北京市秋冬季大氣環流型下的氣象和污染特征

林廷坤,洪禮楠,2,黃爭超,3,王雪松*,蔡旭暉

?

北京市秋冬季大氣環流型下的氣象和污染特征

林廷坤1,洪禮楠1,2,黃爭超1,3,王雪松1*,蔡旭暉1

(1.北京大學環境科學與工程學院,環境模擬與污染控制國家重點聯合實驗室,北京 100871；2.天津市環境保護局,天津 300191；3.生態環境部宣傳教育中心,北京 100020)

分析了北京市2013~2018年秋冬季(即當年11、12月和次年1、2月份)11種環流型的地面和垂直氣象特征,歸納出5類大氣環流條件,探討了不同環流型下北京地區的大氣傳輸規律以及環流型與北京PM2.5污染之間的關系.在5類大氣環流條件中,第I類(含北(N)、東北(NE)環流型,天數占比28%)和第II類(含西北(NW)、反氣旋(A)環流型,占33%)有利于傳輸擴散,以西北風為主,風向較穩定,風速大,邊界層高度高;第III類(含東(E)環流型,占7%)傳輸擴散條件居中,邊界層內以東南風為主,風向變化大,風速中等;第IV類(含西南(SW)、西(W)、南(S)3種環流型,占12%)和第V類(含東南(SE)、均壓(UM)、氣旋(C)3種環流型,占20%)均不利于傳輸擴散,邊界層內以偏南風為主,風速較小,邊界層高度低,低層逆溫較強,第IV類近地面風向較穩定,而第V類則風向變化大.不同環流型下氣團傳輸至北京的路徑存在差異,對北京空氣質量產生潛在影響的周邊地區隨之發生變化.大氣環流型與北京市秋冬季PM2.5污染緊密關聯,SW、UM、C、S和W是北京地區最易發生PM2.5污染的環流型(平均污染發生頻率>75%,平均重度以上污染發生頻率>42%),而在N、A、NE和NW環流型下污染發生頻率最低.研究期間,PM2.5污染極端嚴重的月份存在UM環流型占比顯著增加的共同特點,而PM2.5污染水平最低的月份N環流型占比增加近一倍.此外,PM2.5污染變化相對于環流型變化存在一定的滯后性.

環流型；氣象；細顆粒物；污染；北京

大氣環流型常用于氣候和局地氣象的研究中,特別在中高緯度地區,氣象條件的變化往往由大氣環流驅動[1],而北京地區近幾年發生的多次大氣污染事件均和極端不利的氣象條件有關[2-4],研究大氣環流和局地氣象、大氣污染的關系,能夠更深刻地理解大氣污染發生演變的規律,從而更好地預防和應對大氣污染的危害.

北京地區三面環山,特殊的地形和大氣運動相互作用,使得北京地區大氣環流和局地氣象、大氣污染的關系較為復雜,成為當前的研究熱點[2,5-13].有的研究通過若干污染過程總結大氣環流與污染的規律,如Zhang等[5]主要分析了2008年奧運期間的污染過程與排放管控措施和環流型變化的關系,認為北京地區環流型是大氣污染日變化的首要驅動力.Liu等[6]重點分析了2011年9月份一次重霧霾過程,指出北京地區在穩定的弱高壓作用下會產生下沉氣流,使得邊界層降低,從而促進霾的生成和發展.而有的研究通過長時間的分析總結規律,Zhu等[2]對2016年冬季進行分析,認為2016年冬季發生重污染過程的重要原因是西向暖流在京津冀中層對流層形成“暖蓋”,極大增強了逆溫現象,形成極端低的邊界層高度.Ye等[7]分析了2010~2014年秋冬季9種環流型和氣象、能見度的關系,認為京津冀地秋冬季在西南、東南、均壓型環流型下風速低,濕度高,能見度低.Miao等[8]總結2011~2014年夏季環流型特點,指出在北京東面高壓、北面低壓、西北面低壓的氣壓分布條件下,北京的PM2.5平均濃度較高.

近年來,北京市秋冬季的PM2.5污染問題嚴重[2,14-15].當前,研究工作多集中于研究環流型與近地面污染的關系,缺乏對北京秋冬季不同環流型下的大氣垂直結構和污染傳輸規律的總結.所以本文從近地面和邊界層內垂直結構2個方面對2013~ 2018年北京秋冬季各環流型下的氣象特征、傳輸規律進行總結,識別出北京地區主要的PM2.5污染環流型,并分析極端PM2.5污染月份的環流型構成特點,從大氣環流型的角度增進氣象對污染影響規律的認識,加強對北京秋冬季大氣污染成因的理解.

1 材料與方法

1.1 數據來源

本文采用的氣象數據有美國國家環境預報中心(NCEP)提供的1°×1°全球再分析資料(NCEP- FNLreanalysis data),美國國家海洋和大氣管理局(NOAA)提供的1°×1°氣象數據(NOAA-GDAS meteorological data).這兩類氣象數據都是由全球數據同化系統(GDAS)產生, GDAS中用于同化的觀測數據有地面觀測站數據、氣球數據、風廓線數據、飛機報告、浮標觀測、雷達觀測和衛星觀測數據等[16].本文分析的時間是從2013年11月開始到2018年2月,選取每年的1,2,11,12月份進行分析.

觀測數據來自中國環境監測總站的實時空氣質量發布平臺(http://106.37.208.233:20035/),采用萬壽西宮(39.87°N,116.37°E)、東四(39.95°N, 116.43°E)、天壇(39.87°N,116.43°E)、農展館(39.97°N, 116.47°E)、官園(39.94°N,116.36°E)、海淀區萬柳(39.99°N, 116.32°E)、奧體中心(40.00°N,116.40°E),7個國控站的PM2.5平均值作為北京地區的PM2.5濃度值.

1.2 環流型計算方法

大氣環流型的計算采用的是Lamb-Jenkension的環流型計算方法.該方法由Lamb[17]首先提出,然后Jenkension等[18]通過定義指數和分類方法將該方法客觀化.這種方法能夠很好地結合客觀分析和主觀經驗的優勢,判斷一天的主要大氣環流類型[19],在中國和歐洲地區得到廣泛的應用[20-25],周榮衛等[24]采用Lamb-Jenkension環流分型法分析北京地區各大氣環流型的氣候特征.本文采用NCEP-FNL再分析資料中的逐日平均海平面氣壓場進行Lamb- Jenkinson環流分型計算.

考慮北京市的位置,將40°N,116°E設為環流型的中心,在30~50°N、100~130°E的范圍內,每隔10°經度、5°緯度的網格上取16個點,利用所選區域內16 個格點上的海平面氣壓,計算以下6個環流指數,環流分型格點如圖1所示.

式中:()(=1,2,…,16)為圖1中標記對應位置的海平面氣壓值;、1和2分別為圖中A、A1和A2點處的緯度值(即40°、35°和45°);為地轉風;、分別為地轉風的緯向分量和經向分量;為地轉渦度;ξ為地轉渦度的經向梯度;ξ為地轉渦度的緯向梯度.以中心點所在緯度為參照系,6個環流指數的單位是hpa/(10°緯度).根據地轉風方向()、地轉風速和地轉渦度的關系將一天的環流共分為11種類型.當||>2時,為旋轉型,包括>0時為氣旋型(C),<0時為反氣旋型(A).||<2時,為平直型,按照地轉風方向分別為西(W)、西北(NW)、北(N)、東北(NE)、東(E)、東南(SE)、南(S)、西南(SW)環流型.當||<6且<6時,研究區域的氣壓梯度較小,可以看作均壓型(UM).

圖1 環流分型網格格點位置

Fig.1 Location of grid points used in circulation classification calculation

1.3 風場參數計算方法

本文同時采用NCEP-FNL再分析資料分析北京地區近地面和垂直方向的氣象參數(風速、邊界層高度、溫濕度、位溫[26]等),為了更詳細地分析各類環流型下的風場特征和變化,計算以下描述風場的參數[27].

式中:是一天中風速的時間間隔(6h);是一天中風速次數(4次);u是緯向風速,m/s;v是經向風速,m/s;近似表示風的移動距離,km;可以近似表示風的傳輸路程,km;是一天中的風向變化因子,是一天中的平均風速,m/s,本文主要采用和描述北京城區的風場特征和變化,當較大時,說明一天中風向變化較大;當較大時,說明一天中的風速較大.

1.4 后向軌跡計算方法

采用hysplit4模型(http://www.arl.noaa.gov/ ready/hysplit4.html)以NOAA-GDAS 1°′1°的氣象數據作為輸入,進行北京地區各環流型下的72h后向軌跡分析,軌跡起始點坐標是(116°E, 40°N),高度300m,分析的時間分辨率是1h.

2 結果與討論

2.1 各環流型近地面氣象特征

如圖2所示,2013~2018年秋冬季(11,12,1,2月份)北京地區的環流型中A型的出現頻率最高,占秋冬季總天數的25%,另外偏北環流型(N、NE、NW)和UM型也較多,分別占到秋冬季總天數的18%,10%, 8%和11%,偏西、偏南的類型(SW、W、S)和C型則出現較少,分別占4%,4%,4%和3%.

圖3是11種環流分型下的平均海平面氣壓分布,可見通過Lamb-Jenkinson 法得到的環流型呈現出辨識度很高的海平面氣壓分布特征.

圖2 2013~2018年北京秋冬季環流型頻率分布

圖3 2013~2018年秋冬季各環流型平均海平面氣壓分布

紅色代表氣壓相對較高,藍色代表氣壓相對較低,右下標顯示了環流型的天數

圖4 2013~2018北京秋冬季日均10m風速和2m溫濕度箱線圖

(a)10m風速(m/s);(b)2m溫度(K);(c)2m相對濕度(%)

表1 2013~2018年北京秋冬季各環流型下不同擴散條件天數頻率統計

各環流型下北京秋冬季的近地面風速見圖4(a).將風向變化因子和平均風速作為指標[27],30.6時認為風向變化大;￡1.5m/s屬于停滯風速;￡0.2,33.0m/s,為擴散條件好的情況,按照以上閾值統計各環流型下不同擴散條件的出現頻率,見表1.

偏北類型(N、NE、NW)和A型下北京近地面風速較大,風向變化小,擴散條件好的天數比例較高,其中,N和NE型風速最大,超過3.5m/s,60%以上的天數有較好的擴散條件.在其余7類環流型下,北京地區出現有利擴散條件的天數比例均很低,其中,在SW、W、S和C型下一半以上的天數出現停滯風速,而在E、SE、UM和C型影響下北京地區近地面風速不高且風向變化相對較大.根據圖5,風速較大的N、NE、NW和A型在北京地區以西北風為主.風速中等的E型以東南風為主.風速較小,風向變化較小的S、SW和W型中,S型以東南風為主,SW型以南風為主,W型以西南風為主.風速較小,風向變化較大的S、SW和W型以偏南風為主.

根據圖4(b)和(c),北京市秋冬季C、偏西(W、SW)和S型的溫度較高,N和A型的溫度較低.偏南(S、SW、SE)、C、E和UM型的相對濕度較高,而偏北(NE、NW、N)、W和A型的相對較低,相對濕度低的區域主要出現在太行山、燕山與華北平原交界地(見圖5).

圖5 2013~2018秋冬季各環流型日均10m風矢量和2m相對濕度空間分布

2.2 各環流型大氣垂直結構

圖6 2013~2018秋冬季北京時間14:00邊界層高度箱線圖

圖7 2013~2018秋冬季北京時間14:00的平均風矢量廓線

黑色實、虛線表示所有天和各環流型的平均邊界層高度

圖8 2013~2018秋冬季各環流型下北京時間14:00的位溫垂直廓線

紅色線是位溫平均值,紅色陰影是平均值±一個標準差,藍色虛線是位溫矩平,綠色實、虛線表示所有天和各環流型的平均邊界層高度,黑色虛線表示2km高度

邊界層高度是大氣垂直擴散條件的重要指標,本文選擇北京時間14:00的邊界層高度分析環流型對垂直擴散的影響規律.由圖6可見,邊界層較高的是偏北(N、NE、NW)和A型,平均邊界層高度大于900m,其中N和NE型的邊界層高度最高.E型邊界層高度居中(平均700m左右).邊界層高度較低包括SE、S、W、SW、UM和C等類型(平均高度低于600m).

邊界層高度和水平風速、位溫的垂直結構有關,水平風速越小、逆溫越強,邊界層高度越低,反之越高[28].根據圖7,在垂直高度1~3km,各環流型都以西北風或西風為主,風速較大;在邊界層內,不同環流型之間的風速和風向差別顯著,但總體上呈現出邊界層高度越高則風速越大的特點.

圖8繪制了各環流型下的位溫和位溫矩平垂直廓線,從中能夠看到不同類型環流型存在的差異.N和NE型受到寒冷的西北風影響,各高度上的位溫矩平均小于0,而且從地面到2km位溫矩平減少2K以上,說明N和NE型低層大氣的逆溫較弱.NW、A、E型從地面到2km位溫矩平變化不大,低層大氣處于中等程度逆溫.SE、UM、SW、W、S和C等環流型的主要特點是在2km左右的高度上,位溫矩平達到最大值,從地面到2km位溫矩平上升了1.5K以上.這6種環流型在2km的高度上以西風為主(圖7),有研究認為,這可能是因為來自黃土高原上的暖空氣傳輸到北京地區,使得北京低層大氣(0~2km)的逆溫增強[29-30],邊界層高度降低.

表2根據11種環流型的近地面氣象和大氣垂直變化性質,總結出北京地區5類大氣環流條件及氣象特征,其中,第IV類與第V類的區別主要在于,前者近地面風向較穩定,而后者的風向變化大,這會對污染傳輸和污染來源產生不同影響.

表2 各環流型的氣象特征描述

2.3 各環流型傳輸特征

采用后向軌跡方法分析北京地區2013~2018年秋冬季各環流型的傳輸特征,圖9是各環流型下傳輸至北京的平均印跡,表3是通過計算平均面積軌跡停留時間得到的各環流型下軌跡經過的主要城市.總體而言,各環流型下的傳輸路徑與大尺度環流方向及北京近地面風場特點有關.

在有利于傳輸擴散的I類和II類大氣環流條件下,氣團主要傳輸路徑由西北傳向北京,少量軌跡經河北中部傳輸到北京,主要途徑的城市包括內蒙古的包頭、烏蘭察布,河北的張家口、保定和廊坊等城市.

在中等傳輸擴散條件的E環流型下,因近地面風向變化大,高印跡的傳輸范圍相對較小,北京受周邊相鄰地區傳輸影響大,主要途徑城市有廊坊、天津、張家口等.

表3 各環流型下后向軌跡經過的主要城市

在不利于傳輸擴散的第IV類大氣環流條件下,因低層風向相對穩定,高傳輸印跡的范圍較大,其中,SW環流型下的軌跡主要由河北南部和中部、天津傳至北京,主要途徑河北的保定、廊坊、滄州、衡水、以及天津等城市;W環流型下的軌跡主要經河南北部、河北南部和中部傳至北京,經過的城市主要有河南濮陽和河北的保定、衡水、廊坊和滄州等;S環流型下氣團主要經由山東北部、河北中部傳到北京,主要途徑城市為山東的濱州,河北的廊坊、滄州、衡水和保定等.

在同樣不利于傳輸擴散的第V類大氣環流條件下,由于低層風向變化大,高傳輸印跡范圍比第IV類小,其中,SE環流型下的軌跡主要由北京東南方向傳至北京,主要途徑廊坊、天津、滄州、唐山和保定等城市;在UM和C環流型下,氣團主要由河北中部傳至北京,主要途徑河北的保定、廊坊以及天津等城市.

圖9 2013~2018秋冬季各環流型下平均印跡

為0.1°×0.1°網格中72h后向軌跡每天平均停留時間

2.4 各環流型的PM2.5污染特征

北京市秋冬季PM2.5污染與大氣環流型緊密相關,環流型的擴散條件好壞、傳輸軌跡是否經過污染物高排地區,都會影響PM2.5的濃度水平.

如圖10(a)所示,北京秋冬季SW、UM、C、S和W環流型的PM2.5濃度較高,出現這5類環流型的天數占總天數的26%,但是這5類環流型下發生污染的頻率平均高達75%以上,重污染以上的發生頻率平均在42%以上(圖10b).這5類環流型屬于傳輸擴散條件最差的環流類型,平均風速低于1.6m/s,低層大氣的逆溫較強,午后邊界層高度一般低于600m,而且在傳輸過程中氣團多途徑污染排放較大的河北中、南部地區,是北京秋冬季污染的主要環流類型.

北京E和SE環流型的PM2.5濃度水平居中,這2類環流型在總天數中的占比為13%,發生污染的頻率平均在50%左右,重污染以上的發生頻率約15%,是北京秋冬季污染的次要環流類型.

在NW、NE、A和N環流型下,北京秋冬季的PM2.5水平最低.這4類環流天數占總天數的61%,發生污染的頻率在30%左右,重污染頻率約10%.這4類環流型屬于傳輸擴散條件最好的環流類型,平均風速大,低層大氣的逆溫較弱,午后邊界層高度近1000m甚至更高.氣團多由內蒙古等污染排放較低的地區傳輸到北京,是北京秋冬季污染最輕的環流類型.

此外,從圖10(c)中還可以看到,即使在傳輸擴散條件最好的N和NE型下,仍存在一定比例的重污染天數,而最不利傳輸擴散的W、SW、S、C和UM型下也有15%以上的非污染天,反映出大氣傳輸擴散條件與PM2.5污染程度不一致的情況,這是因為污染變化相對于環流型變化有一定的滯后性.進一步分析表明(圖11a), 在N和NE環流型出現重度以上污染的時候,前一天的環流型以最不利傳輸擴散的IV、V類環流條件為主(占58.8%),當環流型從擴散條件最差的類型轉變到有利擴散的類型時,污染還未完全消散,使得N和NE環流型下會出現一定比例的重度污染天.類似的,在擴散條件最差的W、SW、S、C、UM型出現非污染天時,其前一天的環流型以傳輸擴散條件較好的II類(占52.5%)和I類(占17.5%)為主,說明當傳輸擴散條件轉差后,污染的發生還需要經歷一個發展的過程.

(a)各環流型下PM2.5濃度箱線圖,(b)各環流型下PM2.5污染級別頻率分布,(c)各污染級別環流型頻率分布

(a)N和NE型下出現重度以上污染的前一天的環流型構成情況;(b) W、SW、S、C和UM環流型下未出現污染的前一天的環流型構成情況

圖12 2013~2018年北京秋冬季月均PM2.5濃度分布

2013~2018年PM2.5濃度的月均變化如圖12所示,可以看到,2014年2月、2015年12月、2016年12月都是污染非常嚴重的月份,月均的濃度水平在140μg/m3以上,而2017~2018年秋冬季污染非常低,其中2018年1月份月均濃度水平在30μg/m3左右,針對污染極高的3個月份,以及污染極低的1個月份進行環流型分析,如圖13所示.可以看到,PM2.5污染嚴重的3個月份中,均壓型(UM)的比例明顯增加,達到了18%以上(在研究期間的平均比例11%),這3個月在均壓環流型下,平均風速在1.2m/s左右,低層大氣逆溫強,午后的邊界層高度低于450m,易造成污染物累積和濃度水平升高.對于2018年1月的最大特點是傳輸擴散條件最好的北向(N)環流型比例明顯增加,達到了35%以上(在研究期間的平均值18%),該月在北向環流型下,平均風速在3.4m/s左右,低層大氣逆溫弱,午后的邊界層高度達到1700m以上,有利于降低污染水平,而傳輸擴散條件最差的IV、V類環流型不到10%(在研究期間的平均占比32%),由此可以反映出環流型變化對北京秋冬季PM2.5污染的重要影響.

圖13 北京市典型月份的環流型構成情況

3 結論

3.1 根據對北京地區2013~2018年秋冬季(11、12、1、2月份)大氣環流型氣象特征的分析,歸納出5類大氣環流條件:第I類(包括N、NE環流型,天數占比28%)和第II類(包括NW、A環流型,占33%)均有利于傳輸擴散,以西北風為主,風向比較穩定,風速大,邊界層最大高度分別>1300m和>900m;第III類(E環流型,占7%)傳輸擴散條件中等,邊界層內以東南風為主,風向變化大,風速中等,邊界層最大高度~700m;第IV類(包括SW、W、S環流型,占12%)和第V類(包括SE、UM、C環流型,占20%)均不利于傳輸擴散,邊界層內以偏南風為主,風速較小,邊界層最大高度<600m,低層大氣(0~2km)逆溫較強,區別主要在于前者近地面風向較穩定,而后者風向變化大.

3.2 5類大氣環流條件下的污染傳輸路徑存在差異.在第I、II類條件下,氣團主要從西北方向、途徑包頭、烏蘭察布、張家口等地到達北京;第III類條件下北京受周邊相鄰地區(天津、廊坊、張家口等)的傳輸影響大;第IV類氣團主要途經河南北部、河北南部和中部、以及山東北部等地,涉及范圍較大;第V類氣團則主要經河北中部傳輸到北京.

3.3 北京市秋冬季PM2.5污染程度與環流型的擴散條件基本一致,污染變化相對于環流型變化存在一定的滯后性.最易發生PM2.5污染的環流型包括SW、UM、C、S和W,這5類環流型下污染發生頻率>75%,重度以上污染發生頻率>40%;在N、A、NE和NW環流型的天氣下污染發生頻率最低.

3.4 PM2.5濃度水平極高的月份,共同特點是均壓型(UM)比例明顯增加,而極低的月份特點是擴散條件最好的北向(N)環流型比例明顯增加,而擴散條件最差的IV、V類環流型明顯減少.

[1] Jacobeit J. Classifications in climate research [J]. Physics and Chemistry of the Earth, Parts A/B/C, 2010,35(9):411-421.

[2] Zhu W, Xu X, Zheng J, et al. The characteristics of abnormal wintertime pollution events in the Jing-Jin-Ji region and its relationships with meteorological factors [J]. Science of The Total Environment, 2018,626:887-898.

[3] 張文龍,尤鳳春,張小玲,等.北京2013年1月嚴重霾天氣過程的氣象成因分析[J]. 氣象與環境科學, 2016,39(2):46-54. Zhang W L, You F C, Zhang X L, et al. Meteorological characteristics analysis of severe haze weather processes in Beijing in January 2013 [J]. Meteorological and Environmental Sciences, 2016, 39(2):46-54.

[4] 戴 健,程月星.北京市2016年7月一次霧霾天氣過程分析 [J]. 環境科學導刊, 2018,37(1):34-41. Dai J, Cheng Y X. Analysis of one haze in Beijing in July 2016 [J]. Environmental Science Survey, 2018,37(1):34-41.

[5] Zhang J P, Zhu T, Zhang Q, et al. The impact of circulation patterns on regional transport pathways and air quality over Beijing and its surroundings [J]. Atmospheric Chemistry and Physics, 2012,12(11): 5031-5053.

[6] Liu X G, Li J, Qu Y, et al. Formation and evolution mechanism of regional haze: a case study in the megacity Beijing, China [J]. Atmospheric Chemistry and Physics, 2013,13(9):4501-4514.

[7] Ye X X, Song Y, Cai X H, et al. Study on the synoptic flow patterns and boundary layer process of the severe haze events over the North China Plain in January 2013 [J]. Atmospheric Environment, 2016,124: 129-145.

[8] Miao Y, Guo J P, Liu S H, et al. Classification of summertime synoptic patterns in Beijing and their associations with boundary layer structure affecting aerosol pollution [J]. Atmospheric Chemistry and Physics, 2017,17(4):3097-3110.

[9] Miao Y, Guo J P, Liu S H, et al. Relay transport of aerosols to Beijing-Tianjin-Hebei region by multi-scale atmospheric circulations [J]. Atmospheric Environment, 2017,165:35-45.

[10] Zhang Y, Ding A J, Mao H T, et al. Impact of synoptic weather patterns and inter-decadal climate variability on air quality in the North China Plain during 1980~2013 [J]. Atmospheric Environment, 2016,124: 119-128.

[11] Wang C, An X Q, Zhai S X, et al. Tracking sensitive source areas of different weather pollution types using GRAPES-CUACE adjoint model [J]. Atmospheric Environment, 2018,175:154-166.

[12] Wang C, An X Q, Zhang P, et al. Comparing the impact of strong and weak East Asian winter monsoon on PM2.5concentration in Beijing [J]. Atmospheric Research, 2019,215:165-177.

[13] Zhang H, Yuan H, Liu X et al. Impact of synoptic weather patterns on 24h-average PM2.5concentrations in the North China Plain during 2013~2017 [J]. Science of The Total Environment, 2018,627:200-210.

[14] Zhang H F, Wang S X, Hao J M, et al. Air pollution and control action in Beijing [J]. Journal of Cleaner Production, 2016,112:1519-1527.

[15] 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. Li L 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.

[16] Kalnay E, Kanamitsu M, Kistler R, et al. The NCEP/NCAR 40-year reanalysis project [J]. Bulletin of the American Meteorological Society, 1996,77(3):437-471.

[17] Lamb H H. Types and spells of weather around the year in the British Isles [J]. Quarterly Journal Royal Meteorological Society, 1950,76: 393-438.

[18] Jenkinson A F, Collison F P. An initial climatology of gales over the North Sea [C]//Synoptic Climatology Branch Memorandum, No. 62. Bracknell: Meteorological Office, 1977:1-18

[19] Trigo R M, DaCamara C C. Circulation weather types and their influence on the precipitation regime in Portugal [J]. International Journal of Climatology, 2000,20(13):1559-1581.

[20] Pope R J, Savage N H, Chipperfield M P, et al. The influence of synoptic weather regimes on UK air quality: regional model studies of tropospheric column NO2[J]. Atmospheric Chemistry and Physics, 2015,15(19):11201-11215.

[21] Russo A, Trigo R M, Martins H, et al. NO2, PM10and O3urban concentrations and its association with circulation weather types in Portugal [J]. Atmospheric Environment, 2014,89:768-785.

[22] Santurtún A, José C G H, Arturo S L, et al. Surface ozone concentration trends and its relationship with weather types in Spain (2001~2010) [J]. Atmospheric Environment, 2015,101:10-22.

[23] 賈麗偉,李維京,陳德亮,等.東北地區月平均大氣環流型與哈爾濱氣候關系的初步研究 [J]. 氣象學報, 2006,(2):236-245. Jia L W, Li W J, Chen D L, et al. A monthly atmospheric circulation classification and its relationship with climate in Haerbin [J]. Acta Meteorologica Sinica, 2006,(2):236-245.

[24] 周榮衛,何曉鳳,苗世光,等.北京地區大氣環流型及氣候特征[J]. 氣候變化研究進展, 2010,6(5):338-343. Zhou R W, He X F, Miao S G, et al. Atmospheric circulation types and their climatic characteristics over Beijing [J]. Advances in Climate Change Research, 2010,6(5):338-343.

[25] 朱艷峰,陳德亮,李維京,等.Lamb-Jenkinson環流客觀分型方法及其在中國的應用 [J]. 南京氣象學院學報, 2007,30(3):289-297. Zhu Y F, Chen D L, Li W J, et al. Lamb-Jenkinson circulation type classification system and its application in Chian [J]. Journal of Nanjing Institute of Meteorology, 2007,30(3):289-297.

[26] Curry J A. Thermodynamics | Saturated Adiabatic Processes, in Encyclopedia of Atmospheric Sciences (Second Edition) [M]. Academic Press: Oxford, 2015:398-401.

[27] Allwine K J, Whiteman C D. Single-station integral measures of atmospheric stagnation, recirculation and ventilation and ventilation [J]. Atmospheric Environment, 1994,28(4):713-721.

[28] Vogelezang D H P, Holtslag A A M. Evaluation and model impacts of alternative boundary-layer height formulations [J]. Boundary-Layer Meteorology, 1996,81(3/4):245-269.

[29] Zhu X W, Tang G Q, Hu B, et al. Regional pollution and its formation mechanism over North China Plain: A case study with ceilometer observations and model simulations [J]. Journal of Geophysical Research-Atmospheres, 2016,121(24):14574-14588.

[30] Hu X M, Ma Z, Lin W, et al. Impact of the Loess Plateau on the atmospheric boundary layer structure and air quality in the North China Plain: a case study [J]. Science of The Total Environment, 2014, 499:228-37.

Meteorological and pollution characteristics under atmospheric circulation types in autumn and winter in Beijing.

LIN Ting-kun1, HONG Li-nan1,2, HUANG Zheng-chao1,3, WANG Xue-song1*, CAI Xu-hui1

(1.State Key Joint Laboratory of Environmental Simulation and Pollution Control, College of Environmental Sciences and Engineering, Peking University, Beijing 100871, China；2.Tianjin Environmental Protection Bureau, Tianjin 300191, China；3.Center for Environmental Education and Communications of Ecology and Ministry of Environment, Beijing 100020, China)., 2019,39(5)：1813~1822

The ground and vertical meteorological characteristics associated with 11atmospheric circulation types during autumns and winters (Nov.-Feb., 2013~2018) in Beijing was summarized. The circulation types were classified into five categories, and the influence of each category on the transport of air pollution as well as fine particulate matter (PM2.5) pollution was discussed. Among five categories, Category I (including north (N) and northeast (NE) circulation types, which accounted for 28% of days) and Category II (including northwest (NW) and anticyclone (A), which accounted for 33%) were favorable for air pollution diffusion, which were characterized by the dominant northwest winds with steady direction and high speed, as well as high planetary boundary layer (PBL) height. Category III (including East (E), 7%) was dominated by southeast winds with variable directions and moderate speed within PBL, and provided moderate conditions for air pollution diffusion. Category IV (including southwest (SW), west (W) and south (S), 12%) and Category V (including southeast (SE), uniform pressure fields(UM) and cyclone (C), 20%) were unfavorable for air pollution diffusion, which were characterized by the dominant south winds with low speed within PBL, as well as the low PBL height due to strong temperature inversion in low atmosphere. The wind direction near ground was usually steady under Category IV, while varied greatly under Category V. The transport pathways of the air mass arriving in Beijing under different circulation types showed significant difference, thus, resulted in the changing of potential source regions contributing to air pollution in Beijing. PM2.5pollution was closely related to the atmospheric circulation types in autumn and winter in Beijing. PM2.5pollution was most likely to occur under the types of SW, UM, C, S and W (the average frequency of pollution is larger than 75%, the average frequency of severe pollution is larger than 42%), while the types of N, A, NE and NW were associated with low frequency of occurrence of PM2.5pollution. A higher proportion of the UM type was usually observed in the months with extremely severe PM2.5pollutions, while the proportion of the N type nearly doubled in the months with the lowest PM2.5level. In addition, the change of PM2.5concentrations sometimes lagged behind the change of circulation types.

circulation type；meteorology；fine particulate matter；pollution；Beijing

X513

A

1000-6923(2019)05-1813-10

林廷坤(1993-),男,廣東揭陽人,北京大學碩士研究生,主要從事區域大氣污染模擬與控制研究.

2018-10-03

國家重點研發計劃(2018YFC0213204);國家科技支撐計劃(2014BAC06B02)

*責任作者, 副教授, xswang@pku.edu.cn