初冬一次冷鋒輸送過程對中國東部霾天氣的影響

王麗娟,劉曉慧,盧 文,張 晨,唐衛亞,朱 彬*

初冬一次冷鋒輸送過程對中國東部霾天氣的影響

王麗娟1,劉曉慧1,盧 文1,張 晨2,唐衛亞1,朱 彬1*

(1.南京信息工程大學,氣象災害預報預警與評估協同創新中心,氣象災害教育部重點實驗室,國家綜合氣象觀測專項試驗外場,江蘇 南京 210044；2.內蒙古通遼市氣象局,內蒙 通遼 028000)

利用常規地面氣象資料、NCEP/NCAR再分析資料以及全國PM2.5濃度數據,并結合后向軌跡、空氣污染輸送指數和傳輸通量分析,針對2019年12月10～11日一次冷鋒輸送造成我國中東部地區出現的大范圍霾天氣過程進行了分析.結果表明:(1)霾期間高空500hPa以經向環流為主,伴隨著高空低壓槽引導地面冷鋒向東南方向移動,污染物濃度大值區也依次由華北地區移至黃淮、江淮地區.(2)冷鋒過境前,華北至長江三角洲區域PM2.5濃度均有明顯增漲;北京以偏南方向的污染物輸入為主,濟南以西北和偏東方向輸入為主,南京則主要是偏北和偏西方向的輸入.(3)冷鋒過境時,冷空氣迅速將北京站的污染物清除;而濟南站則受高壓底部偏東風回流的影響,PM2.5濃度維持在50μg/m3左右;冷鋒推進至南京站時西北風已較小,對污染物的清除作用不明顯.以江蘇省為例,整個過程中,江蘇本地污染物貢獻占25.8%,江蘇以外的污染物貢獻占74.2%,以輸送為主.(4)冷鋒過境后,3站的邊界層結構也略有不同,北京站的逆溫層迅速被打破;濟南站由于受海上暖濕平流影響,近地面由等溫層變成逆溫層;而南京站的近地面則由逆溫層變為等溫層.本研究揭示了在冷鋒南下過程中,上游污染物對下游地區的影響,以及南北方站點表現出不同的污染物變化和清除特征.

冷鋒；霾；空氣污染輸送指數；PM2.5

隨著社會經濟的發展和工業化水平的提高,以細顆粒物(PM2.5)為特征污染物的大氣污染不僅直接影響公眾身體健康,而且在其傳輸的過程中影響區域生態環境甚至影響全球氣候變化[1].近年來,京津冀、長江三角洲等地的大氣污染引起廣泛關注,1998～2016年我國PM2.5濃度總體呈現上升趨勢,其中2007年之前呈快速增長態勢,2008～2016年呈現出"下降-增長-下降"的波動趨勢[2].不同領域專家致力于研究大氣污染的形成機制與氣象條件的密切關系[3-5],有研究表明,大氣污染呈典型的區域性特征[6-7],就某一季節而言,某地區的地理環境和污染源的排放相對穩定,該地區的空氣質量主要由氣象條件決定.空氣污染物在各種天氣尺度系統的作用下混合、擴散,造成污染物多尺度、跨區域的遠距離輸送[8].輸送型污染既需關注本地空氣污染的氣象條件也要關注更遠地區的空氣污染物輸送至本地區的氣象條件[9-10].很多研究指出[11-13],冷空氣經過華北黃淮等重污染區時,易將污染物向下游地區輸送,是造成長江三角洲地區秋冬季輸送型污染的重要天氣過程之一.

冷鋒是我國活動最頻繁、對空氣污染影響較大的天氣系統之一,冷鋒過境前后氣象要素的差異以及鋒面附近垂直環流結構都會對污染物的積累和輸送造成顯著的影響.冷空氣活動時會減輕或消除日間逆溫[14], 冷鋒作為冷空氣的前沿,其造成的大風、降水天氣會使得污染物濃度迅速降低[15].有學者研究發現,冷鋒過境前邊界層出現逆溫,隨著鋒面過境,逆溫層被破壞,冷鋒過境時垂直方向上輸送強烈[16].不同強度的冷鋒對污染物的作用也不盡相同,弱冷鋒作用下以污染輸送作用為主,而較強冷鋒作用下以污染清除作用為主[17],強冷鋒前后污染物易形成一個“積累-鋒前抬升-高空平流輸送-鋒后大風清除-積累”的循環[18].同時,有學者進一步研究指出,遠距離輸送和氣溶膠-邊界層反饋相互作用可以擴大1000km范圍內的跨界空氣污染物的輸送,并促進從華北平原到長江三角洲的持續性二次霧霾,氣溶膠-邊界層的相互作用放大了霧霾的跨界輸送[19].以長江三角洲地區冷鋒過程對空氣質量的影響為例,在冷鋒剛開始影響長江三角洲地區時,受鋒面抬升的作用,會將污染物抬升到邊界層直至自由對流層,隨著冷鋒對長江三角洲地區的影響加劇,強的西北氣流會將華北地區的污染物輸送至長江三角洲地區,使其污染物濃度快速增加,冷鋒過境后,長江三角洲地區受高壓控制,受輻散氣流的影響,長江三角洲地區污染物向外擴散,污染物濃度降低,隨后大氣層結趨于穩定,在下一次冷鋒活動前,污染物又逐漸積累[20].因此,分析不同冷鋒過程中造成的污染物積累、輸送的特征十分必要.

前人在冷鋒對污染物的擴散和區域輸送等方面的影響已有大量研究,每次冷鋒過程都會有差異,冷鋒會不斷地移動、變化.在其演變過程中,冷鋒造成的氣象要素和環流場的差異對不同地區空氣污染的影響是否都一樣需進行更細致的探討.2019年12月10～11日我國東部地區出現了一次影響時間短、影響范圍大的霧霾天氣,整個過程以PM2.5污染為主,最低能見度在2km左右.本文主要從天氣學角度,結合HYSPLIT后向軌跡、WRF-Chem中尺度天氣-空氣質量模式和空氣污染輸送指數,分析了10日08:00時～11日08:00(文中的時間均為北京時)這一時間段中污染物的生消演變和傳輸特征,以期深入闡明輸入型霾天氣的形成過程,并為該類型霾天氣的預報提供參考依據,進而提高分析預報的能力.

1 資料和方法

1.1 資料

本文資料時段為2019年12月10～11日,其中PM2.5監測數據來自于中國環境監測總站每日公布的逐小時環境監測數據(http://106.37.208.233: 20035);天氣形勢圖來源于韓國氣象局網站(http:// 123.127.175.60:8765/siteui/index),物理量診斷數據來自于Micaps資料、NCEP/NCAR一日4次的1°×1°再分析資料和懷俄明大學的探空數據;后向軌跡模式所用的氣象數據為NCEP/NCAR的全球資料同化系統(GADS)氣象數據.

1.2 后向軌跡模式

采用美國國家海洋大氣研究中心空氣質源實驗室(NOAA)的HYSPLIT軌跡模式,該模式用于計算和分析大氣污染物輸送、擴散軌跡,具有處理多種氣象要素輸入場、多種物理過程和不同類型污染物排放源功能,已經被廣泛地應用于多種污染物在各個地區的傳輸和擴散的研究中.為得到此次過程的污染物輸送通道,利用后向軌跡模式計算出影響我國中東部的氣團軌跡.本文研究中,模擬高度選為500m,模擬時段選為2019年12月10日08:00時北京大興站、10日14:00時和20:00時山東濟南站以及11日08:00時江蘇南京站過去48h的氣團軌跡.

1.3 模式介紹

本研究采用WRF-ChemV3.9.1.1模式計算制定區域邊界PM2.5的傳輸通量,該模式是由美國大氣研究中心(NCAR)、美國太平洋西北國家實驗室(PNNL)、美國國家海洋及大氣管理局(NOAA)共同開發完成的中尺度大氣動力-化學耦合模式,此模式除了可設置計算各種動力參數和微物理變量之外,在化學部分包括了完整的傳輸(平流、對流和擴散)、干/濕沉降、化學過程,模式的最大優點是氣象模塊和化學傳輸模塊在時間和空間分辨率上可以完全耦合.

模擬區域包含99′99個網格,水平分辨率為27km,覆蓋整個東亞地區和周邊海域.模式層頂設在50hPa處,自地表到模式層頂共分為38個不等距層,其中2km以下高度包含12 層,可用于精細描述邊界層內大氣物理化學特征以及描述邊界層結構.模式的模擬時間為2019年12月1日00:00時～12月15日00:00時,時間積分步長為120s,模式結果為逐小時平均量的輸出.模式氣溶膠方案選用MOSAIC[21]機制中的8檔方案,在該方案中氣溶膠粒徑從0.039～10mm共劃分為8個粒徑段進行計算,其余參數化方案如表1所示.為了進一步消除初始條件的影響[22],將模擬前9d設置為spin-up的時間.模式其余參數化方案與文獻[23]設置一致.

使用NCEP發布的FNL資料為模式氣象場提供初始和邊界條件,以及使用全球化學模式(WACCM)輸出結果為模式化學場提供初始和邊界條件.在人為源方面,使用清華大學提供的MEIC清單(http://www.meicmodel.org/)和MIX源清單[24], MEIC清單和MIX清單基準年分別為2016年和2012年.在生物源方面,選用MEGAN計算得到的生物質排放數據[25].

1.4 空氣污染輸送指數構建

針對外來輸送型污染的特點,結合軌跡模式輸出結果和12～48h前PM2.5的觀測數據對污染物的輸送強度進行定量化計算建立污染輸送指數[26].用HYSPLIT模式進行后向氣團模擬,將東亞地區的水平空間網格化,即把0o～60oN,70o～140oE區域分成0.1°′0.1°的水平網格,依次統計每條后向軌跡在網格內出現的概率,得到每條軌跡的輸送概率場.將每條軌跡的輸送概率場與PM2.5觀測濃度由公式(1)計算得到該條軌跡的輸送強度,將該軌跡的所有輸送強度相加得到它對污染物的輸送強度值.為了使輸送指數起到預報的作用,本文將后向12～48h的輸送強度累加得到輸送指數.

2 結果與討論

2.1 天氣形勢與空氣污染過程

從高空形勢來看,本次空氣污染過程中,500hPa上歐亞中高緯度地區為穩定的“一槽一脊”經向型分布,高壓脊位于西西伯利亞東部到巴爾喀什湖地區,低壓槽位于貝加爾湖東側至長江中下游地區,10日08:00時,華北地區中東部、黃淮大部、江淮地區大部受低壓槽前西南氣流控制,隨著低壓槽東移,到11日08:00時上述地區逐漸由槽前轉到槽后脊前,槽后脊前的西北氣流引導的冷空氣逐漸南下影響我國中東部地區.

地面形勢場上,10日05:00時,華北、黃淮、江淮地區主要受中心位于華北西部的低壓系統控制,冷鋒位于北京西部至山西中南部一帶,北京大興站位于低壓前部,受偏南氣流控制,有利于污染物和水汽向京津冀地區輸送和聚集.10日08:00時(圖1),冷鋒抵達北京至華北南部一帶,污染物濃度大值區位于華北中南部和黃淮地區,鋒面即將抵達大興站,該站維持較高污染物濃度.

圖1 2019年12月10～11日地面等壓線(hPa)與PM2.5濃度(μg/m3)疊加圖

圖中黑色方點從北至南依次為大興、濟南和南京3個測站;紅色線條表示該站點48h后向軌跡

隨著冷鋒東移南壓,10日11:00時,冷鋒位于華北南部,大興站已處于鋒后,在鋒后冷空氣的清除作用下,污染物濃度明顯降低;10日14:00時(圖1),冷鋒移至渤海灣至山東西北部地區,污染物濃度大值區主要集中在黃淮中北部,濟南站位于冷鋒附近,冷空氣將華北地區的污染物向黃淮地區輸送,濟南地區的污染物濃度有所增加.

10日20:00時(圖1),隨著冷鋒南移至山東南部、江蘇西北部地區,污染物濃度大值區主要位于黃淮到江淮北部一帶.濟南位于冷鋒后部、高壓的底前部,在高壓底前部東北氣流的影響下,將華北地區的污染物以偏東風的回流形式輸送到濟南地區,因此在冷鋒移過濟南站后的一段時間之內,濟南站仍維持較高的污染物濃度.在冷鋒的作用下,從華北、黃淮地區輸送過來的污染物從低壓底部偏西方向向江蘇地區輸送并堆積,江蘇地區的污染物濃度自北向南逐漸增加;11日08:00時(圖1),冷鋒位于遼寧東南部至江蘇中南部一帶,在鋒后偏北風的作用下,將北方地區污染物向南輸送,江蘇中南部地區的污染物濃度明顯增加,由于江蘇地區氣壓梯度小、風速小,則有利于北方地區的污染物在江蘇南部沿江地區堆積,在PM2.5實況圖上可以看到在江蘇沿江地區有一明顯的重污染帶,此時華北、黃淮地區的污染物濃度已降低.

11日11:00～14:00時,隨著冷鋒南壓至江南北部,江蘇位于高壓前部,弱冷空氣源源不斷擴散南下,將上游地區的污染物向南輸送,使得江蘇南部地區PM2.5濃度一直維持較高水平;11日20:00時,冷鋒繼續南壓至江南南部,江蘇南部、江南北部位于冷鋒后部,風速略有增大,使得污染物由江蘇地區移出,此時江蘇地區的PM2.5濃度雖較其他地區高,但較前幾個時次明顯下降.由上述分析可知,PM2.5濃度的變化呈現出明顯的自北向南逐步發展的過程,與冷鋒的活動密切相關,污染物移動較快.

2.2 由北至南3站氣象要素和PM2.5演變

圖2 2019年12月9日17:00～11日23:00期間3個站點地面氣溫(℃)、PM2.5濃度(μg/m3)、能見度(km)、風矢量(m/s)隨時間的變化

a.大興; b.濟南; c.南京

根據前面的分析可以看出,此次污染物明顯是伴隨著冷鋒的東移南下,依次輸送至華北、黃淮至長江中下游地區,本節從以上3個關鍵區中自北向南挑選3個代表站,深入分析冷鋒對它們的影響.從圖2a中可以看出,10日02:00～08:00時,大興的PM2.5濃度維持在150μg/m3以上,地面一直以弱南風為主,有利于污染物在華北中南部堆積,污染物濃度在08:00時前后達到最大,超過200μg/m3,相應的能見度在10日08:00時前后達到最低,在2km左右;08:00時之后,隨著大興站位于鋒后,西北風明顯加大,有利于污染物向東南方向輸出,污染物濃度迅速降低至50μg/m3以下,且之后一直維持較低的濃度,能見度迅速增大,說明冷空氣對污染物起到了清除的作用.

從圖2b中可以看出,10日02:00～08:00時,濟南地區為偏南風,偏南風將濟南地區的污染物向華北地區輸送,污染物濃度呈下降趨勢.11:00時左右,隨著冷鋒的靠近,逐漸轉成西北風,華北地區的污染物輸送至濟南,濟南站的污染物濃度明顯增加.10日14:00～17:00時,濟南受冷鋒后的高壓底部偏東氣流控制,污染物濃度達到最大,超過200μg/m3,能見度達最低.由于弱的偏東風回流持續輸送作用(圖1),使得濟南地區的污染物并沒有在10日下午冷鋒過境后立即被顯著清除,而是保持在50～100μg/m3之間.

從圖2c中可以看出,從10日02:00～20:00時,南京地區以偏南風為主,污染物濃度一直維持在75μg/m3左右.10日夜間,南京由偏南風轉成偏西風,且風速微弱,污染物濃度開始逐漸增加,11日05:00時達到150μg/m3,11日08:00時,隨著冷鋒的靠近,南京逐漸由偏西風轉成偏北風且弱風狀態維持,有利于污染物從北方地區直接輸送過來并堆積,能見度也隨之達到最低,為2km左右.11日08:00時之后,南京位于鋒后,偏北風略有增大,污染物濃度降至50μg/m3左右,能見度開始好轉.

綜合以上分析可以看出,隨著冷鋒的影響,3個站點分別表現出不同的污染物濃度變化特征,且與冷鋒移動造成的風向風速的變化密切相關.

2.3 冷鋒影響下邊界層結構演變特征

冷鋒對某一地區的影響一般分為3個階段:冷鋒過境前、冷鋒過境時和冷鋒過境后.假相當位溫(se)是一個可以綜合表征大氣溫度和濕度的物理量,能反映鋒區的位置和移動的情況,某一地區位于冷鋒不同的影響階段,其附近的氣象要素場特征亦有區別.

由圖3a可知,10日00:08時se密集帶位于35°～ 40°N,密集帶隨高度向北方傾斜,40°N以北的低緯度地區為se低值區,為干冷空氣占據,結合前面天氣形勢的分析可以判斷出此時大興站位于冷鋒附近.從大興站10日08:00時的邊界層垂直結構圖中可以看出,此時冷空氣對大興站影響不大,逆溫層的存在,有利于大氣污染的維持.08:00時過后,冷空氣對大興的影響增大,偏北風加大,打破了大興站的逆溫結構,霾天氣結束.

將10日14:00時的se和風場沿117°E做垂直剖面(圖3b),從圖中可以看出,se密集帶略有南壓,位于34°～37°N附近,濟南在鋒面附近.從濟南站冷鋒過境前和過境后的邊界層垂直結構來看,10日08:00時冷鋒過境前,濟南站整層較干,逆溫層厚度達500m左右,溫差只有1℃,10日20:00時冷鋒過境后,高壓底前部的偏東風會將北方的污染物和海上的暖濕水汽輸送至濟南地區,使濟南地區的水汽條件略轉好,近地面的逆溫層結構更加明顯,逆溫層厚度降低至100m左右,溫差增大到3℃,因此濟南地區的霾天氣在冷鋒過境后仍維持.

由圖3c可知,se密集帶明顯南移,位于31°～ 35°N ,鋒面位于南京站附近.結合南京站的邊界層垂直結構,可以看出,10日20:00時位于冷鋒前時,南京地區邊界層有逆溫存在;11日08:00時位于冷鋒附近時,近地面層100m以下的逆溫層也逐漸減弱變成等溫層,由于逆溫層維持時間短,不利于污染物的堆積,因此南京地區的霾天氣很快趨于結束.

在冷鋒影響的不同階段,江蘇地區的污染物水平平流輸送、垂直平流輸送和湍流擴散輸送條件均發生了改變.冷鋒影響初期,在近地面～100m高度,以水平平流的輸入為主,在100～200m的高度上以湍流擴散輸送為主,在500～1000m范圍內以垂直平流輸送為主.從整個過程來看,垂直平流輸送不明顯,從地面至100m高度范圍內,污染物以湍流擴散輸出為主,在距離地面100～500m范圍內,湍流輸入較明顯,但小于水平平流輸出.

a.10日08時沿116.5°E; b.10日14時沿117°E; c. 11日08時沿119°E. 陰影區代表地形

2.4 各階段污染物來源分析

NOAA研發的HYSPLIT模式可以多角度全方位模擬污染氣團的后向軌跡,從而判斷污染物的可能來源和路徑.本文選取2019年12月10日08:00時至11日08:00時為主要研究時段,利用HYSPLIT分別對位于冷鋒不同部位的大興站、濟南站和南京站500m上48h傳輸氣團的路徑進行分析.結合氣團軌跡和地面天氣圖來看,10日08:00時大興站位于鋒面附近,污染物先在鋒后西北氣流的作用下向東南方向移動、移至鋒面附近后在鋒前偏南氣流的作用下折向大興;10日14:00時,濟南位于冷鋒附近,污染物從西北方向輸送過來,當濟南位于冷鋒后、高壓底部前時,濟南轉成高壓底前部的東北風,污染物在東北風的作用下輸送至濟南境內;11日08:00時,冷鋒位于南京站附近,冷鋒后部的冷空氣將華北地區和黃淮地區的污染物直接向南京輸送.

計算大興、濟南和南京的空氣污染輸送指數和PM2.5小時濃度演變(圖4),從大興站和濟南站的輸送指數可以看出,輸送指數未能較好地體現出兩站污染物濃度的真實情況,但是演變的趨勢表現出來了,而對南京站而言,從12月10日白天開始,輸送指數逐步增大,隨之而來,在10日夜間PM2.5濃度值迅速增加,在12月11日上午PM2.5濃度值達到最大,與圖1d和圖3c的結論較為一致,說明這是一次典型的與冷鋒有關的輸送型污染.由于此輸送指數主要是針對長江中下游地區的上游有污染區存在時才更有效,因此,此輸送指數在長江中下游地區的使用效果更好.

風場是決定大氣污染物輸送的重要因素,風向決定了空氣污染物的輸送方向,風速決定了污染物的稀釋和清除的強度.通過前面的分析可知,污染物傳輸指數在長江中下游地區使用的效果優于其他地區,為進一步驗證污染物的傳輸情況,使用WRF-Chem模式模擬了0～3000m各層高度上江蘇省東西南北4個邊界PM2.5的傳輸通量,每個方向的傳輸通量為PM2.5濃度與風速、邊界截面積的乘積,用來表征每個方向污染物輸送量的大小,結果發現0～700m高度上的特征一致,700～1300m的特征一致,1300～3000m的特征一致,因此分別給出這3個區域高度的傳輸通量圖(圖5).從圖中可以看出,PM2.5傳輸通量比較大的區域集中在0～700m高度上,且以北方和西方的輸入為主,10日20:00時之前,江蘇位于低壓的底部,因此污染物沿著低壓底部偏西氣流向江蘇地區輸送,隨著10日20:00時前后冷鋒開始進入江蘇北部,北風分量逐漸加大,北方輸送由負轉正并逐漸增大,隨著冷鋒移過江蘇,北方的輸入逐漸小于輸出,因此北方輸送通量開始減小.對應的高空鋒區落后于地面鋒面,因此700～1300m高度上偏北方向的污染物輸送在11日下午達到最大.整個過程中700～3000m上的污染物傳輸較少.由此可見,本次過程江蘇省的PM2.5主要輸送口為700m高度以下的北邊界,隨著冷鋒的移動,冷鋒后部的冷空氣將北方的PM2.5輸送至江蘇地區,在偏西風和偏北風的共同作用下,江蘇地區的PM2.5濃度自北向南逐漸增加.綜上所述,10日夜間正是冷空氣開始影響江蘇的時刻,隨著冷鋒的移動,冷鋒后部的冷空氣將北方的污染物輸送至江蘇地區,江蘇地區的污染物濃度自北向南逐漸增加.

圖5 不同高度上江蘇省4個邊界的PM2.5傳輸通量(kg/s)

a.0～700m ;b.700～1300m; c. 1300～3000m.江蘇南北邊界取20個格距,東西邊界取19個格距,格距為27000m

此外,進一步采用關閉污染源的模擬方法,計算出此次過程10日00:00～11日14:00時影響江蘇省的污染物來源,得出江蘇本地污染物占25.8%,江蘇以外的污染物貢獻占74.2%,與前面分析的此次污染過程以外部輸送為主的結論一致.

本文的初衷是剖析研究冷鋒輸送過程對中國東部霾天氣的影響,但由于目前污染物輸送指數和模式模擬的污染物濃度演變在華北和黃淮地區的模擬效果不如江蘇地區,因此以江蘇地區的定量分析為主.

本研究揭示了初冬冷鋒南下過程中,上游污染物對下游地區的影響,以及南北方站點表現出不同的污染物變化和清除特征.但本研究未考慮降水對污染物的清除,也未對比分析不同強度的冷鋒對南北方站點影響的差異,這些還有待進一步研究.

3 結論

3.1 本次過程期間,500hPa以經向型環流為主,在高空低壓槽東移的過程中,引導冷空氣東移南下,自北向南依次影響華北、黃淮和江淮地區.

3.2 冷鋒導致的3站污染物濃度差異:冷鋒入侵北京大興站前,大興站的污染物濃度增加,當鋒面在大興站附近時,污染物濃度達到峰值,冷鋒過境后,風向立即轉成西北風且風速明顯加大,污染物濃度迅速降低,冷空氣對污染物起到清除的作用;冷鋒影響濟南站時,雖然已轉成了偏北風,但風速略小,使得污染物從華北地區向濟南地區輸送并堆積,污染物濃度升高,隨著濟南站轉到冷鋒后部、高壓的底前部,在東北風的作用下繼續將華北地區污染物以回流的形式向濟南輸送,因此,冷鋒過境后濟南站的污染物濃度降低較慢,并未完全清除;冷鋒抵達南京站之前,南京站的污染物濃度持續增加,冷鋒過境后,南京站轉成弱的西北風,持續有污染物輸入,由于西北風速度不大,無法完全清除污染物.

3.3 冷鋒過境前后3站邊界層特征的差異:冷鋒過境前,大興有明顯的逆溫層存在,冷鋒過境后,鋒后冷空氣將逆溫層完全打破;對濟南站而言,冷鋒過境前,近地面為等溫層,冷鋒過境后,在偏東氣流輸送的海上暖濕氣流作用下,逆溫增強;而南京站在冷鋒過境前為逆溫層,在冷鋒過境后,受弱冷空氣影響變為等溫層.

3.4 此次過程是一次冷鋒輸送型霾天氣過程.大興站和濟南站的后向軌跡表明:大興的污染物以偏南方向的輸送為主;濟南冷鋒過境前是以西北方向的污染物輸送為主,冷鋒過境后以東北方向的回流輸送為主.南京站的后向軌跡、空氣污染輸送指數和江蘇省的傳輸通量均表明:南京冷鋒過境前偏西和偏北方向的污染物輸送比較明顯,且隨著冷鋒的靠近輸送增強,冷鋒過境后主要是西北方向的輸送,整個過程中,江蘇本地污染物貢獻占25.8%,江蘇以外的污染物貢獻占74.2%.

[1] 王繼康,花 叢,桂海林,等.2016年1月我國中東部一次大氣污染物傳輸過程分析 [J]. 氣象, 2017,43(7):804－812. Wang J K, Hua C, Gui H L, et al. Transport of PM2.5of the haze pollution episode over Mid-Eastern China in January 2016 [J]. Meteorological Monthly, 2017,43(7):804-812.

[2] 鄭保利,梁流濤,李明明,等.1998～2016年中國地級以上城市PM2.5污染時空格局[J]. 中國環境科學, 2019,39(5):1909-1918. Zheng B L, Liang L T, Li M M, et al. Analysis of temporal and spatial patterns of PM2.5in Prefecture-Level Cities of China from 1998 to 2016 [J]. China Environmental Science, 2019,39(5):1909-1918.

[3] Salvador P, Artíano B, Alonso D G, et al.Identification and characterization of sources of PM10in Madrid (Spain) by statistical methods [J]. Atmospheric Environment, 2004,38(3):435-447.

[4] 黃鸝鳴,王格慧,王 薈,等.南京市空氣中顆粒物PM10、PM2. 5污染水平 [J]. 中國環境科學, 2002,22(4):334-337. Huang L M, Wang G H, Wang H, et al. Pollution level of the airborne particulate matter (PM10, PM2.5) in Nanjing City [J]. China Environmental Science, 2002,22(4):334-337.

[5] Akimoto H. Global air quality and pollution [J]. Science, 2003, 302(5651):1716-1719.

[6] 徐樣德.北京及周邊地區大氣污染機理及調控原理研究 [J]. 中國基礎科學, 2002,4:19-22. Xu X D. Air pollution mechanism and its regulation-controlling principles in Beijing and its ambient areas [J]. China Basic Science, 2002,4:19-22.

[7] 任陣海,萬本太,蘇福慶,等.當前我國大氣環境質量的幾個特征 [J]. 環境科學研究, 2004,17(1):1-6. Ren Z H, Wan B T, Su F Q, et al. Several characteristics of atmospheric environmental quality in China at present [J]. Research of Environmental Sciences, 2004,17(1):1-6.

[8] 徐祥德.城市化環境大氣污染模型動力學問題 [J]. 應用氣象學報, 2002,13(1):1-12. Xu X D. Dynamic issues of urban atmospheric pollution models [J]. Journal of Applied Meteorological Science, 2002,13(1):1-12.

[9] 張恒德,呂夢瑤,張碧輝,等.2014年2月下旬京津冀持續重污染過程的靜穩天氣及傳輸條件分析[J]. 環境科學學報, 2016,36(12): 4340-4351. Zhang H D, Lü M Y, Zhang B H, et al. Analysis of the stagnant meteorological situation and the transmission condition of continuous heavy pollution course from February 20 to 26, 2014 in Beijing- Tianjin-Hebei [J]. Acta Scientiae Circumstantiae, 2016,36(12):4340- 4351.

[10] 孫 峰,張大偉,孫瑞雯,等.北京地區冬季典型PM2.5重污染案例分析[J]. 中國環境監測, 2014,30(6):1-12. Sun F, Zhang D W, Sun R W, et al. Typical heavy pollution episode analysis on PM2.5in Winter of Beijing [J]. Environmental Monitoring in China, 2014,30(6):1-12.

[11] 賀 瑤,朱 彬,李 峰,等.長江三角洲地區PM2.5兩種污染來源對比分析[J]. 中國環境科學, 2017,37(4):1213-1222. He Y, Zhu B, Li F, et al. Modeling study on the comparison of the impacts of two kinds of pollution source in a haze episode occurred over the Yangtze River Delta during late January, 2015 [J]. China Environmental Science, 2017,37(4):1213-1222.

[12] 高 健,王 韜,柴發合,等.長江三角洲大氣顆粒物生成-成長過程的研究不同氣團影響下的過程特征[J]. 中國環境科學, 2010,30(7): 931-940. Gao J, Wang T, Chai F H, et al. Observational study on particle nucleation process in the Yangtze River Delta, China: The growth property in different air masses [J]. China Environmental Science, 2010,30(7):931-940.

[13] 蔣永成,趙天良,王 宏,等.福州市PM2.5污染過程中大氣邊界層和區域傳輸研究[J]. 中國環境科學, 2015,35(2):347-355. Jiang Y C, Zhao T L, Wang H, et al. Analysis on atmospheric boundary layer and regional transport during PM2.5Pollution episodes in Fuzhou [J]. China Environmental Science, 2015,35(2):347-355.

[14] Zhang Q, Li H Y.A study of the relationship between air pollutants and inversion in the ABL over the city of Lanzhou [J]. Advances in Atmospheric Sciences, 2011,28(4):879-886.

[15] 張秀寶,高偉生,應龍根.大氣環境污染概論[M]. 北京:中國環境科學出版社, 1989:107-112. Zhang X B, Gao W S, Ying L G. Introduction to atmospheric environmental pollution [M]. Beijing: China Environmental Science Press, 1989:107-112.

[16] 馮鑫媛,王式功.冷鋒天氣過程大氣邊界層特征與顆粒物污染[J]. 干旱區研究區, 2014,31(4):585-590. Feng X Y, Wang S G. Characteristics of atmospheric boundary layer and PM10pollution in a cold weather process [J]. Arid Zone Research, 2014,31(4):585-590.

[17] 俞 布,朱 彬,竇晶晶,等.杭州地區污染天氣型及冷鋒輸送清除特征[J]. 中國環境科學, 2017,37(2):452-459. Yu B, Zhu B, Dou J J, et al. Classification of air pollution synoptic patterns and air pollutants transport/purification effect by cold front over Hangzhou [J]. China Environmental Science, 2017,37(2): 452-459.

[18] 程念亮,孟 凡,徐 峻,等.中國東部春季一次強冷鋒活動空氣污染輸送過程分析 [J]. 環境科學研究, 2013,26(1):34-42. Cheng N L, Meng F, Xu J, et al. Process analysis about the impact of a strong cold front on air pollution transportation in eastern China in spring [J]. Research of Environmental Sciences, 2013,26(1):34-42.

[19] Huang X, Ding A J, Wang Z L, et al. Amplified transboundary transport of haze by aerosol-boundary layer interaction in China [J]. Nature Geosciences, 2020,13(6):428-434.

[20] Kang H Q, Zhu B, Gao J H. Potential impacts of cold frontal passage on air quality over the Yangtze River Delta, China [J]. Atmospheric Chemistry and Physics, 2019,19(6):3673-3685.

[21] Zaveri R A, Easter R C, Fast J D, et al. Model for simulating aerosol interactions and chemistry (MOSAIC) [J]. Journal of Geophysical Research, 2008,113,D13204,doi:10.1029/ 2007JD008782.

[22] Napelenok S L, Cohan D S, Odman M T, et al. Extension and evaluation of sensitivity analysis capabilities in a photochemical model [J]. Environmental Modeling and Software, 2008,23(8):994– 999.

[23] Gao J H, Zhu B, Xiao H, et al. Effects of black carbon and boundary layer interaction on surface ozone in Nanjing, China [J]. Atmospheric Chemistry and Physics, 2018,18(10):7081-7094.

[24] Li M, Zhang Q, Kurokawa J I, et al. MIX: a mosaic Asian anthropogenic emission inventory under the international collaboration framework of the MICS-Asia and HTAP [J]. Atmospheric Chemistry and Physics, 2017,17(2):935-963.

[25] Guenther A, Karl T, Harley P, et al. Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Natrue) [J]. Atmospheric Chemistry and Physics, 2006,6:3181–3210.

[26] Liu X H, Zhu B, Kang H Q, et al. Stable and transport indices applied to winter air pollution over the Yangtze River Delta, China [J]. Environmental Pollution, 2021,272:115954.

Impact of a cold front transport process on haze weather in eastern China in early winter.

WANG Li-juan1, LIU Xiao-hui1, LU Wen1, ZHANG Chen2, Tang Wei-ya1, ZHU Bin1*

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Key Laboratory of Meteorological Disaster, Ministry of Education, Outfield of National Comprehensive Meteorological Observation Special Experiment, Nanjing University of Information Science and Technology, Nanjing 210044, China；2.Inner MongoliaTongliao Meteorological Service,Tongliao 028000, China)., 2021,41(5)：2004～2013

Regular surface observation meteorological data, NCEP/NCAR reanalysis data, and national PM2.5concentration data, combined with backward trajectory, air pollution transport index, and transport flux analysis, were used to analyze a cold-front induced large-scale haze weather process during December 10 and 11, 2019 in central and eastern China. The results showed that: (1) During the haze period, 500hPa was dominated by the meridional circulation, and accompanied with the upper-air low-pressure trough leading the ground cold front to move to the southeast. The heavy polluted area also moved from North China to Huang-huai and Jiang-huai. (2) Before the cold front passage, PM2.5concentration in the region from North China to Yangtze River Delta increased significantly. Beijing was dominated by pollutants imported from the south, Jinan was mainly affected by pollutants from the northwest and east, and PM2.5in Nanjing was mainly influenced by pollutants from north and west. (3) When the cold front passed through, the cold air quickly removed pollutants over Beijing Station, while the Jinan station was affected by the backflow of easterly wind at the bottom of the high pressure, and the PM2.5concentration was maintained at about 50μg/m3. When the cold front intruded into the Nanjing station, weakened northwest flow had little effect on the removal of pollutants. Taking Jiangsu province as an example. In the whole cold front process, the contribution of local pollutants accounted for 25.8%, and the contribution of pollutants outside Jiangsu accounted for 74.2%, which were mainly transported from North China. (4) After the passage of the cold front, the boundary layer structures over the three stations were slightly different from each other. The inversion layer over the Beijing station was quickly dissipated, the lower boundary layer over the Jinan station changed from the isothermal layer to the inversion layer due to the influence of warm and wet advection from the sea, and the near-surface boundary layer over the Nanjing station changed from the inversion layer to the isothermal layer. This study revealed the impact of upstream pollutants on downstream area during the southward movement of the cold front, as well as the different evolution and removal characteristics of PM2.5at the stations in the north and south China.

cold front；haze；air pollution transport index；PM2.5

X513

A

1000-6923(2021)05-2004-10

王麗娟(1983-),女,江蘇如皋人,實驗師,碩士,主要從事短期天氣預報研究.發表論文1篇.

2020-09-28

國家重點研發計劃(2016YFA0602003);國家自然科學基金資助項目(91544229)

* 責任作者, 教授, binzhu@nuist.edu.cn