2016,27(2): 160-172.

[30] 鄧 濤,鄧雪嬌,吳 兌,等.珠三角灰霾數值預報模式與業務運行評估[J]. 氣象科技進展, 2012,2(6):38-44.Deng T, Deng X J, Wu D, et al. Study on Numerical Forecast Model of Haze over Pearl River Delta Region and Routine Business Assessment [J]. Advances in Meteorological Science and Technology. 2012,2(6): 38-44.

[31] 李 鋒,朱 彬,安俊嶺,等.2013年12月初長江三角洲及周邊地區重霾污染的數值模擬[J]. 中國環境科學, 2015,35(7):1965-1974.Li F, Zhu B, An J L, et al. Modeling study of a severe haze episode occurred over the Yangtze River Delta and its surrounding regions during early December, 2013 [J]. China Environmental Science, 2015, 35(7):1965-1974.

[32] 蔡子穎,劉愛霞,韓素芹,等.天津低能見度特征初探[J]. 氣象, 2014,40(1):114-118.Cai Z Y, Liu A X, Han S Q, et al. Research of Characteristics on low visibility in Tianjin[J].Meteorological monthly. 2014,40(1):114-118.

[33] 馬 楠,趙春生,陳 靜,等.基于實測PM2.5、能見度和相對濕度分辨霧霾的新方法[J]. 中國科學:地球科學, 2015,45(2):227-235. Ma N, Zhao C S, Chen J, et al. A novel method for distinguishing fog and haze based on PM2.5, visibility, and relative humidity [J]. Science China: Earth Sciences, 2014(57):2156–2164.

[34] 白永清,祁海霞,劉 琳,等.武漢大氣能見度與PM2.5濃度及相對濕度關系的非線性分析及能見度預報[J]. 氣象學報, 2016,74(2): 189-199.Bai Y Q, Qi H X, Liu L, et al. Study on the nonlinear relationship among the visibility, PM2.5concentration and relative humidity in Wuhan and visibility prediction [J]. Acta Meteorological sinica. 2016, 74(2):189-199.

[35] 胡 俊,趙天良,張澤鋒,等.霾污染環境大氣能見度參數化方案的改進[J]. 環境科學研究, 2017,30(11):1680-1688.Hu J, Zhao T L, Zhang Z F, et al. Upgradeding atmospheric visibility parameterization scheme for haze pollution environment [J]. Research of Environmental Sciences,2017,30(11):1680-1688.

[36] 沈鐵迪,王體健,陳璞瓏,等.南京城區夏秋季能見度與PM2.5化學成分的關系[J]. 中國環境科學, 2015,35(3):652-658.Shen T D, Wang T J, Chen P L，et al. Relationship between atmospheric visibility and chemical composition of PM2.5in the summer and autumn of Nanjing [J]. China Environmental Science. 2015,35(3):652-658.

[37] 古金霞,董海燕,白志鵬,等.天津市顆粒物散射消光特征及化學組分貢獻研究[J]. 中國環境科學, 2012,32(1):17-22.Gu J X, Dong H Y, Bai Z P，et al. Light scattering extinction characterization of particulates and chemical composition contribution in Tianjin [J]. China Environmental Science. 2012,32(1):17-22.

[38] 尚 倩,李子華,楊 軍,等.南京冬季大氣氣溶膠粒子譜分布及其對能見度的影響[J]. 環境科學, 2011,32(9):2750-2760.Shan Q, Li Z H, Yang J, et al. Size Distributions of Aerosol Particles and the Impact on Visibility in Winter of Nanjing [J]. Environmental Science. 2011,32(9):2750-2760.

[39] 韓素芹,張裕芬,李英華,等.天津市春季氣溶膠消光特征和輻射效應的數值模擬[J]. 中國環境科學, 2011,31(1):8-12.Han S Q, Zhang Y F, Li Y H, et al. Simulation of extinction and radiant effect of aerosol in spring of Tianjin City [J]. China Environmental Science, 2011,31(1):8-12.

[40] Mu Q, Lammel G, Gencarelli C N, et al. Regional modelling of polycyclic aromatic hydrocarbons: WRF/Chem-PAH model development and East Asia case studies [J]. Atmospheric Chemistry & Physics, 2017,2017(17):12253-12267.

[41] Ryu Y H, Hodzic A, Barre J, et al. Quantifying errors in surface ozone predictions associated with clouds over CONUS: A WRF-Chem modeling study using satellite cloud retrievals [J]. Atmospheric Chemistry & Physics, 2018,(18):7509-7525.

[42] Zhang L, Li Q, Wang T, et al. Combined impacts of nitrous acid and nitryl chloride on lower-tropospheric ozone: new module development in WRF-Chem and application to China [J]. Atmospheric Chemistry & Physics, 2017,(17):9733-9750.

[43] 中國氣象局.QX/T 113中華人民共和國氣象行業標準:霾的觀測和預報等級 [S]. 2010.China Meteorological Administration. QX/T 113. Meteorological industry standard of the People's Republic of China: Haze observation and forecast level

Research on characteristics of haze weather in Tianjin.

CAI Zi-ying1,2,3*, YAO Qing1,3, HAN Su-qin3, QIU Xiao-bin3, ZHANG-Min1, WU Bin-gui3, WANG Xue-lian3

(1.Tianjin Environmental Meteorological Center, Tianjin 300074, China；2.Key Laboratory of Atmospheric Chemistry, China Meteorological Administration, Beijing 100081, China；3.Tianjin Institute of Meteorology, Tianjin 300074, China)., 2019,39(1)：50~60

A research was carried out on characteristics of the haze weather in Tianjin based on the monitoring data of PM2.5mass concentration, visibility and relative humidity in the area from 2014 to 2017, The findings showed that there are five types of haze processes above moderate degree in Tianjin: that in the rear of high pressure, that caused by weak high pressure from north, that caused by low pressure trough, that caused by uniform pressure field and that caused by low pressure before front. As per the current standards, moderate haze generally corresponds to severely polluted weather; severe haze corresponds to severely to untra-severely polluted weather. Moderate to severe haze usually occurs in Level V severely polluted weather, and severe haze occurs in Level VI ultra-severely polluted weather. After "Air Pollution Prevention Action Plan" was implemented in 2013, PM2.5mass concentration and haze days were significantly reduced, by 2017, the number of haze days had decreased by 55% compared with 2013, moderate and above haze days decreased by 50% from 41d in 2013 to 20d in 2017. Based on the monitoring data of PM2.5mass concentration, visibility and relative humidity, the calculation equation of regional visibility can be well constructed. Statistics showed that the correlation coefficient between visibility and real value in the estimation is 0.94, with the relative error 18.6%, identification accuracy rate of the non-haze day is 85%, that of the haze days 95.6%, that of the ultra-slight haze days 83%, that of the slight haze days 78%, that of moderate haze days 93% and that of severe and above haze days 94%, which is greatly applicable for judgement of haze level. This equation was combined with the air quality model to predict the haze level. Inspection of the forecasting product showed: the correlation coefficient between the forecast values and real values of visibility is 0.75, with average forecast value 13.9km and the average real value 14.1km, and the relative error rate 29.6%, the FAC2 (the ratio of the forecast value to two times the real value) is 98.1%, the forecast accuracy rate, forecast missing rate and false rate of the haze days are 81.4%, 18.6% and 20.6%, respectively. Let the tolerance be of Level I, the forecast accuracy rates of ultra-slight haze days, the slight haze days and the moderate and above haze days are 96%, 85% and 69%, respectively, which may effectively support the haze level forecast in Tianjin.

forecast of haze level；severely polluted weather；Tianjin

X131.1

A

1000-6923(2019)01-0050-11

蔡子穎(1984-),男,江蘇揚州人,南京信息工程大學碩士研究生,高級工程師,主要從事大氣環境和氣候效應研究.發表論文14篇.

2018-05-24

國家自然科學基金資助項目(41771242,41675018);國家重點研發計劃(2016YFC0203302);中國氣象科學研究院中國氣象局大氣化學重點實驗室開放課題(2018B06);天津市自然科學基金資助項目(16JCYBJC21500,17JCYBJC23400)

* 責任作者, 高級工程師, 120078030@163.com